بررسی تاثیر متغیرهای اقلیمی بر عملکرد و ریسک عملکرد محصول گندم دیم با استفاده از الگوهای مبتنی بر گشتاور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دانشگاه تهران

2 عضو هئیت علمی دانشکده اقتصاد و توسعه کشاورزی دانشگاه تهران

3 مدرس دانشگاه تهران

چکیده

عملکرد محصولات کشاورزی و ریسک آن وابسته به شرایط اقلیمی است. پیش بینی ها از تغییرات اقلیمی در سطح جهان و خاورمیانه حکایت از بدتر شدن شرایط اقلیمی برای کشت محصولات کشاورزی می کند. از این رو بررسی چگونگی اثرگذاری متغیرهای اقلیمی بر عملکرد و ریسک تولید محصولات مختلف مورد توجه تولیدکنندگان و سیاست-گذاران کشاورزی می باشد. این مطالعه تلاش نموده تا پیامدهای تغییر در پارامترهای اقلیمی را بر عملکرد و ریسک تولید گندم دیم در مشهد بررسی نماید. در این راستا، از اطلاعات سری زمانی سالانه عملکرد گندم دیم و اطلاعات اقلیمی ماهانه در سطح شهرستان مشهد طی سال های 1370 تا 1396 برای تعیین توابع توزیع احتمال شرطی عملکرد گندم با استفاده از الگوهای رگرسیونی مبتنی بر گشتاور استفاده شده است. پس از آن، تابع توزیع احتمال غیر شرطی از روی توابع احتمال شرطی بدست آورده شده است. در نهایت، با استفاده از روش شبیه سازی تاثیر تغییرات در پارامترهای آب و هوایی بر عملکرد و واریانس توزیع احتمال عملکرد بررسی شده است. نتایج نشان می دهد که متغیر عامل بارندگی در مرحله دوم رشد رویشی و در مرحله جوانه زنی، کل بارش سالانه و تعداد روزهای با دمای زیر صفر درجه سانتی گراد در مرحله خواب گیاه بیشترین تاثیر را بر عملکرد و ریسک عملکرد گندم دیم در شهرستان مشهد دارند. نتایج شبیه سازی نشان می دهد که متوسط عملکرد بین 21/40+ و 20/49- درصد نسبت به میانگین عملکرد در حالت پایه بسته به اینکه شرایط خوب یا بد آب و هوایی غالب باشد در نوسان خواهد بود. علاوه براین، با توجه به روند صعودی میانگین دمای سالانه و روند نزولی مجموع بارش سالانه طی 26 سال گذشته در شهرستان مشهد، کاهش میانگین عملکرد و افزایش ریسک آن در سال های آینده موردانتظار است. بنابراین، توسعه واریته بذر مناسب با شرایط جدید و یا پیدا نمودن محصول جایگزین مناسب می تواند به عنوان یک راهکار برای مواجهه با چالش تغییر اقلیم در این منطقه پیشنهاد شود.

کلیدواژه‌ها


Antle, J. M. (1983( Testing the stochastic structure of production: a flexible momentbased approach. Journal of Business and Economic Statistics, 1:192-201.
Antle, J. M. (2010) Asymmetry, partial moments, and production risk. American Journal of Agricultural Economics, 92: 1294-1309.
Azizi, G. and Yarahmadi, D. (2003) Investigation of relationship between climatic parameters and wheat yield using regression model (Case study: Silakhor Plain). Geographic Research, 44: 23-29. (In Farsi)
Baillie, R. T. (1980) Predictions from ARMAX modelsJournal of Econometrics, 12: 365-374.
Balyani, Y. A., Hejazizadeh, Z., Faraji, A. and Bayat, A. (2012) Zoning of climate-agricultural dryland wheat using GIS Case study: Fars Province. Journal of Physical Geography, 5: 33-50. (In Farsi)
Billingsley, P. (1995) Probability and measure. New York, NY: John Wiley & Sons.
Darijani, A., Hosseini, S. S. and Ghorbani, M. (2008) Estimating of drought loss on rainfed wheat in Golestan Province. Agricultural Economics and Development, 16: 83-95. (In Farsi)
Duan, N. (1983) Smearing estimate: a nonparametric retransformation method. Journal of the American Statistical Association, 78: 605-610.
Farajzadeh Asl, M., Kashki, A. and Shayan, S. (2009) Analysis of rain-fed wheat yield product variability using climate change approach (Case study area: Khorasan Razavi Province). The Journal of Spatial Planning, 13: 227-257. (In Farsi)
Feizizadeh, B., Abdali, H., Rezaei Banfshe, M. and Mohamadi, G. M. (2013) GIS based land suitability assessment for dry-farming wheat in the Eastern Azerbaijan Province. Journal of Watershed Management Researches Journal (Pajouhesh & Sazandegi), 92: 75-91. (In Farsi)
Intergovernmental Panel on Climate Change (IPCC). (2007) Climate change 2007: AR4 synthesis report. Available at https://www.ipcc.ch/.
Intergovernmental Panel on Climate Change (IPCC). (2014) Climate change 2014: AR5 synthesis report. Available at https://www.ipcc.ch/.
Jalali, M., Mohammadi, G. H., Hoseini Sadr, A. and Khoshvaghti, H. (2017) The role of spatial and temporal fluctuations of climatic parameters in dry land wheat yield (Case study: Kaleibar and Khodaafarin County). Journal of Physical Geography, 9: 105-123. (In Farsi)
Janat Sadeghi, M., Shahnoushi Foroushani, N., Daneshvar Kakhki, M., Dourandish, A. and Mohammadi, H. (2018) Assessing the effective factors on the yield of strategic agricultural products (wheat and barley) in Khorasan Razavi Province. Agricultural Economics, 12: 111-134. (In Farsi)
Kaboosi, K. and Majidi, O. (2017) Agro-ecological zoning of rainfed wheat in Golestan province based on meteorology, agronomy, soil and land properties. Journal of Agroecology, 7: 134-154. (In Farsi)
Koochaki, A. and Nasiri, M. (2008) The impact of climate change with increasing CO2 concentration on wheat yield in Iran and evaluation of adaptation strategies. Journal of Agricultural Research, 6: 139-153. (In Farsi)
Kramer, P. J. (1997) Plant and soil water relationships: a modern synthesis. Tata Mc Grew Hill Publishing Company Ltd. New Delhi, 296- 345.
Liangzhi, Y., Mark, W., Cheng, F. and Stanly, W. (2005) Impact of global warming on chinese wheat productivity. International Food Policy Research Institute, Ept Discussion paper, 143-158.
Metropolis, N. and Ulam, S. (1949) The monte carlo method. Journal of the American Statistical Association, 44: 335-341.
Ministry of Jihad Keshavarzi. (2017a) Forests, Rangelands and Watershed Management Organization, Climate Class Information Layers, Tehran, Iran. (In Farsi)
Ministry of Jihad Keshavarzi. (2017b) Office of Statistics and Information Technology, Volume One: Crop Products - Agricultural Statistics (2016-2017), Tehran, Iran. (In Farsi)
Mohamadnia Ghorabi, S. and Mohamadi, H. (2013) Zoning of agricultural climate of wheat crop in Khorasan Razavi province based on temperature and rainfall using GIS. Journal of Geography and Regional Development, 21: 43-57. (In Farsi)
Sari Saraf, B., Bazgir, S. and Mohammadi, G. H. (2009) Zoning the climatic potentials of dry-farming wheat cultivation in the West Azarbaijan (Iran). Geography and Development, 7: 5-26. (In Farsi)
Siameh, C. O. (2016) Cotton premium rate heterogeneities and implications under climate change. M. S. thesis, Department of Agricultural Economics, Faculty of Mississippi State University.
Tack, J. B. and Ubilava, D. (2013) The effect of el niño southern oscillation on us corn production and downside risk. Climatic Change, 121: 689-700.
Tack, J. B., Barkley, A. and Nalley, L. L. (2014) Heterogeneous effects of warming and drought on selected wheat variety yields. Climatic Change, 125: 489-500.
Tack, J. B., Coble, K. and Barnett, B. (2018) Warming temperatures will likely induce higher premium rates and government outlays for the US crop insurance program. Agricultural Economics, 49: 635-647.
Tack, J. B., Harri, A. and Coble, K. (2012) More than mean effects: modeling the effect of climate on the higher order moments of crop yields. American Journal of Agricultural Economics, 94: 1037–1054.
Tahamipour Zarandi, M. (2013) Investigating nature of risk and specifying appropriate risk management model for Iranian farming sector. Ph. D. Thesis, Agricultural Economics Department, University of Tehran. (In Farsi)
Tolhurst, T. N. and Ker, A. P. (2015) On technological change in crop yields. American Journal of Agricultural Economics, 97: 137–158.
Warrington, I. J. (1977) Crop phenological stages. Australian Journal of Agricultural Research, 28: 11-27.
Zarkani, F., Kamali, Gh. A. and Chizari, A. H. (2014) The effects of climate change on rain-fed wheat (Case study: North Khorasan). Journal of Agroecology, 6: 301-310. (In Farsi)