الگوی کشت بهینه با توجه به عامل ریسک و استاندارد های برداشت آب شرکت آب منطقه‌ای کردستان (مطالعه موردی: مزرعه 150 هکتاری در دشت قروه)

نوع مقاله : مقاله پژوهشی

نویسنده

دانشکده کشاورزی، ‌ دانشگاه تبریز

چکیده

در مدیریت مزارع بزرگ، به­ویژه در شرایط کشت چند­محصولی، به دست آوردن ترکیبی از محصولات که حداکثر درآمد را در پی داشته باشد، به شرط آن­که محدودیت­های تحمیلی و ریسک فعالیت­های گوناگون را نیز در نظر بگیرد همواره از اهمیت ویژه­ای برخوردار بوده است. کشاورزان به طور کلی با دو نوع ریسک ناشی از عوامل جوی و اقتصادی مواجه هستند. مدل موتاد- ­هدف، حالتی از برنامه­ریزی ریاضی است که ریسک را وارد تصمیم گیری­های مربوط به برنامه­ریزی برای فعالیت­های مزرعه می­کند. ویژگی اصلی این مدل آن است که ریسک به­وسیلة انحراف منفی از یک مقدار بازده (درآمد ناخالص)،  به صورت مجموع حاصلضرب بازدهی­های انتظاری فعالیت­های جداگانه محاسبه می­شود. دشت قروه یک منطقه مستعد کشاورزی است که در سال­های اخیر با مشکل افت سطح آب زیرزمینیروبه­روبوده است. استفاده بی­رویه از منابع آب و خشک­سالی سال­های اخیر، شرکت آب منطقه­ای  استان کردستان را بر آن داشته است که جهت حفظ منابع آبی، محدودیت­هایی برای جلوگیری از اضافه برداشت آب چاه­ها اعمال نماید. در این مطالعه، به تجزیه تحلیل الگوی کشت بهینه در شرایط ریسک و در نظر گرفتن محدودیت اعمالی شرکت آب منطقه­ای کردستان، در سال زراعی 88-1387 پرداخته شده است. نتایج حاصل نشان دادند در صورتی که زارع از الگوی کشت بهینه در زمان اعمال محدودیت آب استفاده کند در حداکثر ریسک تنها 1980 هزار ریال نسبت به حالتی که محدودیت آب اعمال نشده است، زیان خواهد دید.

کلیدواژه‌ها


عنوان مقاله [English]

Optimum Cropping Pattern Analysis with Risk Factor Consideration and Water Use Standards of Kordistan Regional Water Company (Case Study: 150 Hectares Farm Area in Ghorveh Plain, Iran)

نویسنده [English]

  • R Fellegari
چکیده [English]

In large farms' management, especially under multi-production conditions, obtaining a combination of crop production with maximum income, has always been of prominent importance; especially if compulsive limitations and the risk of various activities has to be considered. Generarally, farmers deal with two types of risks, namely, economic and weather. Target-Motad is a kind of mathematical programming model which enters risk in decisions for planning farm activities. The main feature of this model is that the risk for separate activities is calculated by negative deviation of a determined efficiency (gross revenue), as the total product of the expected efficiencies. Ghorveh plain is a suitable agricultural land in which the problem of water surface lessening is encompassed. Recent years' excess usage of water resource and droughts has provoked Kordistan Province Regional Water Company to exert limitations for preventing further excessive water extraction from wells. In this study, the analysis of optimum cropping pattern under risk conditions with considering the exertive limitations is considered.  Results show that if the farmers use the optimum cropping pattern in water limitation period, there will be only 1980 thousand Rials loss as compared with the situation where there is no water limitation.

کلیدواژه‌ها [English]

  • Ghorveh Farm
  • Model
  • Optimum Cropping Pattern
  • Risk
  • Target-Motad model
  • Water resource
بی نام، 1387. گزارش سالانه شرکت آب منطقه­ای کردستان.
ترکمانی ج، 1375. تصمیم­گیری در شرایط عدم قطعیت، کاربرد روش برنامه­ریزی مطلوبیت انتظاری مستقیم، ص 152 تا 165چکیده مقالات اولین کنفرانس اقتصاد  کشاورزی ایران ، دانشگاه سیستان و بلوچستان، زابل.
ترکمانی ج و عبدشاهی ع، 1379. استفاده از روش برنامه­ریزی ریاضی چند دوره­ای در تعیین الگوی بهینه کشاورزان. فصلنامه علمی– پژوهشی اقتصاد کشاورزی و توسعه، سال هشتم، شماره32، صفحه­های 35 تا 55.
خلیلیان ص و موسوی  س، ١٣٨٣. ارزیابی ریسکی کاربرد سیستم­های آبیاری تحت فشار : مطالعه موردی شهرستان شهرکرد، صفحه­های 85 تا 90 مجموعه مقالات اولین کنفرانس مدیریت منابع آب، دانشکده فنی دانشگاه  تهران.
چیذری ا و قاسمی ع، 1378. کاربرد برنامه ریزی ریاضی در تعیین الگوی کشت محصولات زراعی. فصلنامه علمی– پژوهشی اقتصاد کشاورزی و توسعه، سال هفتم، شماره28، صفحه­های 61 تا 76.
سلطانی غ، زیبایی م و کهخا اع، 1378. کاربرد برنامه­ریزی خطی در کشاورزی. نشر سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران.
فروتن ا، 1381، برنامه ریزی ریاضی برای تحلیل اقتصادی در کشاورزی (ترجمه)، انتشارات اجد تهران.
غلامی م، ۱۳۸۲.  تعیین تناوب زراعی بهینه با استفاده از برنامه ریزی خطی، مطالعه موردی:  مزرعه ۱۱۰ هکتاری در  شهرستان بجنورد. مجله علوم کشاورزی و منابع طبیعی گرگان، سال دهم، شماره 1، صفحه­های 17 تا 24.
کرباسی ع، 1379. بررسی اقتصادی سیستم­های آبیاری تحت فشار: مطالعه موردی استان خراسان. رساله دکتری رشته اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس.
Anonymous, 2007. Report of The working group on risk management in agriculture for the eleventh five year plan in India. Government of India Planning Commission, New Delhi.
Daneshvar Kakhki M, Youssefzade S and GhodratiAzadi H, 2009. Investigation the substitution capability of oilseeds in cropping pattern. American Journal of Applied Sciences 6 (12): 1995-2000.
Kehkha A, Soltani Mohammadi Gh and Villano R, 2005. Agricultural risk analysis in the Fars province of Iran: A risk-programming approach. University of New England, Working Paper Series in Agricultural and Resource Economics 1-16.
Lin W, Dean G and Moore C, 1974. An empirical test of utility versus profit maximization in agricultural production. American Journal of Agricultural Economics 56: 497-508.
Paris Q, 1979. Revenue and cost uncertainty, generalized mean-variance and linear complementarity problem. American Journal of Agricultural Economics 61: 268-275.
Randhir OT and Krishnamoorthy S, 1993. Optimal crop planning under production risk in tankfed south India Sarms. Indian Journal of Agricultural Economics 48: 678-687.
SinghAK and Singh JP, 1999. Production and benefit maximization through optimal crop planning- a case study of Mahi Command. Indian Journal of Soil Conservation 27(2): 152-157.
Tauer LM, 1983. Target MOTAD.  American Journal of Agricultural Economics 65: 606-610.
Torkamani J, 1996. Decision criteria in risk analysis: An application of stochastic dominance with respect to a function. Iran Agricultural Research 15: 1-18.
Vieth RG, 1991. An evaluation of selected decission in northern Thailand, Journal of Agricultural and Applied Economics 28 (2): 381-391.