مدلسازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی (مطالعه موردی: حوضه آبخیز رودشور)
محورهای موضوعی : اقتصاد کار و جمعیتابوذر پرهیزکاری 1 , غلامرضا یاوری 2 , ابوالفضل محمودی 3 , غلامرضا بخشی خانیکی 4
1 - دانشجوی دکترای اقتصاد کشاورزی دانشگاه پیام نور تهران
2 - دانشیار گروه اقتصاد کشاورزی دانشگاه پیام نور
3 - دانشیار گروه اقتصاد کشاورزی دانشگاه پیام نور
4 - استاد گروه علوم کشاورزی (بیوتکنولوژی) دانشگاه پیام نور
کلید واژه: طبقهبندی JEL: C23 Q54, .R11, اقلیم و کشاورزی, حوضه آبخیز رودشور, واژگان کلیدی: مدلسازی بیوفیزیکی- اقتصادی,
چکیده مقاله :
هدف این مقاله مدلسازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی در حوضه آبخیز رودشور با استفاده از مجموعه داده های پانل (سری زمانی) مربوط به متغیر اقلیمی بارش طی 1395-1365 و مقطعی سال پایه 95-1394 میباشد. برای دستیابی به نتایج کاربردی، مدلسازی با تلفیق دو بخش بیوفیزیکی و اقتصادی تحت سناریوهای آزمایش ملایم، متوسط و شدید با استفاده از نرمافزار گمز صورت گرفت. نتایج نشان داد الگوی رفتاری متغیر اقلیمی بارش در حوضه آبخیز رودشور پس از سال 1380 با روندی کاهشی همراه بوده و با تغییر اقلیم ناشی از کاهش بارش تحت سناریوهای ملایم تا شدید، منابع آب منطقه 75/5 تا 8/13 درصد، تولیدات کشاورزی 60/3 تا 54/8 درصد و سود ناخالص کشاورزان 71/2 تا 04/8 درصد کاهش مییابد؛ اما، ارزش اقتصادی هر مترمکعب آب آبیاری نسبت به سال پایه 13/5 تا 7/12 درصد افزایش مییابد. برای حفاظت از منابع آب این حوضه، تعیین مجدد نرخ آب بها براساس برابری، آیش گذاری اراضی و تجهیز سیستمهای نوین آبیاری پیشنهاد می شود.
In this study using panel dataset (combining the time series data related to the climatic variables of rainfall during 1986-2016 and the cross sectional data related to the base year 2015-2016) the comprehensive biophysical-economic modeling of climate and agriculture in Roodshour watershed basin was studied. In order to achieve the applied results, modeling is done by combining two parts of the biophysical (the products yield estimation model) and the economic (positive mathematical programming model) under mild, moderate and severe testing scenarios and with advanced programming in the GAMS 24.7 software environment. The results show that after year 2001, behavioral pattern of rainfall climate variable was accompanied with a decreasing trend in the Roodeshoor basin. With occurrence of the climate change resulting from rainfall reduction under mild, medium and intense scenarios, the available water resources decreased 5/75 to 13/8 percent, agricultural products decreased 3/60 to 8/54 percent and farmers' gross profit decreased 2/71 to 8/04 percent. But the economic value of irrigation water increases 5/13 to 12/7 percent ratio to base year. Finally, in order to protection of the water resources in the Roodeshoor basin and coping with the effects of climate change, Redetermination of the rate of water charge to farmers on the basis of equality consideration, fallow-lands and equipping farms to modern irrigation systems were proposed.
منابع
- امیرنژاد، حمید، اسدپور کردی، مریم (1396). بررسی اثرات تغییر اقلیم بر تولید گندم ایران. مجله تحقیقات اقتصاد کشاورزی، 35(9): 163-182.
- بخشی، علی، دانشور کاخکی، محمد، مقدسی، رضا (1390). کاربرد مدل برنامهریزی ریاضی مثبت به منظور تحلیل اثرات سیاستهای جایگزین قیمتگذاری آب در دشت مشهد. نشریه اقتصاد و توسعه کشاورزی، 25(3): 294-284.
- پاکنژاد، حمید (1391). مدلسازی مشارکت کشاورزان در طرح بیمه محصول گندم (مطالعه موردی: شهرستان زابل). پایاننامه کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل.
- پرهیزکاری، ابوذر، مظفری، محمد مهدی، حسینی خدادادی، مهدی (1394). تحلیل اقتصادی اثرات تغییر اقلیم ناشی از انتشار گازهای گلخانهای بر تولیدات کشاورزی و منابع آب در دسترس، مطالعه موردی: اراضی پاییندست سد طالقان. مجله اقتصاد و توسعه کشاورزی، 29 (1): 89-67.
- پرهیزکاری، ابوذر (1396). تحلیل اقتصادی اثرات مشارکت کشاورزان منطقه الموت در طرح سلیبیت برنج. مجله تحقیقات اقتصاد کشاورزی، 9(34): 92-57.
- پرهیزکاری، ابوذر، یزدانی، سعید (1396). ارزیابی تأثیرات اقتصادی و هیدرولوژیکی تغییرات اقلیم در حوضۀ آبخیز خررود. مجله اکوهیدرولوژی، 4(3): 724-711.
- خانلری، احمد (1391). اثر تغییر اقلیم بر کاربری اراضی و عملکرد بخش کشاورزی استان مازندران. پایاننامه کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل.
- سازمان هواشناسی استان تهران (1397). خلاصه سیمای آب و هوا و اقلیم استان تهران.
- سلطانی، شیوا، موسوی، حبیباله (1394). استراتژی کمآبیاری و ارتقاء تکنولوژی آبیاری، راهکار بهینه سازگار با تغییر اقلیم. مجله اقتصاد کشاورزی، 9(4): 121-112.
- شرکت آب منطقهای استان قزوین (1395). مطالعات پایه منابع آب. آبینه آبی استان، منابع آب سطحی و زیرزمینی، شمای کلی پتانسیل آبی استان، صفحات 1تا 6.
- محمدی قلعهنی، محمد مهدی، ابراهیمی، کیومرث، عراقینژاد، شهاب (1391). ارزیابی تأثیر عوامل اقلیمی بر افت منابع آب زیرزمینی (مطالعه موردی: آبخوان دشت ساوه). مجله پژوهشهای حفاظت آب و خاک، 19(4): 203-189.
- محمودی، ابوالفضل، پرهیزکاری، ابوذر (1395). مدلسازی اقتصادی مدیریت منابع آب کشاورزی استان تهران با تأکید بر نقش بازار آب. فصلنامه مدلسازی اقتصادی، 35(10): 121-139.
- Adamson, D, Mallawaarachchi, T. and Quiggin, J. (2009). Declining inflows and more frequent droughts in the Murray-Darling Basin: climate change, impacts and adaptation. Australian Journal of Agricultural and Resource Economics, 53(3): 345-366.
- Agovinoa, M, Casaccia, M, Ciommi, M, Ferrara, M. and Marchesano, K. (2018). Agriculture, climate change and sustainability: The case of EU-28. Ecological Indicators, Available online 8 May 2018, In Press, Corrected Proof.
- Balali, H. and Viaggi, D. (2015). Applying a system dynamics approach for modeling groundwater dynamics to depletion under different economical and climate change scenarios, Water Journal, 7(1): 5258- 5271.
- Cortignani, R. and Dono, G. (2018). Agricultural policy and climate change: An integrated assessment of the impacts on an agricultural area of Southern Italy. Environmental Science & Policy, 81: 26-35.
- Graveline, C. (2016). Economic calibrated models for water allocation in agricultural production: A review. Environmental Modelling and Software, 81: 12-25.
- Graveline, N. and Merel, P. (2014). Intensive and extensive margin adjustments to water scarcity in France's Cereal Belt. European Review of Agricultural Economics, 41: 707-743.
- Garnache, C, Merel, P, Howitt, R. and Lee, J. (2015). Calibration of shadow values in constrained optimization models of agricultural supply. Work. Pap. Available at: https://www.msu.edu/~garnache/CalibShadValues.pdf.
- Griffin, R.C. (2006). Water Resource Economics: The Analysis of Scarcity Policies and Projects. MIT Press, Cambridge, Mass, 68 Pp.
- Howitt, R.E, Medellin-Azuara, J, MacEwan, D. and Lund, R. (2012). Calibrating disaggregate economic models of agricultural production and water management. Science of the Environmental Modeling and Software, 38: 244-258.
- Huka, H. Ruoja, C. and Mchopa, A. (2014). Price fluctuation of agricultural products and its impact on small-scale farmer's development: Case analysis from kilimanjaro Tanzania. European Journal of Business and Management, 6: 155-160.
- Jones, G.W, Antle, J.M, Basso, B, Boote, K.J, et al. (2017). Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems, 155: 269-288.
- Kaczan, D, Qureshi, M.E. and Connor, J. (2011). Water Trade and Price Data for the Southern Murray Darling Basin, CSIRO, Adelaide, Canberra, No: 23.
- Medellan-Azuara, J, Harou, J. and Howitt, R. (2011). Predicting farmer responses to water pricing, rationing and subsidies assuming profit maximizing investment in irrigation technology. Science of Agricultural Water Management, 108: 73-82.
- Mo, X.J, Hu, S, Lin, Z.H, Liu, S.X. and Xia, J. (2017). Impacts of climate change on agricultural water resources and adaptation on the North China Plain. Advances in Climate Change Research, 8(2): 93-98.
- Petsakos, A. and Rozakis, S. (2015). Calibration of agricultural risk programming models. European Journal of Operational Research, 242(2): 536-545.
- Pratibha, G, Srinivas, I, Rao, K, Arun, V, Shanker, K. and Maheswari, M. (2016). Net global warming potential and greenhouse gas intensity of conventional and conservation agriculture system in rainfed semi arid tropics of India. Atmospheric Environment, 145: 239-250.
- Qureshi, M.E, Schwabe, K, Connor, J. and Kirby, M. (2010). Environmental water incentive policy and return flows, Water Resources Research, No: 46.
- Qureshi, M.E, Whitten, S, Mainuddin, M, Marvanek, M. and Elmahdi, A. (2013). A biophysical and economic model of agriculture and water in the Murray-Darling Basin, Australia. Environmental Modeling and Software, 41: 98-106.
- Shukla, J.B, Maitri, V. and Misra, A.K. (2017). Effect of global warming on sea level rise: A modeling study. Ecological Complexity, 32: 99-110.
- Traynham, L, Palmer, R. and Polebitski, A. (2011). Impacts of future climate conditions and forecasted population growth on water supply systems in the Puget Sound region. Water Resources, 137(2): 318-326.
_||_