اثرات راهبردهای تطبیقی بر مدیریت منابع آب در دشت مشهد: کاربرد مدل‌های اقتصادی- هیدرولوژیکی و رفتاری

نوع مقاله : مقالات پژوهشی به زبان انگلیسی

نویسندگان

• سامان ضیایی
• حسن سخدری
• محمود احمدپور
• حمید محمدی

گروه اقتصاد کشاورزی، دانشگاه زابل، زابل، ایران

https://doi.org/10.22067/jead.2022.78289.1151

چکیده

استان خراسان رضوی هم‌اکنون بحرانی‌ترین منابع آبی زیرزمینی در سطح کشور را داراست به طوری که افت سطح آب‌­های زیرزمینی در این استان به یک متر رسیده است. دشت مشهد در طی سال­های اخیر با بحران خشکسالی و کم‌آبی دست ‌و پنجه نرم می­‌کند. منشا بحران خشکسالی برداشت­های بی­رویه و گرمایش جهانی است. مدیریت جامع منابع آب با توجه به ماهیت پیچیده مسائل آب، رشد سریع جمعیت، نیاز به آب برای مصارف مختلف و منابع آبی محدود، نیازمند روش‌هایی است که دیدگاه‌های فنی، اقتصادی، زیست‌محیطی، اجتماعی و منطقی را در یک قالب یکپارچه گردآوری نماید. یکی از ابزارهای مدیریت جامع منابع آب، استفاده از روش‌های هیدرولوژیکی اقتصادی به منظور شبیه­سازی وضعیت کنونی حوضه­های آبریز و بررسی اثرات سناریوها و سیاست­های مختلف می­باشد. در مطالعه‌ی حاضر به منظور شبیه­سازی وضعیت هیدرولوژیکی دشت مشهد و بررسی اثرات سناریوهای مختلف از یک مدل اقتصادی- هیدرولوژیکی استفاده شد. در گام بعد به‌ منظور رسیدن به توافق با ذینفعان بر سر اجرای سناریوهای مختلف حفاظتی از مدل عامل محور استفاده گردید. نتایج مدل هیدرولوژیکی- اقتصادی نشان دادند که با اتخاذ سناریوهای تطبیقی امکان کاهش تقاضای آب بخش ‌کشاورزی و در نتیجه مصرف آب سطحی و زیرزمینی در این بخش وجود دارد. همچنین اجرای سناریوهای مختلف تطبیقی موجب تغییر الگوی کشت کنونی خواهد شد. از سوی دیگر نتایج مدل­سازی عامل محور نشان داد که میان میزان آب در دسترس ناشی از راهبردها و تقاضای آب تفاوت زیادی وجود دارد که این موضوع موجب خواهد شد که کشاورزان با اجرای سناریوهای حفاظتی همکاری نکنند. اما با به کارگیری سیاست­های تشویقی می­توان برخی از کشاورزان نماینده را به اجرای سناریوهای تطبیقی راضی نمود.

کلیدواژه‌ها

• دشت مشهد
• راهبردهای تطبیقی
• منابع آب
• مدل اقتصادی-هیدرولوژیکی

20.1001.1.20084722.1401.36.4.7.0

موضوعات

• اقتصاد کشاورزی

مراجع

1. Akhbari, M., & Grigg, N.S. (2015). Managing water resources conflicts: Modelling behaviour in a decision tool. Water Resources Management 29(14): 5201-5216. https://doi.org/10.1007/s11269-015-1113-9.
2. Pouran, R., Raghofer, H., Ghasemi, A., & Bazazan, F. (2016). Calculating the economic value of virtual water with the approach of maximizing the productivity of irrigation water. Applied Economic Studies of Iran 21: 189-212. (In Persian with English abstract)
3.  Barthel, R., Janisch, S., Nickel, D., Trifkovic, A., & Hörhan, T. (2010). Using the multiactor-approach in Glowa-Danube to simulate decisions for the water supply sector under conditions of global climate change. Water Resources Management 24(2): 239-275. https://doi.org/10.1007/s11269-009-9445-y.
4. Dawadi, S., & Ahmad, S. (2013). Evaluating the impact of demand-side management on water resources under changing climatic conditions and increasing population. Journal of Environmental Management 114: 261-275.
5.  Edwards, P., Preece, A., Pignotti, E., Polhill, G., & Gotts, N. (2005, June). Lessons learnt from deployment of a social simulation tool to the semantic Grid. In Proceedings of First International Conference on e-Social Science (pp. 22-24).
6. Esteve, P., Varela-Ortega, C., Blanco-Gutiérrez, I., & Downing, T.E. (2015). A hydro-economic model for the assessment of climate change impacts and adaptation in irrigated agriculture. Ecological Economics 120: 49-58.
7. Forni, L. G., Medellín-Azuara, J., Tansey, M., Young, C., Purkey, D., & Howitt, R. (2016). Integrating complex economic and hydrologic planning models: An application for drought under climate change analysis. Water Resources and Economics 16: 15-27. https://doi.org/10.22067/jead.2021.17801.0.
8. Gleick, P.H., & Palaniappan, M. (2010). Peak water limits to freshwater withdrawal and use. Proceedings of the National Academy of Sciences 107(25): 11155-11162.
9. Harou, J.J., Pulido-Velazquez, M., Rosenberg, D. E., Medellín-Azuara, J., Lund, J.R., & Howitt, R.E. (2009). Hydro-economic models: Concepts, design, applications, and future prospects. Journal of Hydrology 375(3-4): 627-643.
10. Hosseini, S.A., & Bagheri, A. (2011). Dynamic modeling of Mashhad plain water resources system for analyzing sustainable development strategies. Journal of Water and Wastewater 4: 39-28. (In Persian with English abstract)
11.  Nasirzadeh, F., Afshar, A., & Khanzadi, M. (2008). Dynamic risk analysis in construction projects. Canadian Journal of Civil Engineering 35(8): 820-831.
12. Nazim Al Sadat, M., Samani, N., Bari, A., & Molayi Niko, M. (2006). The effective force of El Nino-Southern Oscillation phenomenon on climate change in Iran, using precipitation data analysis. Iranian Journal of Science and Technology 4: 565-555. (In Persian with English abstract)
13. Nikolic, V.V., & Simonovic, S.P. (2015). Multi-method modeling framework for support of integrated water resources management. Environmental Processes 2(3): 461-483.
14. Shahnooshi, N., Naqvi, S., & Azam Rahmati, A. (2015). The relationship between population and water crisis and its impact on macroeconomic variables. First National Water Economics Conference, Tehran: Iran Water and Wastewater Engineering Company. (In Persian with English abstract)
15. Sherafatpour, Z., Roozbahani, A., & Hasani, Y. (2019). Agricultural water allocation by integration of hydro-economic modeling with Bayesian networks and random forest approaches. Water Resources Management 33(7): 2277-2299.
16.  Ward, F.A., & Pulido-Velazquez, M. (2008). Water conservation in irrigation can increase water use. Proceedings of the National Academy of Sciences 105(47): 18215-18220. https://doi.org/10.1073/pnas.0805554105.
17. Yazdani, Qanadzadeh, M., & Faiz Elahi, H. (2016). Quantitative and qualitative analysis of groundwater resources of Mashhad-Chenaran plain. The third international conference on research in agriculture and environment, permanent secretariat of the conference, Hamedan. (In Persian with English abstract)
18. Zekri, S., Madani, K., Bazargan-Lari, M.R., Kotagama, H., & Kalbus, E. (2017). Feasibility of adopting smart water meters in aquifer management: An integrated hydro-economic analysis. Agricultural Water Management 181: 85-93. https://doi.org/10.1016/j.agwat.2016.11.022.