تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,487,227 |
تعداد دریافت فایل اصل مقاله | 15,214,086 |
تعیین الگوی کشت بهینه سازگار با کمآبی تحت شرایط عدم قطعیت با رویکرد برنامهریزی آرمانی استوار | ||
دانش آب و خاک | ||
مقاله 2، دوره 31، شماره 1، فروردین 1400، صفحه 15-30 اصل مقاله (624.78 K) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2021.11626 | ||
نویسندگان | ||
فاطمه ثانی* 1؛ قادر دشتی2 | ||
1دانشجوی دکتری اقتصاد کشاورزی، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تبریز | ||
2استاد اقتصاد کشاورزی، گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تبریز | ||
چکیده | ||
تغییر الگوی کشت با توجه به تغییر اقلیم و تداوم خشکسالیها از رویکردهای اساسی سیاستگذاران بخش کشاورزی جهت سازگاری با کمآبی است و اجرای طرح تغییر الگوی کشت در شهرستان سراب به عنوان یکی از نقاط عمده تولید محصولات کشاورزی در استان آذربایجان شرقی احساس می شود. از آنجایی که عدم قطعیت از جمله جوانب اجتنابناپذیر در برنامهریزیها و تصمیمگیریهای زراعی است، لذا مطالعه حاضر به معرفی و کاربرد مدل برنامهریزی آرمانی استوار (RGP) در بهینهسازی الگوی کشت تحت شرایط عدم قطعیت در شهرستان سراب میپردازد. آمار و اطلاعات مطالعه از سازمان جهاد کشاورزی استان آذربایجان شرقی و تکمیل پرسشنامه طی سال زراعی 97-1396 بدست آمد. علاوه بر رهیافت RGP، مدلهای LP وGP برای تعیین الگوی بهینه کشت بکار گرفته شدند. نتایج بیانگر برتری مدل RGP بر دیگر مدلها به لحاظ دستیابی همزمان به اهداف حداکثر سود و کاهش مصرف آب میباشد که نشاندهنده بهینه نبودن وضعیت موجود بهرهبرداری از آب در منطقه مورد مطالعه میباشد. اجرای الگوی بهینه کشت براساس مدل RGP باعث افزایش سود و اشتغال به ترتیب به میزان 7/1 و 32/1 درصد و همچنین کاهش مصرف آب، کود و سموم شیمیایی به ترتیب به مقدار 7/7، 3/12 و 12 درصد نسبت به الگوی کشت فعلی میگردد. در میان محصولات مورد مطالعه، گندم بیشترین افزایش سطح زیر کشت را داشته است. از اینرو یک محصول حائز اهمیت در منطقه است و بایستی نسبت به کشت آن به عنوان یک محصول استراتژیک در مساحت بیشتر اقدام شود. | ||
کلیدواژهها | ||
آب؛ الگوی بهینه کشت؛ بهینهسازی استوار؛ سراب؛ عدم قطعیت | ||
مراجع | ||
Abdeshahi A, Mardani Najafabadi M and Zeinali M, 2019. Application of multi-objective fuzzy nonlinear programming model to determining the optimal cropping pattern of crop production in Molathani County. Research report, Agriculture Sciences and Natural Resources, University of Khuzestan. No. 112.411.1. (In Persian with English abstract)
Abdi RokniKh, AbediS and Kashiri Kolaei F, 2019. Effect of optimization of chemical fertilizers consumption on optimal cropping pattern in the framework of positive mathematical programming (case study of Sari Goharbaran). Journal of Agricultural Economics Research 11(42): 263-276. (In Persian with English abstract)
Alabdulkader AM, Al-Amoud AI and Awad FS, 2012. Optimization of the cropping pattern in Saudi Arabia using a mathematical programming sector model. Agricultural Economics 58(2): 56-60.
Anagnostopoulos KP and Petalas C, 2011. A fuzzy multi-criteria benefit–cost approach for irrigation projects evaluation. Agricultural Water Management 98(9): 1409-1416.
Asadi MA and Najafi Alamdarlo H, 2019. Economic evaluation of optimum cultivating pattern for reducing the use of groundwater in Dehgolan plain. Iranian Journal of Agricultural Economics and Development Research 50(1): 29-43. (In Persian with English abstract)
Asghari Moghaddam A and Vadiati M, 2016. Groundwater quality ranking of Sarab plain for drinking purpose using entropy method. Water and Soil Science- University of Tabriz 26(3): 1-13. (In Persian with English abstract)
Avazyar M, Ahmadpour Borazjani M and Zyaei S, 2018. Determine optimal crop pattern with an emphasis on increasing the irrigation efficiency in lands of Mollasadra Dam in Fars province. Journal Management System 11(36 ): 21-32. (In Persian with English abstract)
Bahraminasab M, Dorandish A and Kohansal M, 2014. Application of fuzzy programming with interval programming approach to determine the optimal cropping pattern of Esfarayen County. Agricultural Economics & Development 28(1): 83-91. (In Persian with English abstract)
Bakhshoudeh M and Baghestani M, 2008. A study on the optimal cropping pattern in Iran using nonlinear-fractional programming. Journal of Financial Economics 1(4): 57-70. (In Persian with English abstract)
Belaid A and Torre DL, 2010. A generalized stochastic goal programming model. Applied Mathematics and Computation 215(12): 4347-4357.
Ben-Tal A and Nemirovski A, 1999. Robust solutions of uncertain linear programs. Operations Research Letters 25(1): 1-13.
Bertsimas D and Sim M, 2004. The Price of Robustness. Operations Research 52(1): 35-53.
Fallahi E, Khaliliyan S and Ahmadiyan M, 2013. Optimizing cropping pattern with emphasis on water resource restrictions: a case study of Seidan-Farough plain, Marvdasht Township. Journal of Agricultural Economics Research 5(2): 91-115. (In Persian with English abstract)
Filippi C, Mansini R and Stevanato E, 2017. Mixed integer linear programming models for optimal crop selection. Computers and Operations Research 81: 26-39.
Hosseinzad J, Javadi A, Hayati B, Pishbahar E and Dashti GH, 2011. Application of optimal control model in groundwater extraction (case study: Ajabshir Plain). Agricultural Economics & Development 25(2): 212-218. (In Persian with English abstract)
Li YP, Huang GH, Yang ZF and Nie SL 2008. Interval-fuzzy multistage programming for water resources management under uncertainty. Resources, Conservation and Recycling 52: 800-812.
Majnooni Heris A and Asadi E, 2013. Principles and Concepts of Irrigation. Amidi Publications, Tabriz. (In Persian with English abstract)
Manos B, Papathanasiou J, Bournaris T and Voudouris K, 2010. A multi-criteria model for planning agricultural regions within a context of groundwater rational management. Journal of Environmental Management 91: 1593-1600.
Mardani M, Ziaei S and Nikouei A, 2018. Optimal cropping pattern modifications with the aim of environmental-economic decision making under uncertainty. International Journal of Agricultural Management and Development 8(3): 365-375.
Mardani Najafabadi M, Ziaee S, Ahmadpour Borazjani M and Nikouei A, 2019. Mathematical programming model (MMP) for optimization of regional cropping patterns decisions: A case study. Agricultural Systems 173: 218-232. (In Persian with English abstract)
Mardani Najafabadi M, AbdeshahiA and Shirzadi Laskookalayeh S, 2020. Determining the optimal cropping pattern with emphasis on proper use of sustainable agricultural disruptive inputs: application of robust multi-objective linear fractional programming. Journal of Agricultural Science and Sustainable Production 30(1): 241-256. (In Persian with English abstract)
Rath A, Samantaray S and Swain PC, 2019. Optimization of the cropping pattern using Cuckoo Search Technique. In Smart Techniques for a Smarter Planet. Pp. 19-35. In: Mishra MK, Mishra BSP, Patel YS and Misra R (eds). Smart Techniques for a Smarter Planet. Springer- Switzerland.
Sabohi M, Soltani GH and Zibaie M, 2007. Evaluation of the strategies for groundwater resources management: a case study in Narimani Plain, Khorasan Province. Journal of Science and Technology of Agriculture and Natural Resources 11(1): 475-484. (In Persian with English abstract)
Seamus M and Surendra M, 2008. Lexicographic goal programming and assessment tools for a combinatorial production problem. Pp. 148-184. In: Lam Thu Bui and Sameer Alam (eds). Multi-Objective Optimization in Computational Intelligence: Theory and Practice. Australia.
Stephen C, Leung H and Shirley SW, 2009. A goal programming model for aggregate production planning with resource utilization constraint. Computers and Industrial Engineering 56: 1053-1065.
Taleschi Amirkhizi M, Delirhasannia R, Haghighatjou P and Majnooni Heris A, 2019. Determining water quality of agricultural wells for use in pressurized irrigation systems of Sarab plain, Iran. Water and Soil Science- University of Tabriz 29(2): 185-198. (In Persian with English abstract)
Tan Q and Zhang T. 2018. Robust fractional programming approach for improving agricultural water-use efficiency under uncertainty. Journal of Hydrology 564: 1110-1119.
| ||
آمار تعداد مشاهده مقاله: 735 تعداد دریافت فایل اصل مقاله: 670 |