مدل بهینه اقتصادی کشت برای کاهش اثرات آلودگی های زیست محیطی در استان مازندران

نوع مقاله : مقاله پژوهشی

نویسندگان

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

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

3 استادیار اقتصاد کشاورزی ، موسسه پژوهش های برنامه ریزی اقتصاد کشاورزی و توسعه روستائی، تهران، ایران

چکیده

هدف این مقاله بررسی جایگاه دانه­های روغنی کلزا و سویا در الگوی بهینه کشت استان مازندران در دو حالت بازاری و اجتماعی می‌باشد. بدین منظور، از مدل برنامه­ریزی خطی کالیبره برای کاهش آلودگی‌های زیست محیطی بر اساس داده‌های سال زراعی 97 – 1396 استفاده شده است. نتایج مدل بازاری نشان داد استفاده از آب و ماشین­آلات و سرمایه برای تولید محصولات استان و به ویژه،      دانه­های روغنی بیش از نیاز می­باشد و می­توان همین مقادیر تولید را با استفاده از مقادیر کم‌تری از این نهاده­ها به دست آورد. همچنین با توجه به محدودیت­های موجود و منابع در دسترس، برای دست­یابی به الگوی بهینه باید کشت سویا را 45 درصد کاهش و کشت کلزا را 18 درصد افزایش داد. نتایج مدل اجتماعی نشان داد تولید دانه­های روغنی در استان تنها با حمایت‌های دولت از بخش کشاورزی     امکان پذیر خواهد بود. بر اساس نتایج پیشنهاد می‏شود که به جای تمرکز حمایت­ها در زمینه یارانه کود و سموم شیمیایی، در زمینه های دیگری از قبیل ارتقاء دانش فنی، بیمه، انبارداری، حمل و نقل، ایجاد بورس کالا، استاندارد سازی، صادرات، بسته بندی و درجه بندی نیز این حمایت­ها صورت گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Economic Model of Cultivation to Reduce the Impacts of Environmental Pollution in Mazandaran Province

نویسندگان [English]

  • Majid Ghorbani 1
  • Abolfazl Mahmoudi 2
  • mohsen shookat fadaei 2
  • Mohammad Khaledi 3
1 PhD Student in Agricultural Economics, Payame Noor University, Tehran, Iran
2 Associate Professor, Department of Agricultural Economics, Payame Noor University, Tehran, Iran
3 Assistant Prof. of Agriculture Economics, Agricultural Economics and Rural Development Planning Research Institute, Tehran, Iran
چکیده [English]

The purpose of this paper is to investigate the position of rapeseed and soybean oils in optimal cultivation pattern of Mazandaran province in two social and market conditions. For this purpose, the calibrated linear programming model has been used to reduce environmental pollution based on data from the year 1396-97. The results of the market model showed that the use of water, machinery and capital for production of crops in the province, in particular, oilseeds were more than needed and the same amounts of production could be obtained by using smaller amounts of these inputs. Gained. Also, given the limitations and available resources, soybean cultivation should be reduced by 45% and canola cultivation by 18% to achieve the optimal model. The results of the social model showed that the production of oilseeds in the province would only be possible with government support for the agricultural sector. The results suggest that instead of focusing on subsidies for fertilizers and chemical pesticides, other areas such as technical knowledge promotion, insurance, warehousing, transportation, commodity exchange, standardization, export, package Classify and grade these supports.

کلیدواژه‌ها [English]

  • JEL Classification: C51
  • C61
  • Q51 Keywords: Optimal Economic Model
  • Environmental pollution
  • Canola and Soybean
  • Mazandaran Province
  • منابع

    • اصفهانی، سیدمحمدجعفر، نادری مهدیی، کریم، سعدی، حشمت‌الله، دوراندیش، آرش (1396). ارزیابی اثرات زیست محیطی تولید ذرت علوفه ای در خراسان جنوبی. بوم شناسی کشاورزی، 10 (1): 281-298.
    • امامی میبدی، علی، خورسندی، مرتضی، مرشدی، بهنام (1394). ارزیابی عوامل موثر بر تخریب محیط‌ زیست با استفاده از شاخص‌ آلودگی آب: مطالعه موردی ایران.فصلنامه مطالعات اقتصادی کاربردی ایران، 4 (13): 84-69.
    • امیرنژاد، حمید، بهمن پوری، صفیه (1392). تلفیق هدف های زیست محیطی و اقتصادی بهره برداران کشاورزی در تعیین الگوی بهینه ی کشت؛ مطالعه ی موردی: دشت بیضاء استان فارس. مجله تحقیقات اقتصاد کشاورزی، 5 (18): 131-117.
    • برقی، حمید، حسنی نژاد، آسیه، شایان، محسن (1396). ارزیابی آثار سموم شیمیایی کشاورزی بر محیط زیست روستاها (مطالعه موردی: روستاهای شهرستان زرین دشت). فصلنامه مدیریت مخاطرات محیطی، 4 (3): 262-247.
    • بصیرت، جواد، بصیرت، رامین، بنی اسدی، جعفر، گوهری، اکبر (۱۳۹۲). بهینه سازی الگوی کشت با هدف افزایش درآمد خالص به روش الگوریتم ژنتیک. همایش ملی پدافند غیرعامل در بخش کشاورزی، جزیره قشم.
    • بنی اسدی، مصطفی، زارع مهرجردی، محمدرضا، مهرابی بشرآبادی، حسین، میرزایی خلیل آبادی، حمیدرضا، رضایی استخروئیه، عباس (1397). ارزیابی اثرهای جانبی رفاهی برداشت بی‌رویه از آب‌های زیرزمینی (مطالعه موردی ذرت‌کاران دشت ارزوئیه کرمان).فصلنامه تحقیقات اقتصاد کشاورزی، 10 (37): 86-65.
    • بهبودی، داود، برزگری دین آباد، اسماعیل (1395). تحلیل تجربی فشارهای زیست محیطی تولید ناخالص داخلی در ایران. جغرافیا و برنامه ریزی، 19 (54): 60-43.
    • ترابی، تقی، خواجوی پور، امین، طریقی، سمانه، پاکروان، محمدرضا (1394). تأثیر مصرف انرژی، رشد اقتصادی و تجارت خارجی بر انتشار گازهای گلخانه‌ای در ایران. فصلنامه مدلسازی اقتصادی، 29 (9): 84-63.
    • جهانگرد، اسفندیار (1394). اولویت بندی سرمایه گذاری در فعالیت‌های اقتصادی ایران با لحاظ آلودگی های زیست محیطی. مجله مجلس و راهبرد، 21 (80): 115-93.
    • خوشنویسان، بنیامین، رفیعی، شاهین، امید، محمود، موسی زاده، حسین (1392). مدلسازی و پیش بینی شاخص های زیست محیطی کشت سیب زمینی با بهره گیری سیستم استنتاج عصبی- فازی تطبیقی و رویکرد ارزیابی چرخه زندگی. دومین همایش ملی حفاظت و برنامه ریزی محیط زیست، تهران.
    • رجبی، محمدحسین، سلطانی، افشین، زینعلی، ابراهیم، سلطانی، الیاس (1391). ارزیابی انتشار گازهای گلخانه ای و پتانسیل گرمایش جهانی ناشی از آن در تولید گندم در گرگان. مجله تولید گیاهان زراعی، 5 (3): 50: 44-23.
    • سیاسر، هادی، هنر، تورج (1396). بهینه سازی تخصیص آب و الگوی کشت محصولات غالب کشاورزی با استفاده از الگوریتم ژنتیک. سومین کنفرانس بین المللی مهندسی کشاورزی و منابع طبیعی، تهران.
    • شعبانی روچی، زهره، مسنن مظفری، مهدیه (1389). طراحی الگوی کشت بهینه گیاهان زراعی با تأکید بر کشت کلزا: مطالعه موردی شهرستان کرج. سومین کنفرانس بین‌المللی پژوهش‌های کشاورزی و منابع طبیعی، تهران.
    • مجدزاده طباطبایی، شراره، استادزاد، علی حسین (1394). بررسی سیاست‌های کنترل آلودگی با استفاده از تحلیل ایستای مقایسه‌ای در چارچوب یک مدل رشد درون‌زا: مطالعه موردی اقتصاد ایران.فصلنامه مدلسازی اقتصادی، 29 (9): 105-85..
    • مزینی، امیرحسین، عصاری، عباس، افشاریان، بهناز، رسولی، احمد (1394). بازتعریف رابطه مصرف انرژی و رشد اقتصادی در ایران (رویکرد بخشی ـ استانی).فصلنامه مدلسازی اقتصادی، 30 (9): 89
    • مزینی، امیرحسین، مرادحاصل، نیلوفر (1393). بررسی اثر فعالیت های غیر رسمی اقتصادی بر آلودگی هوا (برآورد منحنی زیست محیطی کوزنتس). مجله علوم و تکنولوژی محیط زیست، 16 (3): 94-72.
    • موسوی، سید نعمت الله، بوستانی، فردین، نجفی، بهاءالدین. (1388). سازگاری اهداف زیست محیطی و اهداف بهره‌برداران کشاورزی. مجله پژوهش های اقتصادی (رشد و توسعه پایدار)، 9 (1): 121-145.
    • میرزایی، شکیبا، ذاکری نیا، مهدی، شهابی فر، مهدی (2013). بهینه سازی الگوی کشت با استفاده از الگوریتم ژنتیک. اولین همایش ملی محیط زیست، انرژی و پدافند زیستی. مؤسسه آموزش عالی مهر اروند، تهران.
    • هراتی، جواد، اسلاملوئیان، کریم، قمطیری، محمدعلی، هادیان، ابراهیم (1394). تجزیه و تحلیل خسارت های رفاهی ناشی از آلودگی های زیست محیطی در ایران (با رویکرد دینامیک سیستم). مجله پژوهش‌های اقتصادی (رشد و توسعه پایدار)، 14 (4): 54-30.
    • یوسف دوست، آیسن، محمدرضا پور، ام النبی (۱۳۹۴). بهینه سازی الگوی کشت و تخصیص آب کشاورزی با استفاده از الگوریتم ژنتیک در شرایط آب و هوایی نرمال و خشک.کنفرانس بین المللی توسعه با محوریت کشاورزی، محیط زیست و گردشگری، تبریز.
    • Almaraz, M., & Bai, E., & Wang, C., & Trousdell, J., & Conley, S., & Faloona, I., & Houlton, B. Z. (2018). Agriculture is a major source of NOx pollution in California. Science advances, 4(1): 34-77.
    • Benli, B. & Kodal, S. (2003). A Nonlinear Model For Farm Optimization With Adequate And Limited Water Supplies: Application To The South-east AnatoliaProject (GAP) Region. Agriculture and Water Management, 62: 187-203.
    • Cabrini, S. M., & Calcaterra, C. P. (2016). Modeling economic-environmental decision making for agricultural land use in Argentinean Pampas. Agricultural Systems, 143: 183-194.
    • Cardoso, T. F., & Watanabe, M. D., & Souza, A., & Chagas, M. F., & Cavalett, O., & Morais, E. R., & Bonomi, A. (2018). Economic, environmental, and social impacts of different sugarcane production systems. Biofuels, Bioproducts and Biorefining, 12(1): 68-82.
    • Chlingaryan, A., & Sukkarieh, S., & Whelan, B. (2018). Machine learning approaches for crop yield prediction and nitrogen status estimation in precision agriculture: A review. Computers and electronics in agriculture, 151: 61-69.
    • Clements, D. R, & Weise S. F, & Brown, R, & Stonehouse, D. P, & Hume, D. J, & Swanton, C. J. (2005) Energy analysis of tillage and herbicide inputs in alternative weed management-systems. Agriculture, Ecosystems and nvironment, 52:119-128.
    • Fraser, I. & Cordina, C. (1999). Application Of Data Envelopment Analysis To Irrigated Dairy Farms In Northern Victoria, Australia. Agricultural system, 59: 267-282.
    • Hai, A. T. N., & Speelman, S. (2019). Economic-environmental trade-offs in marine aquaculture: The case of lobster farming in Vietnam. Aquaculture.34: 102-125
    • Hoang, V. N., & Alauddin, M. (2012). Input-orientated data envelopment analysis framework for measuring and decomposing economic, environmental and ecological efficiency: an application to OECD agriculture. Environmental and Resource Economics, 51(3): 431-452.
    • Haouari, M. & Azaiez, M. N. (2001). Optimal Cropping Patterns Under Water Deficit. Eropean Journal of Operational Research, 130: 133-146.
    • Kaab, A., & Sharifi, M., & Mobli, H.,& Nabavi-Pelesaraei, A., & Chau, K. W. (2019). Combined life cycle assessment and artificial intelligence for prediction of output energy and environmental impacts of sugarcane production. Science of the Total Environment, 664: 1005-1019.
    • Kizilaslan, H. (2009). Input- output energy analysis of cherries production in Tokat province of Turkey. Applied Energy, 86(7):1354-1358.
    • Koga, N. (2008). An energy balance under a conventional crop rotation system in northern Japan: Perspectives on fuel ethanol production from sugar beet. Agriculture, Ecosystems and Environment, 125: 101-110.
    • Martínez-Gomez, J., & Peña-Lamas, J., & Martín, M., & Ponce-Ortega, J. M. (2017). A multi-objective optimization approach for the selection of working fluids of geothermal facilities: economic, environmental and social aspects. Journal of environmental management, 203: 962-972.
    • Moutinho, V., & Robaina, M., & Macedo, P. (2018). Economic-environmental efficiency of European agriculture–a generalized maximum entropy approach. Agricultural Economics, 64(10): 423-435.
    • Ozkan, B., & Akcaoz, H., & Fert, C. (2004). Energy input output analysis in Turkish agriculture. Renewable Energy, 29: 39-51.
    • Ozkan, B., & Kurklu, A., & Akcaoz, H. (2004). An input-output energy analysis in greenhouse vegetable production: a case study for Antalya region of Turkey. Biomass and Bioenergy, 26: 89-95.
    • Parisio, A., & Glielmo, L. (2013). Stochastic model predictive control for economic/environmental operation management of microgrids. In 2013 European Control Conference (ECC) (pp. 2014-2019). IEEE.
    • Santibañez-Aguilar, J. E., & González-Campos, J. B., & Ponce-Ortega, J. M., & Serna-González, M., & El-Halwagi, M. M. (2014). Optimal planning and site selection for distributed multiproduct biorefineries involving economic, environmental and social objectives. Journal of cleaner production, 65: 270-294.
    • Schild, J. E., & Vermaat, J. E., & de Groot, R. S., & Quatrini, S., & van Bodegom, P. M. (2018). A global meta-analysis on the monetary valuation of dryland ecosystem services: The role of socio-economic, environmental and methodological indicators. Ecosystem services, 32: 78-89.
    • Tipi, T., & Cetin, B., & Vardar, A. (2009). An analysis of energy use and input costs for wheat production in Turkey. Journal of Agriculture and Environment, 7: 352-356.
    • Tiwari, D. N., & Loof, R., & Paudy, G. N. (1999), Environment Economic Decision Making In Lowland Agriculture Using Multicriteria Analysis Techniques. Agricultural System, 60(1): 99-112.
    • Wang, F., & Lv, C., & Huang, Q., & Xie, H. (2018). Economic-environmental equilibrium based optimal scheduling strategy towards wind-solar-thermal power generation system under limited resources. Applied energy, 231: 355-371.
    • Witney, B. (1995). Choosing and using farm machines. Land Technology Ltd, UK.
    • Zavala, J., & Krug, J. D., & Warren, S. H., & Krantz, Q. T., & King, C., & McKee, J., & Meier, M. J. (2018). Evaluation of an air quality health index for predicting the mutagenicity of simulated tmospheres.  Environmental science & technology,  52(5): 3045-3053.