بررسی تأثیر مؤلفه‏های اقتصاد دانش‌بنیان بر بهره‏وری و مصرف آب در بخش کشاورزی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش ‏آموخته کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

3 استادیار گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

4 استادیار گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایران

10.22125/iwe.2021.128209

چکیده

امروزه، اقتصاد دانش بنیان، به­عنوان راهکار برون رفت از مسائل و مشکلات مختلف، مطرح شده است. با توجه به این‏که، بیش از 90 درصد مصرف آب به بخش کشاورزی اختصاص دارد،  دانش­بنیان شدن کشاورزی که یکی از مؤلفه­های آن، نوآوری و توسعه سیستم‌های آبیاری نوین در اراضی کشاورزی می­باشد؛ باعث افزایش راندمان مصرف آب و تولید می­شود.  لذا؛ در این مطالعه به بررسی تأثیر مولفه‏های مختلف اقتصاد دانش بنیان بر بهره‏وری و مصرف آب در بخش کشاورزی ایران طی دوره 96-1381، با استفاده از شبکه علی­بیزین در قالب 4 سناریو پرداخته شده است. نتایج مطالعه نشان داد مؤلفه دانش و سرمایه انسانی، کم­ترین اثر را بر نرخ رشد مصرف آب در بخش کشاورزی ایران دارد و احتمال افزایش نرخ  رشد سطح اراضی مجهز به آبیاری تحت فشار با اجرای چهار سناریوی مؤلفه دانش و سرمایه انسانی، رژیم نهادی و محرک اقتصادی، زیرساخت­های اطلاعات و ارتباطات و نوآوری به‏ترتیب برابر با 9/59%، 55%، 60% و 60% و احتمال کاهش نرخ رشد مصرف آب در بخش کشاورزی 80% می­باشد. لذا حرکت به سمت دانش بنیان شدن اقتصاد می‏تواند به بهبود راندمان آب در بخش کشاورزی ایران کمک نماید.  

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the Effect of Knowledge Based Economy Components on Water Productivity and Consumption in Iran's Agricultural Sector

نویسندگان [English]

  • Sona Pouralimoghaddam 1
  • Mohammad Reza Zare Mehrjerdi 2
  • Somayeh Amirtaimoori 3
  • Somayeh Naghavi 4
1 Graduate Student of Agricultural Economics, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
2 Associate Professor, Department of Agricultural Economics, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
3 Assistant Professor, Department of Agricultural Economics, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran
4 Assistant Professor, Department of Agricultural Economics, Faculty of Agriculture, University of Jiroft, Jiroft, Iran
چکیده [English]

Nowadays, knowledge-based economics has been suggested as a way out of various problems. Given that more than 90 percent of water consumption is allocated to the agricultural sector, the establishment of agricultural knowledge that one of the components of which is the innovation and development of modern irrigation systems in agricultural lands, increases the efficiency of water consumption and production. Therefore, in this study, the effect of different components of knowledge-based economy on water productivity and consumption in Iran's agricultural sector during 2002-2017 has been investigated using the casual Bayesian network in 4 scenarios. The results showed that education and skills component had the least effect on growth rate of water use in Iranian agricultural sector and the probability of increasing growth rate of land area equipped with pressure irrigation with the implementation of the four scenarios of education and skills, economic and institutional regime, information and communication infrastructure and innovation system are 59/9%, 55%, 60% and 60%, respectively and the probability of decreasing growth rate of water use in the agricultural sector is 80%. So, moving to a knowledge-based economy can help to improvement of water efficiency in Iran's agricultural sector.

کلیدواژه‌ها [English]

  • agriculture sector
  • Water productivity
  • Causal Bayesian Network
اشراقی، ف. و س. قاسمیان. 1391. بررسی بهره‏وری اقتصادی مصرف آب در استان گلستان. مجله پژوهش آب در کشاورزی، جلد 26، شماره 3، ص 322-317.
بهبودی، د.، ن. میرانی و ن. محرم جودی. 1394. بررسی اثر اقتصاد دانش­بنیان بر رشد تولیدات در ایران با استفاده از الگوریتم جستجوی گرانشی و الگریتم کرم شب­تاب. فصلنامه سیاست­گذاری پیشرفت اقتصادی دانشگاه الزهرا، سال سوم، شماره 8، ص 93-65.
.پوران، ر.، ح. راغفر، ع. قاسمی و ف. بزازان. 1396. محاسبه ارزش اقتصادی آب مجازی با رویکرد حداکثرسازی بهره‏وری آب آبیاری. مطالعات اقتصادیِ کاربردی ایران، سال ششم، شماره 21، ص 212-189.
زرگرپور، ر.، حاتمی، ح.ر.، حیدری، ن.، زارع، ع و مرسلی، ا. 1396.نقش علم و فناوری در ارتقای بهره­وری آب کشاورزی ایران 1404. مطالعات بین رشته­ای دانش راهبردی، شماره 27، ص 132-103.
سرائی، س.، افراخته، ح.، ریاحی، و و جلالیان، ح. 1396. ارزیابی کاربرد فناوری اطلاعات و ارتباطات در بهینه­سازی مصرف آب کشاوری با رویکرد سیستمی نرم. فصلنامه مطالعات میان رشته­ای در علوم انسانی، دوره 9، شماره 4، ص 70-49.
سلطانی ذوقی، ا. 1396. جایگاه راهکارهای دانش­بنیان در مدیریت بحران آب. چهارمین کنفرانس و نمایشگاه محیط­زیست، تهران.
.طرازکار، م.ح.، م. زیبایی و غ.ر. سلطانی. 1395. بهره‏برداری بهینه از مخزن سد درودزن با تأکید بر بهره‏وری آب کشاورزی. اقتصاد کشاورزی و توسعه، سال بیست و چهارم، شماره 96، ص 55-25.
.عزیزی، ف و مرادی، م. 1397. محاسبه شاخص­های اصلی و فرعی اقتصاد دانش­بنیان برای ایران (سال‏های 2014-1996). فصلنامه پژوهش­ها و سیاست­های اقتصادی، شماره 85، ص 270-243.
فرداد، ح. و ر. ضیغمی گل. 1384. بهینه‏سازی مصرف آب برای آبیاری پنبه در منطقه گرگان. مجله علوم کشاورزی ایران. جلد ٣٦، شماره ٥، ص 1206-1197.
کریمی، م. و جلینی، م. 1396. بررسی شاخص­های بهره­وری آب کشاورزی در محصولات مهم زراعی. مطالعه موردی: دشت مشهد (یادداشت فنی). سال چهارم، شماره 1، ص 138-133.
.موسایی، ر و دوستی، م. 1394. بررسی فناوری­های نوین در جهت افزایش بهره­وری آب در بخش کشاورزی. کنفرانس بین‏المللی توسعه با محوریت کشاورزی، محیط زیست و گردشگری، تبریز.
وزیری، آزیتا.، م.ح. وکیل‏پور و س.ا. مرتضوی. 1395. بررسی اثر قیمت‏گذاری اقتصادی آب آبیاری بر الگوی کشت در دشت دهگلان. مجله تحقیقات کشاورزی، جلد 8، شماره 3، ص 100-80.
.AQUASTAT. 2004. FAO’s Global Water Information System Website. AQUASTAT. http://www.fao.org/nr/water/aquastat/data/query/results.html.
.AQUASTAT. 2015. FAO’s Global Water Information System Website. AQUASTAT. http://www.fao.org/nr/water/aquastat/data/query/index.html?lang=en.
AQUASTAT. 2016. FAO’s Global Water Information System Website. AQUASTAT. http://www.fao.org/nr/water/aquastat/data/query/results.html.
.Caball, R. and Sh. Malekpour. 2019. Decision making under crisis: Lessons from the Millennium Drought in Australia. International Journal of Disaster Risk Reduction, 34: 387–396.
.Cameira, M.A and Pereira, L.S. 2019. Innovation Issues in Water, Agriculture and Food. Water, 11:1-7.
 
. Craig, C.A., S. Feng and S. Gilbertz. 2019. Water crisis, drought, and climate change in the southeast United States. Land Use Policy, 88: 104-110.
.Davies, P. 2007. Bayesian Decision Networks for Management of High Conservation, Report to the Conservation of Freshwater Ecosystem Values Project. Department of Primary Industries and Water, Hobart, Tasmania.
.Gilbertz, S.J., D. Hall and L. Ward. 2013. Yellowstone River Basin Advisory Council: Membership & Report of 2013 Scoping Activities. Report and appendices available at: Sponsored by the Montana Department of Natural Resources Conservation and Montana State University Billings. An effort of the 2015 Montana Water Supply Initiative. http://www.dnrc.mt.gov/wrd/water_mgmt/state_water_plan/yellowstone/scoping_report/default.asp.
 
.Heckerman, D. 1997. Bayesian networks for data mining, data mining and knowledge. Discovery, 1 (1): 79-119.
.Mack D.L., G. Biswas., X.D. Koutsoukos and D. Mylaraswamy. 2017. Learning Bayesian network structures to augment aircraft diagnostic reference models. IEEE Transactions on Automation Science and Engineering, 14(1):358-69.
.Makurira, H.,  H. Savenije and Uhlenbrook, S. 2011.  The effect of system innovations on water productivity in subsistence rainfed agricultural systems in semi-arid Tanzania. Agricultural Water Management, 98(11):1696-1703.
.Mitchell, T. M. 1997. Does machine learning really work?. AI magazine, 18(3): 11.
Nadkarni, S. and Shenoy, P. P. 2001. A Bayesian network approach to making inferences in causal maps. European Journal of Operational Research, 128(3): 479-498.
.Rosenthal, U. and A. Kouzmin. 1997. Crises and crisis management: toward comprehensive government decision making. Journal of Public Administration Research and Theory, 7 (2): 277-304.