اثر ریسک درآمدی بر الگوی کشت بهینه محصولات زراعی (کاربرد مدل تحلیل پوششی داده‌ها)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری ایران

2 دانشیار اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

3 دانشیار اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

4 دانشیار اقتصاد کشاورزی، دانشگاه بلونیا، ایتالیا

چکیده

تعیین الگوی کشت و ترکیب بهینه محصولات از طریق ایجاد تنوع، با توجه به مسائل اقتصادی و فرصت‌ها و منابع موجود، یکی از ابزارهای مقابله با ریسک درآمدی است که به‌عنوان برآیند دو ریسک قیمت و عملکرد، از مهم‌ترین ریسک‌های پیش‌روی کشاورزان است. در پژوهش حاضر الگوی کشت بهینه محصولات زراعی کشاورزان شهرستان گرگان برای سال 1397 در جهت مقابله و کاهش ریسک درآمدی با به‌کارگیری معیارهای ریسک و بازدهی تعیین شد، که برای این منظور از مدل تحلیل پوششی سازگار با تنوع بر مبنای معیار فاصله جهت‌دار استفاده‌ گردید.‌ نتایج برآورد حاکی از کاهش به ترتیب 05/0 و 11 درصدی در معیارهای ریسک ضریب تغییرات و ارزش در معرض خطر شرطی و افزایش 24 درصدی معیار سود انتظاری در الگوی کشت بهینه نسبت به الگوی فعلی است. همچنین در الگوی کشت بهینه سطح زیرکشت محصولات برنج دانه‌متوسط مرغوب، برنج دانه‌بلند پرمحصول و کلزا افزایش و سطح زیرکشت گندم و سیب‌زمینی کاهش می‌یابد. با توجه به سهم 60 درصدی ارقام برنج دانه­بلند پرمحصول و دانه‌متوسط مرغوب در الگوی کشت بهینه، اقداماتی نظیر بیمه درآمدی و پرداخت‌های جبرانی به منظور ترویج بیشتر کشت این محصول در منطقه توصیه می‌شوند.

کلیدواژه‌ها


  1. Avazyar, M.R., Ahmadpour Borazjani, M., & Ziaei, S. (2018). Determine optimal crop pattern with an emphasis on increasing the irrigation efficiency in lands of Mollasadra Dam in Fars province. Journal of Water Engineering, 11(36): 21-32. (In Farsi).
  2. Bazrafshan, M., Toulabi Nejad, M., & Sadeghi, K. (2017). Analysis of the relationship between sustainable land management and crop yield and evaluating its effects on food security of households in rural eastern Miyankooh (Poldokhtar City). Journal of Rural Research, 8(2): 346-363. (In Farsi).
  3. Bielza, M., Conte, C., Dittmann, CH., Gallego, J., & Stroblmair, J. (2008). Agricultural insurance schemes. Institute for the Protection and Security of the Citizen, Agriculture and Fisheries Unit.
  4. Branda, M. (2015). Diversification-consistent data envelopment analysis based on directional-distance measures. Omega, 52: 65-76.
  5. Dourandish, A., & Torabi, S. (2016). Effects of agricultural water supply constraints on cropping pattern in Chenaran County (Application of fuzzy multi-objective programming with nonlinear membership function). Iranian Journal of Agricultural Economics and Development Research, 47(3): 557-567. (In Farsi).
  6. Filippi, C., Mansini, R., & Stevanato, E. (2015). Mixed Integer Linear Programming models for Optimal Crop Selection. Working paper. Department of economics and Management University of Brescia Italy.
  7. Hazell, P.B.R. (1982). Application of risk preference estimation in farm household and agricultural sector models. American Journal of Agricultural Economics, 64: 384-390.
  8. Heydari Kamalabadi, R., Hosseini Yekani, A., Mojaverian, M., & Nikouei, A. (2017). Measuring the Future Risk of Crops Yield Using CVaR Method in Zayanderud Agricultural System. Journal of Economics and Agricultural development, 31(3): 252-266. (In Farsi).
  9. Joolaie, R., Mirkarimi, M., Hasanvand, M. & Shirani Bidabadi, F. (2016). Management of optimum cropping pattern of crops in Mazandaran province using goal programming. Journal of Agricultural Economics and development, 24(94): 71-94. (In Farsi).
  10. Kashiri Kolaei, F., & Hosseini Yekani, A. (2016). Determination of optimal cropping pattern in Mazandaran province in the context of conditional risk value model. 10th Biennial Conference of Iran’s Agricultural Economics, Iranian agricultural economics society, Kerman, Iran. (In Farsi).
  11. Kashiri Kolaei, F., Hosseini Yekani, A., & Karkaboodi, F. (2017). Effect of Agricultural Crop Insurance on the Optimal Cropping Pattern in Mazandaran Province (Application of Conditional Value at Risk Model). Journal of Agricultural Economics, 11(1):111-132.
  12. Kay, R.D., (2012). Farm management: Planning, control and implementation. Arsalanbod, M. Urmia: University of Urmia.
  13. Lamb, J.D., & Tee, K.H. (2012). Data envelopment analysis models of investment funds. European Journal of Operational Research, 216(3):687–696.
  14. Mahmoodi, N., & Saboohi, M. (2007). Effects of income risk on optimal cropping pattern selection (Case study of Jaban village of Damavand). 6th Biennial Conference of Agricultural Economics, Iranian agricultural economics society, Mashhad, Iran. (In Farsi).
  15. Mesfin, W. (2014). Crop mix and resource use pattern under risk: The case of smallholder farmers in eastern highlands of Ethiopia. International Journal of Agriculture and Crop Sciences, 7(5): 251-261.
  16. Ministry of Agriculture-Jahad, (2017). Statistical information, Agricultural statistics, Crops, from https://www.maj.ir
  17. Mirkarimi, SH., Joolaie, R; Eshraghi, F. & Shirani Bidabadi, F. (2015). Application of Fuzzy Goal Programming Approach in Determining Optimal Cropping Pattern to Achieve Sustainable Rural Development Goals: Subsector of Farming, Amol County of Iran. Journal of Village and Development, 18(3):109-129. (In Farsi).
  18. Osama, S., Elkholy, M., & Kansoh R.M. (2017). Optimization of the cropping pattern in Egypt. Alexandria Engineering Journal, 56: 557–566.
  19. Pishbahar, E., & Khodabakhshi, S. (2015). Effects of elimination subsidies of agricultural inputs on crop cultivation pattern in Tehran Province. Iranian Journal of Agricultural Economics and Development Research, 46(3): 551-558. (In Farsi).
  20. Silva Portela, M.C.A., Thanassoulis, E., & Simpson, G. (2004). Negative data in DEA: a directional distance approach applied to bank branches. Journal of the Operational Research Society, 55(10):1111–1121.
  21. Statistical Center of Iran, (2014). Data and statistical information, Agricultural data, from https://www.amar.org.ir
  22. Tahamipour, M., Salami, H., Yazdani, S., & Chizari A.H. (2013). Determining spatial dependency of systematic risk of dry land wheat yield in Iran: Application of spatial autoregressive models. Iranian Journal of Agricultural Economics and Development Research, 44(3): 343-356. (In Farsi).
  23. Tanaka, D.L., Krupinsky, J.M., Liebig, M.A., Merill, S.D, Ries, R.E., Hendrickson, J.R., Johnson, H.A., & Hanson, J.D. (2002). Dynamic cropping systems: An adaptable approach to crop productions in the Great Plains. Agronomy Journal, 94(5): 957-961.
  24. Yaghoobi, A., Chizari, M., Feli, S., & Pezeshkirad, Gh. (2010). Factors Affecting Risk Management among Dryland Wheat Farmers in Tafresh City. Iranian Agricultural Extension and Education Journal, 6(1): 91-101. (In Farsi).

Zhong, H., Suna, L., Fischer, G., Tiand, Zh., & Liang, Zh. (2019). Optimizing regional cropping systems with a dynamic adaptation strategy for water sustainable agriculture in the Hebei Plain. Journal of Agricultural Systems, 173: 94–106