جایگاه کم آبیاری در مصالحة اهداف زیست محیطی-اقتصادی الگوی کشت در فارس

محورهای موضوعی : مدیریت محیط زیست

حمید محمدی ¹ , پرویز حقیقت جو ² , علی رضا سرگزی ³

1 - استادیار گروه اقتصاد کشاورزی دانشگاه زابل *(مسوول مکاتبات).
2 - استادیار گروه مهندسی آب دانشگاه زابل
3 - مربی گروه اقتصاد کشاورزی دانشگاه زابل

تاریخ دریافت : 1389/05/20 تاریخ پذیرش : 1395/12/11 تاریخ انتشار : 1396/10/01

کلید واژه: محیط زیست, کم آبیاری, الگوی کشت, برنامه ریزی غیر خطی فازی,

چکیده مقاله :

زمینه و هدف: هدف از انجام مقاله بررسی جایگاه کم آبیاری در مصالحة اهداف زیست محیطی-اقتصادی الگوی کشت در فارس می باشد. روش بررسی: روش بررسی استفاده از الگوی برنامه‌ریزی غیر خطی فازی مصالحه کننده بین اهداف حداکثر بازدة برنامه‌ای، حداقل مصرف کود شیمیایی و حداقل مصرف آب برای یک مزرعة نمایندة منطقة مورد مطالعه استفاده شد. این مدل مشروط بر توابع واکنش عملکرد محصولات نسبت به آب در فضای سایر محدودیت ها بود. یافته ها: نتایج نشان داد که مزرعة نماینده در انتخاب الگوی کشت در مقایسه با الگوی مصالحه‌ کنندة اهداف، ناکارا عمل می‌نمایند. این مقایسه همچنین آشکار کرد که با اعمال آبیاری کامل جهت حصول عملکرد پتانسیل و کاهش سطح زیر کشت برای رعایت محدودیت موجودی آب، امکان افزایش درآمد برای مزرعة نماینده وجود دارد. بحث و نتیجه گیری: هر چند که افزایش بازدة برنامه‌ای در این شرایط با کاهش مصرف آب و تا حدودی با کاهش مصرف کود شیمیایی در تناقض می باشد، ولی تعمیم نتایج از مزرعة نماینده به کل شهرستان مور مطالعه نشان داد که با اجرای این الگو در حدود 94 میلیارد ریال به درآمد کل منطقه اضافه خواهد شد. در عین حالی پیامدهای مثبت زیست محیطی همچون کاهش مصرف حدود 6/4 میلیون مترمکعب آب و کاهشی در حدود 7246 تن در مصرف کود شیمیایی از نتایج دیگر اجرای این الگو خواهد بود.

چکیده انگلیسی:

Background and Objective: The purpose of this research is the role of deficit irrigation in compromising environmental – economical goals of cropping pattern in Fars Province. Method: This technique is considered as a strategy to increase profitability. However, in addition to profitability goal, many studies have focused to optimize water and fertilizers consumption as environmental objectives. Current study investigates the rule of deficit irrigation in a model that compromises the economic and environmental objectives. Fasa city in Fars province were selected as the study area since placed in warm climate field and affected by water stress. A Fuzzy nonlinear programming model were used to compromise the goals of maximum gross margin and minimum chemical fertilizer and water consumption for a representative farm in study area. This model was subjected to yield response functions to water and other constraints. Findings: The results showed that the representative farm is inefficient to select cropping pattern in comparison to compromised goals model. This comparison also revealed there is a the possibility for increasing income of representative farm by applying full irrigation to gain potential yield and reducing cultivation area for considering the available water restrictions. Discussion and Conclusion: Although, increasing of gross margin is conflicted by decreasing water consumption and partly by reducing fertilizer use, but generalizing the results of representative farm to the whole city showed that implementation of this model will add the revenues about 94 billion Rials in total area. While the positive environmental outcomes such as reducing about 4.6 million cubic meters of water and 7,246 tons of chemical fertilizer would be the other results of implementing this model.

منابع و مأخذ:

 

1. English, M. and S.N. Raja (1996). Review perspective on deficit irrigation. Agricultural Water Management, 32: 1-14.

1. Zhang, X. and Pci, D. 1999. Management of supplemeatal irrigation of winter wheat for maximum profit. In: Kirda, C., Moutonnet, P., Hera, C. and Nielsen, D. R. (Eds.). Crop yield response to deficit irrigation. KJ.wer Academic Pub. Dordrecht. The Netherlands. 57-65.

3. سالمی، ح. و د. افیونی (1384). اثر تیمارهای کم آبیاری بر عملکرد و اجزای عملکرد دانه ارقام جدید گندم. علوم کشاورزی و منابع طبیعی، 12 (3): 20-11.


4. توکلی، ع. (1382). اثرات کم آبیاری و نیتروژن بر عملکرد و اجزای عملکرد گندم. مجله علمی کشاورزی، 26 (2):75-87.


5. جلیلیان، ع.، ع. شیروانی، ع. ,نعمتی و ج. بساطی (1380). بررسی اثرات کم آبیاری بر تولید و اقتصاد چغندرقند در منطقه کرمانشاه. مجله چغندر قند، 17(1): 1-14.


6. عرب زاده، ب. و ع. توکلی (1384). به گزینی مدیریت کم آبیاری تنظیم شده در کشت نشایی برنج. علوم کشاورزی و منابع طبیعی، 12(4): 11-20.


7. انصاری، ح.، س.م. میرلطیفی و ع.ا. فرشی (1385). تاثیر کم آبیاری بر عملکرد و کارآیی مصرف آب ذرت زودرس. علوم خاک و آب، 20(2): 338-348.


8. اسماعیلی، م. و ا. گلچین (1384). تحلیل اقتصادی کم آبیاری و تاثیر آن بر عملکرد دانه و میزان روغن دو رقم آفتابگردان. دانش کشاورزی، 15(1): 121-135.


9. توکلی، ع. (1385). تخمین تابع تولید گندم و بهینه سازی کم آبیاری و نیتروژن. پژوهش و سازندگی، 19(2): 25-33.


10. Bailey, A.P., Rehman,   T., Park, J., Keatinge, J.D.H. and R.B. (1999).Tranter, towards a method for the economic evaluation of environmental indicators for UK integrated arable farming systems. Agriculture, Ecosystem and Environment, 72: 145-158.


11. Ten Berge, H. F. M. Van Ittersum, M.K., Rossing W.A.H., Van de Ven G.W.J., Schans J. and P.A.C.M. Van de Sanden (2000). Farming options for The Netherlands explored by multi-objective modeling. European Journal of Agronomy 13: 263–277.


12. De Koeijer, T.J., Wossink, G.A.A., Smitc, A.B., Janssens, S.R.M., Renkema J.A. and Struike.  P.C. (2003). Assessment of the quality of farmers’ environmental management and its effects on resource use efficiency: a Dutch case study. Agricultural System, 78: 85-103.


13. Almasri, M. N and J. J. Kaluarachchi (2005). Multi-criteria decision analysis for the optimal management of nitrate contamination of aquifers. Journal of Environmental Management 74: 365-81


14. Latinopoulos, D. and Mylopoulos, Y.  (2005). Optimal allocation of land and water resources in irrigated agriculture by means of Goal Programming: Application in Loudias River basin, Global Nest Journal, 7:264-273.


15. Bartolini, F., Bazzani, G.M., 15.  Gallerani, V., Raggi, M. And Viaggi, D. (2007). The impact of water and agriculture policy scenarios on irrigated farming systems in Italy: An analysis based on farm level multi-attribute linear programming models, Agricultural System, 93: 90-114.


16. کریم­زادگان، ح، گیلانپور، ا و س. ا. میر حسینی (1385). اثر یارانه کودشیمیایی بر مصرف غیربهینه آن در تولید گندم. فصلنامه اقتصاد کشاورزی و توسعه، (55): 133-121.


17. بابا اکبری ساری، م. و ج. ملکوتی 1386. تاثیر بافت خاک در افزایش کارائی زراعی و درصد بازیافت ظاهری کودهای نیتروژنه در گندم. مجموعه مقالات دهمین کنگره علوم خاک ایران، کرج.


18. Dwyer, G., Douglas, R., Peterson, D. and Chong, J. (2006), Irrigation externalities: pricing and charges, Staff Working Paper


19. Barnes, E.M. And D. Jones (2000). Fuzzy composite programming to combine remote sensing and crop models for decision support in precision crop management. Agricultural System, 65: 137-158.


20. آذر، ع. و ح. فرجی (1381). علم مدیریت فازی. انتشارات اجتماع، تهران.


21. Berbel, J. and Gomez-Limon, J.A. (2000). The impact of water-pricing policy in Spain: An analysis of three irrigated areas, Agricultural Water Management, 43: 219-238.


22. Francisco, S. R and A. Mubarik (2006). Resource allocation tradeoffs in Manila's peri-urban vegetable production systems: An application of multiple objective programming. Agric. Sys. 87, 147–168.


23. بی نام (1384). سند ملی توسعه استان فارس در برنامه پنج ساله چهارم توسعه، موسسه پژوهشهای برنامه ریزی و اقتصاد کشاورزی. تهران.


24. بی نام (1387 الف). بانک اطلاعات زراعت وزارت جهاد کشاورزی، سایت: WWW.Agri-Jahad.ir.


25. بی نام (1387 ب). شرکت آب منطقه‌ای استان فارس، سایت: www.frrw.ir.


26. حیاتی، د. (1374). سازه‌‌های اجتماعی-اقتصادی و تولیدی-زراعی مؤثر بر دانش فنی، دانش کشاورزی پایدار و پایداری نظام زراعی در بین گندم‌‌کاران استان فارس. پایان نامة کارشناسی ارشد، دانشکدة کشاورزی، دانشگاه شیراز.


27. Hazell, P.B.R. and R.D. Norton. 1986. Mathematical programming for economic analysis in agriculture. McMillan. New York.


28. اسدپور، ا. (1384). نظریه و کاربرد مدل برنامه ریزی فازی در تولید محصولات زراعی. فصلنامه اقتصاد کشاورزی و توسعه، ویژه نامه بهره وری و کارآیی.


29. Hannan, E.L. (1981). On Fuzzy goal programming. Decision Science, 12 (3): 522-531.


30. Narasimhan, R. (1980). Goal programming in a Fuzzy environment. Decision Science, 11: 325-336.


31. Bender, M.J and S.P. Simonovic (2000). A fuzzy compromise approach to water resource systems planning under uncertainty. Fuzzy Sets and Systems, 115: 35-44.


32. Ghosh, S. and P.P. Mujumdar (2006). Risk minimization in water quality control problems of river system. Advances in water Resources, 29 : 458-470.


33. Maqsood, I., G.H. Huang and J. Scott Yeomans (2005). An interval-parmeter fuzzy two-stage stochastic program for water resources management under uncertainty. Euopean Journal of Operational Research, 167: 208-225.


34. Doorenbos, J. And A.H. Kassam. 1979. Yield response to water. FAO Irrig. And Drain Paper No. 33, FAO, Rome, Italy.


35. Cerioli, A. and Zani, S. (1990). A fuzzy approach to the measurement of poverty. In C. Dagum, & M. Zenga (Eds.), Income and wealth distribution, inequality and poverty, 272–284, Berlin: Springer-Verlag.


36. Chiappero Martinetti, E. (1996). Standard of living evaluation based on Sen’s Approach: Some methodological suggestions. Notizie di Politeia, 12: 37–53.