Mortazavi S A, Alipour A R, Ghorbani M. Examining Factors Affecting the Sub-vector Water Efficiency in Wheat Production: A Radial Basis Function Artificial Neural Network and the Tobit Model. QJER 2016; 16 (2) :117-135
URL:
http://ecor.modares.ac.ir/article-18-10053-fa.html
مرتضوی سید ابوالقاسم، علیپور علیرضا، قربانی مهدی. بررسی عوامل مؤثر بر کارآیی زیربرداری آب در تولید محصول گندم تلفیق شبکه عصبی مصنوعی تابع پایه شعاعی و مدل توبیت. پژوهشهای اقتصادی (رشد و توسعه پايدار). ۱۳۹۵; ۱۶ (۲) :۱۱۷-۱۳۵
URL: http://ecor.modares.ac.ir/article-۱۸-۱۰۰۵۳-fa.html
۱- استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس، نویسندۀ مسئول مکاتبات
۲- دانشجوی دکتری گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
۳- کارشناسی ارشد گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
چکیده: (۹۶۴۲ مشاهده)
در پژوهش حاضر، با استفاده از اطلاعات جمع آوری شده 150 بهره بردار گندم منطقه زرقان فارس در سال زراعی1390-1389 مهم ترین عوامل مؤثر بر کارآیی زیربرداری نهاده آب در تولید این محصول شناسایی شد و مورد تجزیه و تحلیل قرار گرفت. به منظور محاسبه کارآیی زیربرداری آب از رهیافت تحلیل پوششی داده ها استفاده گردید. سپس، با کمک شبکه عصبی مصنوعی تابع پایه شعاعی (RBF) مهم ترین عوامل اثرگذار بر کارآیی زیربرداری آب شناسایی شد. در ادامه، با به کارگیری مدل توبیت، اثرگذاری مهمترین عوامل شناسایی شده مورد بررسی قرار گرفت. نتایج خروجی شبکه عصبی به کار برده شده نشان داد که متغیرهای سطح زیر کشت محصول، درآمد ناخالص هر هکتار و مدت زمان میان دو آبیاری، اثرگذارترین عوامل بر کارآیی زیربرداری آب هستند. همچنین، نتایج حاصل از کاربرد مدل توبیت نیز نشان دهنده اثرگذاری مثبت متغیرهای سطح زیر کشت و درآمد ناخالص هر هکتار محصول و تأثیر منفی مدت زمان میان دو آبیاری بر کارآیی استفاده از نهاده ی آب است. در پایان، پیشنهاد گردید که به منظور افزایش کارآیی استفاده از آب در منطقه، یکپارچهسازی اراضی مورد توجه بیشتری قرار گیرد.
نوع مقاله:
مقاله پژوهشی |
موضوع مقاله:
C45 - Neural Networks and Related Topics|C67 - Input–Output Models|D21 - Firm Behavior دریافت: 1392/9/27 | ویرایش نهایی: 1395/6/1 | پذیرش: 1393/2/31 | انتشار: 1395/5/1