پژوهش ها و چشم اندازهای اقتصادی

پژوهش ها و چشم اندازهای اقتصادی

بررسی عوامل مؤثر بر کارآیی زیربرداری آب در تولید محصول گندم تلفیق شبکه عصبی مصنوعی تابع پایه شعاعی و مدل توبیت

نویسندگان
سید ابوالقاسم مرتضوی 1
علی‌رضا علی‌پور 2
مهدی قربانی 3
1 استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس، نویسندۀ مسئول مکاتبات
2 دانشجوی دکتری گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
3 کارشناسی ارشد گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
چکیده
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.
کلیدواژه‌ها
شبکه عصبی مصنوعی تابع پایه‌ شعاعی
کارآیی زیربرداری آب
مدل توبیت
زرقان

عنوان مقاله English

Examining Factors Affecting the Sub-vector Water Efficiency in Wheat Production: A Radial Basis Function Artificial Neural Network and the Tobit Model

نویسندگان English

Seyed Abolghasem Mortazavi 1
Ali Reza Alipour 2
Mehdi Ghorbani 3
1 Assistant Professor of Agricultural Economics Department, Tarbiat Modares University
2 Ph.D. Student of Agricultural Economics, Tarbiat Modares University, Iran, Tehran;
3 M.A. in Agricultural Economics, Tarbiat Modares University, Iran, Tehran
چکیده English

In the present study, by using information of 150 wheat beneficiaries in Zarghan, Fars region collected in the 2010-2011 crop year, the most important factors affecting the sub-vector water efficiency in wheat production were analyzed. In order to measure the water use efficiency, data envelopment analysis was used. Afterward, the most important factors affecting sub-vector water efficiency were identified by using radial basis function (RBF) artificial neural network. Then, the most important factors were analyzed by applying the Tobit model. The results of neural network model showed that variables yield cultivated area, gross income per hectare and time interval between each two subsequent irrigations have been the most important factors affecting sub-vector water use efficiency. In addition, results from Tobit model suggested the positive impact of variables yield cultivated area and gross income per hectare and negative impact of time interval between each two subsequent irrigations on water use efficiency. Finally, paying more attention to the land integration for increasing sub-vector water efficiency was proposed.

کلیدواژه‌ها English

Radial Basis Function Network
Sub-vector Water Efficiency
Tobit Model
Zarghan
زارع مهرجردی، م. و اسماعیلی، ع. (1389) تعیین عامل‌های مؤثر بر پذیرش دام در شهرستان کرمان با کاربرد روش‌های پارامتریک و ناپارامتریک؛ تحقیقات اقتصاد کشاورزی، 2(3): 16-1.
جهاد کشاورزی زرقان (1389) به نقل از خبرگزاری جمهوری اسلامی، کد خبر :30270411.
حقایقی مقدم، س.؛ توحیدلو، ق. و صدر قائن، س. (1383) بررسی کارآیی مصرف آب و عملکرد محصول چغندر قند در روشهای آبیاری سطحی و بارانی؛ مجموعه مقالات یازدهمین همایش کمیته ملی آبیاری و زهکشی ایران، تهران، صص. 260-247.
حیدری، ن؛ اسلامی، ا.؛ قدمی فیروزآبادی، ع.؛ کانونی، ا.؛ اسدی، م. و خواجه عبداللهی، م. (1385) کارآیی مصرف آب محصولات زراعی مناطق مختلف کشور (مناطق کرمان، همدان، مغان، گلستان و خوزستان)؛ همایش ملی مدیریت شبکه های آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده  مهندسی علوم آب.
دهقانی سانیج، ح.؛ زارعی، ق. و حیدری ن. (1386  بررسی مدیریت آبیاری و کارآیی مصرف آب در گلخانه ها و مسائل و چالش ها؛ اولین کارگاه فنی ارتقای کارآیی مصرف آب با کشت محصولات گلخانه ای.
عمیدی، علی (1378) نظریه نمونه‌گیری و کاربردهای آن؛ مرکز نشر دانشگاهی، (1): 89-86.
صبوحی، م.؛ خنجری، س. و کیخا، ا. (1389) بررسی کارآیی مصرف آب در گلخانه های سیستان؛ اقتصاد کشاورزی.
کرامت زاده، ع.؛ چیذری، ا. و میرزایی، ا. (1385) تعیین ارزش اقتصادی آب کشاورزی با استفاده از مدل الگوی کشت بهینه  تلفیق زراعت و باغداری: اقتصاد کشاورزی و توسعه، 14 (54):60-35.
نوراسیس،  م. (1388) شبکه های عصبی در اس.  پی.  اس.  اس.؛ ترجمه  فتی پور جلیلیان و نجبا؛ انتشارات کیان رایانه  سبز.
نی ریزی، س. و حلمی فرخ داود، ر. (1381) مقایسه  کارآیی مصرف آب در چند نقطه  خراسان؛ یازدهمین همایش کمیته ملی آبیاری و زهکشی ایران، تهران.
Allan, T. (1999) Productive efficiency and allocative efficiency: why better water management may not solve the problem; Agricultural Water Management, 40: 71-75.
Dhehibi, B.; Lachaal, L. and Elloumi, M. (2007) Measuring irrigation water use efficiency using stochastic production frontier: an application  on citrus producing farms in Tunisia; Journal of Agricultural and Resource Economics, 1: 1-15.
Chebil, A.; Abbas, K. and Frija, A. (2014) Water Use Efficiency in Irrigated Wheat Production Systems in Central Tunisia: A Stochastic Data Envelopment Approach; Journal of Agricultural Science, 6(2): 63-71.
Fare, R.; Grosskopf, S. & Lovell C. A. K. (1994) Production Frontiers; Cambridge University Press, Cambridge, U.K.: 54-80.
Fraser, I. & Cordina, D. (1999) An application of data envelopment analysis to irrigated dairy farms in Northern Victoria; Australia Agricultural Systems, 59: 267-282.
Frija, A.; Chebil, A.; Speelman, S.;  Buysse, J. and Van Huylenbroeck, G. (2009) Water use and technical efficiencies in horticultural green houses in Tunisia; AGWAT, 2808: 1-8.
Karagiannis, G.; Tzouvelekas, V. & Xepapadeas, A. (2003) Measuring irrigation water efficiency with a stochastic production frontier; Environmental and Resource Economics, 26: 52-72.
Norušis, M. (2011) IBM SPSS Statistics 19 Guide to Data Analysis; Pearson Education (US).
Mille, R. and Jackson, T. (2001) Acquaintance with neurotic network; Translated by Aloborzi; Reports of Sharif Sanati University.
Sabuhi, M.; Yaghoubi, M. and Esfandiari, M. (2012) A Survey on Water Use Efficiency of Rice Producers in Kamfirouz Region, Fars Province, Iran; International Journal of Applied Operational Research, 2(3): 45-53.
Speelman, S.; Haese, M. D. & Buysse, J. (2007) Technical efficiency of water use and its determinants, study at small-scale irrigation schemes in North-West province, South Africa; 2007-10-27. http://www.ageconsearch.umn.edu/bitstream/123456789/28982.
Vinnychuk, O.; Grygorkiv, V. and Makhanets, L. (2013) Research of Economic Growth in the Context of Sustainable Development: Neural Network Approach; Business Systems and Economics, 3(2): 153-167.
Wang, Xue-yuan (2010) Irrigation Water Use Efficiency of Farmers and Its Determinants: Evidence from a Survey in Northwestern China; Agricultural Sciences in China, 9(9):1326-37.
Ximing, Cai.; Yi-chen, E.; Claudia, R.; Zhao, J. and You, L. (2011) Agricultural water productivity assessment for the Yellow River Basin; Agricultural Water Management, 98: 1297-1306.
پژوهش ها و چشم اندازهای اقتصادی
دوره 16، شماره 2
تابستان 1395
صفحه 117-135