تعیین کارایی محیط‌زیستی محصولات عمده زراعی مناطق منتخب استان خوزستان

نوع مقاله : مقالات پژوهشی

نویسندگان

1 دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

2 دانشیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

3 مدرس گروه حسابداری و اقتصاد دانشگاه بزرگمهر قائنات و تربت حیدریه

چکیده

 تجزیه و تحلیل نظام­های کشاورزی به‌منظور تعیین کارایی و بررسی اثرات محیط زیستی- اقتصادی، موجب ارتقاء کیفی مدیریت و توسعه پایدار کشاورزی می‌گردد. توسعه پایدار بخش کشاورزی از اولویت­های مهم مورد توجه کشورها بوده و نقش و اهمیت کارایی محیط­زیستی همواره مورد تأکید بوده است. در این راستا، مطالعه حاضر با توجه به مزیت نسبی اقتصادی استان خوزستان و با هدف تعیین کارایی محیط­زیستی- اقتصادی، کارایی عملیاتی و کارایی محیط­زیستی محصولات عمده زراعی با استفاده از تلفیق مدل بهینه­سازی با پارامترهای کنترل‌کننده میزان محافظه­کاری و تحلیل پوششی داده­ها انجام گرفت. داده‌های مورد نیاز با تکمیل پرسشنامه از کشاورزان مناطق گتوند، عقیلی و دیمچه استان خوزستان و با روش نمونه­گیری تصادفی در سال زراعی 99-1398 جمع­آوری گردید. نتایج نشان داد، یونجه­کاران منطقه گتوند با کسب امتیاز در محدوده 89-81 و 96-90 درصد به‌ترتیب بالاترین میزان کارایی محیط­زیستی و محیط­زیستی-اقتصادی را به خود اختصاص دادند. در منطقه عقیلی، محصول برنج بالاترین میزان کارایی عملیاتی به ازای سطوح مختلف احتمال انحراف در محدوده 87-77 درصد، کارایی محیط­زیستی در محدوده 90-80 درصد و کارایی محیط­زیستی-اقتصادی در محدوده 95-87 درصد را کسب نمود. در منطقه دیمچه، محصول نیشکر بالاترین میانگین انواع کارایی را به ازای سطوح مختلف احتمال انحراف با کسب امتیازات در محدوده 78 تا 90، 80 تا 89 و 87 تا 95 به‌ترتیب برای کارایی عملیاتی، محیط­زیستی و محیط­زیستی-اقتصادی را به خود اختصاص داد. به طور کلی، میانگین کارایی عملیاتی در همه سطوح احتمال برای محصولات مورد بررسی در مناطق گتوند، عقیلی و دیمچه به استثنای (لوبیا در منطقه گتوند)، کمتر از میانگین کارایی محیط­زیستی برآورد گردید. این امر، بیانگر عدم قابلیت­ها و مهارت­های کشاورزان در به کارگیری میزان مناسب نهاده‌ها جهت تولید محصولات کشاورزی بوده، در حالی­که کشاورزان مناطق مورد بررسی، بر مسائل محیط­زیستی تمرکز بیشتری دارند. لذا پیشنهاد می‌شود در زمینه به کارگیری مناسب نهاده‌های تولید، آموزش‌های ترویجی صورت گیرد.

کلیدواژه‌ها

موضوعات

مراجع

  1. Agricultural Jihad Organization, Khuzestan. (2019).
  2. Barghi, H., Hosni-nejad, A., & Shayan, M. (2016). Evaluation of the effects of agricultural chemicals on the environment of villages (case study: villages of Zarin-Dasht city), Natural Hazards Management, 4(3), 247-262. (In Persian with English abstract). https://doi.org/10.22059/JHSCI.2018 .248113.306
  3. Boucekkine, R., Jacek, K., & Thomas, V. (2011). "Environmental quality versus economic performance: a dynamic game approach". Optimal Control Applications and Methods, 32(1), 29–46. https://doi.org/10.1002/oca.927
  4. Beshartadeh, , Nowrozi, A., & Faizabadi, Y. (2021). Evaluation of economic-environmental efficiency of tangerine production in Mazandaran province with the approach of rural economic development, Space Economy and Rural Development Quarterly, 4, 195-219. (In Persian with English abstract)
  5. Charles, A., & Cooper, W.W. (1962). Programming with linear fractional functionals. Naval Res. Logistics. Q, 9, 181–186. https://doi.org/10.1002/nav.3800100123.
  6. Despotis, K., Maragos, E.K., & Smirlis, Y.G. (2006). Data envelopment analysis with missing values: An interval DEA approach. European Journal of Operational Research, 140, 24–36. https://doi.org/10.1016/j.amc.2005.10.028
  7. Department of Environment Environmental Organization. (2019).
  8. Forleo, B., Palmieri, N., & Salimei E. 2018. The Eco-Efficiency of the Dairy Cheese Chain: an Italian case study, Italian Journal of Food Science, 30(2), 112-128. https://doi.org/10.14674/IJFS-1077
  9. Han, , Geng. Z., Zhu, Q., & Qu, Y. (2015). Energy efficiency analysis method based on fuzzy DEA cross-model for ethylene production systems in the chemical industry. Energy, 83, 685-695. https://doi.org/10.1016/j.energy.2015.02.078
  10. Lertworasirikul, S., Shu-Cherng, F., Joines, J.A., & Nuttle, H.L.W. (2003). Fuzzy data envelopment analysis (DEA): A possibility approach. Fuzzy Sets and Systems, 139, 379–394. https://doi.org/10.1016/S0165-0114(02)00484-0
  11. Kazemi, , Bourkheili, S. H., Kamkar, B., Soltani, A., Gharanjic, K., & Nazari, N. M. (2016), Estimation of greenhouse gas (GHG) emission and energy use efficiency (EUE) analysis in rainfed canola production (case study: Golestan province, Iran), Energy, 116, 694-700. http://dx.doi.org/10.1016/j.energy.2016.10.010
  12. Karimi, F., Pirasteh, H., & Zahedi, K. (2012). Determining the efficiency of wheat farming according to the two factors of time and risk using coverage analysis Open data and windowed data coverage analysis, Agricultural economics and development.
  13. Mardani, , Sakhdari, H., & Sabouhi, M. (2011). Application of multi-objective programming and Controller parameters of conservatism in agricultural planning, Case study: Mashhad city. Journal of Agricultural Economics Research, 2, 161-187. https://doi.org/20.1001S.1.20086407.1390 .3.10.10.7
  14. Mardani Najafabadi, M., & Ziaee, S. (2015). Determining the efficiency of irrigated wheat fields in Neishabur city under conditions of uncertainty, Economics and Agricultural Development, (2) 30, 136-147. (In Persian with English abstract). https://doi.org/10.22067/ JEAD2. V30I2.49099
  15. Mardani Najafabadi, M., & Abdshahi, A. (2018). Evaluating the efficiency of groves in Ahvaz city under conditions of uncertainty: the application of robust data coverage analysis and Monte Carlo simulation, Agricultural Economics and Development, 33(2): 191-204. (In Persian with English abstract)
  16. Masuda, K. (2016). Measuring eco-efficiency of wheat production in Japan: a combined application of life cycle assessment and data envelopment analysis. Journal of Cleaner Production, 17(22), 373–381. https://doi.org/10.1016/j.jclepro.2016.03.090
  17. Nikkhah, A., Khojastehpour, M., Emadi, B., Taheri-Rad, A., & Khorramdel, S. (2015). Environmental impacts of peanut production system using life cycle assessment methodology, Journal of Cleaner Production, 92, 84-90. https://doi.org/1016/j.jclepro.2014.12.048
  18. Nabavi-Pelesaraei, A., Rafiee, S., Hosseinzadeh-Bandbafha, H., & Shamshirband, S. (2016). Modeling energy consumption and greenhouse gas emissions for kiwifruit production using artificial neural networks, Journal of Cleaner Production, 133, 924-931. https://doi.org/10.1016/j.jclepro.2016.05.188
  19. Ohadi, N., Ahani, E., & Moradi, E. (2020). Determination of technical efficiency in dairy farms of Sirjan city using fuzzy data envelopment analysis method, Journal of Agricultural Economics Research, Volume 12, Number 47, pp. 252-237. (In Persian). https://doi.org/20.1001.1.20086407.1399.12.47.10.4
  20. Ozalp, A., Yilmaz, S., Ertekin, C., & Yilmaz, I. (2018). Energy Analysis and Emissions of Greenhouse Gases of Pomegranate Production in Antalya Province of Turkey, ErwerbsObstbau, 1-9 https://doi.org/10.1007/s10341-018-0380-z
  21. Reports of Khuzestan Province Program Organization, (2016).
  22. Rasakhis. S., Shahrazi, M., Shidaei, Z., Jafari, M., & Dehghan, Z. (2015). The relationship between economic efficiency and environmental efficiency: new evidence for developing and developed countries, Economic Research and Policy Quarterly, No. 78, Year 24, 31-56. (In Persian with English abstract)
  23. Sabouhi, M., & Mardani, M. (2010). Investigating the effect of rainfall on cropping pattern and total gross margin in the right irrigation network of nekouabad diversion dam. Journal of Agricultural Economics Research, 5, 202-221.
  24. Sabouhi, M., & Mardani, M. (2013). Application of robust optimization approach for agricultural water resource management under Uncertainty. Journal of Irrigation and Drainage Engineering, 139, 571-581. https://doi.org/10.1061/(ASCE)IR.1943-4774. 0000578
  25. Shokouhi, A.H., Hatami-Marbini, A., Tavana, M., & Saati, S. (2010). A robust optimization approach for imprecise data envelopment analysis. Computers and Industrial Engineering, 59, 387-397. https://doi.org/10.1016/j.cie.2010.05.011
  26. Taate, H., Khosravi, B., Berghae Khatebe, N. (2013). Investigating the effects of technology and its consequences on the environment, the third environmental planning and management conference.
  27. Ullah, A., Perreta, R.S., Gheewala, SH., & Sonia, P. (2015). Eco-efficiency of cotton-cropping systems in Pakistan: an integrated approach of life cycle assessment and data envelopment analysis. https://doi.org/10.1016/j.jclepro.10.112
  28. Mardani, M., & Taki, M. (2020). Robust data envelopment analysis with Monte Carlo simulation model for optimization the energy consumption in agriculture. Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 1-15. https://doi.org/10.1080/15567036.2020.1777221
  29. Mardani Najafabadi, M., Mirzaei, A., Abdeshahi, A., & Azarm, H. (2020). Determining the efficiency of broiler chicken units in Sistan region, using interval data envelopment analysis and Mont Carlo simulation approach. Iranian Journal of Agricultural Economics and Development Research, 51(2), 179-194. https://doi.org/10.22059/IJAEDR.2019.273150.668695

 

ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

سابقه مقاله

  • تاریخ دریافت: 27 شهریور 1401
  • تاریخ بازنگری: 10 بهمن 1401
  • تاریخ پذیرش: 24 بهمن 1401

هم رسانی

ارجاع به این مقاله

آمار