تغییر الگوی کشت بهینه با توجه به ریسک و محدودیت¬های جدید اعمالی شرکت¬آب¬منطقه¬ای ¬استان¬کردستان (مطالعه موردی مزرعه 200 هکتاری در دشت دهگلان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه مهندسی ماشین¬های کشاورزی، دانشکده کشاورزی، دانشگاه تبریز

2 دانشیار گروه مهندسی ماشین¬های کشاورزی، دانشکده کشاورزی، دانشگاه تبریز

3 مدرس موسسه آموزش عالی ایرانمهر

4 استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

چکیده

با توجه به نامناسب بودن پراکندگی زمانی و مکانی ریزشهای جوی در ایران و پایین بودن راندمان آبیاری در کشاورزی، آب به عنوان محدود کننده­ترین عامل تولید در کشاورزی مطرح می­باشد. به­ علت گستردگی پهنه‌ی مرزی کشورمان و تنوع اقلیمی مناطق گوناگون، رسیدن به الگوی کشت مناسب که از آن بتوان حداکثر بهره‌برداری را از عوامل ونهاده­های تولید به‌ویژه عامل محدود کننده‌ی آب به‌دست آورد ضرورتی انکار ناپذیر است. دشت دهگلان دارای 802 حلقه چاه عمیق و نیمه عمیق می­باشد که با مشکل افت سطح آب زیرزمینی روبه­رو بوده است. استفاده بی­رویه  از منابع آب و خشک­سالی سال­های اخیر، شرکت آب منطقه­ای  استان کردستان را برآن داشته است که جهت حفظ منابع آبی، محدودیت­هایی برای جلوگیری از اضافه برداشت آب چاه­ها اعمال نماید. 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 به وسیلة انحراف منفی از یک مقدار بازده (درآمدناخالص)، به صورت مجموع حاصلضرب بازدهی­های انتظاری فعالیت­های جداگانه محاسبه می­شود. 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 داد در صورتی که زارع از الگوی کشت بهینه در زمان اعمال محدودیت آب استفاده کند در حداکثر ریسک تنها 2000 هزار ریال نسبت به حالتی که محدودیت آب اعمال نشده است، زیان خواهد دید.

کلیدواژه‌ها


عنوان مقاله [English]

Changing of Optimum Cropping Pattern Analysis Considering Risk Factor and New Limitations of Kurdistan Regional Water Company (Case study: 200 Hectares of Farm Area in Dehgolan Field

نویسندگان [English]

  • Sepideh Taghizadeh 1
  • Hossein Navid 2
  • Reza fellegari 3
  • Ahmad Fakheri fard 4
چکیده [English]

Considering to insufficient distribution of time and spatial of atmospheric raining and the low efficiency of agricultural irrigation, water is the most limiting factor in agricultural production in Iran. Due to extent of border zone and diversity of different climatic regions in our country, reaching a suitable cultivation model that it can bring maximum utilization of production factors and inputs particularly water as the limiting factor is an undeniable necessary. Dehgolan field has 802 deep and semi deep wells which have the problem of the water surface falling. Surplus usage of water resource and droughts in recent years impelled Kurdistan Province Regional Water Company to exert limitations for preventing excessive water extraction from wells.Target-Motad is a kind of mathematical programming model which interferes risk in decisions for planning farm activities. The main feature of this model is that the risk is calculated by negative deviation of a determined efficiency (gross revenue), as total product of the expected efficiencies for separate activities. In this study, the analysis of optimum cropping pattern in risk condition and considering exertive limitations is considered.  Results show that if the farmers use the optimum cropping pattern in water limitation period, there will be only 2000 thousand Rial loss in comparison with the state which there is no water limitation.

کلیدواژه‌ها [English]

  • Dehgolan Field
  • Optimum Cropping Pattern
  • Risk
  • Target-Motad model
  • Water resource

مقدمه

      رشد روز افزون جمعیت ومحدودیت منابع موجود، بشر را وادار ساخته است تا با مدیریت صحیح منابع موجود وتخصیص بهینه منابع محدود به نیازهای نامحدود بشری به بهترین نحو ممکن پاسخ دهد. به سبب فعالیت جمع کثیری از جمعیت کشورهای در حال توسعه به خصوص ایران در بخش کشاورزی، اقتصاد  این کشورها بطور چشمگیری وابسته به کشاورزی است. برای حفظ منابعی پایدار در کشاورزی انتخاب یک الگوی کشت بهینه که در آن علاوه بر داشتن شرط حداکثر درآمد ممکن برای کشاورز به استفاده صحیح و اصولی از منابع نیز توجه شود ضروری است.آب مهمترین فاکتور برای حفظ تولیدات کشاورزی و تغذیه انسان می­باشد (استر و همکاران 2006). تولیدات کشاورزی در سراسر دنیا با توجه به کمیت و کیفیت مقدار آب در دسترس برای آبیاری محدود می­شود (تیاگی و همکاران  2005). افزایش تولید محصولات کشاورزی برای تامین غذای لازم برای جمعیت در حال رشد در جهان و به خصوص در بسیاری از کشورهای در حال توسعه فشار زیادی به منابع آبی آورده است (والس و بتچلر 1997).  بنابراین نگرشی جدید در خصوص مدیریت منابع آب در بخش کشاورزی ضروری بنظر می­رسد. کمبود آب به صورت بالقوه یک موضوع بسیار پر تنش در عرصه سیاست است (آلن 2001). سیاست آبی کشورها در زمینه مدیریت منابع آب کشاورزی عمدتا شامل تهیه یک برنامه زمانی برای عرضه آب موجود در دوره­های مختلف کشت گیاهان و تخصیص مناسب آب در طی دوره رشد می­باشد (حورایی و ازیز 2001). در اوریسا (هندوستان)، دولت منطقه به منظور توسعه پایدار استراتژی­های مدیریت پایدار آب و زمین در مناطق مرطوب، به برنامه­ریزی و مدیریت منابع آب مطابق الگوی کشت تولید محصول پرداخته است (ستی و همکاران2006). کشور ایران با متوسط نزولات جوی 260 میلی‌متر در سال از کشورهای خشک جهان و دارای منابع آب محدود است. با توجه به رشد جمعیت در ایران، سرانه منابع آب تجدید‌شونده سالانه که در سال 1335 هفت‌هزار مترمکعب بوده، در سال 1375 به دو هزار مترمکعب کاهش یافته و پیش‌بینی می‌شود که تا سال 1400 به حدود 800 مترمکعب کاهش یابد که پایین‌تر از مرز کم آبی (هزار مترمکعب) می‌باشد. با توجه به تقسیم‌بندی سازمان ملل متحد، در سال مزبور ایران نه‌تنها شرایط تنش و فشار ناشی از کمبود آب را تجربه خواهدکرد، بلکه وارد شرایط کمیابی شدید آب می‌گردد. در سال‌های خشک، از هم‌اکنون شاهد کمبود و بحران آب هستیم که می‌تواند خسارات اقتصادی، تنش‌های اجتماعی- سیاسی و مخاطرات بهداشتی به‌بار آورد (بی­نام 1388). جدول 1 تفاوت مصرف آب را برای سه محصول در ایران و متوسط جهانی را نشان می دهد (منوچهری 1386).

جدول 1- مقایسه آب مصرفی محصولات کشاورزی در ایران و جهان

 

مصرف جهان

(M3/ha)

مصرف ایران

(M3/ha)

گندم

6500-4500

6400

محصولات جالیزی

10500-7000

17900

چغندر

7500-5500

14000-10000

 

     یکی از اهداف بلند مدت مدیریت راهبردی آب کشور تعادل برقرار کردن بین تقاضای آب موجود با کمترین هزینه ممکن می­باشد (بی­نام 1386). به طور کلی، علاوه بر مدیریت باروری خاک، دواستراتژی عمده زراعی شناخته شده برای افزایش بهره­وری مصرف آب عبارتند از: مدیریت آب و خاک ومدیریت الگوی کشت (وندرئن و همکاران 2000). در سال­های اخیرتحقیقات زیادی در زمینه تعیین الگوی بهینه کشت با در نظر گرفتن منابع آب موجود انجام شده­است. به­عنوان مثال صفوی و همکاران (2010) با استفاده از  برنامه­ریزی دینامیک فازی به برنامه ریزی مطلوب کشت محصولات با توجه به محدودیت منابع آب سطحی و زیرزمینی منطقه نجف آباد اصفهان که از مناطق نسبتاً کم آب ایران محسوب می­شود پرداختند. ادیمو و همکاران (2010) و ادیمو و اتینو (2010) برای به حداکثر رساندن سود خالص کل و میزان تولید محصولات کشاورزی با به حداقل رساندن مجموع آب آبیاری مورد استفاده در آفریقای جنوبی که یکی از کشورهای کم آب جهان می­باشد از مدل برنامه­ریزی کشت بهینه چند منظوره[1] و تک منظوره[2]به همراه الگوریتم دیفرانسیل تکاملی[3] استفاده کردند. نتایج تحقیقات نشان داد که استفاده از مدل کشت بهینه تک منظوره می­تواند نتایج بهتری نسبت به استفاده از مدل کشت چندمنظوره ارائه دهد. زایدینگ

و همکاران (2010) به­منظور مدیریت منابع آب کشاورزی لیانگ­ژو، استان گانسو (در شمال غرب چین) با استفاده از برنامه­ریزی خطی چندمنظوره فازی[4] به برنامه­ریزی کشت بهینه منطقه پرداختند. نتایج به­دست آمده از تحقیق نشان داد که راه­حل­های ارائه شده توسط برنامه­ریزی خطی چندمنظوره فازی در مقایسه با برنامه­ریزی خطی چندمنظوره می تواند رضایت بیشتری در تصمیم­گیران با درنظر گرفتن اولویت­های مدیریت در برنامه ایجاد کند و در برنامه­ریزی و ارائه راه حل­های جایگزین برای پشتیبانی تصمیم گیری بهتر مورد استفاده قرار گیرد. مین­اودین و همکاران (1997) به ارائه مدل برنامه ریزی آبیاری ماهانه به­منظور تعیین الگوی بهینه کشت با در نظر گرفتن منابع آب­های زیرزمینی موجود در ساکهاتایی[5] تایلند پرداختند. در این مدل دو هدف، حداکثر کردن سود خالص اقتصادی و حداکثر استفاده بهینه از منابع آب موجود مورد توجه قرار داشتند. جهت تعیین الگوی کشت با توجه به محدودیت­ منابع از دهه 1960 تاکنون بطور وسیعی از برنامه ریزی خطی استفاده شده است. هدف برنامه ریزی خطی به حداکثر رساندن تابعهدف با در نظر گرفتن تعدادی از محدودیت­ها (منابع) و متغیرهای تصمیم (فعالیت­ها) بطور همزمان می­باشد (چیذری و قاسمی 1378). غلامی (1382) بااستفاده ازبرنامه ریزی خطی به تعیین تناوب زراعی بهینه با هدف تعیین الگوی بهینه تناوب زراعی برای به دست آوردن درآمدخالص ومقایسه آن باوضع موجود، درمزرعه­ای 110هکتاری درشهرستان بجنورد پرداخت. در تولید محصولات کشاورزی بدست آوردن ترکیبی از محصولات که بتواند بیشترین درآمد را از مصرف هزینه ثابتی برای زارع داشته باشد و یا کمترین هزینه ایجاد یک درآمد ثابت را در بر داشته باشد، اهمیت ویژه­ای دارد (ترکمانی و عبدشاهی 1379). علاوه بر این  فعالیت در بخش کشاورزی به علت اتکای زیاد به طبیعت و وابستگی آن به عوامل و شرایط جوی و محیطی، فعالیتی همراه با ریسک محسوب شده و علاوه بر آن کشاورزان با مجموعه­ای از انواع ریسک و نااطمینانی در قیمت محصولات مواجه­اند که درآمد آن­ها را بی ثبات می­کند (ویس 1991).  ترکمانی (1996) از تحقیقات خود نتیجه گرفت که شدت ریسک با سطح توسعه کشورها معمولاً رابطه منفی دارد،  بطوری که در کشورهای جهان سوم تحمل ریسک ناشی از عوامل اقتصادی و طبیعی برای کشاورزان سخت­تر است. راندهیر و کریشنامورسی (1993) به این نتیجه رسیدند که  کشاورزان اکثراً یک درآمد مطمئن، هرچند پایین را، به درآمد بالا و بی ثبات ترجیح می­دهند. لین و همکاران (1974) و پاریس (1979)  دریافتند که بی توجهی به ریسک در مدل قدیمی برنامه ریزی خطی مزرعه اغلب باعث نتایجی شده که با آنچه کشاورزان در عمل انجام می­دهند متفاوت است. به منظور رفع این مشکل و توجه به عامل ریسک، در برنامه بهینه مرزعه مدل­های متعددی ارائه و استفاده شده است، که از آن  جمله می­توان به برنامه­ریزی غیر خطی، مدل فوکوس- لاس[6]، مدل ریسک نهایی محدود ­شده، مدل موتاد[7]، مدل موتاد ­­­پیشرفته و مدل موتاد­ هدف[8]، اشاره نمود. مدل موتاد- ­هدف در دو دهه اخیر برای تعیین الگوی بهینه کشت بطور گسترده استفاده شده است، بطوری که محققینی چون حورایی و ازیز (2001) برای تعیین الگوی کشت بهینه تحت شرایط کم­آبی، کهخا و همکاران (2005) برای تحلیل ریسک در مزارع استان فارس با استفاده از روش­های برنامه­ریزی ریسکی و دانشور کاخکی و همکارن (2009)  برای الگوی کشت دانه­های روغنی از مدل موتاد هدف  استفاده کرده­اند. دشت دهگلان (ئیلان) در استان کردستان واقع است واز طرف شرق به دشت قروه و از سه طرف دیگر به ارتفاعات محدود شده ودارای وسعتی در حدود 627 کیلومتر مربع با شیب ملایم به طرف شمال وشرق گسترش یافته است. دهگلان از نظر کشاورزی غنی و دارای 159963 هکتار اراضی دیم و 14485هکتار آبی می­باشد و از چاه های عمیق ونیمه عمیق برای تامین آب این دشت استفاده می­شود.

     هدف پژوهش حاضر بررسی نهاده­های تولید بخصوص محدودیت جدی آب و استفاده از روش برنامه ریزی توام با ریسک در طراحی الگوی کشت زراعی  برای یک مزرعه 200 هکتاری در روستای بلبان آباد است.  همچنین ­مقایسه­ای بین الگوی کشت بهینه قبل و بعد ازمحدودیت منابع آب اعمال شده توسط شرکت آب منطقه­ای کردستان، انجام شده و زیان وارده محاسبه گردیده است.

 

مبانی نظری روش تحقیق

مدل موتاد تقریبی خطی از روش برنامه­ریزی درجه دوم توام با ریسک (QRP)[9] است که نخستین بار توسط هیزل در سال 1971 ارائه گردید ( فروتن 1381). در این روش، جهت تعیین ریسک هر طرح، به­جای واریانس درآمد از حداقل انحرافات مطلق (MAD)[10] بازده محصولات از میانگین استفاده می­گردد. حداقل شدن مجموع انحرافات منفی بازده ناخالص فعالیت­ها در هر سال از میانگین بازده­های آن، بر این فرض استوار است که زارع ترجیحات خود را با توجه به میانگین درآمد انتظاری و واریانس درآمد طرح­های مختلف درجه بندی می­کند (تاور1983). در حالی که بعضی اوقات زارع در تصمیم گیری،  کمترین درآمد مورد انتظار را جهت رفع نیازهای ضروری خود و خانواده خویش، بازپرداخت وام و همچنین حفظ موقعیت اقتصادی خویش در نظر می­گیرد، اما بجای حداقل نمودن واریانس درآمد هر سطح از درآمد انتظاری، به دنبال حداکثر کردن درآمد انتظاری خویش در هر سطح مشخص از واریانس درآمد می­باشد.  به عبارت دیگر  هر زارع سعی می­کند تا با توجه به درجه ریسک یا خطر پذیری خویش، به حداکثر نمودن درآمد انتظاری خود بپرازد. بر این اساس تاور (1983) مدل موتاد- ­هدف را ارائه نمود که در آن درآمد مورد انتظار هر طرح به شرط محدودیت روی انحرافات کل از یک هدف درآمدی  ثابت، ماکزیمم می­گردد. به عبارت دیگر، در این مدل ریسک بجای انحرافات منفی از میانگین، برحسب انحرافات منفی از یک هدف درآمدی ثابت اندازه­گیری می­شود. مزیت مدل موتاد- هدف بر مدل موتاد در این است که میانگین درآمد، نیاز­های اساسی خانوار زارع را به طور کامل تامین نمی­کند در حالی­که درآمد­های هدف این قابلیت را دارا می­باشد (ترکمانی  و عبدشاهی 1379). بنابراین می­توان گفت مدل موتاد- هدف،حالتی از برنامه ریزی ریاضی است که ریسک را وارد تصمیم­گیری­های مربوط به برنامه ریزی برای فعالیت­های مزرعه می­کند. تابع مطلوبیت فرض شده برای مدل موتاد- ­هدف به شکل زیر است:

]1[

 

 

که در آن t وz سطح درآمد هدف­اند. از آنجا که تابع مطلوبیت بالا، صعودی و مقعر درz  (و شکسته شده درt) است، پس فرد موردنظر ریسک گریز است. می­توان به بیان دیگر نیز تابع مطلوبیت را به صورت رابطه 2 تعریف کرد: 

]2[

U(z)=a +bz+c(z−t)  اگر         z T

 

]3[

z >T اگر            U=a + bz

 

که درآنc وb،a ضرایب تابع و بزرگتر از صفر، Tدرآمدمورد هدف و  z متغیرتصادفی می­باشد. این تابع، تصمیم گیرنده­ای را توصیف می­کند که نسبت به بازده کمتر از T ریسک گریز است، اما نسبت به بازده بالاتر از T بی­اعتناست )کرباسی ١٣٧٩­­­) .(

این مدل را به طور خلاصه به صورت رابطه 4 می­توان نمایش داد.

         که درآنE(z) بازده برنامه­های انتظاری، بازده انتظاری فعالیتj ام، متغیر تصمیم، احتمال وقوع پیشامد درحالت یا سال h و λ پارامتر ریسک است. مقدارT نیز درآمد خالص کل یا همان هدف مورد انتظار و Yمیانگین انحراف از هدف است )خلیلیان و موسوی ١٣٨٣(. دراین فرمول تابع هدف، بازده مورد انتظاررا حداکثر می­کند. معادله١ محدودیت­های تکنیکی را لحاظ می­نماید و معادله 2 درآمد رادرحالت ریسک اندازه­گیری می­کند و درصورتی که کمتر از T باشد، ازطریقY مربوط، به معادله 3 انتقال می­یابد. معادله ٣ نیز مجموع انحرافات منفی را بعد از وزن دادن، براساس احتمال وقوع آنها (P)  اندازه­گیری می­کند.

            این فرمول­بندی،مجموعه جواب­های کارای λ (ریسک) و E (بازده) را برای مقدار معینی از درآمد هدف ایجاد می­کند. ازآنجا که مدل موتاد- ­هدف، تابع هدف ومحدودیت­های خطی دارد با الگوریتم برنامه ریزی خطی قابل حل است.  چون کشاورزان یا تصمیم گیرندگان اغلب تمایل دارند  بازده خود را حداکثر کنند، استفاده ازمدل موتاد- ­هدف می­تواند بسیار مفید باشد. ازجمله امتیازات مهم دیگر مدل، این است که پاسخ­های آن از نوع تصادفی درجه دوم (SSD) است، یعنی برای تصمیم گیرندگان ریسک گریز به طورتصادفی، کارا هستند. روش موتاد- ­هدف این نقص را دارد که درآن λ و  Tهر دو باید مشخص شوند، اگرچه اینکار امکانپذیر و برطرف شدنی است. ازسوی دیگر،مدل موتاد- هدف برای آزمون مبادلات ریسک - بازده[11]نسبت به سایر روش­ها پذیرفتنی­تر است (سلطانی و همکاران ١٣٧٨(.

     

Maximize

 

 

 

 

 c

 

 

 

 

]4[

 (h=1,2,…,s)

 

 

مواد و روش­ها

دشت دهگلان دارای 802 حلقه چاه عمیق ونیمه عمیق می­باشد. خاک­های این منطقه مانند خاک های استان کردستان جوان بوده ومراحل پیدایش خاک را بطور کامل سپری نکرده وچون اکثر این خاک­ها در تپه ماهورها پدید آمده­اند دارای زهکشی طبیعی خوبی بوده و خطر از نظر شوری آن را تهدید نمی­کند. معیشت 60 درصد ساکنین این دشت از بخش­های کشاورزی تامین می­شود. در شکل 1 موقعیت جغرافیایی این منطقه مشاهده می­شود. از مهمترین محصولات کشاورزی دشت دهگلان می­توان به گندم، جو، سیب زمینی، کلزا و یونجه اشاره نمود. از مشکلات این  دشت که ادامه روند فعالیت­های کشاورزی در آن را متوقف ساخته­است تشدید روند افت سطح آب­های زیرزمینی و کاهش حجم ذخایر آبی این منطقه  است. براساس آخرین آمار و اندازه گیری­های انجام شده­ی ماهانه، چاه­های مشاهده­ای در دهگلان8 متر نسبت به سال پایه مطالعات (۷۷-1376) افت سطح آب داشته اند (بی نام، 1387). استفاده بی رویه از منابع آب و خشکسالی سال­های اخیر شرکت آب منطقه­ای استان کردستان را برآن داشته است که جهت حفظ منابع آبی، محدودیت هایی برای جلوگیری از اضافه برداشت آب چاه­ها اعمال نماید. یکی از راهکارهایی که شرکت برای این منظور ارائه کرده  است، خرید و نصب کنتورهای هوشمند آب و برق است که در طول شبانه روز دبی آب برداشتی را کنترل می کند. هدف از نصب این کنتورها کاهش آب مصرفی کشاورزان به 30درصد مقدار فعلی می­باشد.

محدودیت­های در نظر گرفته برای مزرعه شامل زمین، آّب (پاییزه، بهاره، تابستانه)، ماشین آلات (پاییزه و بهاره)، سرمایه و نیروی کار می­باشد.

   این پژوهش در دو مرحله انجام گرفت. الف- استفاده از مدل برنامه­ریزی توام با ریسک، بدون در نظر گرفتن محدودیت اعمالی شرکت آب منطقه­ای کردستان. ب- استفاده از مدل برنامه­ریزی توام با ریسک، با در نظر گرفتن محدودیت اعمالی شرکت آب منطقه­ای کردستان.

 

الف- تعیین الگوی کشت با مدل­های توام با ریسک و تعیین اثر ریسک بر تصمیم­گیری

براساس مدل موتاد- ­هدف ارائه شده در قسمت قبل، الگوی بهینه کشت با توجه به ریسک تولید تعیین گردید. همانطور که در جدول 2 مشاهده می­شود، متغیر­های تصمیم در مدل موتاد- ­هدف در برگیرنده پنج متغیر، بترتیب فعالیت­های کشت گندم، جو، ذرت علوفه­ای، سیب زمینی و کلزا مربوط به سالهای 88 – 1382 می­باشند. در مدل موتاد­- ­­هدف، هدف حداکثر کردن درآمد انتظاری کل طرح در هر سطح مشخص از ریسک می­باشد. مدل موجود شامل پنج محدودیت مربوط به موجودی منابع قابل دسترس می­باشد که عبارتند از محدودیت­های زمین، آب، سرمایه، نیروی کار و ماشین­آلات که محدودیت­های آب، نیروی کار و ماشین­آلات به چند بخش که بیانگر زمان­های بحرانی نیاز محصولات به این منابع است، تقسیم شده­اند. برای مثال محدودیت آب در منطقه در سه زمان حساس یعنی اوایل پاییز (5 مهرتا 15 آبان)،  اواخر بهار (15 اردیبهشت تا آخر خرداد) و اوایل تابستان (1تیر تا 15 مرداد) مشاهده گردید که دلیل آن نوع کشت غالب منطقه بوده است. همچنین محصول جو به علت مصرف آن به عنوان غذای دام در الگوی کشت قرار می­گیرد و مدیر مزرعه حداقل 20 هکتار را برای تغذیه دام به کاشت این محصول اختصاص می­دهد. ضرایب مربوط به این محدودیت­ها بیانگر نیاز یک هکتار کشت هر محصول به این منابع می باشد و اعداد سمت راست هر یک بیانگر حداکثر منابع در دسترس می­باشد. محدودیت­های مربوط به سال­های اول تا هفتم نیز شامل درآمد ناخالص هر فعالیت در سال­های مختلف می­باشد. در مدل موتاد- ­هدف، که ضرایب آن در جدول شماره 2 آمده است، محدودیت­های منابع نسبت به مدل برنامه­ریزی خطی معمولی تغییری نکرده است. اما از آنجا که هدف مدل حداکثر کردن کل بازده   انتظاری طرح است.

   

شکل1- موقعیت جغرافیایی دشت دهگلان (ئیلان) استان کردستان

 

لذا مقادیر بازده انتظاری هر رشته فعالیت در تابع هدف وارد شده است. از طرفی با فرض احتمال یکسان برای وقوع در سالهای مختلف، مقدار  قرار داده شده است. λ نیز نمایانگر مجموع حاصل ضرب انحرافات منفی در احتمال وقوع آنهاست که همان ریسک طرح محسوب می­شود. لذا در مدل موتاد- ­هدف می­توان با تغییر  پارامترهای بازده هدف (T) در  سال­های مختلف

 

 


جدول 2- ماتریس موتاد- هدف

طرف راست

 

سال7

سال­­­6

سال­5

سال­4

سال3

سال2

سال1

کلزا

سیب زمینی

یونجه

جو

گندم

 

Max

 

0

0

0

0

0

0

0

800

3100

880

720

1000

تابع هدف

Λ

=

14/0

14/0

14/0

14/0

14/0

14/0

14/0

0

0

0

0

0

بازده انتظاری

200

0

0

0

0

0

0

0

1

1

1

1

1

زمین

245800

0

0

0

0

0

0

0

300

100

500

1100

1400

آب پاییزه (M³)

236500

0

0

0

0

0

0

0

1000

500

4610

2500

3700

آب بهاره(M³)

291600

0

0

0

0

0

0

0

4000

6504

7400

0

700

آب تابستانه(M³)

300

0

0

0

0

0

0

0

4

0

3

4

4.1

ماشین آلات پاییزه(ساعت)

400

0

0

0

0

0

0

0

0

5

1

0

0

ماشین آلات بهاره(ساعت)

100000

0

0

0

0

0

0

0

480

2500

280

400

500

سرمایه

1890

0

0

0

0

0

0

0

4

1

1

5

5

نیروی کار

20

0

0

0

0

0

0

0

0

0

0

1

0

جو

T

0

0

0

0

0

0

1

800

-257.7

875

1700

896.5

سال اول

T

0

0

0

0

0

1

0

606.82

4952

630

600

699.1

سال دوم

T

0

0

0

0

1

0

0

572.7

3140

510.77

532.17

652.98

سال سوم

T

0

0

0

1

0

0

0

495

513

450

532

433

سال چهارم

T

0

0

1

0

0

0

0

412.49

784.24

432.14

504.9

475.1

سال پنجم

T

0

1

0

0

0

0

0

380.7

1925

390.1

471.5

388

سال ششم

T

1

0

0

0

0

0

0

340

1037

380

414.6

377.16

سال هفتم

                               

 

است. λ نیز نمایانگر مجموع حاصل ضرب انحرافات منفی در احتمال وقوع آنهاست که همان ریسک طرح محسوب می­شود. لذا در مدل موتاد- ­هدف می­توان با تغییر  پارامترهای بازده هدف (T) در سال­های مختلف و ریسک طرح (λ)، به طرح­های بهینه مختلفی در سطوح گوناگون ریسک و بازده دست یافت. اضافه بر آن، با ثابت نگهداشتن یکی از پارامتر­ها برای مثال T و تغییر پارامتر دیگر مثلا λ، می­توان طرح­های مختلف را با یکدیگر مقایسه کرد. به این منظور، ابتدا بازده انتظاری در حد معینی ثابت شد و سپس با افزایش ریسک طرح (افزایشλ از صفر تا عددی بزرگ) الگو­های بهینه آزمون گردید و الگو­های بهینه فراوانی به دست آمده که جهت مقایسه، 6 طرح آن در جدول 3 ارائه گردیده است. مدل برنامه ریزی خطی را می­توان با حذف سطرهای سوم وچهارم مدل موتاد- ­هدف به دست آورد. با حذف محدودیت  و  به مدل برنامه­ریزی خطی ساده دست یافتیم.

 

نتایج و بحث

          الف- نتایج مربوط به آنالیز مدل موتاد در جدول 3نشان داده شده است. طبق جدول در 6500000T=  با افزایش مقدار ریسک از 0 تا 8000000 تومان، سطح زیر کشت محصولات تغییر می­کند و سود نیز افزایش می­یابد. ولی با افزایش ریسک از 9500000 تومان، سطح زیر کشت ثابت و سود نیز در مقدار 117580000 تومان تثبیت می­شود.  طبق شکل 3 شیب نمودار تا ریسک 9500000 تومان تند است، در ادامه ملایم­تر می­شود و در نهایت  در سود  117580000 تومان ثابت می شود. در 9000000T= با افزایش مقدار ریسک از 0 تا 21500000 تومان، سطح زیر کشت محصولات تغییر می­کند و سود نیز افزایش می­یابد. ولی با افزایش ریسک از 26000000 تومان، سطح زیر کشت ثابت و سود نیز در مقدار 117580000 تومان تثبیت می­شود که این مقدار بالاترین سودی که در هر درآمد انتظاری و در مقادیر مختلف ریسک با این نهاده­ها،
می­توان بدست آورد. طبق شکل 2شیب نمودار تا ریسک 2600000 تومان تند است، در ادامه ملایم تر می­شود و در نهایت  در سود  117580000 تومان ثابت می شود.

            ب-  جدول 4مربوط به حالتی است که محدودیت منابع آب شرکت منطقه­ای اعمال نشده است. براساس نتایج حاصله از برنامه در درآمد انتظاری 65000000 تومان و ریسک   8000000 تومان یونجه با اعمال محدودیت آب کمتر کاشته می­شود. با افزایش ریسک رفته رفته کاشت یونجه کم شده و در سود حداکثر به صفر می­رسد. دلیل این کم شدن آب مورد نیاز یونجه است که نسبت به محصولات دیگر بالاتر است.

از طرفی کشاورز با ریسک­پذیری می­تواند به سود بیشتری دست یابد. در 90000T=  تا ریسک 2600000 تومان و 6500000T=  تا ریسک 9500 با افزایش ریسک سود بیشتر خواهد شد و در نهایت به  118459می­رسد. بعد از این نقطه با هر میزان ریسک، سود ثابت خواهد ماند. با افزایش λمشاهده می­شود که سطح زیرکشت محصول گندم بالا می­رود، درحالی که سطح زیرکشت یونجه و جو پایین می­آید. محصول سیب­زمینی نیز با افزایش ریسک تغییر چندانی در الگوی کشت  ندارد. نکته قابل ذکر این است که سطح زیر کشت محصول کلزا با اعمال محدویت آب و افزایش ریسک  ابتدا  افزایش و سپس و در ریسک بیشینه صفر می­شود.

طبق جدول  4 که مربوط به الگوی بهینه کشت بدون در نظر گرفتن محدودیت آب است؛  کشاورز در شرایط موجود 10 هکتار کلزا زیر کشت می­برد اما با افزایش ریسک سطح زیر کشت کلزا کاهش و به صفر می­رسد.  طبق  نتایج در پرسش­نامه­ای که توسط کشاورزان تکمیل کردند دلیل کاشت کلزا را حمایت دولت (کود، کاشت، برداشت، خرید تضمینی، وام کم­بهره) بود.

        همچنین در وضع موجود کشاورز اقدام به کشت 30 هکتار گندم می­کند که در ریسک پایین نزدیک مدل تخمینی الگوی کشت بدون محدودیت است، اما با اعمال محدودیت جدید آب، مقدار  سطح زیر کشت در ریسک کم به 16 هکتار و در ریسک و سود بیشینه  به 48 هکتار می­رسد.

      در جدول شماره 5 به مقایسه روش برنامه ریزی خطی با مدل موتاد- ­هدف پرداخته شده است. با توجه به نتایج، مشاهده می­شود هنگامی که ریسک در بالاترین میزان خود قرار دارد، در هر دو مدل (با محدودیت وبدون محدودیت) جواب بدست آمده در درآمد­های انتظاری گوناگون با جواب برنامه ریزی خطی برابر است. بنابراین می­توان گفت مدل برنامه ریزی خطی حالت خاصی از مدل­های برنامه­ریزی توام با ریسک است که بالاترین ریسک را دارد. به عبارت دیگر، مدل برنامه ریزی خطی، الگویی ارائه می­دهد که ریسک آن در بالاترین حد ممکن است. این امر به دلیل فرض­های این نوع مدل همچون ثابت ماندن قیمت محصولات، هزینه نهاده­ها وخطی بودن روابط میان متغیر­هاست (ترکمانی  1375).

     در مجموع با توجه به جداول 3و4 می­توان گفت که اگر از نهاده­ها در جهت الگوی بهینه کشت استفاده شود علاوه بر افزایش سود در مزرعه مورد نظر، به دلیل استفاده مناسب از منابع کمیاب به خصوص آب، محدودیت اعمالی تاثیر زیادی بر میزان سطح زیر کشت محصولات  در سطوح ریسکی پایین نخواهد داشت و تنها اگر کشاورز  حاضر به انجام ریسک­های بالا در تولید باشد، و حداکثر درآمد ممکن را بخواهد محدودیت اعمالی آب می­تواند موجب کاهش سود کل به مقدار 205 هزار تومان گردد  که با توجه به اثرات مفید این طرح در حفظ منابع آب زیرزمینی این مقدار کاهش سود توجیه­پذیر به نظر می­رسد. بنابراین راهکار شرکت مبنی بر خرید و نصب کنتورهای هوشمند آب و برق که در طول شبانه روز دبی آب برداشتی را کنترل می کند، برای حفظ و توسعه وضعیت کشاورزی در منطقه دهگلان کاری منطقی و سودمند به نظر می رسد.

 

نتیجه گیری

طبق ماده 17 قوانین آب در برنامه چهارم توسعه مرتبط با صنعت آب به منظور ایجاد تعادل بین تغذیه و برداشت سفره‌های آب زیرزمینی در دشت­های با ترازمنفی، دولت مکلف است با تجهیز منابع مالی مورد نیاز و تمهیدات سازه‌ای و مدیریتی،مجوزهای بهره‌برداری در این دشت­ها را براساس مصرف معقول [موضوع ماده (19) قانون توزیع عادلانه آب] که با روش­های نوین آبیاری و تغییر الگوی کشت قابل دسترس است، اصلاح نماید به طوریکه تا پایان برنامه چهارم تراز منفی سفره‌های آب زیرزمینی بیست و پنج درصد (25%)بهبود یابد. اساسی‌ترین رمز موفقیت در الگوی کشت، همدلی و همکاری کشاورزان است. همکاری کشاورزان نیز در گروی سود معقول و بهینه می­باشد. در این پژوهش سعی شد که کشاورزان با اعمال محدودیت آب کمترین زیان اقتصادی را متحمل شوند. نتایج در این پژوهش نشان داد که می­بایستی محصول یونجه با توجه به مصرف بالای  آب از الگوی کشت خارج و جای خود را به محصول گندم بدهد. گزینش محصولاتی که از نظر اقلیمی با شرایط منطقه سازگاری کامل داشته و از نظر اقتصادی نیز دارای مزیت بوده و نسبت به محدودیت‌ها و امکانات موجود نیز قابلیت مدیریت سهل‌تری داشته باشد می­تواند به کشاورزان در جایگزین کردن یونجه کمک کند. همچنین برای مصرف کمتر آب اولویت‌دهی به گیاهان پاییزه به‌منظور استفاده از بارندگی‌های پاییز، زمستان و بهار سالانه می­تواند مفید باشد. از طرفی با توجه به شرایط فعلی مدیریت هدفمند یارانه‌ها در راستای تحقق الگوی کشت می‌تواند در موفقیت اجرای برنامه الگوی کشت نقش ممتازی داشته باشد و فعالیت‌های بخش کشاورزی را در جهت به حداکثر رساندن بهره‌وری و بازدهی تولید هدایت کند.


 

جدول 3- الگوی بهینه کشت با در نظر گرفتن محدودیت آب اعمالی شرکت آب منطقه­ای(هزارتومان)

درآمد انتظاری

65000  T=

65000 T=

65000  T=

90000  T=

90000  T=

90000  T=

ریسک

7450=λ

 

8000=λ

 

9500=λ

 

20400=λ

21500=λ

 

26000=λ

 

گندم

16.2

25

48

3

16.8

48

جو

32.01

21.9

20

58.9

31

20

یونجه

15.9

13

0

14.8

15.9

0

سیب زمینی

16.07

16.1

17.8

16

16

17.8

کلزا

14.2

16.8

0

2

14

0

بازده طرح

114666

116662

117580

109769

114780

117580

 

 

 

 

 

 

 

 

 

 

 

جدول 4- الگوی بهینه کشت بدون در نظر گرفتن محدودیت آب اعمالی شرکت آب منطقه­ای(هزارتومان)

درآمد انتظاری

وضع موجود

65000  T=

65000 T=

65000 T=

90000  T=

90000  T=

90000  T=

ریسک

-

7450=λ

 

8000=λ

 

9500=λ

 

20400=λ

21500=λ

 

26000=λ

 

گندم

30

22

33.4

38.1

3.9

21.9

38.1

جو

20

26.1

20

20

45

27

20

یونجه

20

30

24

21.2

33

30

21

سیب زمینی

14

15

15

15.24

15

15

15.24

کلزا

10

3.7

2.3

0

0

3.7

0

بازده طرح

100000

117054

117054

118459

113224

117042

118459

 

 

 

 

 

جدول 5- مقایسه برنامه ریزی خطی با روش موتاد- ­هدف

رشته فعالیت

برنامه ریزی خطیبا در نظر گرفتن محدودیت اعمالی آب

موتاد- ­هدف با در نظر گرفتن محدودیت اعمالی آب

برنامه ریزی خطی  بدون در نظر گرفتن محدودیت اعمالی آب

موتاد- ­هدف بدون در نظر گرفتن محدودیت اعمالی آب

گندم

48

48

38.1

38.1

جو

20

20

20

20

ذرت

0

0

21

21

سیب زمینی

17.8

17.8

15.24

15.24

کلزا

0

0

0

0

بازده طرح

117580

117580

118459

118459

 

 

 

پیشنهادها

سیاست­های زیر می­تواند به تولید بهینه با میزان آب در دسترس کمک کند:

1-   افزایش سطح کشت درمحیط‌های کنترل شده همانند گلخانه‌ها، کشت‌های زیرپلاستیک و ...
و استفاده ازگیاهانی که دوره‌ی رشد آن کوتاه و تطابق بیشتری با پراکنش بارندگی منطقه داشته باشند درکشت بهاره.

2-     استقرار سیستم‌های خاک‌ورزی حفاظتی

3-     استقرار تسطیح لیزری در اراضی آبیاری سطحی

4-     استقرار اراضی آبیاری تحت فشار به ویژه قطره‌ای در اراضی زراعی و باغی

5-     کاهش مصرف آب و افزایش بهره‌وری اقتصادی و حفظ منابع پایه

6-     کشت گیاهان کم توقع و ارقام گیاهان زودرس پرمحصول

7-     بالا بردن سطح آگاهی کشاورزان در مورد پایداری منابع آب برای سهولت پذیرش کنتورهای هوشمند آب.

8-   معرفی محصولاتو واریته های جدید توسط جهاد کشاورزی با نیاز آبی کمتر و سود مناسب  برای قرار گرفتن در الگوی کشت و حذف محصول یونجه.

ایجاد صنایع تبدیلی و ساخت سردخانه برای کاهش ریسک و امکان کشت محصولات دیگر.



[1]Multi-objective crop planning model

[2]Single-objective crop planning model

[3]Differential evolution algorithm

[4] Fuzzy multi-objective linear programming

[5]Sukhothai

[6]Focus- Loss.

[7]MOTAD

[8]Target MOTAD

 

1Quadratic Risk Programming

2.Mean Absolute Deviation

1 Risk-Return

بی­نام 1386، سند چشم اندازه توسعه ایران.
بی نام، 1387. گزارش سالانه شرکت آب منطقه­ای کردستان.
بی­نام 1388.گزارش سازمان مدیریت منابع آب ایران.
ترکمانی ج، 1375. تصمیم گیری در شرایط عدم قطعیت، کاربرد روش برنامه ریزی مطلوبیت انتظاری مستقیم، ص 152 تا 165 چکیده مقالات اولین کنفرانس اقتصاد  کشاورزی ایران ، دانشگاه سیستان و بلوچستان، زابل.
ترکمانی ج و عبدشاهی ع، 1379. استفاده از روش برنامه ریزی ریاضی چند دوره ای 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 سیستم های 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 برنامه ریزی 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.
منوچهری  غ، 1372. مسائل مربوط به الگوی مصرف آب، بولتن کمیسیون آب. صفحه­های   4 تا 6.
Adeyemo J, Otieno F. 2010. Differential evolution algorithm for solving multi-objective crop planning model.  Agricultural Water Management. 97 (2010) 848–856.
Adeyemo J, Bux F, Otieno F. 2010. Differential evolution algorithm for crop planning: Single and multi-objective optimization model. International Journal of  the Physical Sciences. 5 (10): 1592-1599.
Allan  J.A. 2001. The middle east water question: Hydropolitics and the Global Economy. I.B. Tauris & Co. Ltd., London, UK, 382 pp.
Anonymous, 2007. Report of The working group on risk management in agriculture for the eleventh five year plan in India.
Daneshvar K 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.
Haouari  M, Azaiez  M.N. 2001.Theory and methodology optimal cropping patterns under water deficits. European Journal of Operational Research. 130: 133-146.
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 Agriculture & 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.
Mainuddin  M, Das Gupta A, Onta P.R.1997. Optimal crop planning model for an existing groundwater irrigation project in Thailand. Agricultural Water Management. 33: 43-62 .
Oster J.D, Clothier B.E, Wichelns  D. 2006. History of agricultural water  management. Agricultural Water Management. 86: 1-8.
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.
Safavi H.R, Alijanian M.A. 2010. Optimal crop planning and conjunctive use of surface water and groundwater resources using Fuzzy dynamic programming. Journal of  Irrigation and Drainage Engineering,Doi. 10.161/ASCE-IR/1943-4774.0000300.
Sethi  L. N, Panda S. N, Nayak M. K. 2006. Optimal crop planning and water resources allocation in a coastal groundwater basin, Orissa, India. Agricultural of Water Management. 83: 209-220.
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.
Tyagi  N.K, Agrawa  A. l., Sakthivadivel  R., Ambast  S.K. 2005. Water management decisions on small farms under scarce canal water supply: A case study from NW India. Agricultural Water Management. 70: 180-195.
Vanduivennbooden N, Pala M, Studer C, Bielders L, Beukes, D.j. 2000. Cropping systems and crop complementarity in dryland agriculture to increase soil water use efficiency: a review. Netherlands Journal of Agricultural Science. 48: 213-236.
Vieth RG, 1991. An evaluation of selected decission in northern Thailand. Journal of Agricultural and Applied Economics. 28 (2): 381-391.
Wallace  J.S., Batchelor  C.H. 1997. Managing water resources for crop production. Phil. Trans. R. Soc. London B .352: 937–947.
XieTing Z,  ShaoZhong K. FuSheng L, Lu Zh, Ping G. 2010. Fuzzy multi-objective linear programming applying to crop area planning. Agricultural Water Management. 98: (1). 134-142.