Optimal Crop Pattern Management in Firozabad Plain According to Water and Soil Sustainability by Applying Fuzzy Mathematical Programming

Document Type : Research Paper

Authors

Abstract

Abstract
Background and Objective: Water and soil resources protecting in agriculture has particular importance. This study attempts to determine optimal crop patterns in Firozabad plain taking to account agriculture sustainability with three objectives. For this purpose, utilizing Fuzzy mathematical programming, profit-maximizing as the economic goal and reduction in water, fertilizer and pesticides uses as environmental goals were considered.
 
Materials and Methods: Deficit irrigation and water stress conditions, as well as the adoption of an appropriate irrigation system, was modeled with different decided variables to show the actual conditions of the plain in normal and drought years, by considering the upper and lower targets in the fuzzy model.
 
Results: Results showed that all the three objectives contribute approximately the same levels of satisfaction and there are no clear differences between crop patterns with and without dry farming. In the case of drought years, wheat 25, wheat 49, barley 44, corn 3, sugar beet 48 and rice, and the same products with different levels of deficit irrigations were recommended in the normal year. Optimal crop pattern was determined and comparing it with the average crop pattern in the past 10-year in the region.
 
Conclusion: To align with sustainable agriculture and protecting water and soil resources in Firozabad plain, it is not necessary to change the crop pattern of the area. The main difference is due to choose of an irrigation system, irrigation time, and changing the share of plains cultivation levels to products suitable.
 
 

Keywords


مقدمه

     منابع طبیعی چون آب، خاک وانرژی جزو منابع محدود هستند و تولید دوباره و احیاء این منابع، بسیار پرهزینه بوده و طولانی­تر از حفاظت آن­ها می­باشد. این در حالی است که بشر از مدت­ها پیش به جای استفاده از درآمدهای حاصل از سرمایه­های طبیعی، اصل آن­ها را مصرف کرده است. آب و خاک به عنوان دو سرمایه­ی طبیعی جدایی ناپذیر رویش گیاهان هستند و نگاه­ها به این دو مقوله بخصوص آب از جنبه حیاتی برای بخش کشاورزی بویژه در شرایط اقلیمی ایران اهمیت بالایی دارد. حفاظت از منابع آب و خاک می­تواند کشاورزی پایدار را ایجاد می­نماید. چرا که بحث پایداری کشاورزی مفاهیم چندگانه­ای را پوشش می­دهد. بگونه­ای که در یک تعریف کلی، پایداری کشاورزی سه جنبه­ی اساسی حفاظت، کارآمدی، تعادل و پایداری (کورنلیسن 2003) را در بر دارد. بنابراین شرط اولیه پایداری حفاظت است که نقطه آغازین و اساسی در پایداری محسوب می­شود و حفاظت از منابع خود دارای دو سویه اساسی شامل نگهداری منابع و جلوگیری از تخریب محیط و همچنین بطور همزمان احیا و باروری منابع است. در بخش کشاورزی که به عنوان بزرگترین مصرف­کننده آب محسوب می­شود احیاء منابع آب پرهزینه بوده بنابراین حفاظت از منابع آب نقش ویژه­ای در برنامه­ریزی و سیاست­گذاری دارد. دستیابی به کشاورزی پایدار طبق تعریف بیان شده با درنظر گرفتن یک هدف مهیا نمی شود و نیازمند اهداف چندگانه می­باشد. سیاست­های مختلفی از جمله تغییر و تعیین قیمت آب کشاورزی در جهت مدیریت پایدار منابع آب مورد بررسی قرار گرفته است از جمله عزیزی (2001) که نشان داد که سیاست افزایش قیمت آب کشاورزی در استفاده پایدار از آب بی اثر بوده است. همچنین معیارهای مختلفی در محاسبه شاخص پایداری در نظر گرفته شده است. بریم­نژاد و یزدانی (2004) شاخص پایداری را با نسبت درآمد ناخالص به میزان آب مصرفی تحت سناریوهای مختلف راندمان آبیاری کمی نمودند. امینی فسخودی و نوری (2012) در زمینه پایداری دو معیار نسبی بیشترین عایدی اقتصادی و ایجاد بیشترین فرصت­های اشتغال به ازای هر واحد مصرف آب کشاورزی، به عنوان شاخص­هایی برای پایداری تعریف نمودند. بهینه­سازی نسبت­های سود خالص به مصرف آب و ایجاد اشتغال به مصرف آب، با بهره­گیری از مدل­های برنامه­ریزی ریاضی یک هدفه و چندهدفه کسری انجام داده و با محاسبه و مقایسه کارایی اقتصادی و اجتماعی هر واحد مصرف آب کشاورزی در سناریوهای مختلف، مناسب­ترین الگوهای کشت منطقه با توجه به منابع موجود آب و خاک و نیروی انسانی تعیین و معرفی نمودند. لیکن در بررسی پایداری، حداکثر کردن یک هدف مدنظر نمی­باشد بلکه از آنجایی که پایداری کشاورزی در برگیرنده ابعاد مختلفی می­باشد، اهداف پایداری اقتصادی و زیست­محیطی نیز درنظر گرفته می­شود و کاهش اثرات زیانبار زیست­محیطی به­عنوان اهدافی در جهت دستیابی به کشاورزی پایدار معرفی شده اند (کهنسال و زارع 2008). از این­رو روش­های چند هدفه قادرند به تجزیه و تحلیل روابط متعارض میان اهداف مختلف بپردازند. اما از آنجایی که در دنیای واقعی داشتن اهداف و محدودیت قطعی به­ندرت اتفاق می­افتد و با شرایط عدم­قطعیت مواجه است، استفاده از برنامه­ریزی فازی از جایگاه بالاتری برخوردار است. برنامه­ریزی هدف با استفاده از تکنیک فازی و با اهداف متضاد در مطالعات مختلف چون بلین (1974) و سیسکوس در (1982) و سیو وساکاوا در سال (1985) آغاز شد. بند و سیمونویک (2000) به تخصیص آب در شرایط عدم اطمینان با ارایه رتبه­بندی بین گزینه­های مختلف تصمیم گیری آبیاریپرداختند. محمدی و همکاران (2009)، به تعیین الگوی بهینه کشت با در نظر گرفتن هدف حداقل نمودن آب مصرفی، ریسک و حداکثر کردن بازده برنامه­ای با استفاده از برنامه­ریزی فازی[1] در منطقه مرودشت پرداختند. همایونی­فر و رستگاری­پور (2010) تخصیص آب را برای سد لتیان با استفاده از روش فازی انجام دادند. پرهیزکاری و همکاران (2015) کم آبیاری توام با کاهش آب در دسترس را راهکاری برای حفاظت منابع آب در دشت قزوین توصیه نمودند. مظفری (2016) در مطالعه ارزیابی اثرات سیاست قیمت­گذاری آب آبیاری بر مدیریت تقاضای آب در دشت اردلان از یک سیستم مدل سازی اقتصادی مشتمل بر مدل برنامه­ریزی ریاضی مثبت (PMP[2]) و رهیافت حداکثر آنتروپی (ME[3]) استفاده نمود و اعمال سیاست قیمت­گذاری آب آبیاری و بکارگیری راهبرد تغییر الگوی کشت به صورت توأم با آن را در جهت کاهش تقاضای آب آبیاری و پایداری منابع آب دشت اردلان توصیه نمودند. ری و همکاران (2017) به پایداری منابع آب و خاک در چین، با استفاده از اهداف اقتصادی و اکولوژیکی پرداخته و سطح بهینه آبیاری و استفاده از زمین را ارائه نمودند. لی و همکاران (2017) به تخصیص بهینه آب در شرایط پرآبی و کم­آبی پرداخته­اند. سیدان و همکاران (2017) پایداری منابع آب در دشت بهار همدان را مورد ارزیابی قرار دادند و با استفاده از مدل کنترل بهینه، مسیر بهینه استخراج آب از منابع زیرزمینی را مشخص کردند. وجود اهداف و یا محدودیت­های غیرقطعی در همه مطالعات ذکر شده مورد توجه قرار گرفته است لیکن لازم است به اهداف چندگانه فازی که حفاظت از منابع آب وخاک را نتیجه می­دهد به همراه تأمین درآمد کشاورزان مورد توجه قرار داد تا نخست پایداری کشاورزی به نتیجه برسد.

    استان فارس یکی از استان­هایی که در مقایسه با سایر استان­های کشور با مشکل بیلان منفی دشت­ها روبرو است. این استان ۸۰ درصد آب مصرفی خود را از منابع آب زیرزمینی تأمین می­کند که عمدتا با بیلان منفی روبه رو هستند. این استان هفت درصد خاک و جمعیت کشور را داراست و در طی دوره سی سال اخیر جزو سه استان برتر کشور در تولید محصولات کشاورزی کشور می باشد و جایگاه مهمی در کشاورزی ایران به خود اختصاص داده است (آمارنامه کشاورزی، 2015). مشکل کم آبی از یک سو و تغییر کیفیت آب و مشکلات زیست محیطی از سوی دیگر در این استان پایداری کشاورزی را به خطر انداخته است. یکی از فعالیتهایی که آلودگی آبهای زیرزمینی را در سطح وسیع متوجه خود می‌نماید فعالیت کشاورزی هستند که انواع آلودگی را وارد آب‌های سطحی و زیرزمینی نموده و تخریب محیط زیست را ایجاد می‌نمایند. این امر ناشی از استفاده از انواع کودها و مواد شیمیایی جهت افزایش بازده تولید می‌باشد و ارتباط مستقیمی بین میزان مواد شیمیایی مورد استفاده در کشاورزی و شدت آلودگی آب‌های سطحی و زیرزمینی وجود دارد. در بین دشت­های استان فارس دشت فیروزآباد جهت بررسی پایداری کشاورزی انتخاب شد چرا که سطح آب زیرزمینی دشت مواجه با نوسانات فصلی و سالانه بوده و در مجموع روند نزولی داشته است بطوری که با توجه به برداشت 314/187 میلیون مترمکعب از سفره­های دشت، تغییر حجم ذخیره منفی (152/21- میلیون مترمکعب) بوده است (پولادیان 2007). هدف از انجام مطالعه کنونی ارائه الگوی کشت مناسب در راستایی دستیابی به مرحله پیشنیاز ایجاد پایداری یعنی حفاظت و مدیریت بهینه آب و خاک در دشت فیروزر­آباد می­باشد.

 

مواد و روش­ها

        جهت برنامه­ریزی و جمع­آوری اطلاعات در مطالعه کنونی اراضی دشت فیروز آباد که از آب زیرزمینی استفاده می­کنند درنظر گرفته شد چرا که رودخانه فیروزآباد در سال­های اخیر به دلیل وجود مشکل خشکسالی امکان استفاده از آب سطحی را برای کشاورزان حداقل و یا غیرممکن نموده است. جهت تعیین ضرایب متغیرهای تصمیم مدل از کشاورزان منطقه پرس­و جو صورت گرفت و مابقی اطلاعات مربوط به دشت از سازمان جهاد کشاورزی استان فارس و شرکت سهامی آب منطقه­ای فارس جمع­آوری شد.

     در یک محیط تصمیم­گیری فازی، اهداف تصمیم­گیرنده بصورت فازی مورد بررسی قرار می­گیرد. در محیط تصمیم­گیری فازی، اهداف بوسیله توابع عضویت مربوطه که از تعریف تغییرات قابل تحمل بالا و پایین بدست می­آید، مشخص می­شوند و نوع تابع عضویت بستگی به نوع تابع هدف دارد. در برنامه­ریزی فازی نقطه­ای بینابین محدوده تعیین شده توسط برنامه­ریزی توافقی، انتخاب می­شود (کرکمار و همکاران 2008). در این نوع برنامه­ریزی حداقل رضایتمندی از دسته استراتژی­های امکان پذیر، حداکثر می­شود (سیسکوس 1982). تابع عضویت خطی زمانی که بازده حداکثر وجود دارد به صورت رابطه1 می­باشد. زمانی­که تابع هدف
( ) بزرگ­تر از  (حداکثر مقدار تابع هدف) است. درجه عضویت ( ) برابر با یک می­باشد
( ) و درجه عضویت تابع بین صفر و یک
( ) زمانی اتفاق می­افتد که ارزش بزرگتر از و کمتر از باشد (کرکمار و همکاران 2008).  و  

به ترتیب ارزش حداقل و حداکثر توابع فازی می­باشند که با برنامه­ریزی ریاضی مقدار هر یک از این اهداف بدست می­آید. مقدار تابع هدف است زمانی که این هدف حداقل شود و  مقدار حداکثر تابع هدف است. توابع هدف که باید حداکثر شوند در مطالعه کنونی سود اقتصادی هدف حداکثر سازی درنظر گرفته شد (کرکمار و همکاران 2008).

 

]رابطه1[

 

 

 توابع هدفی هستند که بایستی حداقل شوند (مصرف آب و مصرف سموم و کود شیمیایی) که در رابطه 2 مشخص شده است. و به ترتیب مقدار حداقل و حداکثر تابع هدف می­باشند و درجه عضویت می­باشد

 

]رابطه2[

 

 

 

جهت تعیین جواب­های بهینه، مدل فازی با اهداف حداکثرسازی و حداقل­سازی به رابطه 3 تبدیل می­شود. در این رابطه ،است (کرکما و همکاران 2008).  

 

 ]رابطه 3[

 

 

یکی از اهداف درنظر گرفته شده حداکثر­سازی سود ناخالص کشاورز است. ضرایب تابع هدف سود ناخالص هر فعالیت است که به عنوان بازده برنامه ای در مدل وارد شده است. این ضرایب از کسر هزینه­های متغیر (خرید نهاده­های تولید از جمله بذر، کود (خرید آزاد و دولتی)، سم، نیروی کار و هزینه ماشین­آلات) و هزینه استحصال هرمترمکعب آب از درآمد حاصل از کشت محصول محاسبه گردید.


 

 ]رابطه 4[

 

در رابطه4  قیمت محصول ،  عملکرد محصول، ،    هزینه­ی خرید بذر، کود، سم، نیروی کار، ماشین آلات برای یک هکتار محصول ،  هزینه استحصال هر مترمکعب آب،  کل آب مصرفی برای کشت یک هکتار محصول  در طول فصل زراعی و  متغیر تصمیم، سطح زیر کشت محصول برای محصولاتی که از سیستم آبیاری متفاوت استفاده می­نمایند، می­باشد بنابراین هزینه یکنواخت سالانه سیستم آبیاری نیز از سود ناخالص هر هکتار این گونه محصولات کسر شد. هزینه استحصال هر واحد آب از مجموع متوسط هزینه های متغیر و ثابت از بدست می­آید. برای این منظور هزینه های ثابت یکنواخت سالانه محاسبه شد و با مجموع هزینه متغیر سالانه جمع شد.

]رابطه 5[

 

با توجه به این که پیامدهای زیست­محیطی به عنوان مانعی برای رسیدن به کشاورزی پایدار است کاهش اثرات زیست­محیطی نیز می­تواند به­عنوان یک هدف مطرح گردد. در جهت پایداری لازم است تا در کنار کاهش یا حذف استفاده از فرآورده­های شیمیایی به­ویژه کود و سم­ها، کاهش تخریب منابع آب و خاک نیز مورد توجه قرار گیرد، لذا حداقل­سازی مصرف آب به عنوان موضوع مهمی است که لازم است مدنظر قرار گیرد. هدف دوم حداقل­سازی مصرف آب کشاورزی است که در رابطه 5 مشخص شده است و حداقل­سازی مصرف کود و سموم شیمیایی بیش از نیاز گیاه در رابطه 6 مشخص شده است.

 

 

 

در رابطه 5،  کل آب مصرفی برای کشت یک هکتار محصول  در طول فصل زراعی است که این مقدار برای هر محصول از حداکثر آب مورد نیاز هر فعالیت تقسیم بر راندمان توزیع و انتقال بدست آمده است.

در هدف زیست محیطی حداقل­سازی مصرف کود و سموم شیمیایی با حداقل نمودن تغذیه گیاه با استفاده از کود شیمیایی و آفت کش­ها را درنظر گرفته شد. حداقل کردن مصرف کودهای شیمیایی با استفاده از رابطه 6 تأمین می­گردد (بندر و سیمونویک 2000).

 

 ]رابطه 6[

.  ضریب محاسبه شده از طریق رابطه7، می­باشد با این فرض که هر محصول تنها یکبار در سال کشت می­شود. این ضریب تلفیقی از آفت­کش و کود به کار رفته محصول ام است و در واقع نسبتی از نیاز آفت کش و کود برای هر محصول می­باشد. در این رابطه  و  به ترتیب مقدار استفاده از آفت­کش و مقدار کود مصرفی مورد نیاز، کیلوگرم در هکتار برای محصول ام می­باشد. علائم max وmin ارزش حداقل و حداکثر مقدار پارامترهای  و  می­باشد که جهت تأمین نیازهای خاک و در عین حال جلوگیری از آلوده شدن خاک می­باشد. با توجه به این که به طور کلی 3/75 درصد کل اراضی دشت فیروزآباد شامل اراضی با کلاس خاک 1، 2 و 3 یا، جزو اراضی قابل آبیاری هستند (پولادیان 2007) حداکثر نیاز خاک با فرض همگن بودن تمام اراضی دشت از کارشناسان جهاد کشاورزی درنظر گرفته شد. 

 

 

 

 

 

]رابطه 7[

 

 

نخستین گام در ساختن مدل برنامه­ریزی ریاضی تعریف متغیرهای تصمیم­گیری یا فعالیت­ها است. انتخاب استراتژی­های مناسب توجه به بیشینه کردن محصول تولیدی به ازای مصرف هر چه کمتر آب ضروری می­باشد از این رو کم­آبیاری به عنوان یک راهبرد عملی، اقتصادی و حفاظتی در حصول الگوی بهینه مصرف آب به شمار می­رود. با توجه به منابع محدود (آب و زمین) می­توان استراتژی­های کم­آبیاری را نیز مانند استراتژی­های آبیاری کامل برای گیاهان مختلف، در مدل­های تخصیص بهینه آب و زمین به کار برد. همچنین وارد نمودن محصولاتی که از سیستم آبیاری نوین برای بالا بردن راندمان آبیاری استفاده می­کنند همراه با استراتژی های کم آبیاری به شکل توأم به مدل، مدل را کامل­تر و واقعی­تر می­نماید. از این رو فعالیت­های مدل بر اساس استراتژی­های مختلف آبیاری، راندمان آبیاری متفاوت بر اساس سه روش آبیاری بارانی، استفاده از لوله برای انتقال آب و آبیاری سنتی همراه با تنش آبی و بدون تنش آبی تقسیم بندی شدند. برای تقسیم­بندی فعالیت­های مدل، لازم است که عملکرد متناظر با هر فعالیت محاسبه گردد. بدین منظور در این مطالعه از رابطه 4 که توسط میر و همکاران (1993) پیشنهاد شده است، استفاده گردید. اعمال کم­آبیاری منجر به کاهش در میزان عملکرد محصولات می­گردد. پس از محاسبه حداکثر عملکرد گیاه در شرایط بدون تنش، عملکرد واقعی با در نظر گرفتن تنش برای گیاهان مختلف با استفاده از نرم افزار Excel برای منطقه مورد بررسی محاسبه شد.

 

]رابطه 8[

در رابطه8  حداکثر محصول در شرایط واقعی (شرایط تنش آبی)، حداکثر محصول تولیدی در شرایط بدون تنش آبی، ضریب واکنش عملکرد نسبت به آب در مرحله رشد که از پژوهش­های گذشته بدست آمده است.  مقدار آب آبیاری مورد نیاز گیاه که در دوره­های مختلف رشد مقدار آن در شرایط آبیاری کامل برابر  و در شرایط اعمال کم­آبیاری از  بدست می­آید.

 

 ]رابطه 9 [

در رابطه 9 ، حداکثر آب مورد نیاز گیاه و  مقدار کاهش نسبی مصرف آب در کل دوره رشد (کوچکتر یا مساوی یک) است. رابطه فوق در هریک از مراحل مختلف رشد اعمال می­گردد. در این قسمت استراتژی­های کم­آبیاری به­گونه­ای تعریف شده است که اگر کم­آبیاری در یک دوره اتفاق افتد در سایر دوره­های آبیاری به­صورت کامل در نظر گرفته شده است به طوری که اگر در یک دوره کم­آبیاری (  ) باشد در سایر دوره­های رشد  (آبیاری کامل ) فرض شده است. در مطالعه حاضر مدل برنامه­ریزی چند­هدفه فازی است که  متغیر مربوط به محصولات مختلف در منطقه است که تقسیم­بندی این محصولات بر اساس استراتژی آبیاری و راندمان آبیاری متفاوت (بر اساس سیستم آبیاری) می­باشد. بر اساس نظر کارشناسان منطقه راندمان آبیاری با استفاده از سیستم آبیاری بارانی، 65 درصد و برای لوله­های پلاستیکی، 40 درصد درنظر گرفته شد. میزان تنش­ها در هر دوره 10، 15، 20، 25، 30 درصد در مراحل مختلف رشد از جمله استقرار، رشد، گلدهی، شکل گیری عملکرد و رسیدن اعمال تحت سناریوهای مختلف تنش آبی لحاظ شد. به عنوان مثال متغیر برای چغندر قند به شکل زیر تقسم بندی شد. متغیر تصمیم چغندرقند 1 تا 26 تا به ترتیب چغندرقند در شرایط آبیاری کامل،10، 15، 20، 25، 30 درصد کم آبیاری درمراحل اوایل و اواخر رشد گیاه، شکل گیری عملکرد و رسیدن می­باشد. تنش در مرحله گلدهی برای چغندرقند معنا ندارد. در آخر چغندرقند26، 15 درصد کم­آبیاری در همه مراحل درنظر گرفته شد. چغندرقند27 چغندرقند با آبیاری کامل، چغندرقند 28تا 32 چغندرقند با تنش آبی،10، 15، 20، 25، 30 درصد در مرحله اوایل رشد و استفاده از لوله برای انتقال آب، چغندرقند 33 تا 37، چغندر قند با تنش آبی 10، 15، 20، 25، 30 درصد در مرحله اواخر رشد و چغندرقند38، چغندر­قند با آبیاری کامل و استفاده از سیستم آبیاری بارانی می­باشد. چغندرقند39 تا 43  تنش آبی 10، 15، 20، 25، 30 درصد در مرحله اوایل رشد و استفاده از سیستم آبیاری بارانی. چغندرقند44 تا 48 چغندر قند با تنش آبی 10، 15، 20، 25، 30 درصد در مرحله اواخر رشد و استفاده از سیستم بارانی می­باشد.

 

محدودیت­هایمدل:

     محدودیت­های مدل که عمدتاً مربوط به منابع تولیدی است، عبارتند از: 1- محدودیت زمین زراعی، 2- محدودیت آب در دسترس و 3- محدودیت نیروی کار می­باشد.

1-محدودیت زمین به صورت رابطه 10 تعریف شد.

 

 

]رابطه 10[

 سطح زیر کشت فعالیت  و ، کل اراضی موجود دشت می­باشد. محدودیت زمین بیانگر آن است که کل اراضی تخصیص یافته بین فعالیت­ها نمی­تواند بیش از کل اراضی موجود در دشت یعنی به میزان 27900 هکتار باشد. لحاظ نمودن محدودیت زمین در دوره­های مختلف باعث می­گردد تا مدل بتواند روابط رقابتی و تکمیلی بین محصولات را در الگوی بهینه منظور نماید.

2- محدودیت آب در دسترس

     از آنجا که دوره کشت و نیاز آبی محصولات و میزان موجودی آب منطقه در ماه­های مختلف سال با یکدیگر متفاوت است، محدودیت آب به صورت دوره­های ده روزه در نظر گرفته شد. در واقع محدودیت آب بیانگر آن است که جمع مقدار آب مورد نیاز هر یک از گیاهان در دوره­های مختلف نمی­تواند از کل آب در دسترس بهره بردار که در راندمان آبیاری توزیع و انتقال ضرب شده است بیشتر شود.این محدودیت در رابطه 11 تعریف شده است. در این رابطه  حداکثر آب در دسترس بهره‌برداران دشت در دوره  است که بر اساس متوسط آب­دهی چاه در هر دوره ضربدر ساعات آبدهی در شبانه­روز در راندمان آبیاری توزیع و انتقال محاسبه شد. و  آب مورد نیاز گیاه در دوره  است که بر اساس رابطه 12 بدست آمد.

 

 

 ]رابطه 11[

 

 ]رابطه 12[

     

 

 حداکثر آب آبیاری مورد نیاز گیاه ام که برابر با    است.  مقدار آب خالص مورد نیاز گیاه ­ام است. عدد 10 برای تبدیل میلی متر به مترمکعب در هکتار می­باشد مقدار  از رابطه13 بدست آمد.

 

 ]رابطه 13[

  بارندگی مؤثر است و  تبخیر تعرق گیاه است که با استفاده از نرم افزار Cropwat محاسبه شد.

3- محدودیت نیروی کار

تقاضا برای نیروی کار در فعالیتهای تولیدی محصولات زراعی تابع عملیات مراحل مختلف کاشت، داشت و برداشت است و به دلیل تنوع کشت محصولات و متفاوت بودن دوره رشد آنها، تأمین نیروی کار مورد نیاز در فصل­های مختلف متفاوت خواهد بود، لذا نیروی کار مورد نیاز فعالیت­های مختلف در چهار دوره فصلی به صورت زیر در مدل لحاظ گردید:

 

 ]رابطه 14[

این محدودیت بصورت فصلی منظور گردید که در آن  تعداد نیروی کار مورد نیاز فعالیت  در فصل  است و  تعداد نیروی کار در دسترس بهره­بردار نمونه در فصل  می­باشد.

 

نتایج و بحث

جهت تعیین الگوی کشت در راستای حفاظت منابع آب و خاک دشت در ابتدا شرایط سال نرمال در نظر گرفته شد که بارندگی مناسب در دشت فیروزآباد در فصول رشد گیاه وجود داشته و امکان کشت محصولات دیم نیز وجود دارد. بنابراین نخست گندم و جو دیم در الگو وارد شد و مدل بر اساس وجود این دو محصول در نظر گرفته شد. نتایج حاصل از بهینه­سازی هر هدف به طور جداگانه (ماتریس بازده) در جدول 1 نشان داده شده است. عناصر این ماتریس از طریق بهینه­سازی هر یک از اهداف مورد نظر به طور جداگانه تعیین شده اند. با حل مدل بهینه­سازی، 523678 میلیون ریال سود نصیب کشاورزان دشت می­شود که با این الگوی حداکثر سازی سود، 9029/429 میلیون مترمکعب آب مصرف می­شود و شاخص مصرف کود شیمیایی 49719 می­باشد. این جدول تضاد بین اهدف را نشان می­دهد. عناصر قطر فرعی ماتریس، مقادیر بهینه هر یک از اهداف را به طور جدا نشان می­دهد. در سطر دوم هدف حداقل­کردن مصرف آب در نظر گرفته شد. در این نقطه بهینه مصرف آب 551345/7 میلیون مترمکعب و با الگوی کشت حاصل از بهینه­سازی هدف حداقل کردن آب مصرفی، سود معادل با 74/15112 میلیون ریال است و شاخص مصرف کود شیمیایی و آفت­کش 2564 می­باشد. الگوی کشت حاصل از بهینه­سازی این هدف شامل گندم دیم 1410 هکتار، جو دیم 228 هکتار، ذرت 26 (15 درصد تنش در مرحله رسیدن و سیستم آبیاری سنتی) 322 هکتار و چغندر قند2 (10 درصد تنش در مرحله اوایل رشد گیاه) 25 هکتار و برنج 326 هکتار را پیشنهاد نموده است. دسترسی همزمان به این سه نقطه غیر­ممکن است. رسیدن به اهداف حداقل مصرف آب و کودشیمیایی و آفت کش­ها و حداکثر سود به­طور کامل قابل دستیابی نیست بنابراین مقدار بهینه مصرف آب، حداکثر سود و شاخص مصرف کود شیمیایی مقدار قطعی نیستند. از این رو استفاده از روش برنامه­ریزی چند­هدفه فازی نتایج واقعی­تری را ارائه خواهد نمود. با استفاده از این نوع مدل­ها می­توان سود را با توجه به حداقل کردن آب مصرفی، کودشیمیایی و آفت کش­ها در جهت جلوگیری از بوجود آمدن بیلان منفی و اثرات زیست­محیطی ناشی از کودهای شیمیایی، حداکثر ساخت.


جدول1- ماتریس بازده برای اهداف در نظر گرفته شده دشت در سال نرمال

 

شاخص مصرف کود­شیمیایی و آفت کش

آب مصرفی

سود

اهداف درنظرگرفته شده

49719

9029/429

523678

سود (میلیون ریال)

2564

551345/7

74/15112

مصرف آب(میلیون مترمکعب)

2564

551345/7

74/15112

شاخص مصرف کود شیمیایی و آفت­کش

 

مأخذ: یافته­های تحقیق

 

جدول 2 نتایج حاصل از حل مدل با استفاده از روش فازی و همچنین الگوی کشت محصولات زراعی دشت فیروزآباد را بر اساس متوسط 10 سال گذشته نشان می­دهد. در این جدول درجه عضویت توابع هدف، نشان می­دهد که هر سه هدف متضاد با یک وزن مشخص و درجه اهمیت یکسان به طور تقریباً برابر برآورده شدند. درجه عضویت هدف حداکثر­سازی سود 494/0، حداقل سازی آب 550/0 و حداقل سازی مصرف کود شیمیایی و آفت­کش ها 506/0 می­باشد.

 

                       

 

جدول2- نتایج حاصل از مدل فازی و مقایسه با الگوی کشت دشت در سال نرمال

درجه عضویت اهداف

نتایج حاصل از حل مدل فازی

 

494/0

264878

سود (میلیون ریال) با حضور محصولات دیم

550/0

1356/226

مصرف آب (میلیون مترمکعب)

506/0

2/22644

مصرف کود شیمیایی و آفت­کش

سهم سطح زیر کشت محصولات از کل اراضی دشت ((%

سطح زیر کشت با استفاده از مدل برنامه­ریزی فازی

سطح زیر کشت

68/0

4/189

گندم1

67/0

8/187

گندم 21

69/57

4/16094

گندم 22

66/0

2/185

گندم 23

65/0

8/183

گندم 24

65/0

4/182

گندم25

20/0

7/56

جو10

20/.0

9/56

جو11

20/0

1/57

جو12

20/0

3/57

جو13

15/1

322

ذرت3

90/0

25

چغندرقند 13

31/5

1483

برنج

6/31

8819

سایر

سهم سطح زیر کشت محصولات از کل اراضی دشت (طی 10 سال )

متوسط سطح زیر کشت دشت در 10 سال اخیر

سطح زیر کشت

50

14103

گندم

8

2281

جو

12

3263

برنج

11

3223

ذرت

1/0

257

چغندرقند

19

5301

سایر

 

 

اگر چه برآورده شدن سه هدف به شکل غیرقطعی با استفاده از برنامه­ریزی ریاضی به سادگی قابل دستیابی نیست اما ارائه مدل فازی و وارد نمودن محصولات مختلف با استراتژی­ها و سیستم آبیاری متفاوت مدل را به شرایط دنیای واقعی نزدیک نموده و بنابراین الگوی ارائه شده توسط این نوع مدل در دشت، همسویی نزدیکی با الگوی 10 سال اخیر دارد. نتایج الگوی حاضر،  گندم 1، 21، 22، 23، 24 و 25 (به ترتیب گندم با آبیاری کامل، گندم با 10، 15، 20، 25 و 30 درصد تنش آبی درمرحله رسیدن و سیستم آبیاری سنتی) به ترتیب 4/189، 8/187، 4/16094، 2/185، 8/183 و 4/182 هکتار و جو 10، 11، 12و 13 (به ترتیب جو با 15، 20، 25 و 30 درصد تنش آبی درمرحله شکل گیری عملکرد) به ترتیب 7/56، 9/56، 1/57 و 3/57 هکتار و ذرت3، (10 درصد تنش در مرحله استقرار) 322 هکتار، چغندرقند13 (13 درصد تنش در اواخر رشد)، 25 هکتار و برنج 1483 هکتار (31/5 درصد از کل راضی) پیشنهاد می­دهد. سایر سطح زیر کشت باقی مانده به کشت محصولاتی که برخی سال­ها در منطقه کشت شده-اند و استقبال عمومی برای کشت آنها وجود نداشته چون کنجد، گوجه فرنگی و یا آیش نگه داشتن زمین می­باشد. 

با ارائه این الگو اهداف زیست­محیطی، کاهش آب مصرفی و کاهش مصرف کود و آفت کش­های شیمیایی نسبت به تابع سود برآورده می­شود. به عبارت دیگر گرچه اهمیت یکسانی به اهداف زیست­محیطی و اقتصادی داده شده است اما الگوی کشت حاضر با الگوی کشت دشت همسویی داشته و تغییر الگوی کشت را پیشنهاد نمی­کند تنها اتخاذ سیاست زمان آبیاری بهینه و سیستم آبیاری مناسب و تغییر سهم سطح زیرکشت هر یک از محصولات می­توانند به پایداری کشاورزی در این منطقه کمک نماید.

مدل دشت بر اساس حذف محصولات دیم و به عبارت دیگر سال کم آبی در نظر گرفته شد. نتایج حاصل از بهینه سازی هر هدف به طور جداگانه (ماتریس بازده) در جدول 3 نشان داده شده است. مطابق انتظار حذف محصولات دیم و وارد نمودن محصولات آبی میزان بهینه مصرف آب را در مدل­های بهینه سازی هر هدف به طور مجزا تغییر می­دهد. نتایج حاصل از حداکثرسازی سود، مطابق ماتریس بازده در شرایط وجود محصولات دیم، (بارندگی مناسب در دوره رشد) 523678 میلیون ریال سود نصیب کشاورزان دشت می­شود که با این الگوی حداکثر سازی سود، 9029/429 میلیون مترمکعب آب مصرف می­شود و شاخص مصرف کود­شیمیایی 49719 می­باشد. نتایج این سطر با سال نرمال یکسان است چرا که حداکثرسازی سود بدون لحاظ نمودن سایر اهداف محصولات با مصرف آب بیشتر را پیشنهاد می­نماید. مقدار بهینه مصرف آب 901/15 میلیون مترمکعب است که به میزان 5/52 درصد مصرف آب نسبت به حالت حل مدل با حضور محصولات دیم افزایش یافته و سود معادل با14/21771 میلیون ریال است که سود به میزان 30 درصد افزایش نسبت به سال نرمال را نشان می­دهد. می­یابد. شاخص مصرف کود­شیمیایی و آفت­کش مشابه سال نرمال 2564 است.

 


 

جدول3- ماتریس بازده برای اهداف در نظر گرفته­شده در دشت در شرایط کم­آبی

مصرف کود شیمیایی و آفت­کش

آب مصرفی (میلیون مترمکعب)

سود (میلیون­ریال)

اهداف درنظرگرفته شده

49719

9029/429

523678

سود (میلیون ریال)

2564

901/15

14/21771

مصرف آب (میلیون مترمکعب)

2564

32837/24

76/28227

مصرف کود شیمیایی و آفت کش

                                                                           

 

 

 

با استفاده از نتایج بدست آمده از ماتریس بازده، مدل فازی بر اساس سه هدف حل گردید. با حل مدل درجه عضویت هدف حداکثر­سازی سود 449/0، حداقل­سازی آب 551/0 و حداقل سازی مصرف کودشیمیایی و آفت­کش­ها 551/0 بدست آمد که در جدول 4 نتایج آورده شده است. در الگوی حاضر گندم25 (گندم با30 درصد تنش در مرحله رسیدن و سیستم آبیاری سنتی)،2/14706 هکتار و گندم49 (30 درصد تنش در مرحله رسیدن و سیستم آبیاری بارانی)، جو 44 (جو با 30 درصد تنش در مرحله اواخر رشد و سیستم آبیاری بارانی)، ذرت3، چغندر قند 48 (چغندرقند با 30 درصد درصد تنش در مرحله اواخر رشد و سیستم آبیاری بارانی) و برنج به ترتیب 4/5798، 228، 322 ،25 و 1483هکتار می­باشد. سایر سطح زیر کشت باقی مانده به کشت محصولاتی که در هر سال در منطقه کشت نشده است چون کنجد، گوجه فرنگی و غیره و یا آیش نگه داشتن زمین می­باشد. الگوی پیشنهادی کشت در شرایطی که امکان کشت محصولات دیم وجود ندارد. از کشت محصولات با استفاده از سیستم آبیاری سنتی به محصولات با سیستم آبیاری بارانی تغییر یافت.



جدول4- نتایج حاصل از مدل فازی در شرایط کم­آبی و مقایسه با الگوی کشت دشت

درجه عضویت اهداف

نتایج حاصل از حل مدل

 

449/0

288659

سود(میلیون ریال)

551/0

9727/229

مصرف آب(میلیون مترمکعب)

551/0

27093

مصرف کود شیمیایی و آفت­کش

سهم سطح زیر کشت محصولات از کل اراضی دشت (درصد)

سطح زیر کشت با استفاده

از مدل برنامه­ریزی فازی

 

7/52

2/14706

گندم25

78/20

4/5798

گندم 49

82/0

228

جو 44

15/1

322

ذرت3

01/0

25

چغندرقند 48

31/5

1483

برنج

23/19

5365

سایر

سهم سطح زیر کشت محصولات از کل اراضی دشت (طی 10 سال )

متوسط سطح زیر کشت

دشت طی 10 سال

 

50

14103

گندم

8

2281

جو

11

3223

ذرت

1/0

257

چغندرقند

12

3263

برنج

19

5301

سایر

 

 

 

اگر چه دسترسی کشاورزان به آب در شرایطی که امکان کشت محصولات دیم وجود ندارد با حالت سال نرمال متفاوت می­باشد. در سال کم آبی  حذف محصولات دیم از الگو، باعث ایجاد تفاوت فاحشی در مقدار بهینه اهداف در نظر گرفته شده می­گردد. به طوری که بر اساس ماتریس بازده جدول1 و 3 (بهینه­سازی تک هدفه)، مصرف آب در شرایط کم­آبی در مقایسه با سال نرمال، 5/52 درصد افزایش را نشان می­دهد اما مقایسه دو وضعیت موجود در حالتی که مدل­های چند­هدفه فازی باشد نشان می­دهد که مصرف آب تنها 7/1 درصد اضافه می­شود. اختلاف میان نتایج دو هدف فازی در شرایط سال نرمال و کم­آبی نسبت به مدل­های تک هدفه ناچیز بوده است. نتایج این مقایسه در جدول 5 آورده شده است. بر اساس نتایج این جدول میزان سود 2/8، میزان مصرف آب 7/1 و شاخص مصرف کود شیمیایی 4/16 درصد نسبت به شرایطی که محصولات دیم در الگو حضور دارند افزایش می­یابد به عبارت دیگر کشت گندم یا جو دیم در شرایط سال نرمال (بارندگی مناسب در فصول رشد) موجب می­شود سود و آب مصرفی در نتیجه بالا رفتن سطح زیر کشت بالا رود و در عین حال شاخص مصرف کود شیمیایی نیز افزایش یابد. اگر چه افزایش سطح زیر کشت در سال معمولی دور از انتظار نیست اما مدل بدون تغییر در نوع محصول انتخابی توسط زارعین، زمان آبیاری را بگونه­ای مشخص می­نماید که هر سه هدف در نظر گرفته شده بطور همزمان برآورده شود. سطح زیر کشت پیشنهادی افزایش سهم کشت گندم از 50 درصد در منطقه به 5/73 درصد (شامل گندم 25و 49) و کاهش کشت جو از 8 درصد به 8/0 درصد وکاهش سهم کشت ذرت، چغندرقند و برنج به­ترتیب از 11، 1/0 و 12 درصد به 15/1، 01/0 و 3/5 درصد می­باشد.

 

 

جدول 5- مقایسه نتایج حاصل از مدل فازی در سال نرمال و سال کم آبی

درجه عضویت اهداف

نتایج حاصل از حل مدل فازی

 

494/0

264878

سود(میلیون ریال) در سال نرمال

449/0

288659

سود(میلیون ریال) در سال کم­آبی

 

2/8

تغییرات (درصد)

550/0

1356/226

مصرف آب(میلیون مترمکعب) در سال نرمال

551/0

9727/229

مصرف آب(میلیون مترمکعب) در سال کم­آبی

 

7/1

تغییرات (درصد)

506/0

2/22644

مصرف کود­شیمیایی و آفت­کش در سال نرمال

551/0

27093

مصرف کود شیمیایی و آفت­کش در سال کم­آبی

 

4/16

تغییرات (درصد)

 


 

نتیجه گیری کلی

الگوی بهینه کشت دشت فیروزآباد با درنظرگرفتن اهداف اقتصادی و زیست­محیطی به پایداری منابع آب این دشت یاری می­رساند. با توجه به این­که نبود قطعیت جزء جدایی ناپذیر تصمیمگیری در بخش کشاورزی به شمار می­آید، لذا باید با اتخاذ راهبردهای مناسب تا حد ممکن این نااطمینایی را با الگوی فازی ومدل­های به کارگرفته شده در این تحقیق تعدیل نمود به گونه­ای که شرایط کم آبیاری و تنش آبی و همچنین اتخاذ سیستم آبیاری مناسب را با ارائه متغیرهای متفاوت تصمیم وارد مدل شدند و با در نظرگرفتن حد بالا و پایین اهداف به شکل فازی و نه اعداد قطعی شرایط واقعی دشت مدلسازی شد.

الگوی کشت برای سال نرمال و کم­آبی ارائه گردید. میان دو الگوی کشت ارائه شده با استفاده از مدل فازی  تفاوت معناداری وجود ندارد و درصد تغییرات سود و آب مصرفی کمتر از 10 درصد و شاخص مصرف کودشیمیایی کمتر از 20 درصد می­باشد. از این رو بسته به شرایط دشت می­توان الگوهای ارائه شده که با متوسط 10 سال اخیر همسویی داشته و تنها تفاوت در زمان آبیاری و هدف زیست­محیطی باشد را به کشاورزان ارائه داد. الگوی کشت ارائه شده با مطالعه فتحی و زیبایی (2010) در منطقه فیروزآباد برای هر کشاورز مطابقت دارد.

نتایج حاکی از آن است که جهت حفاظت از منابع آب و خاک و مدیریت بهینه بهره­برداری از منابع آب که از اقدامات پایداری است لزوما نیاز به تغییر الگوی کشت منطقه نیست بلکه با کشت همان محصولات که در دوره زمانی ده ساله در منطقه کشت می­شده است می­توان به مدیریت بهینه برداشت آب دست یافت و کافی است سهم کشت محصولات بر اساس سال نرمال و کم آبی تغییر کرده و حتی با انتخاب و پیشنهاد سیستم آبیاری متناسب با الگوهای ارائه شده به این مهم دست یافت.

الگوی ارائه شده قادر است سه هدف را در سطح مطلوب تأمین نماید. از آنجایی که مدل با عدم حضور محصولات دیم، محصولات با سیستم آبیاری بارانی را پیشنهاد نموده است لذا برای عملی ساختن شرایط مدیریت مصرف و زمان آبیاری ساز­و­کاری جهت حمایت برای استفاده از سیستم آبیاری ذکر شده ضروری بنظر می­رسد بنابراین تأمین اعتبار لازم برای حمایت و استفاده از این نوع سیستم آبیاری یکی از راهکار می­باشد و همچنین امکان ذخیره­سازی آب برای مدیریت زمان آبیاری می­تواند به اهداف درنظر گرفته شده برای کشاورزی پایدار کمک نماید. لذا با با احداث استخرهای متناسب با شرایط منطقه جهت هدایت کشاورز به مدیریت زمان آبیاری مناسب که می­تواند بیشترین بازده را با آب موجود ایجاد می­نماید، راهگشا باشد.



[1] -Fuzzy Programming

[2] -Positive Mathematical Programming

[3] -Maximum Entropy

Amini faskhodi A. and Nouri SH. 2012. Sustainability Evaluation and Cropping System Modeling Based on Optimization of Utilization of Water and Soil Resources Using Nonlinear Mathematical Programming Patterns. Journal of Agricultural Science and Technology, Water and Soil Science, 15(55): 99-109.
Agricultural Jihad Statistics. 2015. Agricultural statistic. Ministry of Agriculture, https://www.maj.ir/ Index.aspx?page_=form&lang=1&PageID=11583&tempname=amar&sub=65&methodName=ShowModuleContent#
Azizi J. (2001). Agricultural Sustainability. Agricultural Economics and Development, 9(36): 113-136.
Bender M. and Simonovic S. 2000. A Fuzzy Compromise Approach to Water Resource Systems Planning Under Uncertainty. Fuzzy Sets and Systems, 115: 35-44.
Boremnejad VA. and Yazdani S. 2004. Sustainability Analysis in Water Resources in Agriculture Using Fraction Planning. Case Study of Kerman Province. Research and Construction, 63:1-15.
Blin J. 1974. Fuzzy Relations in Group Decision Theory. Journal of Cybernet, 4(2): 17-22.
Cornelissen AMG. 2003. The Two Faces of Sustainability; Fuzzy Evaluation of Sustainable Development. Wageningen University Netherlands.
Fathi F. and Zibaei M. (2010). Factors Affecting Groundwater Utilization Management Using Multi-Objective Programming Model: A Case Study of Firoozabad Plain. Journal of Agricultural Science and Technology. Water and Soil Science. 53: 155-164.
Homayuni far M. and Rastegaripour F. 2010. Water Allocation of Latina Dam between Agricultural Products under Uncertain Conditions. Journal of Agricultural Economics and Development (Agricultural Sciences and Technology). 24(2). 259-267.
Kohansal M. and Zare F. 2008. Determination of Optimal Cropping Pattern for Sustainable Agriculture Using Fuzzy Fractional Planning with Multiple Objectives, Case Study of North Khorasan Province. Economics and development.8 (15): 191-201.
Krcmar E. and Kooten GV. 2008. Economic Development Prospects of Forest-Dependent Communities: Analyzing Trade-Offs Using a Compromise-Fuzzy Programming Framework. American. Journal of Agricultural Economics, 90(4): 1103–1117.
Li M., Fu Q., Singh V., Ma M. and Liu X. 2017. An Intuitionistic Fuzzy Multi-Objective Non-Linear Programming Model for Sustainable Irrigation Water Allocation under the Combination of Dry and Wet Conditions. Journal of Hydrology, 555: 80-94.
Meyer SJ., Hubbard K. and Wilhite DA. 1993. A Crop- Specific Drought Index for Corn: Model Development and Validation. Agronomy Journal, 85: 388-395.
Mohammadi M., Naghshineh Fard M., Bostani F. and Pishbin S. 2009. Application of Fuzzy Factor Planning for Optimization of Agricultural Production in Fars Province: A Case Study of Marvdasht Region. Journal of Agricultural Science. 5(15): 115-133.
Mozafari MM. 2016. Management of Irrigation Water Demand in Ardalan Plain with Emphasis on Pricing Policy. Protection of Water and Soil Resources, 4(5): 47-68.
Parhizkari A., Mozafari MM., Shokat Fadayi M. and Mahmoodi A. 2015. Low Irrigation with Available Water Reduction. A solution to Protect Water Resources in Qazvin Plain. Protection of Water and Soil Resources, 1(5): 67-80.
Poladian A. 2007. Report on the Justification of the Extension of the Ban on Groundwater Resources in the Study Area of Firoozabad, Yazd, Iran. 85-86. Deputy Head of Water Resources Management Water Resources Management. Ministry of Energy: Fars Regional Water Authority. 1-95.
Ren C., Guo P., Tan Q. and Zhang L. 2017. A Multi-Objective Fuzzy Programming Model for Optimal Use of Irrigation Water and Land Resources under Uncertainty in Gansu Province, China, Journal of Cleaner Production, 164: 85-94.
Seyidan SM. and Ghorbani M. 2017. Achieving the Optimal Route of Extraction from Groundwater Resources by Applying Side Effects in Hamedan-Bahar Plain. Research Center for Management of Watershed District, 8(15): 191-201.
Seo F. and Sakawa M. 1985. Fuzzy Multi attribute Utility Analysis for Collective Choice, Iee Trans. Systems Man Cybernet, 15(1): 45-53.
Siskos J. 1982. A Way to Deal with Fuzzy Preferences in Multi criteria Decision Problems. European Journal Operation Research, 10: 314-324.