اثر کم‌آبیاری توأم با محدودیت مصرف کود و سموم شیمیایی بر تغییر الگوی کشت زراعی شبکه آبیاری قزوین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده کشاورزی دانشگاه تربیت مدرس

2 دانشیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس.

3 استادیار گروه اقتصاد کشاورزی

چکیده

 
مطالعه حاضر به دنبال تعیین الگوی کشت بهینه محصولات زراعی شبکه آبیاری دشت قزوین با تأکید بر سیاست کم­آبیاری و کاهش مصرف کود و سموم شیمیایی است. برای این منظور، از رهیافت برنامه­ریزی ریاضی مثبت (PMP) و حداکثر بی­نظمی (ME) استفاده شده است. نتایج گزینه اول (کم‌آبیاری پنج درصد در محصولات گندم، جو، ذرت علوفه‌ای، ذرت دانه‌ای و چغندرقند در مرحله رسیدن و کم‌آبیاری پنج درصد در مرحله رشد رویشی برای یونجه توأم با کاهش پنج درصد کود و سموم شیمیایی) نشان داد که محصولات چغندرقند، یونجه، ذرت دانه‌ای و ذرت علوفه‌ای به دلیل بالا بودن بازده اقتصادی نسبت به دو محصول گندم و جو وارد الگوی کشت می‌شوند. همچنین اعمال این سیاست منجر به افزایش بازده ناخالص مزرعه (5/4 درصد ) و کاهش آب مصرفی (1/5 درصد) اراضی زراعی منطقه شد. در اثر اعمال گزینه دوم نیز الگوی کشت به سمت محصولاتی که صرفه اقتصادیبالاتری به ازای مصرف هر مترمکعب آب آبیاری دارند،پیش می‌رود، به‌طوری‌که اعمال این گزینه باعث افزایش بازده ناخالص مزرعه و کاهش آب مصرفی به ترتیب به میزان6/3 و 2/17 درصد شده است. دیگر نتایج تحقیق نشان داد که شاخص­های پایداری منابع آب، انواع کودو سموم شیمیایی در اثر اعمال سیاست­های مذکور در الگوی PMP، کمتر از وضعیت فعلی الگوی کشت منطقه است. شاخص­های مذکور مبین این واقعیت است که مصرف زیاد آب،کود و سموم شیمیایی مانع رسیدن به یک کشاورزی پایدار می‌گردد.

کلیدواژه‌ها

عنوان مقاله [English]

Effects of Deficit Irrigation Simultaneously with Reduced Usage of Fertilizer and Chemical Pesticides on Changing Cropping Pattern in Qazvin Irrigation Network

نویسندگان [English]

  • mohammad ali asaadi 1
  • Sadegh Khalilian 2
  • seyed habibollah moosavi 3
1 tarbiat modares university
3 assistant of professor at economic agriculture
چکیده [English]

The aim of this study was to determine the optimal cropping pattern in irrigation network of Qazvin plain with emphasis on deficit irrigation policy and reduction of fertilizers and chemical pesticides. For this purpose, the Positive Mathematical Programming approach (PMP) and Maximum Entropy Technique (ME) were used. The results of the first option (5% deficit irrigation in wheat, barley, grain corn, fodder maize and Sugar beet at the ripening stage, and 5% deficit irrigation in the vegetative growth stage for alfalfa simultaneously with5% reduction in fertilizers and chemical pesticides) showed that sugar beet, alfalfa, grain corn and fodder maize were be desirable for cropping pattern due to their high economical profit in compared to wheat and barley. Also, applying this policy leads to an increase in gross margin (4.5%) and a reduction in water consumption (5.1%) in the agricultural lands of the region.As a result of the implementation of the second scenario, the cropping pattern goes towards products that have a higher economic margin due to their lower irrigation water consumption. This scenario leads to 3.6% increase in gross margin and 17.2% reduction in water consumption. Other results of the research showed that due to the application of these policies in PMP, the sustainability indicators of water resources, fertilizers and chemical pesticides are less than the current values for the region's present cropping pattern. The calculated environmental index revealed that high consumption of water, fertilizer, and other chemical inputs are a barrier to achieve sustainable agriculture.
 
 

کلیدواژه‌ها [English]

  • Keywords: Sustainability Index
  • Positive Mathematical Programming
  • Maximum Entropy

مراجع

  1. اسعدی م.ح. 1396. تحلیل اقتصادی راهبرد کم­آبیاری جهت مدیریت منابع آب کشاورزی (مطالعه موردی: شبکه آبیاری دشت قزوین). رساله کارشناسی ارشد اقتصاد کشاورزی. دانشکده کشاورزی، دانشگاه تربیت مدرس. تهران. 123 ص.
  2. اسعدی م.ع.، خلیلیان ص. و موسوی س.ح.ا. 1397. مدیریت بهینه در مصرف آب و الگوی کشت با تاکید بر راهبرد کم­آبیاری (مطالعه موردی: شبکه آبیاری قزوین) تحقیقات منابع آب ایران، دوره 14، شماره 5: 14(5): 14-1.
  3. آق ارکاکلی م.، جولایی ر.، کرامت زاده ع. و شیرانی بیدآبادی، ف. 1394. تعیین الگوی کشت محصولات زراعی با تأکید بر سیاست کاهش مصرف کود و آب در استان مازندران ( مطالعه موردی شهرستان بهشهر). نشریه مدیریت خاک و تولید پایدار، دوره 5، شماره 3: 259-247.
  4. بی­نام. 1384. وزارت جهاد کشاورزی، ضرورت افزایش کارایی کودهای نیتروژنه در کشور. نشریه فنی شماره 426، انتشارات سنا، تهران.
  5. پرهیزکاری ا.، مظفری م.م.، شوکت فدایی م. و محمودی، ا. 1394. کم‌آبیاری توأم با کاهش آب در دسترس راهکاری برای حفاظت منابع آب در دشت قزوین. نشریه حفاظت منابع آب و خاک، دوره 5، شماره 1: 80-67.
  6. جبلی ج. 1380. راهکارهای کاهش اثرات سوء پساب‌های کشاورزی، همایش اثرات زیست‌محیطی پساب‌های کشـاورزی بـر آب‌های سطحی و زیرزمینی. 25 بهمن. 14 ص.
  7. زمانی ا‌.، قادرزاده،ح. و مرتضوی س.ا. 1393. تعیین الگوی کشت با تأکید بر مصرف بهینه انرژی و کشاورزی پایدار (مطالعه موردی شهرستان سقز استان کردستان). نشریه دانش کشاورزی و تولید پایدار، دوره 24، شماره 1: 43-31.
  8. زمانیان غ. ر.، جعفری م. و کلایی ع. 1393. اثر تنش محیطی و افزایش قیمت نهاده‌های کشاورزی بر الگوی کشت دشت خمین. اقتصاد کشاورزی و توسعه، دوره 22، شماره 87: 110-89.
  9. سازمان جهاد کشاورزی استان قزوین. 1392. گزارشات سالیانه جهاد کشاورزی.
  10. شرکت آب منطقه­ای استان قزوین. 1393. مطالعات پایه منابع آب: 33-28.
  11. صبوحی م.، سلطانی غ.، زیبایی م. و ترکمانی ج. 1385. تعیین راهبردهای مناسب کم‌آبیاری باهدف حداکثر سازی منافع اجتماعی. اقتصاد کشاورزی و توسعه،14 دوره 14، شماره 56: 202-167.
  12. غفاری ا.، منتظر ع. ا. و جمنانی ع.ر. 1389. توسعه و ارزیابی مدل تعیین الگوی کشت بهینه شبکه های آبیاری با استفاده از فرآیند تحلیل سلسله مراتبی. نشریه آب و خاک، دوره 24، شماره 6: 1128-1119.
  13. کریم زادگان ح.،‌ گیلانپور ا. و میرحسینی س. ا. 1385. اثر یارانه کود شیمیایی بر مصرف غیربهینه آن در تولید گندم. فصلنامه اقتصاد کشاورزی، شماره 55: 133-121.
  14. کهنسال م. و فیروز زارع ع. 1387. تعیین الگوی بهینه کشت همسو با کشاورزی پایدار با استفاده از برنامه‌ریزی فازی
    کسری با اهداف چندگانه (مطالعه موردی استان خراسان شمالی). فصلنامه اقتصاد کشاورزی و توسعه، دوره 16، شماره 62: 31-1.
  15. محمدخانی م.، کریمی م. و گمرکچی، ا. 1396. بهینه سازی تخصیص آب بین محصولات مختلف در شرایط تنش آبی در شبکه آبیاری دشت قزوین. نشریه آب و خاک (علوم و صنایع کشاورزی، دوره 31، شماره 1: 10-1.
  16. محمدی م،. محمدی­قلعه نی م. و ابراهیمی ک. 1390. تغییرات زمانی و مکانی کیفیت آب زیرزمینی دشت قزوین. مجله پژوهش آب ایران، دوره 5، شماره 8: 52-41.
  17. مظفری م.م. 1394. تعیین برنامه سیاستی مناسب برای حفاظت منابع آب در دشت قزوین. نشریه حفاظت منابع آب و خاک، دوره 5، شماره 2: 46-29.
  18. منتظر ع. ا. و لطفی، م. 1387. توسعه و کابرد مدل برنامه ریزی الگوی بهنیه کشت و تخصیص منابع آب شبکه های آبیاری، مجله آبیاری و زهکشی ایران، دوره 2، شماره 1: 108-93.
  19. منصوری ه. و کهنسال م.ر. 1386 .تعیین الگـوی بهینـه کـشت زراعـی بـر اسـاس دو دیـدگاه اقتصادی و زیست‌محیطی. ششمین کنفرانس اقتصاد کشاورزی، مشهد: 20-13.
  20. میرزایی ک. و ضیائی س. 1395. تعیین برنامه زراعی- اقتصادی الگوی کشت در جهت پایداری و حفظ محیط‌زیست با استفاده از مدل برنامه ریسی آرمانی اولویتی ( مطالعه موردی: رودبار الموت غربی). تحقیقات اقتصاد کشاورزی، دوره 8، شماره 1: 175-161
  21. میرکریمی ش.، جولایی ر.، اشراقی ف. و شیرانی بید آبادی ف. 1395. مدیریت الگوی کشت محصولات زراعی با تأکید بر ملاحظات زیست‌محیطی (مطالعه موردی شهرستان آمل). علوم و تکنولوژی محیط‌زیست، دوره 18، شماره 2: 263-253.
  22. ناصری م.، تقوی ف. و زهرایی ب. 1388. رفتارشناسی مکانی- زمانی بارش در محدوده استان قزوین با استفاده از روش توابع متعامد معمولی و فازی. مجله فیزیک زمین و فضا، دوره 37، شماره 3: 203-191.
  23. نظری ع.ا. منافی آذر ر. و عبدالهی ع. 1392. ارزیابی تأثیر گسترش آبیاری تحت‌فشار در تغییر ساخت زراعی، الگوی کشت و راندمان تولید (مطالعه موردی: شهرستان میاندوآب). چشم‌انداز جغرافیایی در مطالعات انسانی، دوره 8، شماره 25: 161-147.
  24. نظری­فر م .ه.، سالاری ا. و مومنی ر. 1397. توسعه یک مدل برنامه­ریزی غیرخطی برای تعیین الگوی کشت بهینه در شرایط کم­آبیاری. تحقیقات آب و خاک ایران، دوره 49، شماره 5: 1070-1055.
  25. نعمتی ا. و قربانی، م. 1391. همسویی رفتار اقتصادی و زیست­محیطی کشاورزان در مدیریت علف­های هرز. تحقیقات اقتصاد کشاورزی، دوره 4، شماره 15:  58-39.
  26. Arfini F. 2001. Mathematical Programming Models Employed in the Analysis of the Common Agricultural Policy. Working Paper n.9, National Institute of Agricultural Economics, Rome, Italy. P 34.
  27. Bailey A.P., Rehman T., Park, J. and Tranter R. 1999. Towards a method for the economic evaluation of environmental indicators for UK integrated arable farming systems. Agriculture, Ecosystem and Environment, 72: 145-158.
  28. Bartolini F., Bazzani G.M., 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.
  29. Brooke A., Kendrick D. and Meeraus A. 1988. GAMS: A User’s Guide. The Scientific Press, Redwood City, CA.
  30. Bryan B.A. 2007. Lower Murray landscape futures dryland component: Volume 2 analysis of regional plans and landscape futures. CSIRO Water for a Healthy Country Flagship, 172.
  31. Caputo M.R. and Paris Q. 2008. Comparative statics of the generalized maximum entropy estimator of the general linear model. European Journal of Operational Research, 185(1): 195-203.
  32. Cortignani R. and Severini S. 2009. Modeling Farm-Level Adoption of Deficit Irrigation using Positive Mathematical Programming. Agricultural Water Management, 96: 1785-1791.
  33. Daneshvar M., Sahnoushi N. and Salehi Reza Abdi F. 2009. The determination of optimal crop pattern with aim of reduction in hazards of environmental, American Journal of Agricultural and Biological Science, 4(4): 305-310.
  34. Doorenbos J. and Kassam A. H. 1977. Yield response to water، Irrigation and Drainage، Paper 33، Food and Agricultural Organization of the United Nations، Rome، Italy، 39.
  35. Graveline N. and Mérel P. 2012. How do farmers adapt to water scarcity? Intensive margin adjustments in Beauce’ agriculture. Paper presented at the EcoProd Seminar of INRA. Montpellier: at the SFER conference, Toulouse.
  36. Halkidis I. and Papadimos D. 2007. Technical report of life environment project: Ecosystem based water resources manegment to minimize environmental impacts from agriculture using state of the art modeling tools in Strymonas basian. Greek Biotope/Wetland Center (EKBY).
  37. He L., Tyner W.E., Doukkali R. and Siam G. 2006 Policy options to improve water allocation efficiency: analysis on Egypt and Morocco. Water International, 31: 320˚ 337.
  38. Heckelei T. 2002. Calibration and estimation of programming models for agricultural supply analysis, University of Bonn Habitation Thesis, Bonn.
  39. Heckelei T. and Britz W. 2000. Positive mathematical programming with multiple data points, Cahiers d’Economie ET Sociologie Rurales, 57, 28–50.
  40. Howitt R. 2005. Agricultural and Environmental Policy Models: Calibration, Estimation and Optimization. Unpublished book. P 215. Downloadable pdf draft at http://www.agecon.ucdavis.edu/.
  41. Howitt R. E. and Msangi S. 2002. Consistency of GME Estimates through Moment Constraints. Forthcoming Working Paper, Department of Agricultural and Resource Economics, University of California at Davis, USA.
  42. Howitt R. E. 1995. A Calibration Method for Agricultural Economic Production Models. Journal of Agricultural Economics, 46(2): 147-159.
  43. Kupusovic T., Midzic S., Silajdzic I. and Bjelavac J. 2007. Cleanerproduction measures in small-scale slaughterhouse industry: case study in Bosnia and Herzegovina. Journal of cleaner production, 15(4): 278-383.
  44. 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.
  45. Medellin-Azuara J., Harou J. and Howitt R. 2010. Estimating economic value of agricultural water under changing conditions and the effects of spatial aggregation, Science of the Total Environment, 408: 5639–5648.
  46. Meyer S.J., Hubbard K.G. and Wilhite D.A. 1993. A cropspecific drought index for corn: I. Model development and validation. Agronomy Journal, Vol. 85: 388-395.
  47. Mushtaq Sh. and Moghaddasi M. 2011. Evaluating the potentials of deficit irrigation as an adaptive response to climate change and environmental demand, Environmental Science and Policy, Australia College of Agriculture, 14(2): 1139-1150.
  48. Najam A., Paling J.M., Yamagishi N., Straub D.G., Sarno J., Deritter S.M. and Kim E.M. 2002. From Rio to Johannesburg: Progress and Prospect. Environment, 44 (7): 26-38.
  49. Paris Q. 2001. Symmetric Positive Equilibrium Problem: A framework for rationalizing economic behavior with limited information, American Journal of Agricultural Economics, 83(4): 1049-1061.
  50. Paris Q. and Howitt R.E. 1998. An analysis of ill-posed production problems using Maximum Entropy. American Journal of Agricultural Economics, 80(1): 124-138.
  51. Rogkos A. and Psychoudakis A. 2009. Minimizing adverse environmental effects of agriculture: A multi-objective programming approach, Springer-verlag journal, 9: 267-280.
  52. Röhm O. and Dabbert S. 2003. Integrating agri-environmental programs into regional production models: an extension of positive mathematical programming. American Journal of Agricultural Economics, 85: 254-265.
  53. Seaman J., Flichman G., Scardigo A. and Steduto, P. 2006. Analysis of nitrate pollution control in the irrigated agriculture of Apulia Region (Southern Italy): A bio-economic modeling approach. Agricultural Systems, 94: 357-367.
  54. Sequeira V. 2010. Three Essays on Agricultural Risk, Insurance and Technology. Ph.D thesis, North Carolina State University.

 

پژوهش آب در کشاورزی
دوره 33، شماره 1
فروردین 1398
صفحه 121-136

فایل ها

هم رسانی

ارجاع به این مقاله

آمار