دانشگاه تبریز
فهرست نشریات دارای اعتبار وزارت علوم، تحقیقات و فناوری
پایگاه استنادی علوم جهان اسلام (ISC)

 آمار

تعداد نشریات45
تعداد شماره‌ها1,385
تعداد مقالات16,973
تعداد مشاهده مقاله54,620,952
تعداد دریافت فایل اصل مقاله17,224,693
کریم, محمد حسین, سردارشهرکی, علی, علی احمدی, ندا. (1399). تلفیق الگوی برنامه ریزی آرمانی چی‌بی‌شف و فوکوس-لاس جهت تعیین برنامه زراعی. سامانه مدیریت نشریات علمی, 7(2), 155-176. doi: 10.22034/ecoj.2020.11172
محمد حسین کریم; علی سردارشهرکی; ندا علی احمدی. "تلفیق الگوی برنامه ریزی آرمانی چی‌بی‌شف و فوکوس-لاس جهت تعیین برنامه زراعی". سامانه مدیریت نشریات علمی, 7, 2, 1399, 155-176. doi: 10.22034/ecoj.2020.11172
کریم, محمد حسین, سردارشهرکی, علی, علی احمدی, ندا. (1399). 'تلفیق الگوی برنامه ریزی آرمانی چی‌بی‌شف و فوکوس-لاس جهت تعیین برنامه زراعی', سامانه مدیریت نشریات علمی, 7(2), pp. 155-176. doi: 10.22034/ecoj.2020.11172
کریم, محمد حسین, سردارشهرکی, علی, علی احمدی, ندا. تلفیق الگوی برنامه ریزی آرمانی چی‌بی‌شف و فوکوس-لاس جهت تعیین برنامه زراعی. سامانه مدیریت نشریات علمی, 1399; 7(2): 155-176. doi: 10.22034/ecoj.2020.11172

تلفیق الگوی برنامه ریزی آرمانی چی‌بی‌شف و فوکوس-لاس جهت تعیین برنامه زراعی

نظریه های کاربردی اقتصاد
دوره 7، شماره 2 - شماره پیاپی 25، شهریور 1399، صفحه 155-176    اصل مقاله (399.81 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22034/ecoj.2020.11172
نویسندگان
محمد حسین کریم* 1؛ علی سردارشهرکی2؛ ندا علی احمدی3
1دانشیار دانشگاه خوارزمی
2استادیار دانشگاه سیستان و بلوچستان
3دانشجو دکتری دانشگاه سیستان و بلوچستان
چکیده
بخش کشاورزی نقش اساسی و زیر­بنایی در اقتصاد ملی هر کشوری دارد. امروزه متد­هایی که برای تعیین الگوی کشت توأم با ریسک برای محصولات زراعی بکار می­روند، اغلب در جهت افزایش رفاه کشاورزان و حداکثر­سازی سود آنها قدم بر­می­دارند. در مطالعه حاضر، هدف تدوین الگوی بهینه کشت محصولات کشاورزی در شرایط ریسکی در منطقه سیستان در استان سیستان و بلوچستان براساس داده­های مقطعی 96- 1395می­باشد. برای این منظور، از مدل تلفیقی برنامه ریزی آرمانی چی­بی­شف و مدل فوکوس-لاس شد. نتایج نشان داد که در زمین­های بیش از 3 هکتار مقدار درآمد ناخالص، در مناطق زابل، زهک و هیرمند به ترتیب 1954567، 1324568 و 1245751 تومان و لاس در منطقه زابل و هیرمند به ترتیب 351254 و 4/253698 تومان در هکتار می­باشد و این نتایج نشان دهنده این است که با افزایش سطح زیرکشت مزارع الگوهای تولید با چند محصول محدود را انتخاب می کنند و هرچه مزرعه کوچکتر شود برای کاهش ریسک درآمدی خود تنوع محصولات کشت شده را افزایش می­دهد. از طرف دیگر با افزایش سطح زیرکشت مقدار مصرف آب کمتر شده و درآمدناخالص افزایش می یابد. در همه مزارع نمونه درآمد ناخالص بدست آمده بیش از نیاز خانوار برای نیازهای اولیه بوده و با استفاده از آن می تواند سرمایه گذاری بیشتری انجام دهد. پیشنهاد می­گردد که با اجرای سیاست یکپارچه سازی مزارع کوچک در منطقه سیستان، درآمد ناخالص کشاورزان را افزایش داده و همچنین موجب استفاده بهینه از نهاده­ها می­شود. 
کلیدواژه‌ها
الگوی کشت بهینه؛ ریسک؛ تلفیق برنامه‌ریزی آرمانی چی‌بی‌شف و مدل فوکوس-لاس
مراجع
  1. اسدی، هرمز، و سلطانی، غلامرضا (1379). بررسی حاشیه ایمنی و تعیین الگوی کشت بهینه فعالیتهای زراعی با بهره گیری از روش برنامه­ریزی خطی. فصلنامه اقتصاد کشاورزی و توسعه، 31: 71-86.
  2. آزادگان، علیه، رستگاری­پور، فاطمه و صبوحی صابونی، محمود (1392). تعیین برنامه زراعی شهرستان سبزوار با استفاده از برنامه­ریزی فازی دونوا، نشریه اقتصاد و توسعه کشاورزی، جلد 27، شماره 1، ص 15-8.
  3. آمارنامه جهاد کشاورزی استان سیستان و بلوچستان، 1396.
  4. جعفرزاده، احمد، خاشعی سیوکی، عباس و شهیدی، علی (1395). طراحی یک مدل تصمیم­گیری چند هدفه به منظور تعیین الگوی کشت بهینه تحت تأثیر پدیده تغییر اقلیم (مطالعه موردی: دشت بیرحند)، تحقیقات آب و خاک ایران، دوره 47، شماره 4، ص 859-849.
  5. چیذری، امیرحسین، کرامت­زاده، علی و میرزایی، احمد (1385). تعیین ارزش اقتصادی آب کشاورزی با استفاده از مدل الگوی کشت بهینه تلفیق زراعت و باغداری، مطالعه موردی سد بارزو شیروان، مجله اقتصاد کشاورزی و توسعه، ص 60-35.
  6. حسین­زاد، جواد، نامور، آیدا، حیاتی، باب اله و پیش بهار، اسماعیل (1393). تعیین الگوی کشت محصولات زراعی با تأکید بر کشاورزی پایدار در اراضی زیر سد علویان، نشریه دانش کشاورزی و تولید پایدار، جلد 24، شماره 2، ص 43-31.
  7. محمدی، حمید، بوستانی، فردین و کفیل­زاده، فرشید (1391). تعیین الگوی کشت بهینه با استفاده از الگوریتم بهینه­سازی چند هدفه غیرخطی فازی: مطالعه موردی، آب و فاضلاب، شماره 4، ص 55-43.
  8. مسنن مظفری، مهدیه، اسد فلسفی زاده، ندا و صبوحی صابونی، محمود (1391). تعیین برنامه زراعی بهینه با تاکید بر محدودیت بودجه: کاربرد برنامه­ریزی دونوا در مزارع دشت زرقان فارس، ویژه نامه دانش کشاورزی و تولید پایدار، ص 103-95.
  9. میرزایی، کامران و ضیایی، سامان (1395). تعیین برنامه زراعی – اقتصادی الگوی کشت در جهت پایداری و حفظ محیط زیست با استفاده از مدل برنامه­ریزی آرمانی اولویتی (مطالعه موردی: رودبار الموت غربی)، تحقیقات اقتصاد کشاورزی، جلد 7، شماره 1، ص 175- 161.
  10. میرکریمی، شهرزاد، جولایی، رامتین، اشراقی، فرهاد و شیرانی بید آبادی، فرشید (1395). مدیریت الگوی کشت محصولات زراعی با تأکید بر ملاحظات زیست محیطی، علوم و تکنولوژی محیط زیست، دوره هجدهم، ویژه­نامه شماره 2، ص 263-153.
  1. Abbasian, P., Mahdavi-Amiri, N., & Fazlollahtabar, H. (2018). Multiple utility constrained multi-objective programs using Bayesian theory, Journal of Industrial Engineering International, 14(1), 111–118. (In Persian)
  2. Abdolaziz, F . (2007). Multiple objective programming and goal programming: New trends and applications            European, Journal of Operational Research, 177, 1520–1522. (In Persian)
  3. Ahmad Pour Borazjani, M., & Nikoi Dastjerdi, H. (2015). Determining Agricultural Plans for Organic Crops Production in Selected Areas of Kerman Province, Journal of Rural Development Strategies, 2(4), 455-475. (In Persian)
  4. Asad Pour, H., & Abazari, A. (2014). Determination of optimal crop cultivation program in Lalehabad district of Babol city using ideal linear programming model, Agricultural Economics and Development, 20 (87): 137-25. (In Persian)
  5. Azizi, J., & Yazdani, S. (2004). Determining the relative advantage of Iranian horticultural products. Journal of Agricultural Economics and Development, 41: 46-65. (In Persian)
  6. Chaves, P., Kojiri, T., & Yamashiki, Y. (2003). Optimization of storage reservoir considering water quantity and quality. Hydrological Processes, 17, 2769-2793.            
  7. Cole, S., Giné, X., & Vickery, J. (2017). How Does Risk Management Influence Production Decisions? Evidence from a Field Experiment, The Review of Financial Studies, 30(6), 1935–1970.
  8. Crimp, S. J., Zheng , B., Khimashia, N., Gobbett, D. L., Chapman, S., Howden, M., & Nicholls, N. (2016). Recent changes in southern Australian frost occurrence: implications for wheat production risk, Crop & Passture Science, 67 (8), 801-811.
  9. Daghighi, A., Nahvi, A., & Kim, U. (2017). Optimal Cultivation Pattern to Increase Revenue and Reduce Water Use: Application of Linear Programming to Arjan Plain in Fars Province, Agriculture, 7(9), 1-11.
  10. Davis, K. F., Rulli, M. C., Seveso, A., & D’Odorico. (2017). Increased food production and reduced water use through optimized crop distribution, Nature Geoscience, 10, 919–924.
  11. Derakhshan, M., Mohammadi, H., & Shirzadi Jahromi, M. H. (2007). Determination of Optimal Pattern of Integrated Harvesting of Crops with Emphasis on Production Risk in Fars Province, Crop Ecology (Modern Agricultural Knowledge), 3(8), 36-23. (In Persian)
  12. Djido, A., & Shiferaw, B. (2018). Patterns of labor productivity and income diversification – Empirical evidence from Uganda and Nigeria, World Development, 105, 416-427.
  13. Doppler, W., Salman, A. Z., Al-Karablieh, E. K., & Wolf, H. P. (2002). The impact of water price strategies on the allocation of irrigation water: The case of the Jordan Valley. J. of Agricultural Water Management, 55, 171- 182.  
  14. Filippi, C., Mansini, R., & Stevanato, E. (2017). Mixed integer linear programming models for optimal crop selection, Computers & Operations Research, 81, 26-39.
  15. Gomez, J. A. & Risog, L.  (2004). Irrigation water pricing: differential impacts on irrigated farms. Agricultural Economic. 31, 47-66.
  16. Gupta, S., Fügenschuh, A., Ali I. (2018). A Multi-Criteria Goal Programming Model to Analyze the Sustainable Goals of India. 10, 778.
  17. Hao L. N., Su X. L., & Singh V. P. (2018). Cropping pattern optimization considering uncertainty of water availability and water saving potential. Int J Agric & Biol Eng, 11 (1), 178–186.
  18. Hazel, B, R., & Norton, R, D. (1976). Mathematical Planning for Economic Analysis in Agriculture. F, Ramin Abjad Publications, 2002.
  19. Hocine, A., Kouaissah, N., Bettahar, S., & Benbouziane, M. (2018). Optimizing renewable energy portfolios under uncertainty: A multi-segment fuzzy goal programming approach, Renewable Energy, 129 (A), 540-552.
  20. Hoseini, A. S., Mehregan, N., & Ebrahimi, M. (2016). Determination of optimal crop pattern with emphasis on maximizing social benefits and net import of virtual water, Journal of Agricultural Economics Research, 8 (31), 144-123. (In Persian)
  21. Howitt, R. E., Medellin-Azuara, J. , MacEwan, D. , Lund, J. R. (2012). Calibrating disaggregate economic models of agricultural production and water management. Environmental Modeling & Software, 38: 244-258.
  22. Huka, H. Ruoja, C. and Mchopa, A. (2014) Price fluctuation of agricultural products and its impact on small scale farmers development: Case analysis from kilimanjaro tanzania. European Journal of Business and Management. 6 (36): 155-160.
  23. Kang S., Zeng X., Li F., Zhang L., & Guo P. (2010). Fuzzy Multi-Objective Linear Programming Applying To Crop Area Planning, Agricultural Water Management, 98:134-142.
  24. Li, Q. Q., Li, Y. P., & Huang, G. H. (2018). Risk aversion based interval stochastic programming approach for agricultural water management under uncertainty, Stochastic Environmental Research and Risk Assessment, 32 (3), 715–732.
  25. Li, S., Horváth, L. J., Pintér, L., Rounsevell, M. D. A., & Harrison, P. A . (2010). Modelling regional cropping patterns under scenarios of climate and socio-economic change in Hungary, Science of The Total Environment,  622–623, 1611-1620.
  26. Li, X., Kang, S., Niu, J., Du, T., Tong, L., Li, S., & Ding, R. (2017). Applying uncertain programming model to improve regional farming economic benefits and water productivity, Agricultural Water Management, 179,352-365.
  27. Mahmoudi, M., Khanjani, M., & Barani, Gh. A. (2016). Evaluation of Stability and Crop Pattern Determination by Multi-Purpose Mathematical Programming, Iranian Water Resources Research Journal, 10 (2), 73-65. (In Persian)
  28. Mahmoudi, N., & Sobouhi, M. (2007). Effects of Income Risk on Optimum Crop Pattern Selection (Case Study of Jaban Village of Damavand), 6th Iranian Conference on Agricultural Economics. (In Persian)
  29. Mansouri, H., & Kohansal, M. (2007). Determining the optimal cropping pattern based on two economic and environmental perspectives, Proceedings of the 6th Agricultural Economics Conference, Ferdowsi University. (In Persian)
  30. Mirzaei, Sh., Zakari Nia, M., Shahabi Far, M., & Sharifan, H. (2017). Determination of Optimum Cropping Pattern in Irrigation and Drainage Network of Golestan Dam Using Genetic Algorithm, Irrigation Science and Engineering, 40 (3), 190-181. (In Persian)
  31. Mosleh, Z., Salehi, M. H., Amini Fasakhodi, A., & Jafari, A. (2017). Sustainable allocation of agricultural lands and water resources using suitability analysis and mathematical multi-objective programming, Geoderma, 303, 52-59.
  32. Omrani, H., Valipour, M., & Emrouznejad, A. (2018). Using Weighted Goal Programming Model for Planning Regional Sustainable Development to Optimal Workforce Allocation: An Application for Provinces of Iran, Social Indicators Research, 1–29.
  33. Özkan,B., & Akcaoz,H. V. (2001) Game theory and its application to field crops in Antalya province. Turk. J. Agric, 26: 303-309.
  34. Parhizgari, A., Mozaffari, M., Parhizgari, R.,& Parhizgari, M. (2014). Utilization management and optimal allocation of water resources for determining agro-economic program of optimal cropping pattern in Rudbar Alamut area, Journal of Agriculture and Natural Resources, 18, 40-29. (In Persian)
  35. Porfirio, L. L., Newth, D., & Harman, I. N. (2017). Patterns of crop cover under future climates, Ambio, 46 (3), 265–276.
  36. Pour Srarkhi, H., Karimi, M., Alimohammadi Sarab, A., & Davari, K. (2017). Crop Planning Using Spatial Optimization Methods, Journal of Spatial Information Technology Engineering, 5 (2), 19-19.
  37. Rabani, R. (2017). Determination of optimal cropping pattern using multipurpose renewable programming (De Novo) and genetic algorithm in fuzzy environment: A case study, MSc thesis.
  38. Rastegaripour, F., & Sabouhi Sabouni, M. (2010). An optimization m