مدل‌سازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی (مطالعه موردی: حوضه آبخیز رودشور)

مدلسازی اقتصادی

مقاله 6، دوره 13، شماره 46، شهریور 1398، صفحه 121-144   

نوع مقاله: پژوهشی

نویسندگان

ابوذر پرهیزکاری^{* 1}؛ غلامرضا یاوری²؛ ابوالفضل محمودی²؛ غلامرضا بخشی خانیکی³

¹دانشجوی دکترای اقتصاد کشاورزی دانشگاه پیام نور تهران

²دانشیار گروه اقتصاد کشاورزی دانشگاه پیام نور

³استاد گروه علوم کشاورزی (بیوتکنولوژی) دانشگاه پیام نور

چکیده

هدف این مقاله مدل‌سازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی در حوضه آبخیز رودشور با استفاده از مجموعه داده­های پانل (سری زمانی) مربوط به متغیر اقلیمی بارش طی 1395-1365 و مقطعی سال پایه 95-1394 می‌باشد. برای دست‌یابی به نتایج کاربردی، مدل‌سازی با تلفیق دو بخش بیوفیزیکی و اقتصادی تحت سناریوهای آزمایش ملایم، متوسط و شدید با استفاده از نرم‌افزار گمز صورت گرفت. نتایج نشان داد الگوی رفتاری متغیر اقلیمی بارش در حوضه آبخیز رودشور پس از سال 1380 با روندی کاهشی همراه بوده و با تغییر اقلیم ناشی از کاهش بارش تحت سناریوهای ملایم تا شدید، منابع آب منطقه 75/5 تا 8/13 درصد، تولیدات کشاورزی 60/3 تا 54/8 درصد و سود ناخالص کشاورزان 71/2 تا 04/8 درصد کاهش می‌یابد؛ اما، ارزش اقتصادی هر مترمکعب آب آبیاری نسبت به سال پایه 13/5 تا 7/12 درصد افزایش می‌یابد. برای حفاظت از منابع آب این حوضه، تعیین مجدد نرخ آب­بها براساس برابری، آیش­گذاری اراضی و تجهیز سیستم‌های نوین آبیاری پیشنهاد می­شود.

کلیدواژه‌ها

طبقه‌بندی JEL: C23 Q54؛ .R11؛ واژگان کلیدی: مدل‌سازی بیوفیزیکی- اقتصادی؛ اقلیم و کشاورزی؛ حوضه آبخیز رودشور

اصل مقاله

1. مقدمه

مدل‌سازی یکپارچه بیوفیزیکی- اقتصادی[1] یک رویکرد مشترک برای ارزیابی سناریوهای سیاستی در حوضه­های آبخیز به شمار می­رود (کورتیگنانی و دونو[2]، 2018). این رویکرد با مطرح کردن سیاست‌های مدیریت یکپارچه منابع آب و الزامات قانونی برای مدیریت این منابع در حوضه موری- دارلین^[3] (MDB) معرفی شد.

برای ارتباط اطلاعات بیوفیزیکی و اقتصادی در چارچوب مدلسازی­های بیوفیزیکی- اقتصادی و ارزیابی تأثیرات سیاست­های کشاورزی از مدل­های برنامه­ریزی ریاضی[4] (MP) استفاده می­شود. این مدل­ها برای تجزیه و تحلیل مدیریت تقاضای آب آبیاری و سیاست­های زیست­محیطی نیز به­کار گرفته می‌شوند (گریفین[5]، 2006 و کورتیگنانی و دونو، 2018).

مدل‌سازی­های ریاضی به عنوان ابزاری جامع و کاربردی برای تحلیل آثار بالقوه تغییرات اقلیمی و سیاست‌های پیرامون مدیریت منابع آب و کشاورزی پذیرفته شده­اند (آدامسون، مالاواراچس و کیوگین[6]، 2009؛ شوکلا، مایتری و میسکا[7]، 2017). با این حال، مدل­های یاد شده، عمدتا، برای تخصیص منابع بین فعالیت­های تولیدی به کار می­روند و شکل ریاضی تقریبا مشابهی دارند؛ با این تفاوت که گاهی محدودیت­های حداقل و یا حداکثرسازی منابع به آن­ها اضافه و یا از آن­ها کم می‌شود (قارشی، ویتن، ماینادین، ماروانک و المهدی[8]، 2013).

امروزه، روش­های مختلفی برای حل مسائل تجمیعی و فوق تخصصی در مدل­های تولید کشاورزی به وجود آمده است. مدل برنامه­ریزی ریاضی اثباتی[9] (PMP) از جمله این مدل­ها است که توسط هاوویت (1998) معرفی گردید. اصطلاح «اثباتی»، بیانگر اثبات داده‌های مشاهده شده در سال مرجع پس از اعمال فرایند واسنجی[10] در سیستم مدل‌سازی است (پتساکوس و روزاکیس[11]، 2015؛ گارناچ، میرل، هاوویت و لی[12]، 2015 و پرهیزکاری، مظفری و خدادادی حسینی، 1394).

مسأله مهمی که امروزه، در اقصی ­نقاط دنیا نمود یافته و در مجامع جهانی نیز بحث می‌شود، رخداد گرمایش جهانی[13] و پدیده تغییر اقلیم است (تراینهام، پالمر و پولبیتسکی[14]، 2011؛ پراتیبا، سرینواس، رائو، آران، شانکر و ماهسواری[15]، 2016 و پرهیزکاری و یزدانی، 1396). این پدیده همان­ طور که از فعالیت­های گوناگون انسانی تأثیر می­پذیرد، اثرات مختلفی بر فعالیت­های انسانی بر جای می­گذارد (خانلری و کیخا، 1391). در این راستا، بخش کشاورزی به دلیل نیاز اولیه به منابع آب، از جمله مهم‌ترین بخش­های اقتصادی هر کشوری است که در درجه اول تحت تأثیر پدیده تغییر اقلیم قرار می­گیرد (محمدی قلعه­نی، ابراهیمی و عراقی­نژاد، 1391).

حوضه آبخیز رودشور شامل رودخانه­های فصلی ابهررود، خررود و حاجی­عرب است. میانگین بارش سالانه در این حوضه 1/234 میلی­متر بوده که حدود 8 درصد کم‌تر از متوسط بارندگی در سطح کشور است (سازمان هواشناسی استان تهران، 1397). مصرف بی­رویه آب در سطح اراضی حوضه رودشور از یک­سو و کاهش نزولات جوی در این حوضه از سوی دیگر، برنامه‌ریزی مناسبی را برای مدیریت منابع آب ایجاب می‌کند. به همین منظور، هدف این تحقیق ارزیابی سیستم مدل‌سازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی در حوضه آبخیز رودشور است.

برای دست‌یابی به این هدف، مقاله بدین شکل سازماندهی شده است: در ادامه، پس از مقدمه، ادبیات مرور می‌شود؛ بخش سوم مربوط به روش تحقیق و بخش چهارم مربوط به یافته‌هاست؛ در پایان و بخش پنجم، نتیجه‌گیری و توصیه‌های سیاستی ارائه می‌شود.

 

2. مروری بر ادبیات

مزیّت مدل­های برنامه­ریزی ریاضی در بررسی جزئی­تر تأثیر سیاست­های کشاورزی است (مدلین- آزورا، هاروئی و هاوویت[16]، 2011؛ کورتیگنانی و دونو، 2018). مدل­های برنامه­ریزی هنجاری[17] (NMP) بیش از 50 سال است که در اقتصاد کشاورزی استفاده می­شوند. نقطه ضعف این نوع مدل­ها در آن است که پارامترهای تابع هدف و محدودیت­های لحاظ شده بر اساس داده­های تاریخی، واسنجی نمی‌شوند؛ از این‌رو، مدل‌‌های PMP جهت غلبه بر مشکلات موجود در مدل­های NMP توسعه یافته­اند (هاویت، مدلین آزورا، مک­اِوام، لاند[18]، 2012؛ پاک‌نژاد، 1391 و پرهیزکاری، مظفری، حسینی خدادادی، 1394). نحوه بهینه­سازی مسائل تولید بر اساس مدل‌های یاد شده در شکل‌های (1) و (2) نشان داده شده است.

 

 

شکل 1. مدل NMPبنگاه با هدف حداکثرسازی سود فعالیت­های تولیدی

 

شکل 2. مدل PMPبنگاه با هدف حداکثرسازی سود فعالیت­های تولیدی

 

با توجه به شکل­های (1) و (2) ملاحظه می­شود که در مدل­های NMP که مدل­سازی با تأکید بر محدودیت­های وارد شده به حداکثر­سازی تابع هدف می­پردازد، هیچ تضمینی برای رسیدن به شرایط موجود وجود ندارد و نتایج به دست آمده به دلیل خصوصیت تجویزی بودن الگوها اطمینان کافی نداشته و توجیه نمودن جواب­های این نوع الگوها برای تصمیم­گیرندگان مشکلات زیادی همراه دارد؛ در حالی که در مدل­های PMP با این فرض که کشاورزان در شرایط موجود و با توجه به قیمت محصول و نهاده­ها و محدودیت‌های موردنظر به طور بهینه عمل می­کنند، سعی می­شود تا با استفاده از یک تابع هدف غیرخطی و محدودیت­های مورد نظر سطوح مشاهده شده فعالیت­ها بازسازی شود (هیوکا، روجا و مکوپا[19]، 2014؛ پاک­نژاد، 1391؛ پرهیزکاری، 1396).

برخلاف مدل­های NMP، در مدل­های PMP برخی پارامتر­ها برای بازسازی داده‌های مشاهده شده در سال پایه تعدیل می­شوند. بنابراین، PMP تضمین می­کند که جواب­های مدل همان جواب‌های سال مبنا باشند (جونس، آنتل، باسو و بوت[20]، 2017؛ گراولین[21]، 2016 و صبوحی و پرهیزکاری، 1392). یکی دیگر از مزیت­های مدل­ PMP آن است که در محدودیت‌های کالیبره یا سنجیده شده خود به درجات آزادی صفر نیاز دارد. بنابراین، تعداد پارامتر­هایی که می‌تواند هنگام واسنجی تعیین شود، محدود­ است. به دلیل محدودیت تعداد پارامتر­ها، مدل­های PMP فرم تابعی ساده­ای دارند (گراولین و میرل[22]، 2014 و بخشی، دانشور و مقدسی، 1390).

طی سال­های اخیر مطالعات متعددی با استفاده از سیستم­های مدل‌سازی اقتصادی و مدل‌های برنامه­ریزی ریاضی در زمینه ارزیابی آثار بالقوه تغییر اقلیم در بخش کشاورزی صورت گرفته است. بلالی و ویاجی[23] (2015) با استفاده از یک مدل­ هیدرواقتصادی پویا به مدل­سازی منابع آب زیرزمینی حوضه آبخیز دشت بهار همدان تحت شرایط متفاوتی از سیاست­های اقتصادی و تغییرات اقلیم پرداختند. نتایج نشان داد که اعمال سیاست­های مختلف دولت در زمینه مدیریت منابع آب و قیمت‌گذاری انرژی اثر معناداری بر بهره‌وری منابع آب و پایداری آب‌های زیرزمینی دارد.

مائو، هیو، لین، لیو و اکسیا[24] (2017) با استفاده از مدل گردش عمومی جو[25] (GCM) اثر تغییر اقلیم را بر منابع آب و سازگاری تولید محصولات کشاورزی در شمال چین بررسی کردند. نتایج حاکی از آن است که تغییرات اقلیم تا سال 2050 تقاضای آب برای تولید محصولات را تشدید نموده و گرمایش جهانی کاهش 4 تا 24 درصدی منابع آب را در این منطقه به دنبال خواهد داشت.

کورتیگنانی و دونو (2018) با استفاده از سیستم مدل‌سازی بیوفیزیکی- اقتصادی به بررسی اثرات تغییر اقلیم و برنامه­های سیاستی مقابله با آن در مزارع جنوب ایتالیا پرداختند. نتایج نشان داد برنامه­های سیاستی مدنظر برای مقابله با تغییرات اقلیم اثرات مثبتی بر عوامل اقتصادی و محیطی در منطقه دارند. با وجود این، برخی از مزارع همچنان تحت تاثیر پیامدهای منفی این پدیده قرار می­گیرند.

آگووینو، کاساکیا، سیومی، فرارا و مارکسانو[26] (2018) در تحقیقی با استفاده از مدل پنل دیتا و سناریوهای انتشار به بررسی اثرات تغییر اقلیم بر وضعیت کشاورزی 28 کشور در اتحادیه اروپا پرداختند. نتایج حاکی از وجود اثرات انتشار گازهای گلخانه­ای بر متغیرهای دما و بارش و عملکرد محصولات طی دوره 2014-2005 است. همچنین نتایج نشان می­دهد بین تغییرات اقلیم و کشاورزی پایدار ارتباط منفی دوطرفه­ای وجود دارد.

در ایران نیز، پرهیزکاری، مظفری و حسینی خدادادی (1394) در پژوهشی با استفاده از مدل‌های گردش عمومی و برنامه­ریزی ریاضی اثباتی اثرات تغییر اقلیم ناشی از انتشار گازهای گلخانه­ای را بر شاخص­های اقتصادی منابع آب و کشاورزی در اراضی پایین‌دست سد طالقان ارزیابی نمودند. نتایج نشان داد انتشار گازهای گلخانه­ای بر عملکرد اغلب محصولات منطقه اثر منفی داشته و منجر به کاهش سطح زیرکشت و سود ناخالص کشاورزان شده است.

سلطانی و موسوی (1394) در مطالعه­ای به بررسی اثرات تغییر اقلیم ناشی از انتشار گاز CO₂ بر ارزش اقتصادی آب آبیاری، عملکرد محصولات کشاورزی و بیلان آب زیرزمینی در دشت بهار همدان پرداختند. نتایج نشان داد انتشار بیش از حد CO₂ منجر به کاهش عملکرد محصولات و بیلان آب زیرزمینی در این منطقه از کشور شده است. همچنین، افزایش سطح CO₂ کاهش سود ناخالص کشاورزان را به میزان 169 میلیارد ریال در پی دارد.

امیرنژاد و اسدپور کردی (1396) در تحقیقی با استفاده از الگوی خودرگرسیون با وقفه توزیعی به بررسی اثرات تغییر اقلیم بر تولید گندم در ایران پرداختند. نتایج نشان داد متغیرهای اقلیمی با سطح زیر کشت و تولید گندم رابطه‎ای مثبت و معنادار دارند. بدین معنا که در بلندمدت با افزایش یک درصد در متغیرهای اقلیمی به ترتیب 38/0 و 21/0 درصد بر مقدار سطح زیرکشت و تولید گندم افزوده می­شود.

مطالعات بررسی­ شده حاکی از آن هستند که سیستم­های مدل‌سازی اقتصادی و مدل­های برنامه‌ریزی ریاضی کاربرد وسیعی در زمینه ارزیابی آثار بالقوه تغییر اقلیم در بخش کشاورزی دارند. با توجه به اهمیت این موضوع، در تحقیق حاضر به مدل‌سازی بیوفیزیکی- اقتصادی اقلیم و کشاورزی در حوضه آبخیز رودشور پرداخته شد.

3. روش­ پژوهش

3-1. سیستم مدل­سازی بیوفیزیکی- اقتصادی (BEMS)

سیستم مدل­سازی بیوفیزیکی- اقتصادی به منظور بررسی روابط بین متغیرهای بیوفیزیکی    (نیاز آبی، دما، رطوبت، بارش و تبخیر) و متغیرهای اقتصادی (سود ناخالص، درآمد و میزان تولید) استفاده می­شود. انتخاب مقیاس مناسب برای مدل بیوفیزیکی- اقتصادی مسئله حائز اهمیتی است؛ زیرا مکانیزم لازم و حیاتی برای فضایی پویا از هر فرایند یا جزء در این مدل ممکن است برای فرایند یا جزء دیگر نامناسب و بی‌اهمیت باشد (کاکزان، قریشی و کونور[27]، 2011).

3-1-1. بخش اقتصادی سیستم مدل‌سازی

بخش اقتصادی سیستم مدل‌سازی ارائه شده در این تحقیق شامل مدل برنامه­ریزی ریاضی اثباتی (PMP) است. مهم­ترین مسأله در سنجش و ارزیابی این مدل، تعیین سطح تجمیع مکانی (فضایی)^[28] برای تعریف دامنه­ کاری این مدل است. تعیین این سطح به جای تحلیل سیاست‌ها در سطح وسیع، ترکیبی از ویژگی‌های منطقه­ای را لحاظ نموده و سیاست‌های موردنظر را در سطح مناطق تعیین شده بررسی می­کند (پرهیزکاری، 1396).

به طور کلی، واسنجی مدل PMP در سه مرحله پیاپی صورت می­گیرد. در مرحله اول، یک مدل برنامه‌ریزی خطی جهت حداکثر نمودن مجموع سود ناخالص کشاورزان حل می­شود و در ادامه مقادیر دوگان^[29] برای محدودیت‌های مدل به دست می‌آیند (هاویت، مدلین آزورا، مک اِوام، لاند، 2012؛ گراولین، 2016).شکل ریاضی این مرحله از مدل PMP را می‌توان برای منطقه مورد مطالعه به صورت زیر نشان داد:

(1)                    

Subject to:

(2)                                                          

(3)                                                       

(4)                                                                      

رابطه (1) به عنوان تابع هدف مدل برنامه­ریزی خطی، شامل حداکثر­کردن سود ناخالص کشاورزان است. در این رابطه، π مجموع سود ناخالص­ کشاورزان، i تعداد محصولات      (گندم آبی، جو آبی، ذرت دانه­ای، گوجه­فرنگی، چغندرقند و یونجه)، j تعداد نهاده‌ها یا عوامل تولید (زمین، آب، نیروی­ کار، ماشین­آلات و سرمایه) و s شرایط اقلیمی به لحاظ میزان بارش (ملایم، متوسط و شدید) است.، و به ترتیب بیانگر قیمت بازاری، میزان عملکرد و سطح زیرکشت محصول  iاست که تحت شرایط اقلیمی s تولید می­شود. هزینه تولید محصول  iبا مصرف نهاده j تحت شرایط s است. نیز بیانگر ضرایب لئونتیف است که نسبت استفاده­ هر نهاده به زمین را نشان می‌دهد و از رابطه زیر به دست می­آید:

(5)                                                                          

رابطه (2)، محدودیت منابع است که در آن، کل منابع در­دسترس است. رابطه (3)، محدودیت واسنجی است که در آن، مقدار مشاهده شده فعالیت در سال پایه تحت شرایط می­باشد.نیز مقدار مثبت کوچکی برای جلوگیری از ایجاد وابستگی خطی بین محدودیت­های‌ مدل است. و در روابط (2) و (3)، قیمت سایه­ای محدودیت­های سیستمی و واسنجی هستند. رابطه (4) نیز محدودیت غیرمنفی بودن سطح فعالیت‌ها است (هاویت، مدلین آزورا، مک­اِوام، لاند، 2012؛ محمودی و پرهیزکاری، 1395).

در مرحله دوم، مدل PMP، از مقادیر دوگان به دست آمده در مرحله اول برای واسنجی تابع هزینه غیرخطی یا کوادراتیک (درجه دوم) مطابق با رابطه (6) استفاده می­شود:

(6)                                                  

در رابطه (6)، هزینه کل تولید محصولتحت شرایط اقلیمی در حوضه آبخیز رودشور است. پارامتر رهگیری است که برای نشان­دادن هزینه متوسط تولید به کار می‌رود. نیز پارامتر گاما است که بیانگر شیب تابع هزینه غیرخطی است. با توجه به این ­که هزینه‌های تولید محصولات منتخب زراعی در واحد سطح (هکتار) قابل تعریف و ارزیابی است؛ از این‌رو، تابع هزینه ارائه شده در رابطه (6) از متغیر سطح زیرکشت () تبعیت می­کند. هر یک از پارامترهای فوق با استفاده از روابط ریاضی زیر محاسبه می‌شوند:

(7)                                                                      

(8)                                                                    

در روابط فوق، و بیانگر متوسط هزینه و میزان مصرف نهادهبرای تولید محصول  تحت شرایط اقلیمی می­باشند (پرهیزکاری، مظفری و حسینی خدادادی، 1394). هزینه نهاده آب به طور مجزا در تابع هدف غیرخطی مرحله سوم لحاظ می‌شود:

(9)                   

در رابطه فوق، هزینه متغیر فعالیت آبیاری، قیمت یا نرخ آب­بهای پرداختی کشاورزان و آب مصرفی در تولید محصول تحت شرایط اقلیمی است. رابطه (10) نیز هزینه نهاده آب را در قالب هزینه­های استحصال و انتقال نشان می‌دهد:

(10)                             

در رابطه فوق، و به ترتیب هزینه انتقال آب آبیاری و حجم آب انتقال یافته از طریق کانال­ها و بندهای انحرافی در حوضه آبخیز رودشور می­باشند. و نیز به ترتیب هزینه استحصال آب زیرزمینی و حجم آب استحصالی به وسیله سیستم­های پمپاژ آب در حوضه آبخیز رودشور می­باشند (قارشی، ویتن، ماینادین، ماروانک و المهدی، 2013). در مرحله سوم مدل PMP، با استفاده از تابع هزینه‌ غیرخطی واسنجی شده، تابع عملکرد مبتنی بر نیاز آبی و بارش و مجموعه محدودیت‌های مورد استفاده (به استثنای محدودیت­ واسنجی)، یک مدل برنامه‌ریزی غیرخطی به صورت روابط زیر ساخته می‌شود (هاویت، مدلین آزورا، مک­اِوام، لاند، 2012؛ پرهیزکاری، مظفری و حسینی خدادادی، 1395):

(11)                 

 Subject to:

(12)                                         

(13)                                                   

(14)                                                       

(15)                                                         (16)                                                        

(17)                                                        

(18)                                                        

(19)                                                        

رابطه (11)، تابع هدف غیرخطی مدل PMP است که شامل تابع عملکرد مبتنی بر نیاز آبی و بارش، تابع هزینه خطی برای نهاده آب و تابع هزینه کوادراتیک (درجه دوم) برای سایر نهاده‌ها (زمین، نیروی‌ کار، سرمایه و ماشین­آلات) است. ضریب مقداری  در این رابطه، بیانگر تغییرات به وجود آمده در عملکرد محصولات پس از اعمال سناریوهای اقلیمی کاهش بارش است. رابطه (12) محدودیت آب قابل دسترس را نشان می­دهد که در آن، درصد حجم آب قابل انتقال و کل منابع آب در دسترس در حوضه آبخیز رودشور تحت شرایط اقلیمی است. رابطه (13) بیانگر محدودیت اراضی آبی زیرکشت است و نشان می­دهد که مجموع سطح زیرکشت محصولات آبی () کم‌تر از کل سطح زیرکشت محصولات () است. رابطه (14) محدودیت مربوط به اراضی دیم و رابطه (15) محدودیت منابع آب قابل انتقال و قابل استحصال را نشان می‌‌دهد. روابط (16)، (17) و (18) به ترتیب بیانگر محدودیت مربوط به نهاده‌های نیروی­ کار، سرمایه و ماشین­آلات در حوضه آبخیز رودشور می‌باشند. در این روابط،، و به ترتیب بیانگر میزان موردنیاز نیروی ­کار، سرمایه و ماشین­آلات برای تولید محصول تحت شرایط اقلیمی و ، و؛ به ترتیب، بیانگر مجموع نیروی ­کار، سرمایه و ماشین‌آلات قابل دسترس در حوضه رودشور هستند. رابطه (19) نیز بیانگر محدودیت غیرمنفی بودن سطح فعالیت­ها است که اجرایی بودن مدل برنامه­ریزی را در منطقه مورد بررسی نشان می­دهد.

3-1-2. بخش بیوفیزیکی سیستم مدل‌سازی

بخش بیوفیزیکی سیستم مدلسازی ارائه­شده در این تحقیق شامل تابع عملکرد مبتنی بر متغیرهای بیوفیزیکی و اقلیمی نیاز آبی و بارش است که الگو گرفته از روش قارشی، اسکاب، کونور و کایربی[30] (2010) و پرهیزکاری و یزدانی (1396) می­باشد. پس از بررسی اثرات تغییر اقلیم ناشی از کاهش بارش بر نیاز آبی و عملکرد محصولات، می­توان با گنجاندن نتایج حاصل از جزء بیوفیزیکی در جزء اقتصادی مدل تجمیعی به تحلیل حساسیت در شرایط اقلیمی متفاوت (تحت سناریوهای کاهش بارش ملایم، متوسط و شدید) پرداخت.

3-1-3. روش جمع­آوری و تحلیل داده­ها

داده­های آماری موردنیاز از طریق ایستگاه­های باران­سنجی و سازمان­ها و ادارات ذی­ربط در استان­های قزوین و تهران جمع­آوری شدند. داده­های مربوط به بارش طی دوره 1395-1365 نیز از طریق ایستگاه­های باران­سنجی ضیاء­­­آباد (در حوضه ابهررود)، ارتش­آباد (در حوضه خررود) و نصرت­آباد (در حوضه حاجی­عرب) جمع­آوری شدند. برای محاسبه نیاز آبی محصولات از نرم­افزار NETWAT استفاده شد. مرتب­سازی داده­ها در نرم­افزار Excel و حل مدل برنامه­ریزی ارائه شده در محیط نرم‌افزاری GAMS نسخه 7/24 صورت گرفت.

 

4. یافته‌های پژوهش

شکل (3) روند تغییرات یا الگوی رفتاری متغیر اقلیمی بارش را طی دوره زمانی 1395-1365 و براساس میانگین آمارهای موجود در ایستگاه­های باران‌سنجی واقع در حوضه آبخیز رودشور نشان می­دهد:

 

شکل 3. الگوی رفتاری متغیر اقلیمی بارش در حوضه آبخیز رودشور طی دوره 1395-1365

 

مطابق با شکل (3)، الگوی رفتاری متغیر اقلیمی بارش طی دوره مورد بررسی نشان می­دهد که این متغیر پس از سال 1380 در حوضه آبخیز رودشور روندی کاهشی را طی نموده است. از این‌رو، در این مقاله اثرات تغییرات اقلیمی ناشی از کاهش بارش بر تولیدات کشاورزی، منابع آب دردسترس و متغیرهای اقتصادی سود ناخالص و ارزش نهاده آب مورد بررسی قرارگرفت.

پس از حل مدل برنامه‌ریزی خطی کمکی در مرحله اول مدل PMP، قیمت سایه­ای نهاده آب که بیانگر ارزش اقتصادی (واقعی) این نهاده است، معادل با 1462 ریال برآورد شد. این در حالی است که مطابق با گزارش­های اخیر، کشاورزان این حوضه طی سال پایه مبلغی معادل با 475 ریال را به عنوان نرخ آب­بها پرداخت نموده­اند. نتایج به دست آمده حاکی از آن است که تفاوت فاحشی بین ارزش اقتصادی هر مترمکعب آب آبیاری و نرخ آب‌بهای پرداختی کشاورزان در حوضه آبخیز رودشور وجود دارد و کشاورزان این منطقه تنها حدود 4/32 درصد از ارزش اقتصادی آب آبیاری را طی سال پایه در غالب هزینه­های استحصال و انتقال آب پرداخت نموده­اند. پس از تعیین ارزش اقتصادی آب آبیاری و مقایسه آن با نرخ آب­بهای پرداختی کشاورزان حوضه آبخیز رودشور، به منظور انعطاف­پذیری سناریوهای ارائه شده و دست­یابی به نتایج کاربردی­تر، اثرات متغیر اقلیمی بارش بر تولیدات کشاورزی، منابع آب دردسترس و شاخص­های اقتصادی سود ناخالص و ارزش واقعی آب تحت سه سناریوی کاهش بارش 10، 20 و 30 میلی‌متر ارزیابی شد.

سناریوهای یاد شده، به ترتیب، زیر عنوان تغییرات اقلیمی ملایم، متوسط و شدید نام‌گذاری شدند. محاسبه درصد احتمال برای هر حالت بارشی فوق نیز براساس وقوع تعداد سال‌های خشک، تعداد سال­های با بارش متوسط و زیاد طی دوره 1395-1365 در حوضه آبخیز رودشور صورت گرفت.جدول (1) نتایج به دست آمده را نشان می­دهد.

 

جدول 1. اثرات تغییر اقلیم ناشی از کاهش بارش بر الگوی کشت در حوضه آبخیز رودشور

محصولات منتخب	الگوی سال پایه*	میزان تغییرات
			تغییر اقلیم ملایم	تغییر اقلیم متوسط	تغییر اقلیم شدید
گندم آبی	7385	مقدار	7590	7685	7831
		درصد	78/2	06/4	03/6
جو آبی	5890	مقدار	6018	6100	6170
		درصد	17/2	56/3	75/4
ذرت دانه­ای	2570	مقدار	2270	2119	1904
		درصد	6/11-	5/17-	9/25-
گوجه­فرنگی	1965	مقدار	1664	1472	1300
		درصد	3/15-	1/25-	8/33-
چغندرقند	1375	مقدار	1189	1067	970
		درصد	5/13-	4/22-	4/29-
یونجه	2140	مقدار	1825	1571	1327
		درصد	7/14-	5/26-	9/37-

^* بر حسب هکتار   منبع: یافته­های تحقیق

 

همانطور که ملاحظه می‌شود تغییر اقلیم ناشی از کاهش بارش تحت سناریوهای مختلف الگوی کشت محصولات منتخب را در حوضه آبخیز رودشور متأثر می­سازد؛ به طوری که سطح زیرکشت محصولات با نیازآبی بالاتر ذرت دانه‌ای، گوجه­فرنگی، چغندرقند و یونجه تحت سناریوهای ملایم تا شدید به ترتیب 6/11 تا 9/25، 3/15 تا 8/33، 5/13 تا 4/29 و 7/14 تا 9/37 درصد نسبت به سال پایه کاهش می­یابد. این در حالی است که کشاورزان حوضه آبخیز رودشور با رخداد تغییر اقلیم ناشی از کاهش بارش به میزان 10 تا 30 میلی­متر نسبت به سال پایه، به سمت توسعه سطح زیرکشت محصولات غله­ای گندم و جو آبی که نیاز آبی پایین­تر و در نهایت ریسک تولید کم‌تری را نسبت به دیگر محصولات الگو دارند، متمایل می­شوند.

به همین جهت ملاحظه می­شود سطح زیرکشت گندم و جو آبی با وقوع تغییر اقلیم ملایم تا شدید به ترتیب از 7590 به 7831 هکتار و از 6018 به 6170 هکتار می­رسد که به میزان 78/2 تا 03/6 درصد برای گندم آبی و 17/2 تا 75/4 درصد برای جو آبی نسبت به شرایط سال پایه با افزایش همراه است.

بخش دیگری از نتایج به دست آمده در جدول (1) حاکی از آن است که محصولات آب­بر گوجه­فرنگی و یونجه در شرایط رخداد تغییر اقلیم ناشی از کاهش بارش، نسبت به سایر محصولات الگوی کشت از ضریب حساسیت بالاتری برخوردار بوده و کاهش سطح زیرکشت آن­ها چشم­گیرتر است.

جدول (2) اثرات تغییر اقلیم ناشی از کاهش بارش را تحت سناریوهای مختلف بر سود ناخالص کشاورزان حوضه آبخیز رودشور نشان می­دهد.

مطابق با نتایج جدول (2) ملاحظه می‌شود که با وقوع شرایط اقلیمی ملایم تا شدید در این حوضه میزان سود ناخالص هر هکتار ذرت دانه­ای از 35/19 به 52/16 میلیون ریال، هر هکتار گوجه­فرنگی از 20/19 به 01/16 میلیون ریال، هر هکتار چغندرقند از 13/16 به 78/13 میلیون ریال و هر هکتار یونجه آبی از 94/15 به 32/14 میلیون ریال می­رسد که کاهش سودی به میزان 19/7 تا 7/20 درصد را برای ذرت دانه­ای، 2/10 تا 3/25 درصد را برای گوجه­فرنگی، 03/7 تا 5/20 درصد را برای چغندرقند و 55/4 تا 2/14 درصد را برای یونجه آبی نسبت به شرایط سال پایه به همراه دارد. این میزان کاهش سود ناخالص کشاورزان در هر هکتار از اراضی زیرکشت ذرت دانه­ای، گوجه­فرنگی، چغندرقند و یونجه می­تواند ناشی از افت عملکرد محصولات آب­بر مذکور در اثر کاهش بارش تحت سناریوهای اقلیمی ملایم، متوسط و شدید نسبت به شرایط سال پایه در حوضه آبخیز رودشور باشد. بخش دیگری از نتایج حاکی از آن است که با افزایش سطح زیرکشت گندم و جو آبی تحت سناریوهای اقلیمی ملایم تا شدید، سود ناخالص کشاورزان حوضه آبخیز رودشور نسبت به سال پایه افزایش می­یابد؛ به طوری که سود ناخالص حاصل از هر هکتار گندم و جو آبی تحت سناریوهای فوق از 70/13 به 91/13 میلیون ریال و از 59/12 به 79/12 میلیون ریال می‌رسد که افزایش سودی به میزان 48/1 تا 04/3 درصد و 53/1 تا 14/3 درصد را برای کشاورزان منطقه به همراه دارد. این میزان افزایش سود ناخالص کشاورزان در هر هکتار از گندم و جو آبی تحت شرایط اقلیمی ملایم تا شدید می­تواند به علت نیاز آبی کم‌تر این محصولات و ضریب حساسیت پایین­تر عملکرد آن‌ها نسبت به شرایط کاهش بارش و کاهش میزان آبیاری به عمل­آمده در سطح اراضی باشد.

 

جدول 2. اثرات تغییر اقلیم ناشی از کاهش بارش بر سود کشاورزان حوضه آبخیز رودشور

محصولات منتخب	سود ناخالص در سال پایه*	میزان تغییرات
			تغییر اقلیم ملایم	تغییراقلیم متوسط	تغییر اقلیم شدید
گندم آبی	50/13	مقدار	70/13	84/13	91/13
		درصد	48/1	51/2	04/3
جو آبی	40/12	مقدار	59/12	72/12	79/12
		درصد	53/1	58/2	14/3
ذرت دانه­ای	85/20	مقدار	35/19	00/18	52/16
		درصد	19/7-	6/13-	7/20-
گوجه­فرنگی	40/21	مقدار	20/19	72/17	01/16
		درصد	2/10-	2/17-	3/25-
چغندرقند	35/17	مقدار	13/16	08/15	78/13
		درصد	03/7-	1/13-	5/20-
یونجه	70/16	مقدار	94/15	07/15	32/14
		درصد	55/4-	76/9-	2/14-

^*: بر حسب میلیون ریال در هکتار    منبع: یافته­های تحقیق

 

به طور کلی، نتایج به دست آمده در این بخش حاکی از آن است که در شرایط رخداد تغییر اقلیم ناشی از کاهش بارش در حوضه آبخیز رودشور، کشاورزان برای جبران کاهش به وجود آمده در سود ناخالص حاصل از هر هکتار محصولات ذرت دانه­ای، گوجه‌فرنگی، چغندرقند و یونجه به سمت توسعه سطح زیرکشت گندم و جو آبی که با افزایش سود ناخالص در هر هکتار (ولو به میزان اندک) در شرایط رخداد تغییر اقلیم همراه می‌باشند، متمایل می‌شوند. جدول (3) اثرات تغییر اقلیم ناشی از کاهش بارش را بر تولیدات کشاورزی، منابع آب دردسترس و شاخص­های اقتصادی سود ناخالص کل الگو و ارزش واقعی نهاده آب تحت سناریوهای مختلف اقلیمی (ملایم، متوسط و شدید) در حوضه آبخیز رودشور نشان می­دهد.

 

جدول 3. اثر تغییر اقلیم ناشی از کاهش بارش بر شاخص­های مورد بررسی در حوضه رودشور

شاخص مورد بررسی	وضعیت فعلی	میزان تغییرات
			تغییر اقلیم ملایم	تغییراقلیم متوسط	تغییر اقلیم شدید
منابع آب دردسترس*	84/362	مقدار	01/342	46/327	59/312
		درصد	74/5-	75/9-	8/13-
سطح زیرکشت آبی**	21325	مقدار	20556	20014	19502
		درصد	60/3-	15/6-	54/8-
سود ناخالص کل***	32796	مقدار	31908	31119	30159
		درصد	71/2-	12/5-	04/8-
ارزش اقتصادی آب****	1462	مقدار	1537	1592	1649
		درصد	13/5	89/8	7/12

^*،  ^**، ^*** و ^**** به ترتیب برحسب میلیون مترمکعب، هکتار، ده میلیون ریال و ریال در مترمکعب   

منبع: یافته­های تحقیق

 

با توجه به نتایج جدول (3)، با وقوع تغییر اقلیم ناشی از کاهش بارش در حوضه آبخیز رودشور، میزان منابع آب دردسترس کشاورزان از 84/362 میلیون مترمکعب در سال پایه به 59/312 میلیون مترمکعب می­رسد که کاهشی معادل با 74/5 تا 8/13 درصد را در منابع آب دردسترس منطقه طی سناریوهای اقلیمی ملایم تا شدید به همراه دارد. با کاهش منابع آب دردسترس کشاورزان تحت سناریوهای اقلیمی متفاوت، مجموع سطح زیرکشت محصولات منتخب نیز نسبت به سال پایه تقلیل می­یابد؛، به طوری که با کاهش بارش 10 تا 30 میلی­متر (تحت سناریوهایی ملایم تا شدید) از 20556 به 19502 هکتار می­رسد که تغییرات نزولی 6/3 تا 54/8 درصد را برای الگوی کشت منطقه در پی دارد.

مجموع سود ناخالص کشاورزان نیز که تابعی از سطح زیرکشت محصولات منتخب می‌باشد، با رخداد تغییر اقلیم طی سناریوهای ملایم تا شدید نسبت به شرایط سال پایه کاهش می‌یابد و از 319080 به 301590 میلیون ریال می­رسد که کاهش سودی به میزان 71/2 تا 04/8 درصد را برای کل الگوی کشت منطقه به همراه دارد.بخش دیگری از نتایج نشان می­دهد که پس از کاهش منابع آب دردسترس کشاورزان تحت سناریوهای اقلیمی ملایم تا شدید، ارزش اقتصادی آب نسبت به سال پایه افزایش می­یابد و از 1462 به 1649 ریال می­رسد که رشدی معادل با 13/5 تا 7/12 درصد را برای این شاخص به همراه دارد. این مفهوم مطابق با شکل (4)، بیانگر «تابع تقاضای آب آبیاری» است.

 

 

شکل 4. تابع تقاضای آب آبیاری کشاورزان حوضه آبخیز رودشور در شرایط اقلیمی متفاوت

 

با توجه به تابع تقاضای برآورد شده در شکل (4)، ملاحظه می­شود که با رخداد تغییر اقلیم ناشی از کاهش بارش تحت سناریوهای ملایم تا شدید، کشاورزان حوضه آبخیز رودشور نسبت به شرایط سال پایه با محدودیت بیشتری برای نهاده آب مواجه می‌شوند و با کاهش منابع آب دردسترس خود ارزش واقعی یا اقتصادی نهاده آب را بیشتر از شرایط سال پایه درک نموده و حجم معینی از آب آبیاری را در سطح قیمتی بالاتر و یا با ارزشی بیشتر تقاضا می­کنند.

 

5. نتیجه­گیری و پیشنهادها

امروزه مدل‌سازی­های ریاضی به عنوان ابزاری کاربردی برای تحلیل اثرات تغییرات اقلیمی و سیاست‌های پیرامون مدیریت منابع آب و کشاورزی مورد استفاده قرار می­گیرند. این مدل­ها عمدتاْ برای تخصیص منابع بین فعالیت­های تولیدی استفاده می­شوند و شکل ریاضی تقریباْ یکسانی دارند؛ با این تفاوت که گاهی محدودیت­های ساختاری  در آن­ها تغییر می­کنند. مدل برنامه­ریزی ریاضی اثباتی (PMP) از جمله این مدل­ها است که به طور چشم­گیری جهت تحلیل سیاست­های بخش منابع آب و کشاورزی به کار گرفته می­شود.

حوضه آبخیز رودشور که محدوده مطالعاتی در این تحقیق است با مشکلات متعددی در زمینه کشاورزی و مدیریت منابع آب روبه­رو می­باشد. مصرف بی­رویه آب در سطح اراضی این حوضه از یک­سو و کاهش نزولات جوی از سوی دیگر، برنامه‌ریزی مناسبی را برای مدیریت منابع آب در این منطقه ایجاب نمود. به همین منظور، هدف اصلی این تحقیق مدل‌سازی بیوفیزیکی- اقتصادی جامع اقلیم و کشاورزی در حوضه آبخیز رودشور تدوین شد. جهت تحقق این هدف از داده­های پانل (سری زمانی) مربوط به متغیر اقلیمی بارش طی سال­های 1395-1365 و  داده­های مقطعی سال پایه 95-1394 استفاده شد.

برای دست‌یابی به نتایج کاربردی، مدل‌سازی با تلفیق دو بخش بیوفیزیکی و اقتصادی تحت سناریوهای کاربردی ملایم، متوسط و شدید صورت گرفت و مدل تجربی در محیط نرم­افزاری گمز واسنجی و ارزیابی شد. نتایج نشان داد با وقوع تغییر اقلیم، سطح زیرکشت محصولات با نیاز آبی بالاتر مانند ذرت دانه‌ای، گوجه­فرنگی، چغندرقند و یونجه نسبت به شرایط سال پایه کاهش می­یابد و کشاورزان حوضه رودشور در جهت توسعه سطح زیرکشت محصولات غله­ای گندم و جو آبی که نیاز آبی پایین­تر و ریسک تولید کم‌تری را دارند، متمایل می­شوند. نتایج تحقیق مائو، هیو، لین، لیو و اکسیا (2017) در این راستا، همسو و هم­جهت با یافته­های تحقیق حاضر است. آن­ها در پژوهش کاربردی خود اثرپذیری منفی سطح زیرکشت محصول گندم زمستانه را تحت شرایط تغییرات آب و هوایی نتیجه گرفتند.

یافته­های تحقیق خانلری (1391) و امیرنژاد (1396) نیز در داخل کشور به ترتیب اثرات منفی تغییرات اقلیمی را بر میزان عملکرد و سطح زیرکشت محصولات گندم و جو آبی در استان مازندران و اثرات مثبت این پدیده را بر عملکرد و سطح زیرکشت گندم در کل کشور نشان داد. افزون بر این، نتایج تحقیق حاضر نشان داد که رخداد تغییر اقلیم تحت سناریوهای ملایم تا شدید افزون بر الگوی کشت محصولات منتخب، منابع آب دردسترس، سود ناخالص کشاورزان و ارزش اقتصادی آب آبیاری را نیز در حوضه آبخیز رودشور متأثر می‌سازد؛ به طوری که تحت سناریوهای اقلیمی ناشی از کاهش بارش ملایم تا شدید میزان منابع آب دردسترس منطقه، سطح زیرکشت محصولات آبی و سود ناخالص کل حاصل از الگو نسبت به شرایط سال پایه کاهش می­یابد؛ اما ارزش اقتصادی هر مترمکعب آب آبیاری به علت کاهش منابع آب دردسترس منطقه تحت سناریوهای اقلیمی نسبت به شرایط سال پایه افزایش می‌یابد.

این یافته­ها در تحقیق حاضر تا حد زیادی با نتایج به دست آمده از تحقیقات گریفین (2006)، بلالی و ویاجی (2015)، کورتیگنانی و دونو (2018) و مائو، هیو، لین، لیو و اکسیا (2017) سازگاری دارد. ایشان در تحقیقات خود به طور کلی، اثرات منفی تغییرات اقلیم را بر منابع آب دردسترس کشاورزان در حوضه­های آبخیز نشان دادند که این نتیجه در تحقیق محمدی قلعه‌نی، ابراهیمی و عراقی­نژاد (1391) که اثرات اقلیم را بر سطح آبخوان دشت ساوه ارزیابی نمودند نیز محقق شد؛ بدین صورت که نتایج بیانگر اثرات منفی تغییرات اقلیم بر سطح آب زیرزمینی در آبخوان دشت مذکور است.

برآورد تابع تقاضای آب آبیاری کشاورزان حوضه آبخیز رودشور نیز طی سال پایه از دیگر نتایج تحقیق حاضر بود و نشان داد که با رخداد تغییر اقلیم ناشی از کاهش بارش کشاورزان این حوضه با محدودیت بیش‌تری برای نهاده آب مواجه می­شوند و ارزش واقعی نهاده آب را بیش‌تر از شرایط سال پایه درک نموده و حجم معینی از آب آبیاری را در سطح قیمتی بالاتر و یا با ارزشی بیش‌تر تقاضا می‌کنند.

یافته­های تحقیقات هاویت، مدلین آزورا، مک­اِوام و لاند (2012)، کورتیگنانی و دونو (2018) و پرهیزکاری، مظفری و حسینی خدادادی (1394) در این راستا، بیانگر ارتباط معکوس بین منابع آب دردسترس و ارزش اقتصادی منابع آب و همچنین، افزایش تقاضا برای نهاده آب کشاورزی در شرایط تشدید تغییرات آب و هوایی است. در پایان با توجه نتایج به دست آمده از واسنجی سیستم مدل‌سازی بیوفیزیکی- اقتصادی، برای مقابله با آثار بالقوه تغییر اقلیم ناشی از کاهش بارش و حفظ و پایداری منابع آب دردسترس حوضه آبخیز رودشور، به‌کارگیری تکنیک­های کم­آبیاری جهت تأثیر پایدارتر بر حفظ منابع آب توأم با باقی­ماندن محصولات با نیاز آبی بالا در الگوی کشت منطقه پیشنهاد می‌شود. برای جلوگیری از مصرف بی­رویه نهاده آب نیز، تعیین نرخ آب­بها برای کشاورزان مطابق با روند تغییرات ارزش اقتصادی آب آبیاری در شرایط وقوع تغییر اقلیم ملایم تا شدید و با ملاحظه برابری در منطقه توصیه می­شود.

افزون بر این، آیش‌گذاری بخشی از اراضی کشاورزی راهکار مناسبی است که با توجه به کاهش چشم­گیر سطح زیرکشت محصولات منتخب در شرایط رخداد تغییر اقلیم شدید در حوضه آبخیز رودشور می­تواند از خسارات بلندمدت به تولیدات کشاورزی جلوگیری نماید. تجهیز مزارع مستعد منطقه به سیستم­های نوین آبیاری نیز راهکار مناسب دیگری است که با توجه به شرایط توپوگرافی اراضی (کم­شیب بودن مزارع) در جهت افزایش سود ناخالص کشاورزان و جلوگیری از کاهش سطح زیرکشت محصولات فاریاب در شرایط وقوع تغییر اقلیم ناشی از کاهش بارش در منطقه پیشنهاد می‌شود.

---

[1] Biophysical- Economic Modeling System

[2]Cortignani and Dono

[3]Murray-Darling Basin

[4] Mathematical Programming

[5]Griffin

[6] Adamson, Mallawaarachc & Quiggin

[7] Shukla, Maitri & Misra

[8] Qureshi, Whitten, Mainuddin, Marvanek, & Elmahdi

[9] Positive Mathematical Programming

[10] واسنجی معادل فارسی اصطلاح  Calibration در ادبیات پژوهشی مربوط است. برابرنوشت مصوب فرهنگستان، عبارت توصیفی «مدرج کردن و سنجش دقت ابزاردقیق» است که برای جلوگیری از آشفتگی ذهنی خوانندگان ترجیحا همان اصطلاح مرسوم واسنجی درنظر گرفته شده است.

[11]Petsakos and Rozakis

[12]Garnache, Merel, Howitt & Lee

[13]Global Warming

[14] Traynham, Palmer & Polebitski

[15] Pratibha, Srinivas, Rao, Arun, Shanker & Maheswari

[16] Medellin-Azuara, Harou & Howitt

[17] Normative Mathematical Programming

[18] Howitt, Medellin-Azuara, MacEwan & Lund

[19] Huka, Ruoja & Mchopa

[20]Jones, Antle, Basso & Boote

[21] Graveline

[22] Graveline and Merel

[23] Balali and Viaggi

[24]Mo, Hu, Lin, Liu & Xia

[25] Global Climate Model

[26] Agovino, Casaccia, Ciommi, Ferrara & Marchesano

[27] Kaczan, Qureshi & Connor

2 Spatial Aggregation

2 Dual Value

[30] Schwabe, Connor & Kirby

مراجع

منابع

-     امیرنژاد، حمید، اسدپور کردی، مریم (1396). بررسی اثرات تغییر اقلیم بر تولید گندم ایران. مجله تحقیقات اقتصاد کشاورزی، 35(9): 163-182.

-     بخشی، علی، دانشور کاخکی، محمد، مقدسی، رضا (1390). کاربرد مدل برنامه­ریزی ریاضی مثبت به منظور تحلیل اثرات سیاست­های جایگزین قیمت­گذاری آب در دشت مشهد. نشریه اقتصاد و توسعه کشاورزی، 25(3): 294-284.

-     پاک­نژاد، حمید (1391). مدل‌سازی مشارکت کشاورزان در طرح بیمه محصول گندم (مطالعه موردی: شهرستان زابل). پایان­نامه کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل.

-     پرهیزکاری، ابوذر، مظفری، محمد مهدی، حسینی خدادادی، مهدی (1394). تحلیل اقتصادی اثرات تغییر اقلیم ناشی از انتشار گازهای گلخانه­ای بر تولیدات کشاورزی و منابع آب در دسترس، مطالعه موردی: اراضی پایین‌دست سد طالقان. مجله اقتصاد و توسعه کشاورزی، 29 (1): 89-67.

-     پرهیزکاری، ابوذر (1396). تحلیل اقتصادی اثرات مشارکت کشاورزان منطقه الموت در طرح سلیبیت برنج. مجله تحقیقات اقتصاد کشاورزی، 9(34): 92-57.

-     پرهیزکاری، ابوذر، یزدانی، سعید (1396). ارزیابی تأثیرات اقتصادی و هیدرولوژیکی تغییرات اقلیم در حوضۀ آبخیز خررود. مجله اکوهیدرولوژی، 4(3): 724-711.

-     خانلری، احمد (1391). اثر تغییر اقلیم بر کاربری اراضی و عملکرد بخش کشاورزی استان مازندران. پایان‌نامه کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل.

-     سازمان هواشناسی استان تهران (1397). خلاصه سیمای آب و هوا و اقلیم استان تهران.

-     سلطانی، شیوا، موسوی، حبیب­اله (1394). استراتژی کم­آبیاری و ارتقاء تکنولوژی آبیاری، راهکار بهینه سازگار با تغییر اقلیم. مجله اقتصاد کشاورزی، 9(4): 121-112.

-     شرکت آب منطقه­ای استان قزوین (1395). مطالعات پایه منابع آب. آبینه آبی استان، منابع آب سطحی و زیرزمینی، شمای کلی پتانسیل آبی استان، صفحات 1تا 6.

-     محمدی قلعه­نی، محمد مهدی، ابراهیمی، کیومرث، عراقی­نژاد، شهاب (1391). ارزیابی تأثیر عوامل اقلیمی بر افت منابع آب زیرزمینی (مطالعه موردی: آبخوان دشت ساوه). مجله پژوهش­های حفاظت آب و خاک، 19(4): 203-189.

-     محمودی، ابوالفضل، پرهیزکاری، ابوذر (1395). مدل‌سازی اقتصادی مدیریت منابع آب کشاورزی استان تهران با تأکید بر نقش بازار ‌آب. فصلنامه مدل‌سازی اقتصادی، 35(10): 121-139.

-      Adamson, D, Mallawaarachchi, T. and Quiggin, J. (2009). Declining inflows and more frequent droughts in the Murray-Darling Basin: climate change, impacts and adaptation. Australian Journal of Agricultural and Resource Economics, 53(3): 345-366.

-      Agovinoa, M, Casaccia, M, Ciommi, M, Ferrara, M. and Marchesano, K. (2018). Agriculture, climate change and sustainability: The case of EU-28. Ecological Indicators, Available online 8 May 2018, In Press, Corrected Proof.

-      Balali, H. and Viaggi, D. (2015). Applying a system dynamics approach for modeling groundwater dynamics to depletion under different economical and climate change scenarios, Water Journal, 7(1): 5258- 5271. 

-      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.

-      Graveline, C. (2016). Economic calibrated models for water allocation in agricultural production: A review. Environmental Modelling and Software, 81: 12-25.

-      Graveline, N. and Merel, P. (2014). Intensive and extensive margin adjustments to water scarcity in France's Cereal Belt. European Review of Agricultural Economics, 41: 707-743.

-      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.

-      Griffin, R.C. (2006). Water Resource Economics: The Analysis of Scarcity Policies and Projects. MIT Press, Cambridge, Mass, 68 Pp.

-      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.

-      Huka, H. Ruoja, C. and Mchopa, A. (2014). Price fluctuation of agricultural products and its impact on small-scale farmer's development: Case analysis from kilimanjaro Tanzania. European Journal of Business and Management, 6: 155-160.

-      Jones, G.W, Antle, J.M, Basso, B, Boote, K.J, et al. (2017). Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science. Agricultural Systems, 155: 269-288.

-      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.

-      Medellan-Azuara, J, Harou, J. and Howitt, R. (2011). Predicting farmer responses to water pricing, rationing and subsidies assuming profit maximizing investment in irrigation technology. Science of Agricultural Water Management, 108: 73-82.

-      Mo, X.J, Hu, S, Lin, Z.H, Liu, S.X. and Xia, J. (2017). Impacts of climate change on agricultural water resources and adaptation on the North China Plain. Advances in Climate Change Research, 8(2): 93-98.

-      Petsakos, A. and Rozakis, S. (2015). Calibration of agricultural risk programming models. European Journal of Operational Research, 242(2): 536-545.

-      Pratibha, G, Srinivas, I, Rao, K, Arun, V, Shanker, K. and Maheswari, M. (2016). Net global warming potential and greenhouse gas intensity of conventional and conservation agriculture system in rainfed semi arid tropics of India. Atmospheric Environment, 145: 239-250.

-      Qureshi, M.E, Schwabe, K, Connor, J. and Kirby, M. (2010). Environmental water incentive policy and return flows, Water Resources Research, No: 46.

-      Qureshi, M.E, Whitten, S, Mainuddin, M, Marvanek, M. and Elmahdi, A. (2013). A biophysical and economic model of agriculture and water in the Murray-Darling Basin, Australia. Environmental Modeling and Software, 41: 98-106.

-      Shukla, J.B, Maitri, V. and Misra, A.K. (2017). Effect of global warming on sea level rise: A modeling study. Ecological Complexity, 32: 99-110.

-      Traynham, L, Palmer, R. and Polebitski, A. (2011). Impacts of future climate conditions and forecasted population growth on water supply systems in the Puget Sound region. Water Resources, 137(2): 318-326.