تعیین قیمت سایه‌ای آب با کمک مدل برنامه ریزی فازی محدودیت شانس، مطالعه موردی: شبکه آبیاری قزوین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 علوم مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی

2 دانشجوی دکتری، گروه علوم مهندسی آب، دانشگاه بین المللی امام خمینی

چکیده

کاهش منابع آب از یک سو و تقاضای فزاینده برای آن از سوی دیگر، باعث ایجاد وضعیتی دشوار در بسیاری از مناطق دنیا شده است. قیمت گذاری منابع آب در مدیریت تقاضای آب نقش اساسی دارد. در حال حاضر، نرخ آب پرداختی از سوی کشاورزان برای آبیاری محصولات کشاورزی، ارزش واقعی آب را منعکس نمی‌کند. یکی از راهکارهای تاثیرگذار مدیریت تقاضا، تعیین قیمت واقعی آب در بخش کشاورزی است و این امر به تخصیص مطلوب‌تر این نهاده بین محصولات مختلف کشاورزی کمک می‌نماید. از آنجا که متغیر موجودی آب سطحی ماهیت تصادفی دارد در نتیجه نمی‌توان مقدار آن را قطعی فرض نمود از اینرو در این مطالعه به کمک مدل برنامه‌ریزی فازی محدودیت شانس که ترکیب مدل برنامه ریزی شانس محدود و مدل برنامه‌ریزی فازی می‌باشد به محاسبه قیمت سایه‌ای آب در شبکه آبیاری دشت قزوین پرداخته شده است. نتایج نشان می دهد ارزش اقتصادی هر متر مکعب آب در شبکه آبیاری دشت قزوین معادل 17882 ریال می باشد که در حدود 23 برابر بیش از متوسط قیمت فروش آب در محدوده مطالعاتی است. با توجه به اینکه موجودی منابع آب رو به کاهش است در جهت جلوگیری از برداشت بی رویه و اتلاف منابع آبی و همچنین تخصیص بهینه نهاده آب بین محصولات کشاورزی منطقه قیمت آب معادل ارزش واقعی آن از کشاورزان دریافت شود.

کلیدواژه‌ها

عنوان مقاله [English]

Determining the shadow price of water with the help of fuzzy planning model of the chance range, case study: Qazvin irrigation network

نویسندگان [English]

  • hamed mazandarani zadeh 1
  • yasaman shokohi far 2
1 water science and engineering,, ikiu
2 Ph.D student in water resources engineering, Faculty of Agriculture and Natural Resources, Imam Khomeini International University, Qazvin, Iran
چکیده [English]

Reduction of water resources from one side and increasing demand on the other side, have faced lots of areas in the world with a difficult situation. Water resource pricing in water management is essential. Currently, the water rate paid by farmers to irrigate agricultural crops does not reflect the true value of water. One of the most effective solutions for demand management is determining the real price of water in the agricultural sector. This helps in the more favorable allocation of this input between different agricultural products. Since the surface water availability variable is stochastic in nature, its value cannot be assumed as certain. Therefore, in this study, the shadow price of water in the irrigation network of Qazvin plain has been calculated with the help of the fuzzy planning model of limited chance, which is a combination of the limited chance planning model and fuzzy planning model. The results show that the economic value of each cubic meter of water in the Qazvin Plain irrigation network is equal to 17,882 rials, which is about 23 times more than the average selling price of water in the study area. Considering that the stock of water resources is decreasing, in order to prevent indiscriminate harvesting and waste of water resources, as well as the optimal allocation of water input between agricultural products in the region, the price of water equivalent to its real value should be received from the farmers.

کلیدواژه‌ها [English]

  • shadow price: uncertainty
  • water supply management
  • increase productivity

مراجع

احسانی، م.، حیاتی، ب،. دشتی، ق.، قهرمان زاده، م. و حسین زاد، ج. 1389. برآورد ارزش اقتصادی آب در تولید جو در شبکه آبیاری دشت قزوین، مجله علوم آب و خاک، 22(1): 187-200.
اسدی، ه.، سلطانی، غ. و ترکمانی، ج. 1386. قیمت‌گذاری آب کشاورزی در ایران، مطالعه موردی اراضی زیر سد طالقان. مجله اقتصاد و توسعه کشاورزی، 15(58): 61-90.
بلالی، ح. و کسبیان لعل، ف. 1400. ارزش‌گذاری اقتصادی منابع آب زیرزمینی در بخش کشاورزی (مطالعه موردی: دشت همدان- بهار)، مجله اقتصاد و توسعه کشاورزی، 1(36): 37-48. 
بهرامی نسب، م.، دوراندیش، الف.، شاهنوشی، ن. و کهنسیال، م ر. 1394. تعیین الگوی بهینه زراعی شهرستان اسفراین (کاربرد برنامه‌ریزی فازی باارزش بازه‌ای بر اساس برش‌های آلفای نامحدود)، مجله تحقیقات اقتصادی و توسعه کشاورزی ایران، 46(1): 61-73.
پژویان، ج. و حسینی، س ش. 1382. برآورد تابع تقاضای آب خانگی (مطالعه موردی شهر تهران)، فصلنامه پژوهش­های اقتصادی ایران، 5(16): 47-67.
حسینی، س م.، مازندرانی زاده، ح. و نظری، ب. 1400. مدیریت توأمان منابع آب سطحی و زیرزمینی و افزایش تاب‌آوری کشاورزان در مقابل کم‌آبی با پیش‌بینی قیمت محصولات کشاورزی و استفاده از الگوریتم ژنتیک (مطالعه موردی شبکه آبیاری و زهکشی دشت قزوین)، تحقیقات آب و خاک ایران، 52(2): 563-576.
دهقانپور، ح. و شیخ زین­الدین، الف. 1392. تعیین ارزش اقتصادی آب کشاورزی در دشت یزد- اردکان استان یزد، اقتصاد و توسعه کشاورزی، 21(2): 45-68.
سازمان جهاد کشاورزی استان قزوین، https://qazvin-ajo.ir.
شیرشاهی، ف.، بابازاده، ح.، ابراهیمی پاک، ن ع. و خالدیان، م ر. 1398. بهینه‌سازی تخصیص آب و الگوی کشت بهینه (مطالعه موردی: دشت قزوین)، علوم و مهندسی آبیاری، 44(3): 103-116.
کرامت‌زاده، ع.، چیذری، الف ح. و میرزایی، الف. 1395. تعیین ارزش اقتصادی آب کشاورزی با استفاده از مدل الگوی کشت بهینه تلفیق زراعت و باغداری؛ مطالعه موردی سد بارزو شیروان، اقتصاد و توسعه کشاورزی، 14(54): 35-60.
گلزاری، ز، اشراقی، ف. و کرامت‌زاده، ع. 1395. برآورد ارزش اقتصادی آب در تولید محصول گندم در شهرستان گرگان، مجله تحقیقات آب در کشاورزی، 30(4): 457-466.
موسوی، م.، سرایی تبریزی، م. و طلاچی لنگرودی، ح. 1399. ارزیابی بررسی ارزش اقتصادی آب در مصارف زیست­محیطی، کشاورزی و صنعت (مطالعه موردی: حوضه آبریز دریاچه ارومیه)، مجله انسان و محیط‌زیست، 19(3): 79-95.
نوری نائینی، م س.، صلاح منش، الف. 1373. تعیین قیمت سایه‌ای منابع در بخش کشاورزی ( مطالعه موردی روستاهای خراسان)، مجله تحقیقات اقتصادی، 31(48): 81-109.
Badri, H., Ghomi, S. F and. Hejazi, T. H. 2017. A two-stage stochastic programming approach for value-based closed-loop supply chain network design. Transportation Research Part E: Logistics and Transportation Review, 105: 1-17.
Birge, J.R. and Louveaux, F. 1997. Two-Stage Linear Recourse Problems. Introduction to Stochastic Programming, 155-197.
Cadenas, J.M. and Verdegay, J.L. 1997. Using fuzzy numbers in linear programming. IEEE Transactions on systems, Man, and cybernetics, Part B (Cybernetics), 27(6):1016-1022.
Castillo-Villar, K. K., Eksioglu, S., & Taherkhorsandi, M. 2017. Integrating biomass quality variability in stochastic supply chain modeling and optimization for large-scale biofuel production. Journal of cleaner production, 149: 904-918.
Dai, C., Cai, Y. P., Ren, W., Xie, Y. F., & Guo, H. C. 2016. Identification of optimal placements of best management practices through an interval-fuzzy possibilistic programming model. Agricultural Water Management, 165: 108-121.
Dupačová, J., Gaivoronski, A., Kos, Z. and Szantai, T. 1991. Stochastic programming in water management: A case study and a comparison of solution techniques. European Journal of Operational Research, 52(1): 28-44.
Felfel, H., Ayadi, O., & Masmoudi, F. 2016. Multi-objective stochastic multi-site supply chain planning under demand uncertainty considering downside risk. Computers & Industrial Engineering, 102: 268-279.
Housh, M., Ostfeld, A., & Shamir, U. 2013. Limited multi-stage stochastic programming for managing water supply systems. Environmental Modelling & Software, 41: 53-64.
Li, M., Fu, Q., Singh, V. P., Ma, M. and Liu, X. 2017. An intuitionistic fuzzy multi-objective non-linear programming model for sustainable irrigation water allocation under the combination of dry and wet conditions. Journal of Hydrology, 555: 80-94.
Medellín-Azuara, J., Harou, J. J. and Howitt, R. E. 2010. Estimating economic value of agricultural water under changing conditions and the effects of spatial aggregation. Science of the Total Environment, 408(23): 5639-5648.
Papi, A., Jabbarzadeh, A., Ghaderi, S.F. and Pishvaee, M.S. 2018.   Robust Optimal Crude Oil Supply Chain Planning and Oilfield Development under Uncertainty: Case Study of the National Iranian South Oil Company. Quarterly Energy Economics Review, 14(58): 27-64.
Singh, D.K., Jaiswal, C.S., Reddy, K.S., Singh, R.M. and Bhandarkar, D.M. 2001. Optimal cropping pattern in a canal command area. Agricultural Water Management, 50(1):1-8.
Wan, S. P. and Dong, J. Y. 2014. Possibility linear programming with trapezoidal fuzzy numbers. Applied Mathematical Modelling, 38(5-6): 1660-1672.
Ward, F.A. and Michelsen, A. 2002. The economic value of water in agriculture: concepts and policy applications. Water policy, 4(5):423-446.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار