ارزیابی پیامدهای بالقوه پدیده خشکسالی بر الگوی زراعی و وضعیت معیشتی کشاورزان حوضه جنوبی استان تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران

2 دانشیار اقتصاد کشاورزی، دانشگاه پیام نور، تهران، ایران

3 استاد علوم کشاورزی (بیوتکنولوژی)، دانشگاه پیام نور، تهران، ایران

چکیده

ارزیابی پیامدهای بالقوه پدیده خشکسالی در بخش کشاورزی و مدیریت منابع آب و همچنین، ارائه راهکارهای مقابله با آن، گامی مهم در زمینه توسعه فعالیت های کشاورزی به شمار می رود. از این رو، در این بررسی در آغاز به منظور تعیین شدت های مختلف خشکسالی و رخداد آن طی دوره زمانی مورد بررسی (1397-1381) از شاخص بارش استاندارد شده (SPI) استفاده شد. در ادامه با استفاده از مدل برنامه‌ریزی ریاضی اثباتی (PMP) به تحلیل اثرگذاری ها یا پیامدهای بالقوه خشکسالی بر الگوی زراعی و وضعیت معیشتی کشاورزان حوضه جنوبی استان تهران پرداخته شد. واسنجی مدل تجربی در محیط  نرم افزاری GAMS24/1 صورت گرفت. داده های موردنیاز از نوع اسنادی و ثبت‌شده در دستگاه های دولتی ذی‌ربط می‌باشند که در دو بخش سری زمانی (1397-1381) و مقطعی (1397-1396) گردآوری شدند. نتایج، احتمال رخداد خشکسالی های ملایم و شدید را در سطح حوضه جنوبی استان تهران به ترتیب حدود 7/43 و 25/6 درصد نشان داد که این امر مستعد بودن منطقه را در راستای رخداد مسئله خشکسالی نشان می دهد. کاهش سطح زیرکشت گیاهان زراعی آب بر هندوانه، ذرت دانه‌ای، آفتابگردان و افزایش سطح زیرکشت گیاهان غله‌ای گندم و جو آبی از نتایج به دست آمده تحت شرایط رخداد خشکسالی در استان تهران است. از دیگر پیامدهای رخداد این پدیده تحت شدت‌های خفیف تا شدید، کاهش 00/3 تا 4/19 درصدی بازده ناخالص کشاورزان و افزایش 2/13 تا 6/115 درصدی ارزش اقتصادی آب آبیاری است. با توجه به نتایج به دست آمده در این تحقیق، برای کاهش خطر یا ریسک خشکسالی آبشناختی (هیدرولوژیکی) و رویارویی کشاورزان حوضه جنوبی استان تهران با این رویداد، در گام نخست توصیه می شود که اصلاح الگوی بهینه زراعی در راستای کاهش سطح زیرکشت گیاهان زراعی آب بر (مانند آفتابگردان و هندوانه) و جایگزینی آن با سطح زیرکشت گیاهان دارای نسبت سود به آب مصرفی بالاتر (مانند ذرت دانه ای و کلزا) در اولویت قرار گیرد. در گام بعدی، پیشنهاد می شود که با توجه به کشش پذیری نهاده آب کشاورزی نسبت به تغییرات قیمتی در سطح حوضه جنوبی استان تهران (ewater= -0/96)، اجرای بهینه و درست سیاست قیمت گذاری آب متناسب با روند تغییرپذیریهای ارزش اقتصادی این نهاده کمیاب و رعایت اصل ملاحظه برابری در شرایط رخداد خشکسالی توسط بخش دولتی مدنظر واقع شود.   

کلیدواژه‌ها


Akbari, M., Najafi Alamdarlo, H. and Mosavi, H. (2019). Effects of Climate Change and Drought on Income Risk and Crop Pattern in Qazvin Plain Irrigation Network. Journal of Water Research in Agriculture, 33 (2): 265-281. (In Persian)
Angelidis, P, Maris, F, Kotsovinos, N. and Hrissanthou, V. (2012). Computation of Drought Index SPI with Alternative Distribution Functions, Journal of Water Resources Management, 26 (9): 2453-2473.
Chen, X. Jiang, J. and Li, H. (2018). Drought and Flood Monitoring of the Liao River Basin in Northeast China Using Extended GRACE Data. Remote Sensing, 10(8): 1149-1168.
Cortignani, R. and Dono, G. (2018). Agricultural policy and climate change: An integrated assessment of the impacts on an agricultural area of Southern Italy. Environmental Science & Policy, 81: 26-35.
Garnache, C, Merel, P, Howitt, R. and Lee, J. (2015). Calibration of shadow values in constrained optimization models of agricultural supply. Work. Pap. Available at: https://www.msu.edu/~garnache/CalibShadValues.pdf.
Graveline, C. (2016). Economic calibrated models for water allocation in agricultural production: A review. Environmental Modelling and Software, 81: 12-25.
Howitt, R.E, Medellin-Azuara, J, MacEwan, D. and Lund, R. (2012). Calibrating disaggregate economic models of agricultural production and water management. Science of the Environmental Modeling and Software, 38: 244-258.
Kaczan, D, Qureshi, M.E. and Connor, J. (2011). Water Trade and Price Data for the Southern Murray Darling Basin, CSIRO, Adelaide, Canberra, No: 23.
Lu, Y, Cai, H, Jiang, T, Sun, S, Wang, Y, Zhao, J, Yu, X. and Sun, J. (2019). Assessment of global drought propensity and its impacts on agricultural water use in future climate scenarios. Agricultural and Forest Meteorology, 278, 15 November 2019, 107623.
Mahmoodi, A. and Parhizkari, A. (2016). Economic modeling of agricultural water resources management in Tehran province with emphasis on the role of water market. Journal of Economic Modeling, 35 (3): 121-139.
Maleki, A. and Turkmani, C. (2015). Drought management for optimal use of water resources in North Khorasan province. Journal of Agricultural Economics Research, 25 (7): 65-89.
McKee, T.B, Doesken, N.J. and Kleist, J. (1993). The relationship of drought frequency and duration to time scales. Paper presented at the Proceedings of the 8th Conference on Applied Climatology.
Meteorological Organization of Tehran Province. (2018). Detailed report on the rainfall situation in Tehran province during the last five years (2009-2013), 47 pages. (In Persian)
Morid, S, Smakhtinb, V. and Bagherzadehc, K. (2007). Drought forecasting using artificial neural networks and time series of drought indices. International Journal Climate, 27(1): 2103–2111.
Mosaedi, A. and Ghabaee, S.M. (2011). Modification of standardized precipitation index (SPI) based on relevant probability distribution function.
Nasrnia, F, Beauty, M. And forgive, M. (2018). Vulnerability of farmers in Bakhtegan catchment area before and after drought: An econometric approach. Journal of Agricultural Economics, 12 (3): 45-69.
Parhizkari, A. and Sabuhi, M. (2013). Economic analysis of effects of technology development and mechanization on agricultural sector production in Qazvin province using positive mathematical programming model. Agricultural Economics Researches, 5(4):1-23. (In Persian)
Parhizkari, A., Mozaffari, M., Khodadadi Hoseini, M. and Parhizkari, R. (2015). Economic Analysis of the Effects of Climate Change Due to Greenhouse Gas Emissions on Agricultural Production and Available Water Resources, Case Study: Lands Downstream of Taleghan Dam. Journal of Agricultural Economics and Development, 29(1): 67-89. (In Persian)
Parhizkari, A. and Yazdani, S. (2017). Assessing the economic and hydrological impacts of climate change in the Khorrood watershed. Journal of Echo Hydrology, 4 (3): 724-711. (In Persian)
Paul, D.W, Medellin-Azuarab, J, Joshua, H.V. and Meagan, S.M. (2017). Economic and  policy  drivers  of  agricultural  water  desalination  in California’s  central  valley. Agricultural Water Management, 194:192-203.
Petsakos, A. and Rozakis, S. (2015). Calibration of agricultural risk programming models. European Journal of Operational Research, 242(2): 536-545.
Qureshi, M.E., Mobin-ud-Din, A., Stuart, M.W. and Mac, K. (2014). A multi-period positive mathematical programming approach for assessing economic impact of drought in the Murray–Darling Basin. Australia. Economic Modelling, 39: 293-304.
Rezaei, A, Mortazavi, A. and Peykani, Gh. (2016). Analysis of economic situation of farmers in the east of Zayandehrud river basin under drought conditions. Iranian Journal of Agricultural Economics and Development Research, 2 (47): 342-335.
Tehran Province Agricultural Jihad Organization. (2018). Deputy for Crop Production Improvement, Agriculture Department. (In Persian)
Tehran Province Regional Water Company. (2018). Office of Basic Studies of Water Resources. (In Persian)
Van Loon, A.F. (2015). Hydrological drought explained. Wiley Inter Disciplinary Reviews, Water, 4(2): 359-392.
Wang, L., Yu, H., Yong, M. and Wang, Y. (2019). A drought index: The standardized precipitation evapotranspiration runoff index. Journal of Hydrology, 571: 651-668.
Zhiyong, W, Yun, M, Xiaoyan, L, Guihua, L, Qingxia, L. and Huating, X. (2016). Exploring spatiotemporal relationships among meteorological, agricultural, and hydrological droughts in Southwest China. Stochastic Environmental Research and Risk Assessment, 30(3): 1033-1044.