اخبار و اعلانات

 آمار

تعداد نشریات284
تعداد نشریات سازمان82
تعداد شماره‌ها2,784
تعداد مقالات31,679
تعداد مشاهده مقاله40,110,223
تعداد دریافت فایل اصل مقاله17,604,396
اکبری, مهدی, نجفی علمدارلو, حامد, موسوی, سید حبیب اله. (1398). اثرات تغییراقلیم و خشکسالی روی ریسک درآمدی و الگوی کشت زراعی در شبکه آبیاری دشت قزوین. سامانه مدیریت نشریات علمی, 33(2), 265-281. doi: 10.22092/jwra.2019.119742
مهدی اکبری; حامد نجفی علمدارلو; سید حبیب اله موسوی. "اثرات تغییراقلیم و خشکسالی روی ریسک درآمدی و الگوی کشت زراعی در شبکه آبیاری دشت قزوین". سامانه مدیریت نشریات علمی, 33, 2, 1398, 265-281. doi: 10.22092/jwra.2019.119742
اکبری, مهدی, نجفی علمدارلو, حامد, موسوی, سید حبیب اله. (1398). 'اثرات تغییراقلیم و خشکسالی روی ریسک درآمدی و الگوی کشت زراعی در شبکه آبیاری دشت قزوین', سامانه مدیریت نشریات علمی, 33(2), pp. 265-281. doi: 10.22092/jwra.2019.119742
اکبری, مهدی, نجفی علمدارلو, حامد, موسوی, سید حبیب اله. اثرات تغییراقلیم و خشکسالی روی ریسک درآمدی و الگوی کشت زراعی در شبکه آبیاری دشت قزوین. سامانه مدیریت نشریات علمی, 1398; 33(2): 265-281. doi: 10.22092/jwra.2019.119742

اثرات تغییراقلیم و خشکسالی روی ریسک درآمدی و الگوی کشت زراعی در شبکه آبیاری دشت قزوین

پژوهش آب در کشاورزی
مقاله 9، دوره 33، شماره 2، تیر 1398، صفحه 265-281    اصل مقاله (1.31 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/jwra.2019.119742
نویسندگان
مهدی اکبری1؛ حامد نجفی علمدارلو* 2؛ سید حبیب اله موسوی3
1دانش‌آموخته کارشناسی‌ارشد، دانشکده کشاورزی، دانشگاه تربیت‌مدرس.
2استادیار گروه اقتصادکشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس.
3استادیار گروه اقتصاد کشاورزی
چکیده
تغییر اقلیم یکی از رخدادهای طبیعی در حال وقوع است که موجب افزایش دما، کاهش بارندگی­ها، تغییرات بیلان آبی، کاهش سطح تولید و وقوع خشکسالی­های پی‌درپی می­شود. لذا پیش­بینی و بررسی اثرات تغییر اقلیم و خشک‌سالی به‌منظور تصمیم­گیری مدیران و برنامه­ریزی آینده بسیار ضروری است. با توجه به این رویکرد، در مطالعه حاضر به بررسی اثرات تغییر اقلیم و خشک‌سالی بر الگوی کشت و اثرات ریسک درآمدی آن در دشت قزوین پرداخته شد. در این تحقیق، برای شبیه­سازی متغیرهای اقلیمی دما و بارش در آینده و میزان تغییرات آن­ها در ادوار آتی در غالب سناریوهای اقلیمی A1B، A2و B1از مدل LARS-WGاستفاده شده است. همچنین از شاخص SPIبه‌منظور تعیین دوره­های خشک‌سالی و تغییر حجم آب استفاده گردید. در ادامه، با به­کارگیری رهیافت برنامه­ریزی ریاضی و تدوین مدل تلفیقی موتاد-هدف با رهیافت برنامه­ریزی اثباتی، الگوی کشت منطقه در سناریوهای اقلیمی و دوره­های خشکسالی شبیه­سازی و اثرات ریسکی این سناریوها موردبررسی قرار گرفت. نتایج حاکی از آن است که در هر سه سناریوی اقلیمی در طی سال­های آینده، دما افزایش و بارش کاهش می­یابد و الگوی کشت به سمت محصولات باثبات درآمدی بالاتر سوق پیدا می­کند و تنها سطح زیر کشت گندم کاهش می­یابد و سطح زیر کشت دیگر محصولات افزایش می­یابد. در سناریوی خشکسالی نیز به دلیل کاهش حجم آب، الگوی کشت به سمت محصول با آب­بری کمتر می­رود و محصولات باثبات درآمدی بالاتر تغییرات کمتری دارند. ریسک درآمدی با تغییر اقلیم و خشکسالی کاهش می­یابد و در بدترین سناریوی خشکسالی (خشکسالی خیلی شدید) و تغییر اقلیم (سناریو A2در دوره 2049-2040) به ترتیب به میزان 68.1% و 6.377% کاهش یافته است. بازده برنامه­ای نیز همزمان با کاهش ریسک درآمدی به‌صورت غیرخطی کاهش خواهد یافت. با توجه به اثرات اقتصادی تغییر اقلیم و خشکسالی در برنامه­ریزی­های بلندمدت، به‌منظور افزایش تولیدات کشاورزی منطقه، استفاده از واریته­های جدید محصولات کشاورزی به‌منظور بهبود عملکرد، توسعه سطح زیر کشت محصولات با نیاز آبی کمتر نظیر جو آبی در زمان خشکسالی، و محصولات باثبات درآمدی بالاتر مانند جو آبی، ذرت دانه­ای، چغندر و گوجه در طی سال­های آینده پیشنهاد می­گردد.
کلیدواژه‌ها
سناریوهای اقلیمی؛ شاخص استاندارد بارندگی؛ مدل تلفیقی موتاد-هدف
عنوان مقاله [English]
Impacts of Climate Change and Drought on Income Risk and Crop Pattern in Qazvin Plain Irrigation Network
نویسندگان [English]
Mehdi Akbari1؛ Hamed Najafi Alamdarlo2؛ seyed habibollah moosavi3
2Assistant Professor, Agricultural Economics Department, Tarbiat Modares University.
3assistant of professor at economic agriculture
چکیده [English]
Climate change is one of the natural occurrences that cause temperature rise, reduced rainfalls, change in water balance, decline in production level, and frequent droughts. Therefore, predicting and evaluating the effects of climate change and drought could be very effective for future decision making. According to this approach, in this study, the effects of climate change and drought on cropping pattern and income risk effects in Qazvin plain were investigated. The LARS-WG model was used to simulate climate variables (temperature and precipitation) in the future, as well as their changes in the A1B, A2 and B1 climate scenarios. Also, the Standard Precipitation Index (SPI) was used to determine drought periods and water volume changes. Then, using the mathematical programming approach and compilation of the MOTAD-TARGET with PMP model, the cropping pattern was simulated in climate scenarios and drought periods and the risk effects of these scenarios were investigated. The results show that in all three climate scenarios, temperature increases and precipitation decreases, and cropping pattern changes toward crops with higher income stability. In drought scenario, due to reduced water volume, the cropping pattern tends to crops with less water requirements, and crops with higher income levels have less changes. Income risk, in the worst drought scenario (very severe drought) and climate change (scenario A2 during the period 2040-2049), would decrease by 68.1% and 6.377%, respectively. By reducing the income risk, the gross margin will be reduced. Considering the economic effects of climate change and drought in long-term, it is recommended to use drought and heat resistant varieties. Also, the area under cultivation of crops such as barley, corn, sugar beet, and tomato may be increased as they have a more stable income.
 
کلیدواژه‌ها [English]
Climate scenarios, Standard Precipitation Index, MOTAD-TARGET model
مراجع
  1. بابائیان، ا. نجفی نیک، ز. (1385). معرفی و ارزیابی مدل LARS-WG برای مدل سازی پارامترهای هواشناسی استان خراسان،دوره آماری(1961-2003). مجله علمی-ترویجی سازمان هواشناسی کشور، 31(63): 67-50
  2. باریکانی، ا. احمدیان، م. خلیلیان، ص. (1391). استفاده تلفیقی پایدار از منابع آب سطحی و زیرزمینی در تعیین الگوی بهینه کشت دشت قزوین. نشریه اقتصاد کشاورزی و توسعه، 20(77): 56-29
  3. بی‌نام. (1397). مرکز آمار و اطلاعات وزارت جهاد کشاورزی.
  4. بی‌نام. (1394). سازمان هواشناسی استان قزوین
  5. پرتوی، م. (1392). بررسی آثار تغییر اقلیم بر نیاز آبی و عملکرد گندم و راهکارهای سازگاری با آن. پایان‌نامه کارشناسی ارشد، دانشکده کشاورزی،  دانشگاه زنجان.
  6. پرهیزکاری، ا. مظفری، م. م، شوکت فدایی، م، م. محمودی، ا. (1394). کم‌آبیاری توأم با کاهش آب در دسترس راهکاری برای حفاظت منابع آب در دشت قزوین. نشریه حفاظت منابع آب‌وخاک، 5(1): 80-67
  7. پرهیزکاری، ا. (1396). ارزیابی اثرات نابهنگامی تغییر اقلیم بر تولیدات کشاورزی و وضعیت درآمدی کشاورزان اراضی پایین‌دست سد طالقان. مجله اقتصاد کشاورزی، 9(4):125-152
  8. پرهیزکاری، ا. محمودی، ا. شوکت فدایی، م، م. (1396). ارزیابی اثرات تغییر اقلیم بر منابع آب در دسترس و تولیدات کشاورزی در حوضه آبخیز شاهرود. مجله علمی پژوهشی تحقیقات اقتصاد کشاورزی، 9(33): 50-23
  9. خالقی، س. بزازان، ف. مدنی، ش. (1393). اثر تغییر اقلیم بر تولید بخش کشاورزی و بر اقتصاد ایران (رویکرد ماتریس حسابداری اجتماعی). مجله پژوهشات اقتصاد کشاورزی، 7(1):113-136
  10. خلیلی اقدم، ن. مساعدی، ا. سلطانی، ا. کامکار، ب. (1391).  ارزیابی توانایی مدل LARS-WG در پیش بینی برخی از پارامترهای جوی سنندج. نشریه پژوهش­های حفاظت آب و خاک، 19(4): 102-85
  11. سلطانی، ش. موسوی، س ­الف. (1394). ارزیابی آثار بالقوه تغییرات اقلیم بر عملکرد و ارزش‌افزوده بخش کشاورزی در دشت همدان-بهار. اقتصاد کشاورزی، 9(1): 115-95.
  12. عباسی، ف. ملبوسی، ش. بابائیان، الف. اثمری، م. برهانی، ر. (1389). پیش­بینی تغییرات اقلیمی خراسان جنوبی در دوره 2039-2010 میلادی با استفاده از ریزمقیاس نمایی خروجی مدل ECHO-G. نشریه آب‌وخاک. 24(2): 233-218
  13. غیور، ح. مسعودیان، ا. (1376). اثرات گرم­ترشدن زمین بر چرخه آب در طبیعت. فصلنامه تحقیقات جغرافیایی، 12(3): 69-53
  14. فلاحی، م. انصاری، ح. داوری ، ک. صالح نیا ،ن. 1387 . قیمت‌گذاری آب شرب شهری بر اساس الگوی رمزی: مطالعه موردی شهر نیشابور. فصلنامه پژوهش‌های اقتصادی ایران. 13(38): 242-217
  15. کاویانی، ع. سهرابی، ت. دانش کارآراسته، پ. (1390). کاربرد الگوریتم SEBAL در تخمین تبخیر و تعرق واقعی و بهره­وری آب کشاورزی در دشت قزوین و مقایسه نتایج آن با داده­های لایسیمتر، نشریه آبیاری و زهکشی ایران. 5(2): 175-165
  16. محمدی، ه. ترکمانی، ج. (1380). کاربرد مدل برنامه‌ریزی توأم با ریسک (GP-MOTAD) در بررسی پذیرش فناوری نوین از سوی ذرت کاران استان فارس، فصلنامه اقتصاد کشاورزی و توسعه، 9(33): 233-205
  17. محمودی، ا. پرهیزکاری، ا. (1394). تحلیل اقتصادی اثرات تغییر اقلیم بر عملکرد محصولات، الگوی کشت و سود ناخالص کشاورزان (مطالعه موردی: دشت قزوین). فصلنامه پژوهش­های رشد و توسعه اقتصادی، 1(2): 40-25
  18. مظفری، م، م. (1394). تعیین برنامه سیاستی مناسب برای حفاظت منابع آب در دشت قزوین. نشریه حفاظت منابع آب‌وخاک، 5(2): 46-29
  19. مساح بوانی، ع، ر. مرید، س. (1384). اثرات تغییر اقلیم بر جریان رودخانه زاینده‌رود اصفهان. مجله علوم و فنون کشاورزی و منابع طبیعی، 9(4): 27-17
  20. موسوی، ح. بهمن پوری، ص. (1394). ارزیابی آثار ریسکی آزادسازی قیمت حامل‌های انرژی در زیر بخش زراعت دشت بیضاء. تحقیقات اقتصاد کشاورزی. (27)7: 148-129
  21. مؤمنی، س. زیبایی، م. (1392). اثرات بالقوه­ی تغییر اقلیم بر کشاورزی استان فارس. مجله اقتصاد و توسعه کشاورزی، 27(3):169-179
  22. منتظر، ع، ا. لطفی، م.(1387). توسعه و کاربرد مدل برنامه‌ریزی الگوی بهینه کشت و تخصیص منابع آب شبکه‌های آبیاری. مجله آبیاری و زهکشی ایران، 2(1): 108-93
  23. واثقی، الف. اسماعیلی، ع. (1387). بررسی اثر اقتصادی تغییر اقلیم بر بخش کشاورزی ایران: روش ریکادین (مطالعه موردی: گندم). مجله علوم آب‌وخاک، 12(45): 696-685
  24. یوسف دوست، آ. محمدرضاپور، ا. ابراهیمی، م. (1395). تعیین سطح زیرکشت بهینه برخی از محصولات کشاورزی در شرایط متفاوت آب و هوایی با استفاده از الگوریتم ژنتیک در دشت قزوین. مجله پژوهش آب در کشاورزی، 30(3): 331-317
    1. Benhin, J.K. 2008. South African crop farming and climate change: An economic assessment of impacts. Global Environmental Change, 18(4): 666-678.
    2. Calzadilla, A., Zhu, T., Rehdanz, K., Tol, R.S. and Ringler, C. 2013. Economy wide impacts of climate change on agriculture in Sub-Saharan Africa. Ecological Economics, 93: 150-165.
    3. Chang, C.C. 2002. The potential impact of climate change on Taiwan's agriculture. Agricultural Economics, 27(1): 51-64.
    4. Chávez-Morales, J., Mariño, M.A. and Holzapfel, E.A. 1987. Planning model of irrigation district. Journal of Irrigation and Drainage Engineering, 113(4): 549-564.
    5. Cooper, J.A.G. and Pilkey, O.H. 2004. Sea-level rise and shoreline retreat: time to abandon the Bruun Rule. Global and planetary change, 43(3-4): 157-171.
    6. Costello, C.J., Deschênes, O. and Kolstad, C.D. 2009. Economic impacts of climate change on California agriculture. Paper from the California Climate Change Center, California Energy Commission, Santa Barbara, CA, USA.
    7. Dillon, J.L. and Anderson, J.R. 1971. Allocative efficiency, traditional agriculture, and risk. American Journal of Agricultural Economics, 53(1): 26-32.
    8. Downing, T.E., Harrison, P., Butterfield, R. and Lonsdale, K. 2000. Climate change, climatic variability and agriculture in Europe: an integrated assessment: University of Oxford, Environmental Change Institute.
    9. Edwards, D.C. 1997. Characteristics of 20th century drought in the United States at multiple time scales: AIR FORCE INST OF TECH WRIGHT-PATTERSON AFB OH.
    10. Esteban, E. and Albiac, J. 2016. Salinity Pollution Control in the Presence of Farm Heterogeneity: An Empirical Analysis. Water Economics and Policy: 2(2):1-20.
    11. Gotsch, N. and Regev, U. 1996. Fungicide use under risk in Swiss wheat production. Agricultural Economics, 14(1): 1-9.
    12. Howitt R.E (1995) Positive mathematical-programming. American Journal of Agricultural Economics, 77 (1995), pp. 329-342.
    13. Heckelei, T. and Britz, W. 2000. Positive mathematical programming with multiple data points: a cross-sectional estimation procedure. Cahiers d'Economie et de Sociologie Rurales, 57: 27-50.
    14. Intergovermental Panel on Climate Change. 1996. Climate change 1995: Impacts, adaptations, and mitigation of climate change: Scientific– technical analyses’, in Watson, R.T., Zinyowera, M.C., and Moss, R.H. (eds.), Contribution of Working Group II to the Second Assessment Report of the Intergovernmental.
    15. Kang, Y., Khan, S. and Ma, X. 2015. Analysing Climate Change Impacts on Water Productivity of Cropping Systems in the Murray Darling Basin, Australia. Irrigation and drainage, 64(4): 443-453.
    16. Kohler, T., Maseli, D., 2012. Mountains and Climate Change-From Understanding to Action, third ed. Published by Geographica Bernensia with support of the Swiss Agency for Development and Cooperation (SDC) and an International Team of Contributors, Bern, Switzerland.
    17. Mainuddin M, Kirby, M, Qureshi M.E (2007) Integrated hydrologic–economic modelling for analyzing water acquisition strategies in the Murray River Basin. Agr. Water. Manage, 93 (3):123-135
    18. Maleka P (1993) an application of target MOTAD model to crop production in Zambia: Gwembe Valley as a case study. Agricultural Economics, 9(1): 15-35.
    19. Maneta, M., Torres, M.d.O., Wallender, W., Vosti, S., Howitt, R., Rodrigues, L., Bassoi, L. and Panday, S. 2009. A spatially distributed hydroeconomic model to assess the effects of drought on land use, farm profits, and agricultural employment. Water Resources Research, 45(11).
    20. McKee, T.B., Doesken, N.J. and Kleist, J. 1993. The relationship of drought frequency and duration to time scales. Paper presented at the Proceedings of the 8th Conference on Applied Climatology.
    21. Medellín-Azuara, J., Howitt, R.E., MacEwan, D.J. and Lund, J.R. 2011. Economic impacts of climate-related changes to California agriculture. Climatic Chang
    22. Mosaedi, A. and GHABAEI, S.M. 2011. Modification of standardized precipitation index (SPI) based on relevant probability distribution function.
    23. Paris, Q. Howitt, R.E. 1998. An analysis of ill-posed production problems using maximum entropy. American Journal of Agricultural Economics, 80(1): 124-138.
    24. Quevauviller, P. 2011. Adapting to climate change: reducing water-related risks in Europe–EU policy and research considerations. Environmental science & policy, 14(7): 722-729.
    25. Qureshi M.E., Whitten S.M., Mainuddin M., Marvanek S., Elmahdi A. A (2013) biophysical and economic model of agriculture and water in the Murray-Darling Basin, Australia, Environ. Model. Softw. 41: 98-106.
    26. Salassi M.E., Deliberto M.A., Guidry K.M. (2013) economically optimal crop sequences using risk adjusted network flows: modeling cotton crop rotations in the southeastern United States. Agric. Syst., 118: 33-40.
    27. Sasmal, J. 1993. Considerations of Risk in the Production of High-Yielding Variety Paddy: A Generalised Stochastic Formulation for Production Function Estimation. Indian Journal of Agricultural Economics, 48(4): 694.
    28. Sivakumar, M., Das, H. and Brunini, O. 2005. Impacts of present and future climate variability and change on agriculture and forestry in the arid and semi-arid tropics increasing climate variability and change (pp. 31-72): Springer.
    29. Solomon, S., Qin, D., Manning, M., Averyt, K. and Marquis, M. 2007. Climate change 2007-the physical science basis: Working group I contribution to the fourth assessment report of the IPCC (Vol. 4): Cambridge university press.
    30. Soni, B., Singh, R. and Panda, D. 1995. Optimal crop planning for Kansabahal irrigation project, Orissa, India. Paper presented at the Conference Secretariat, Isfahan University of Technology, Isfahan (Iran).
    31. Stern, N. 2006. Review on the economics of climate change. HM Treasury, London.
    32. Umoh, G.S. 2008. Programming risks in wetlands farming: evidence from Nigerian floodplains. Journal of Human Ecology, 4(2): 85-92.
    33. You, L., Rosegrant, M.W., Wood, S. and Sun, D. 2009. Impact of growing season temperature on wheat productivity in China. Agricultural and Forest Meteorology, 149(6-7): 1009-1014.
    34. Zaied, Y.B. 2013. Long Run Versus Short Run Analysis of Climate Change Impacts on Agriculture. Paper presented at the Economic Research Forum Working Papers.
 

آمار
تعداد مشاهده مقاله: 1,514
تعداد دریافت فایل اصل مقاله: 855


counter
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب