بررسی اثر تغییرات عملکرد محصولات پاییزه دیم بر مزیت نسبی و سودآوری اجتماعی .

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دکتری اگرواکولوژی، گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.

2 نویسنده مسئول، استاد گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.

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

4 استادیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.

5 دانشیار گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

سابقه و هدف: کشاورزی از مهم‌ترین فعالیت‌های اقتصادی به شمار می‌آ‌ید که بیش از هر چیز به شرایط جوی وابسته است. تغییرات آب و هوایی بر عملکرد محصولات تأثیر بسزایی دارد. با توجه به محدودیت‌های عوامل تولید، ویژگی‌های اقلیمی و جغرافیایی استان-های مختلف، شناسایی مزیت نسبی محصولات زراعی از اهمیت بالایی برخوردار است. عدم آگاهی از مزیت نسبی باعث استفاده نامناسب و غیربهینه از منابع می‌شود. بنابراین شناخت مزیت نسبی محصولات در مناطق مختلف، جهت برنامه‌ریزی و استفاده بهینه از امکانات مفید می‌باشد. این مطالعه با هدف تعیین مزیت نسبی برخی از محصولات مهم و دیم پاییزه انجام شد.
مواد و روش‌ها: در بخش زراعی این مطالعه عملکرد محصولات دیم شامل گندم، جو، نخود و عدس در استان‌های اردبیل، فارس و خراسان رضوی با استفاده از مدل iCrop2-SSM شبیه‌سازی شد. به منظور کاهش نوسانات اقلیمی و برای برآورد دقیق‌تر، از اطلاعات هواشناسی بلند مدت استفاده گردید. ارزیابی‌های اقتصادی با استفاده از روش ماتریس تحلیل سیاستی (PAM) و شاخص منابع داخلی (DRC) و هزینه به منفعت اجتماعی (SCB) انجام شد. همچنین شاخص‌های حمایت اسمی (NPC)، ضریب حمایت مؤثر (EPC)، ضریب حمایت اسمی از نهاده (NPI) نیز اندازه‌گیری شد. در شرایط تولید متوسط (مدیریت زراعی متوسط یا شرایط اقلیمی نامناسب) 50 درصد از پتانسیل عملکرد و در شرایط تولید مطلوب (مدیریت زراعی مطلوب یا شرایط اقلیمی خوب) 70 درصد از پتانسیل عملکرد قابل دستیابی است. بنابراین با استفاده از مدل iCrop2-SSM عملکردهای 50 و 70 درصد پتانسیل شبیه‌سازی و تأثیر آن بر مزیت نسبی و سودآوری اجتماعی مورد بررسی قرار گرفت.
یافته‌ها: نتایج نشان داد که براساس شاخص DRC اردبیل در تولید گندم، نخود و عدس؛ خراسان رضوی در تولید نخود و عدس؛ فارس در تولید نخود از مزیت نسبی برخودارند. از نظر شاخص SCB تولید گندم در اردبیل، نخود در هر سه استان و عدس در استان اردبیل و خراسان رضوی دارای سودآوری اجتماعی می‌باشد. نتایج نشان می‌دهد با افزایش عملکرد، مزیت نسبی و سودآوری اجتماعی بهبود می‌یابد، به طوری که اگر کشاورزان هر منطقه بتوانند حداقل 50 درصد پتانسیل عملکرد (قابل دستیابی) را تولید کنند هر سه استان دارای مزیت نسبی در تولید محصولات (گندم، جو، نخود و عدس دیم) خواهند بود. براساس نتایج شبیه‌سازی، استان‌های فارس و اردبیل در تولید گندم بالاترین و از نظر تولید جو، نخود و عدس استان اردبیل بالاترین عملکرد قابل دستیابی را به خود اختصاص دادند. براساس عملکردهای واقعی فقط استان اردبیل بالاترین عملکردها را داشته و از نظر شاخص‌های اقتصادی نیز نسبت به سایر استان‌ها برتر بود.
نتیجه‌گیری: محصولات گندم، جو، نخود و عدس دیم در استان اردبیل به دلیل شرایط اقلیمی مناسب این منطقه عملکردهای بالاتری داشتند. از دلایل مزیت‌دار بودن محصولات در استان اردبیل تولید با عملکردهای بالا می‌باشد که درآمد تولیدکنندگان این منطقه را نسبت به دو استان دیگر افزایش داده است و تولید محصولات دیم در این استان با سودآوری همراه بوده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating the effect of changes in the yield of winter rainfed crops on comparative advantage and social profit.

نویسندگان [English]

  • Safora jafarnodeh 1
  • Afshin Soltani 2
  • Ramtin Joolaei 3
  • Shahrzad Mirkarimi 4
  • Ebrahim Zeinali 5
1 Ph.D. Student of Agroecology, Dept. of Agronomy, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.
2 Corresponding Author, Professor, Dept. of Agronomy, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.
3 Associate Prof., Dept. of Agricultural Economics, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.
4 Assistant Prof., Dept. of Agricultural Economics, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran
5 Associate Prof., Dept. of Agronomy, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.
چکیده [English]

Background and objectives: Agriculture is one of the most important economic activities highly dependent on climatic conditions more than any other factors. Climate change significantly affects crop production. Due to the limitation in production factors, inputs, climatic and geographic properties of different provinces, identification of the comparative advantage of crops is essential. Lack of knowledge about comparative advantage would lead to improper and non-optimal use of resources. Therefore, knowledge about comparative advantage in different regions is useful to plan and exploit the resources. The present study was conducted to identify the comparative advantage of some important rainfed winter crops.
Materials and methods: In the agronomic section of this study, the yield of rainfed crops including wheat, barley, chickpea and lentil in Ardabil, Fars and Khorasan Razavi provinces were simulated using the SSM-iCrop2 model. Long-term meteorological data were used to decrease climatic fluctuations and more precise estimation. Economic evaluations were performed using policy analysis matrix (PAM), domestic resource cost (DRC) and social cost-benefit index (SCB) methods. Also, nominal protection coefficient (NPC), effective protection of crops (EPC) and nominal protection input (NPI) were measured. In the agronomic section of this study, the yield of each region was simulated according to the climatic conditions and using the SSM-iCrop2 model (to determine the production potential of each region). For this purpose, long-term weather data were used and simulation was done for a 30-year period from 1986 to 2015. Under the moderate production conditions (moderate agronomic management or unsuitable climatic conditions), 50 percent of the yield potential, and under the optimum production conditions (optimum agronomic management or good climatic conditions), 70 percent of the potential yield is attainable. Therefore, 50 and 70 percent of yield potential were simulated using the SSM-iCrop2 model and their effect on comparative advantage and social profit were investigated.
Results: The results indicate that according to the DRC index, Ardabil in wheat, chickpea and lentil production, Khorasan Razavi in chickpea and lentil and Fars in chickpea production have a comparative advantage. Based on the SCB index, the production of wheat in Ardabil, chickpea in all three provinces and lentil in Ardabil and Khorasan Razavi provinces have social profit. According to the results, increase yield leads to improved comparative advantage and social profit so that all three provinces will have social profit in crop production (rainfed, wheat, barley, chickpea and lentil) provided that the farmers attain at least 50 percent of the yield potential (exploitable yield). According to the results of the simulation, Fars and Ardabil had the highest exploitable yield in wheat production, and regarding barley, chickpea and lentil, the highest exploitable yield was related to Ardabil province. Based on the actual yields, only Ardabil province had high yields and was superior to other provinces in terms of the economic indices.
Conclusion: Wheat, barley, chickpea and lentil crops had higher yield in Ardabil province due to the suitable climatic conditions of this region. One of the reasons for the advantage of crop production in Ardabil is its higher yield which has increased the income of growers compared with the other two provinces, and production of rainfed crops in this province has led to benefits.

کلیدواژه‌ها [English]

  • Pulse
  • Cereal
  • Simulation
  • Policy Analysis Matrix
1.ICCIMA. (2019). The Iranian economy in 2019 and the prospect of 2020. Newsroom Iran Chamber of Commerce, Industries, Mines and Agriculture. Available at http://otaghiranonline.ir. [In Persian]
2.Layeghi, A., Ghasemi, P. & Babaei, N. (2012). A study of the comparative advantage of production and employment in the agricultural sector of the provinces of the country. Rev. Econ. Polici.11 and 12, 83-110.
3.Bayzidnezhad, D. (2017). Determining optimal crop pattern for main products on the base of comparative Advantage
in production in Urmia county. MS in Agricultural Economics. Urmia University, College of Agriculture, Dep. Agri. Econ. 64p.
4.Ghasemi, Z. (2012). Comparative advantage and barley production in Iran. Msc. ISLAMIC AZAD University Centeral Tehran Branch Faculty of Economics and Accounting-Dempartment Economics "M.A" Thesis Dev. Econ. Plan. 108p.
5.Dashti, Gh., Ghaderinejad, P. & Hoseynzade, J. (2014). Analysis of the effects of comparative advantage, resource values and social profitability on the cultivation pattern of Darrehshahr city. Third National Congress of Organic and Conventional Agriculture. 11 and 12 August 2014. Ardebil. Pp: 1-6. [In Persian]
6.Afghohi, C. A., Falahi, M. A. & Salimifar, M. (2018). Comparative study of comparative advantage of alfalfa and fodder corn production in Tehran province. Master Thesis. Attar Non-Governmental Institute of Higher Education / Islamic Econ. Group. 81p. [In Persian]
7.Abyar, N. M., Razeghi, M. H. & Asgari, M. (2015). Determining the comparative advantage of wheat, barley and rice production in Golestan province. Res. findings in improve. Crop Prod.1 (1), 1-12. [In Persian]
8.Hatef, H., Daneshvar Kakhki, M. & Sorori, A. A. (2011). Investigating the comparative export advantage of major horticultural products in Iran and predicting its indicators (period 1961-2011). Agri. Econ. Dev. 25 (2), 227-236. [In Persian]
9.Joolaie, R., Yousefzadeh, H., Jahromi, F. & Shirani Bidabadi, F. (2013). Investigation of competitiveness and support from production of Cotton and Rice in Golestan province. J. Plant Prod. 20 (2), 197-216. [In Persian]
10.Voghoei, H. & Aghazadeh Ajirlo, M. (2016). Investigating the comparative advantage of agricultural products using the cost index of domestic resources: (Case study of major crops in Ardabil province). 5th International Conference an Modern Flesarens in Management Economics, Accounting. 28 July 2016. Russia. 19p.
11.Soltani, A. (2009). Mathematical Modeling in Field Crops. Mashhad University Press, 175p. [In Persian]
12.Grassini, P., Van Bussel, L. G. J., Wart, J. V., Wolf, J., Claessens, L., Yang, H., Boogaard, H., Groot, H., Van Ittersum, M. K. & Alexandratos, K. G. (2015). How good is good enough? Data requirements for reliable crop yield simulations and yield-gap analysis. Field Crops Res. 177, 49-63.
13.Schoppach, R., Soltani, A., Sinclair, T. R. & Sadok, W. (2017). Yield comparison of simulated rainfed wheat and barley across Middle-East. Agric. Syst. 153, 101-108.
14.Messina, C. D., Sinclair, T. R., Hammer, G. L., Curan, D., Thompson, J., Oler, Z., Gho, C. & Cooper, M. (2015). Limited-transpiration trait may increase maize drought tolerance in the US Corn Belt. Agron. J. 107 (6), 1978-1986.
15.Sinclair, T. R., Messina, C. D., Beatty, A. & Samples, M. (2010). Assessment across the United States of the benefits of altered soybean drought traits. Agron. J. 102 (2), 475-482.
16.Ghanem, M. E., Marrou, H., Biradar, C. & Sinclair, T. R. (2015). Production potential of lentil (Lens culinaris Medik.) in East Africa. Agric. Syst.137, 24-38.
17.Guiguitant, J., Marrou, H., Vadez, V., Gupta, P., Kumar, S., Soltani, A., Sinclair, T. R. & Ghanem, M. E. (2017). Relevance of limited-transpiration trait for lentil (Lens culinaris Medik.) in South Asia. Field Crop Res. 209, 96-107.
18.Torabi, B., Ebrahimi, N., Soltani, A. & Zeinali, E. (2020). Parameterization and Evaluation of SSM-iCrop Model for Prediction of Growth and Development of Faba Bean in Climatic Conditions of Gorgan. J. Crop. Improv. 22, 531-542. [In Persian with English Summary]
19.Nehbandani, A. R., Soltani, A., Zeinali, E., Raeisi, S. & Rajabi, R. (2015). Parameterization and evaluation of SSM soybean model for prediction of growth and yield of soybean in Gorgan. J. Plant Prod. Res. 22 (2), 1-26. [In Persian with English Summary]
20.Arabameri, R., Soltani, A., Zeinali, E. & Torabi, B. (2020). The amount and How to distribute of chickpea and lentil yield gap in Iran. Crops Improv. 23 (2), 221-223. [In Persian]
21.Soltani, A., Alimagham, M., Nehbandani, A., Torabi, B., Zeinali, E., Dadrasi, A., Zand, E., Ghassemi, S., Pourshirazi, S., Alasti, O., Hosseini, R. S., Zahed, M., Arabameri, R., Mohammadzadeh, Z., Rahban, S., Kamari, H., Fayazi, H., Mohammadi, S., Keramat, S., Vadez, V., Van Ittersum, M.K. & Sinclair, T. R. (2020). SSM-iCrop2: A simple model for diverse crop species over large areas. Agri. Sys. Pp: 1-7.
22.Pahlavani, R., Rahmati, M. & Rashno, Z. (2019). Evaluation and determination of comparative advantage of legumes in Lorestan province. Dry Pulse. 1, 41-52.
23.Sepehrdoust, H. & Emami, S. (2017). Comparative advantage of potato production and related government policies in Hamedan. Agric. Econ. Res. 9 (1), 51-70. [In Persian]
24.Shujie, Y. (1997). Comparative advantage and crop diversification: A policy analysis matrix for thai agriculture. J. Agric. Econ. 48 (2), 211-222.
25.Hoseini, S. Sh. & Nikpayam, M. R. (2018). Investigating the comparative advantage and protection policies of corn in Kermanshah province using policy analysis matrix. Applied Econ. 8 (24), 1-11. [In Persian]
26.Falahati, A. & Ahmadian, Y. (2013). Study of the Comparative advantage of agricultural products in Kermanshah Province in the years of 2003, 2006 and 2008. Agri. Econ. Dev. 20 (80), 179-205. [In Persian]
27.Ghorbani, M., Rafiei, H. & Amjadi, A. (2014). Investigating the comparative advantage of major crops in Fars province. Agric. Econ. Dev. 22 (88), 127-146. [In Persian]
28.Pakravan, M. R., Zare Mehrjardi, M. R., Kazemnejad, M. & Mehrabi Basharabadi, J. (2012). Investigating the comparative advantage of crops in Sari city. Agri. Econ. Dev. 20 (77), 1-28. [In Persian]
29.Saad, A., Zhang, R. & Xia, Y. (2017). The Policy Analysis Matrix (PAM): Comparative Advantage of China’s Wheat Crop Production 2017. J. Agric. Sci. 11 (17), 150-157.
30.Rashid, M. A. & Matin, M. A. (2018). The Policy Analysis Matrix of Pulse Crop Production in Bangladesh. Bangladesh J. Agric. Res. 43 (1), 109-123.