اثر عوامل اقلیمی و مدیریتی بر پتانسیل و خلاء عملکرد گندم در ایران با استفاده از مدل WOFOST

نوع مقاله : مقاله پژوهشی

نویسندگان

1 فردوسی مشهد

2 دانشگاه فردوسی مشهد

3 دانشگاه شهید باهنر کرمان

چکیده

در اکثر موارد عملکرد واقعی به‌دلیل ضعف‌های مدیریتی و فناوری کمتر از عملکرد پتانسیل می‌باشد، که اختلاف بین این دو به‌عنوان خلاء عملکرد در نظر گرفته می‌شود. درک سهم نسبی هر یک از متغیرهای مدیریتی در خلاء عملکرد می‌تواند به‌عنوان یکی از مهمترین گام‌های کاهش آن و نزدیک شدن عملکرد واقعی به عملکرد پتانسیل باشد. به‌منظور ارزیابی میزان خلاء عملکرد گندم و همچنین سهم نسبی متغیرهای مدیریتی و فناوری در میزان این خلاء در ایران، از تابع حد مرزی که یک رگرسیون چند متغیره می باشد، استفاده شد. برای این منظور داده‌های اقلیمی استان‌‌های مختلف کشور از سازمان‌‌های هواشناسی کشور و عملکرد گندم در استان‌‌های مختلف از سازمان‌‌های جهاد کشاورزی کشور استخراج شد. عملکرد پتانسیل گندم در استان‌‌های مختلف نیز با استفاده از مدل WOFOST شبیه‌‌سازی شد. از اختلاف بین عملکرد پتانسیل و عملکرد واقعی، خلاء عملکرد گندم برای استان‌‌های مختلف برآورد شد. سپس با استفاده از تابع حد مرزی سهم نسبی متغیرهای اقلیمی مؤثر در عملکرد پتانسیل و همچنین سهم نسبی هر یک از متغیرهای مدیریتی مؤثر شامل آبیاری، کاربرد کود، مکانیزاسیون، کاربرد آفت‏کش و کود دامی بر خلاء عملکرد گندم محاسبه شد. نتایج نشان داد که به‌‌طور کلی در بین عوامل اقلیمی اثر بارندگی و تابش بر عملکرد پتانسیل گندم مثبت و اثر دما منفی بود. در بین این متغیرها نیز بارندگی بیشترین تأثیر را بر عملکرد پتانسیل گندم دارا بود. محدوده خلاء عملکرد گندم در ایران بین 1646 تا 4470 کیلوگرم در هکتار و 29 تا 58 درصد متغیر بود. به‌‌طور کلی تأثیر کلیه عوامل مدیریتی بر میزان خلاء عملکرد گندم کشور منفی بود که بدین ترتیب با بهبود یا افزایش هر کدام از این فاکتورها، میزان خلاء عملکرد گندم در کشور کاهش نشان داد. از بین عوامل مدیریتی مورد بررسی، عامل آبیاری بویژه در استان‌‌های واقع در اقلیم گرم و خشک کشور و بعد از آن نیز عامل کاربرد کود شیمیایی بیشترین تأثیر را بر کاهش خلاء عملکرد گندم نشان دادند. بنابراین، به‌‌نظر می‌‌رسد برای کاهش خلاء عملکرد گندم در ایران باید در وهله اول مدیریت آبیاری و کاربرد کود را مدنظر قرار داد.

کلیدواژه‌ها


1- Abeledo, L. G., Savin, R., and Slafer, G. A. 2008. Wheat productivity in the Mediterranean Ebro Valley: Analyzing the gap between attainable and potential yield with a simulation model. European Journal of Agronomy 28: 541- 550.
2- Aggarval, P. K. 1994. Constraints in wheat productivity in India. In: Simulating the Effect of Climatic Factors, Genotype and Management on Productivity of Wheat in India. (eds. Aggarval, P.K., Kalra, N.) pp. 1-11. Agricultural Research Institute, New Delhi, India.
3- Aigner, D., Lovell, C. A. K., and Schmidt, P. 1977. Formulation and estimation of stochastic frontier production function models. Journal of Econometrics 6: 21-37.
4- Anderson, W. K. 2010. Closing the gap between actual and potential yield of rainfed wheat. The impacts of environment, management and cultivar. Field Crops Research 116: 14-22.
5- Barbier, E. B. 2003. Agricultural expansion, resource booms and growth in Latin America: implications for long-run economic development. World Development 32: 137-157.
6- Becker, M., and Johnson, D. E. 1999. Rice yield and productivity gaps in irrigated systems of the forest zone of CoÃte d'Ivoire. Field Crops Research 60: 201-208.
7- Boogaard, H. L., van Diepen, C. A., Rötter, R. P., Cabrera, J. M. C. A., and van Laar, H. H. 1998. User’s Guide for the WOFOST 7.1 Crop Growth Simulation Model and WOFOST Control Center 1.5. DLO-Winand Staring Centre, Wageningen, Technical Document 52.
8- Cassman, K. G. 1999. Ecological Intensification of Cereal Production Systems: Yield Potential, Soil Quality, and Precision Agriculture National Academy of Sciences colloquium ‘‘Plants and Population: Is there time?”. Arnold and Mabel Beckman Center in Irvine, CA.
9- Coelli, T., Rao, P., O’Donnell, C. J., and Battese, G. E. 2005. An Introduction to Efficiency and Productivity Analysis. Kluwer Academic Publishers, Norwell, Massachusetts.
10- DeFries, R. S., Foley, J. A., Asner, G. P. 2004. Land-use choices: balancing human needs and ecosystem function. Frontiers in Ecology and the Environment 2: 249-257.
11- FAO. 2006. Food and Agriculture Organization of the United Nations. Faostat. http://faostat.fao.org/site/408/default.aspx
12- Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., Chapin, F. S., Coe, M. T., Daily, G. C., Gibbs, H. K., Helkowski, J. H., Holloway, T., Howard, E. A., Kucharik, C. J., Monfreda, C., Patz, J. A., Prentice, I. C., Ramankutty, N., and Snyder, P. K. 2005. Global consequences of land use. Science 309: 570-574.
13- Gharineh, M. H., Bakhshandeh, A. M., Andarzian, B., and Fayezizadeh, N. 2012. Agro-climatic zonation of khouzestan province based on potential yield of irrigated wheat using WOFOST model. Agroecology 4: 255-264. (in Persian with English abstract).
14- Goudriaan, J., and Van Laar, H. H. 1993. Modelling potential crop growth processes. Kluwer Academic Press
15- Hochman, Z., Gobbett, D., Holzworth, D., McClelland, T., Rees, H. V., Marinoni, O., Garcia, J. N., and Horan, H. 2012. Quantifying yield gaps in rainfed cropping systems: A case study of wheat in Australia. Field Crops Research 136: 85-96.
16- Kalra, N., Chakraborty, D., Kumar, P. R., Jolly, M., and Sharma, P. K. 2007. An approach to bridging yield gaps, combining response to water and other resource inputs for wheat in northern India, using research trials and farmers’ fields data. Agricultural Water management 93: 54-64.
17- Kamkar, B., Koocheki, A., Nasiri, M., and Rezvani Moghaddam, P. 2007. Gap yiled Analysis of cumin in 9 regions of North Khorasan, Razavi Khorasan and Sout Khorasan provinces using modelling approches. Iranian Field Crop Researches. 5: 333-341. (in Persian with English abstract).
18- Keys, E., and McConnell, W. J. 2005. Global change and the intensification of agriculture in the tropics. Global Environmental Change 15: 320-337.
19- Koning, G. H. J., and de van Diepen, C. A. 1992. Crop production potential of rural areas within the European Communities. IV: Potential, water limited and actual crop production. Working Document 68. Netherlands Scientific Council for Government Policy, The Hague.
20- Kropff, M. J., Cassman, K. G., Peng, S., Matthews, R. B., and Setter, T. L. 1994. Quantitative understanding of yield potential. In: Cassman, K.G. (Ed.), Breaking the Yield Barrier. Proceedings of a Workshop on Rice Yield Potential in Favourable Environments. International Rice Research Institute, Los Ban os, Philippines, pp. 21–38.
21- Lu, Ch., and Fan, L. 2013. Winter wheat yield potentials and yield gaps in the North China Plain. Field Crops Research 143: 98-105.
22- MAJ (Ministry of Agriculture of the I.R. of Iran) (2010) Planning and Economics Department, Statistics Bank of Iranian Agriculture, .
23- Meeusen, W., and Broeck, J. V. D. 1977. Efficiency estimation from Cobb-Douglas production functions with composed error. International Economic Review 18: 435-444.
24- Muchow, R. C., and Kropff, M. J. 1997. Assessing the potential yield of tropical crops: role of field experimentation and simulation. In: Kropff, M. J., Teng, P. S., Aggarwal, P. K., Bouma, J., Bouman, B. A. M., Jones, J. W., Van Laar, L. 1997. Applications of Systems Approaches at the Field Level. Springer Press.
25- Nasiri Mahallati, M. 2000. Crop growth modelling. Jahad daneshgahi Mashhad press. 274 p.
26- Nasiri Mahallati, M., and Koocheki, A. 2009. Agroclimatical zoning of wheat in Khorasan Province: evaluation of potential and gap yield. Iranian Field Crop Researches 7: 965-702. (in Persian with English abstract).
27- Nassiri Mahallati, M., Koocheki, A., Moradi, R., and Mansoori, H. 2015. Long term estimation of carbon dynamic and sequestration for Iranian agro-ecosystem. II- Sequestration and emission of carbon for common agricultural crops using ICBM model. Agroecology 7: 299-314. (in Persian with English abstract).
28- Neumann, K., Verburg, P. H., Stehfest, E., and Müller, C. 2010. The yield gap of global grain production: A spatial analysis. Agricultural Systems 103: 316-326.
29- Oerke, E. C., Dehne, H. W., Schonbeck, F., and Weber, A. 1994. Crop Production and Crop Protection. Estimated Losses in Major Food and Cash Crops. Elsevier, Amsterdam, The Netherlands.
30- Pesaran, M. H., and Schmidt, P., 1999. Handbook of Applied Econometrics. Blackwell Publishers.
31- Rezaei, E., and Soltani, A. 1998. Applied analysis of regression. Isfahan University press. 159 p.
32- Rosegrant, M. W., Paisner, M. S., Meijer, S., and Witcover, J. 2001. 2020 Global Food Outlook Trends, Alternatives, and Choices. International Food Policy Research Institute, Washington, DC.
33- Ruttan, V. W., 2002. Productivity growth in world agriculture: Sources and constraints. Journal of Economic Perspectives. 16: 161-184.
34- Tilman, D., Cassman, K. G., Matson, P. A., Naylor, R., and Polasky, S. 2002. Agricultural sustainability and intensive production practices. Nature 418: 671-677.
35- Timsina, J., Pathak, H., Humphreys, E., Godwin, D., Singh, B., Shukla, A.K., and Singh, U. 2004. Evaluation of final yield and yield gap analysis in rice using, CERES rice ver. 4.0 in northwest India. 5th International Crop Science Congress 107-115 pp.
36- Trostle, R. 2008. Global Agricultural Supply and Demand: Factors Contributing to the Recent Increase in Food Commodity Prices. United States Department of Agriculture.
37- Wassenaar, T., Lagacherie, P., Legros, J. P., and Rounsevell, M. D. A. 1999. Modelling wheat yield responses to soil and climate variability at the regional scale. Climate Research 11: 209-220.
38- Zare Feyzabadi, A., Koocheki, A., and Nassiri Mahallati, M. 2006. Assessing 50 years trend of changes in cultivated area, yield and production of cereals in the country and future prediction. Iranian Field Crop Researches 4: 42-69. (in Persian with English abstract).