استفاده از مدل ریاضی غیر پارامتریک به منظور بهینه سازی میزان انرژی مصرفی و انتشار گازهای گلخانه ای در کشت گندم آبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 *-(مسوول مکاتبات): استادیار گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان، ملاثانی، اهواز، ایران

2 استاد گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، ایران.

3 دانش آموخته کارشناسی ارشد مکانیزاسیون کشاورزی، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، ایران.

چکیده

زمینه و هدف: امروزه مصرف بی­رویه انرژی در بخش کشاورزی علاوه بر افزایش قیمت تمام شده محصولات، باعث ایجاد آلودگی­های زیست­محیطی فروانی شده است.  هدف از تحقیق حاضر استفاده از روش غیرپارامتریک تحلیل پوششی داده­ها به منظور بررسی میزان کارایی انرژی و همچنین انتشار گازهای گلخانه­ای از مزارع گندم آبی دشت سیلاخور استان لرستان بود.
روش بررسی: داده­ها از طریق تکمیل پرسش­نامه و مصاحبه حضوری با 150 کشاورز گندمکار این دشت به­دست آمد.
یافته ها: نتایج نشان داد که میزان مصرف انرژی در سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا به ترتیب 22134، 24128 و 25078 مگاژول بر هکتار بوده و نهاده بذر، کود و سموم مصرفی در هر سه سطح بیشترین میزان مصرف را به خود اختصاص می­دهد. نتایج حاصل از تحلیل پوششی داده­ها نشان داد که کارایی فنی، کارایی فنی خالص و کارایی مقیاس در سطح 5 هکتار به بالا به­ترتیب با مقادیر 88، 93 و94 درصد از مقادیر مشابه در سایر سطوح بیشتر است. نسبت انرژی صرفه­جویی شده در هرسه سطح به ترتیب برابر 83/6، 11/8 و 54/6 درصد محاسبه شد.
نتیجه گیری: با به­کارگیری نتایج حاصل از این روش می­توان در سطوح فوق به­ترتیب حدود 1512، 1957 و 1640 مگاژول بر هکتار انرژی صرفه­جویی کرد. نتایج حاصل از بررسی گازهای گلخانه­ای در این کشت نشان داد که در سه سطح، نهاده سوخت دیزل بیشترین سهم در میزان آلاینده­های زیست محیطی را دارد. بهینه­سازی انرژی مصرفی در سطوح فوق در کل می­تواند 67/6516 کیلوگرم معادل گاز CO2 از میزان آلاینده­های حاصل از تولید این محصول را بکاهد.

کلیدواژه‌ها


 

 

 

 

 

علوم و تکنولوژی محیط زیست، دوره هجدهم، ویژه نامه شماره2، پاییز 1395

 

استفاده از مدل ریاضی غیر پارامتریک به منظور بهینه­سازی میزان انرژی مصرفی و انتشار گازهای گلخانه­ای در کشت گندم آبی

 

 

مرتضی تاکی[1]*

Mortezataaki@gmail.com

یحیی عجب­شیرچی[2]

احمد قبادی­فر[3]

تاریخ دریافت: 18/02/93

تاریخ پذیرش:25/12/93

 

چکیده

زمینه و هدف: امروزه مصرف بی­رویه انرژی در بخش کشاورزی علاوه بر افزایش قیمت تمام شده محصولات، باعث ایجاد آلودگی­های زیست­محیطی فروانی شده است.  هدف از تحقیق حاضر استفاده از روش غیرپارامتریک تحلیل پوششی داده­ها به منظور بررسی میزان کارایی انرژی و همچنین انتشار گازهای گلخانه­ای از مزارع گندم آبی دشت سیلاخور استان لرستان بود.

روش بررسی: داده­ها از طریق تکمیل پرسش­نامه و مصاحبه حضوری با 150 کشاورز گندمکار این دشت به­دست آمد.

یافته ها: نتایج نشان داد که میزان مصرف انرژی در سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا به ترتیب 22134، 24128 و 25078 مگاژول بر هکتار بوده و نهاده بذر، کود و سموم مصرفی در هر سه سطح بیشترین میزان مصرف را به خود اختصاص می­دهد. نتایج حاصل از تحلیل پوششی داده­ها نشان داد که کارایی فنی، کارایی فنی خالص و کارایی مقیاس در سطح 5 هکتار به بالا به­ترتیب با مقادیر 88، 93 و94 درصد از مقادیر مشابه در سایر سطوح بیشتر است. نسبت انرژی صرفه­جویی شده در هرسه سطح به ترتیب برابر 83/6، 11/8 و 54/6 درصد محاسبه شد.

نتیجه گیری: با به­کارگیری نتایج حاصل از این روش می­توان در سطوح فوق به­ترتیب حدود 1512، 1957 و 1640 مگاژول بر هکتار انرژی صرفه­جویی کرد. نتایج حاصل از بررسی گازهای گلخانه­ای در این کشت نشان داد که در سه سطح، نهاده سوخت دیزل بیشترین سهم در میزان آلاینده­های زیست محیطی را دارد. بهینه­سازی انرژی مصرفی در سطوح فوق در کل می­تواند 67/6516 کیلوگرم معادل گاز CO2 از میزان آلاینده­های حاصل از تولید این محصول را بکاهد.

واژه­های کلیدی: تحلیل پوششی داده­ها ، کارایی مقیاس، گندم آبی، واحدهای ناکارا، گازهای گلخانه­ای.

 

J.Env. Sci. Tech., Vol 18, No.2, Autumn 2016

 

 

 

 

 


Application of nonparametric method for optimization of energy consumption and greenhouse gas emission in wheat production

 

Morteza Taki[4]*

Mortezataaki@gmail.com

Yahya Ajabshirchi [5]

Ahmad Ghobadifar[6]

 

Abstract

Background and Objective: Nowadays, increase of energy consumption in agricultural section has lead to some environmental problems and increase of final costs. In this study, the non-parametric method of Data Envelopment Analysis (DEA) is used to estimate the energy efficiency and greenhose gas emission in the irrigated wheat farms in Silakhor plain of Lorestan province.

Method: Data were collected through both questionnaire and interwiew surveys using 150 farmers. Results showed that the energy consumption for 0.1 up to 2, 2.1 up to 5 and over 5 hectares were 22134, 24128 and 25078 MJ/ha respectively, and the sum of grain, fertilizer and pesticides had the highest share of energy consumption in  all levels. The results of DEA showed that technical, pure technical and scale efficiencies in the third level were 88, 93 and 94%and higher than the same amounts obtained in other levels.

Results: Energy saving ratios in these levels were 6.83, 8.11 and 6.54 respectively. This indicates that 1512, 1957 and 1640 MJ/ha of total input energy can be saved, if the mentioned method is used. The results of greenhouse gas emission showed that diesel fuel has the highest share in the environmental pollutants. Optimization of energy consumption can totally decrease 6516.67 kg CO2 produced in wheat production.

Keywords: Data Envelopment Analysis, Scale Efficency, Irrigated Wheat, Noeffective Units, Greenhouse Gas.

 

مقدمه

 

رشد فزآینده جمعیت و بحران کمبود غذا، انسان را ناگزیر از بهره­برداری بیش از اندازه از منابع طبیعی و مصرف بی­رویه مواد شیمیایی کرده و این کار باعث برهم­خوردن توان بیولوژیک محیط گردیده است. این در حالی است که جمعیت جهان در دهه­های گذشته رو به افزایش بوده و این افزایش ادامه دارد. از طرفی ذخایر نفت جهان محدود بوده و در سال­های آینده به اتمام خواهد رسید. بنابراین انسان در آینده مجبور به تولید غذای بیش­تر با انرژی کم­تری خواهد بود. چون در سال­های گذشته اکثر زمین­های زراعی (حتی نامرغوب) تحت کاشت قرار گرفته­اند، بنابراین فقط استفاده از روش­های نوین و استفاده بهینه از زمین­های زراعی موجود به عنوان یکی از چند راه تهیه غذای بشر آینده باقی می­ماند تا همواره تولید مواد غذایی با افزایش جمعیت تناسب داشته باشد. این روش تولید که می­توان آن را همان کشاورزی پایدار نامید، سودمند و مستمر بوده و متکی بر حفظ منابع طبیعی است (1). در این راستا یکی از معیارهای کلیدی برای گزینش روش­های راهبردی در رسیدن به کشاورزی پایدار، افزایش کارایی و بهره­وری است. کارایی و بهره­وری از طریق کاربرد پایدارتر منابع از جمله نیروی کار، دسترسی بهتر به فن­آوری­های جدید، استفاده بهتر از نهاده­ها و چرخه­های زیست­شناختی و فرآوری در مزرعه، قابل افزایش است (2).

در زمینه بهبود مصرف انرژی در بخش کشاورزی مطالعات بسیاری انجام یافته است، در حالی که این چنین مطالعاتی کم­تر در ایران مورد توجه قرار می­گیرد. به منظور بیشینه کردن عملکرد تولید گندم به مقایسه الگوی مصرف انرژی در نقاط مختلف هند مطالعات انرژی صورت گرفت (3). سطح فن­آوری، انرژی نهاده و عوامل اقلیمی- زراعی مرتبط ترین پارامترهای تولید گندم محسوب شدند. بیش­ترین میزان انرژی نهاده 788/17 گیگاژول بر هکتار و بالاترین نسبت انرژی 2/5 برای محصول گندم به­دست آمد. در ایران،  شاخص­های انرژی در تولید گندم و ذرت در دشت عباس مورد بررسی قرار گرفت (4). نتایج این تحقیق نشان داد که برای محصول گندم کشت شده با خطی­کار نسبت انرژی ستانده به نهاده، خالص افزوده انرژی و بهره­وری انرژی به ترتیب 03/3، 32/46 گیگاژول و 206/0 کیلوگرم بر مگاژول است. در تحقیقی از دو روش بازگشت نسبت به مقیاس ثابت (CRS)[7] و بازگشت نسبت به مقیاس متغییر (VRS)[8] برای تحلیل پوششی داده­ها در تولید خیار گل­خانه­ای شهرستان شهرضا استفاده شد (5). از بین منابع موجود انرژی سوخت دیزل و آب مصرفی بیش­ترین سهم را  به خود اختصاص داده است. کارآیی فنی، فنی خالص و مقیاس با استفاده از این مدل­ها به ترتیب 37/90، 09/95 و 6/94% به دست آمد، همچنین میانگین کارآیی فنی واحدهای ناکارا براساس مدل بازگشت به مقیاس ثابت  87% محاسبه شد. در تحقیق دیگری پیرامون مصرف انرژی و انتشار دی­اکسید کربن در کشت سیب­زمینی در استان اصفهان نشان داده شد که مقدار کل انرژی مصرفی و دی­اکسیدکربن منتشر شده به ترتیب 47 گیگاژول برهکتار و  kg CO2eq 88/992 بوده است (6). آن­ها بیان کردند که بیش­ترین انرژی مصرفی متعلق به کودهای شیمیایی (49%) و به ویژه نیتروژن (40%) بوده است. از روش پارامتری تخمین تابع تولید در کشت محصول گوجه­فرنگی استان اصفهان استفاده شد (7). نتایج نشان داد که نهاده سوخت دیزل با  kg CO2eq 98/2719 بیش­ترین سهم در میزان آلایندگی محیط زیست را داراست. نهاده­های الکتریسیته مصرفی و کود نیتراته به ترتیب با 6/729 و  kg CO2eq 5/409 در رتبه­های دوم و سوم آلایندهای خطرناک زیست محیطی قرار گرفتند.

در این تحقیق از تحلیل پوششی داده­ها به عنوان روشی غیرپارامتریک به منظور آنالیز داده­های مربوط به کشت گندم آبی در دشت سیلاخور استان لرستان استفاده شد. هدف از این کار تفکیک واحدهای کارا از ناکارا، تعیین استفاده بی­رویه از نهاده­های انرژی در واحدهای ناکارا و پیشنهاد مقدار ضروری نهاده­های مختلف که باید به­وسیله واحدهای ناکارا از منابع انرژی استفاده شود، می­باشد. همچنین در این مقاله به بررسی میزان تولید معادل آلاینده CO2 در واحد سطح پرداخته شده و مقدار کاهش آن در هر سطح پس از بهینه­سازی نهاده­های مصرفی مشخص شده است.

روش بررسی

این تحقیق در سال زراعی 88-1387، در دشت سیلاخور که بین شهرستان­های بروجرد و دورود در استان لرستان واقع شده، انجام یافت. دشت سیلاخور بزرگ­ترین زمین هموار استان لرستان است و بیش­تر مساحت شهرستان­های بروجرد و دورود را در بر گرفته است. این دشت به دو قسمت تقسیم شده است، سیلاخور بالا که از جنوب ملایر و شرق نهاوند شروع شده و تا حوالی بروجرد ادامه دارد و سیلاخور پایین که بخش اصلی دشت سیلاخور را تشکیل می­دهد. این قسمت از شهر بروجرد شروع شده و در جهت جنوبی شرقی تا شهر دورود پیش می رود، دو دهستان از بخش مرکزی شهرستان بروجرد (دهستان­های همت­آباد و شیروان)، دو دهستان از بخش سیلاخور شهرستان دورود (دهستان­های چالانچولان و سیلاخور) و دو دهستان از بخش مرکزی شهرستان دورود (دهستان­های ژان و دورود) در این دشت واقع شده­اند. به دلیل آب فراوان، خاک خوب و زمین هموار این منطقه از کشاورزی پررونقی برخوردار است. در این دشت محصولاتی از قبیل گندم، جو، برنج، انواع میوه، چغندر، ذرت و صیفی جات کشت می شود. ارتفاع این دشت از سطح دریا 1600 متر در شهر بروجرد تا 1400 متر در شهر دورود متغییر است. این تحقیق بخش اصلی دشت سیلاخور را مورد بررسی قرار داده است (8) (شکل 1).


 


 

 

شکل 1- موقعیت جغرافیایی شهرستان­های بروجرد و دورود در استان لرستان

Figure 1- Geographical location of Doroud and Borojerd in Lorestan Province

 

 

 

محدوده جغرافیایی این تحقیق دشت سیلاخور و محدوده زمانی جمع آوری اطلاعات از اوایل فروردین ماه 1388 تا اوایل مردادماه 1388 می­باشد. پس از بررسی آمار و اطلاعات موجود و گفتگو با کارشناسان جهاد کشاورزی شهرستان و مراکز خدمات کشاورزی واقع در دشت سیلاخور، شناختی کلی از وضعیت مکانیزاسیون، وضعیت اقلیمی، منابع آبی، سطح زیر کشت محصولات زراعی، نوع مالکیت اراضی، اندازه متوسط قطعات اراضی و پراکندگی اراضی زراعی در سطح دشت

 

سیلاخور به دست آمد. بنابراین جامعه آماری مورد مطالعه را کشاورزان گندم­کار آبی (غیردیم) دشت سیلاخور تشکیل می­دهند.

سوالی که در جریان تحقیق پیش می­آید، این است که محقق چه تعداد از افراد جامعه مورد مطالعه را می­تواند به عنوان نمونه تعیین کند یا به عبارت دیگر حجم و تعداد افراد نمونه چند نفر باید باشد تا محقق بتواند با اطمینان خاطر نتایج حاصل و شاخص­های محاسبه شده را به جامعه مورد مطالعه تعمیم دهد. در این تحقیق برای برآورد حجم نمونه از تکنیک­ها و روش­های آماری استفاده شد. اما برای انجام آن نیاز به دانستن اطلاعات و پارامترهایی درباره جامعه مورد مطالعه بود. به عنوان مثال لازم بود وضعیت توزیع یک یا چند صفت یا متغیر مورد مطالعه در اختیار باشد. برای به دست آوردن حجم نمونه از فرمول کوکران به شرح زیر استفاده شد )9):

 (1)

 

= n حجم نمونه    

= N اندازه جامعه آماری

= t ضریب اطمینان قابل قبول که با فرض نرمال بودن توزیع صفت مورد نظر از جدول t استیودنت به دست می­آید

S2= برآورد واریانس صفت مورد مطالعه                                      = d دقت احتمالی مطلوب

در پارامترهای بالا به­خاطر این­که واریانس صفت مورد مطالعه (نسبت انرژی و بهره­وری انرژی) در ابتدا مشخص نیست، بایستی از قبل یک بررسی آزمایشی در مقیاس کوچک برای پی بردن به نواقص احتمالی و برآورد تقریبی صفت مورد مطالعه در جامعه­ای که قصد انتخاب نمونه از آن در پیش است، انجام داد. بدین منظور از بین کشاورزان گندم­کار آبی در دشت سیلاخور 13 کشاورز به­طور تصادفی انتخاب و پرسش­نامه­هایی که از قبل طراحی شده بود، در بین آن­ها توزیع و تکمیل گردید. برای تجزیه و تحلیل داده­های نمونه­گیری مقدماتی از نرم­افزار EXCEL 2007  و SPSS 16 استفاده شد. پس از تجزیه وتحلیل داده­های نمونه­گیری مقدماتی و به دست آوردن تقریبی آماره­های بالا در صفت مورد مطالعه در جامعه مورد نظر با داشتن مقدار پارامتر­های بالا و قرار دادن آن­ها در فرمول کوکران حجم نمونه­گیری اصلی به­دست آمد. بدین­ترتیب حجم نمونه برای گندم­کاران آبی دشت سیلاخور142 کشاورز به­دست آمد که به منظور افزایش دقت به 150 کشاورز افزایش یافت. برای نمونه­گیری از روش نمونه­گیری تصادفی استفاده شد، زیرا آسان­ترین و اصولی­ترین روش برای نمونه­گیری بوده و قابل تعمیم به کل جامعه است. دلیل دیگر انتخاب این روش نمونه­گیری هماهنگی و تطابق آن با روش اتخاذ شده توسط مرکز آمار ایران و سازمان مدیریت و برنامه­ریزی در آمارگیری کشور است. در این روش نمونه­گیری، احتمال انتخاب در هر مرحله برای کلیه واحدهای جامعه یکسان است (10). داده­ها در قالب طرح طبقه­بندی شده (نوعی طرح کاملا تصادفی) جمع آوری شدند، به­طوری که واحدهای آزمایشی به سه دسته: الف) 1/0 تا 2 هکتار  ب) 1/2 تا 5 هکتار  و   ج) 5 هکتار به بالا تقسیم شده و در هر بازه نمونه­گیری به­صورت تصادفی به­عمل آمد. بدیهی است که چون بازه­ها مقدار مساوی نداشتند، نمونه­ها نیز در هر بازه به تناسب تعداد کشاورزان مربوطه انتخاب شدند.

     انرژی­های ورودی در تولید گندم شامل انرژی مصرفی در عملیات و انرژی مصرف شده در تولید ماشین­های کشاورزی، کود، سم، بذر، نیروی انسانی، سوخت مصرفی، آبیاری و حمل و نقل بودند. محاسبه انرژی مصرفی با استفاده از معادل انرژی مربوط به هر واحد از نهاده یا ستانده وضرب آن در مقدار نهاده مصرف شده یا ستانده تولید شده، انجام گرفت البته در مطالعات، با توجه به شرایط حاکم، از ضرایب متفاوتی استفاده شده که در جدول 1 به برخی از آنها اشاره شده است.

 

 

 

 

 


جدول 1- معادل نهاده­ها و ستانده­های انرژی در تولیدات کشاورزی.

Table1. Energy input and output equivalent in agricultural production


الف- نهاده های انرژی

واحد

انرژی بر هر واحد(MJ)

 

منبع

نیروی کارگری

ساعت

96/1

(11)

N

کیلوگرم

10/47

(12)

P2O5

کیلوگرم

80/15

(12)

حشره کش

کیلوگرم

20/101

(12)

علف کش

کیلوگرم

00/238

(12)

تراکتور

کیلوگرم

61/93

(13)

کمباین

کیلوگرم

63/87

(14)

ادوات و ماشین آلات

کیلوگرم

70/62

(15)

گندم (اصلاح شده)

کیلوگرم

00/25

(16)

ب- ستانده­های انرژی

 

 

 

دانه

کیلوگرم

70/14

(16)

کاه

کیلوگرم

50/12

(16)


 


تحلیل پوششی داده­ها      

 

به­طور کلی امروزه برای ارزیابی کارایی، دو روش پارامتریک و غیرپارامتریک مورد استفاده قرار می­گیرد. روش­هایی که الگوهای اقتصادسنجی را برای ارزیابی کارایی به کار می­برند، به روش­های پارامتریک موسومند؛ زیرا در این روش­ها ابتدا یک تابع تولید (هزینه، سود و ...) برای واحدهای مورد بررسی تصریح گردیده، سپس با تخمین پارامترهای آن و پیدا کردن تابع تولید مرزی، میزان تولید بهینه به ازای نهاده­های هر واحد، محاسبه می­گردد. اما در روش­های غیرپارامتری نیازی به تصریح شکل تابع خاصی برای ارزیابی کارایی نیست، بلکه در این روش­ها از مدل­های برنامه­ریزی ریاضی (بهینه­سازی تابع هدف با رعایت قیود لازم) کارایی هر واحد تولیدی محاسبه می­شود (17). لازم است ذکر کنیم که یکی از محدودیت­های روش پارامتریک، این است که واحدهای مورد بررسی فقط باید دارای یک ستانده باشند (اگر بیش از یک ستانده داشته باشند باید بتوان با تبدیل و یکسان سازی واحد اندازه­گیری آن­ها، همه ستانده­ها را بر حسب یک واحد بیان کرد)؛ به عبارت دیگر مدل منتخب فقط باید دارای یک متغیر وابسته باشد. این در حالی است که محدودیتی (جز ملاحظات نظری) در تعداد متغیرهای مستقل وجود ندارد. اما تصور کنید که ستانده­های واحد مورد بررسی قابل تبدیل به یک واحد یکسان نباشند، بنابراین باید از روش دیگری کارایی چنین واحدهایی را بررسی کرد. در این حالت تحلیل پوششی داده[9] یا DEA می­تواند به رفع این مشکل کمک کند. در این روش برای اندازه­گیری کارایی و مقایسه واحدها به هر واحد اجازه داده می­شود وزن (ارزش) هر یک از ستانده­هایش را خود تعیین کند، مشروط بر این­که وزن­های اختصاص داده شده، کارایی واحد(های) دیگر را بیش­تر از یک ننماید؛ زیرا مطابق تعریف، کارایی هرواحد حداکثر 100% یا واحد است. لازم به ذکر است که در تحلیل پوششی داده­ها عملکرد واحدهایی با هم مقایسه می­شوند که کار مشابهی را انجام می­دهند. به چنین واحدهایی واحدهای تصمیم­گیری[10] مشابه یا DMU اطلاق می­شود (17).

در این تحقیق به منظور تعیین میزان انرژی نهاده­های مصرفی در کشت گندم و ارزیابی مزارع، تعداد 150 پرسشنامه تهیه شد.    برای توصیف ویژگی­های کلی و عمومی منطقه مورد مطالعه، نیازمند آمار و اطلاعاتی در زمینه فعالیت­های زراعی منطقه و استان از جمله سطح زیر کشت محصولات، عملکرد محصولات، تعداد و انواع ماشین­های کشاورزی و همچنین آمار مربوط به خصوصیات جغرافیایی، تقسیم­بندی سیاسی بخش­ها و دهستان­ها و اطلاعات مربوط به وضعیت اقلیمی و جوی بود که این اطلاعات از سازمان­های جهاد کشاورزی و هواشناسی استان لرستان جمع­آوری شدند.

پس از تکمیل پرسشنامه­ها از طریق مصاحبه و پرسش حضوری، داده­های به­دست آمده وارد نرم­افزار اکسل شد و سپس با روش تحلیل پوششی داده­ مورد تجزیه و تحلیل قرار گرفت. تمامی واحدهای تولیدی از نظر مصرف انرژی و عملکرد مورد بررسی قرار گرفته و از بین آن­ها واحدهای کارا و ناکارا و همچنین میزان مصرف نهاده و تولید ستانده در آن­ها مورد تجزیه و تحلیل قرار گرفت. سپس میزان مصرف انرژی هر یک از نهاده­ها به­دست آمده و با در نظر گرفتن معادل انرژی برای هر نهاده (جدول 1)، میزان مصرف انرژی کل در مزارع مورد مطالعه، حاصل شد.

تجزیه و تحلیل اطلاعات با دو مدل بازگشت به مقیاس ثابت (CRS) و بازگشت به مقیاس متغیر (VRS) انجام یافت.

 مدل بازگشت به مقیاس ثابت (CRS)

روش DEA حالت چند محصولی و چند عامل تولیدی را به صورت ابتکاری، به حالت ساده یک عاملی و یک محصولی تبدیل می­نماید. اگر اطلاعات در مورد k عامل تولید و M محصول برای هر کدام از N واحد تولیدی وجود داشته باشد، فرایند محاسبه به صورت زیر خواهد بود (18):

 

(2)

 
 
 
 

که در آن u یک بردار شامل وزن های محصولات و v یک بردار شامل وزن های عوامل تولید می باشد. x یک ماتریس k×N از عوامل تولید و y ماتریس M× Nاز محصولات می­باشد. این دو ماتریس نشان­دهنده کلیه اطلاعات مربوط به N واحد تولیدی (DMU) خواهد بود. در رابطه بالا هدف به­دست آوردن مقادیر بهینه u  و v می­باشد، به گونه­ای که نسبت کل مجموع وزنی محصولات به مجموع وزنی عوامل تولید (میزان کارایی هر واحد تولیدی) حداکثر گردد، مشروط بر این­که، اندازه کارایی هر بنگاه بایستی کوچک­تر و یا مساوی واحد باشد. رابطه کسری بالا تعداد بی­شماری راه­حل بهینه دارد. با قرار دادن مخرج کسر مساوی یک مدل بالا به مدل برنامه­ریزی خطی تبدیل گردید:

 

(3)

 
 
 
 

به خاطر تبدیل خطی به جای  uو  vپارامترهای جدید μ و υ به­کار برده شده­اند. مسئله اخیر را می­توان با استفاده از تکنیک­های رایج برنامه­ریزی خطی حل نمود. در برنامه­ریزی خطی عموماً تحمیل قیود کم­تر، حل مسئله را آسان­تر می­نماید. برنامه­ریزی خطی با حل این فرم در واقع میزان کارایی فنی () برای هر واحد تولیدی را به تفکیک ارایه می­نماید:

 

(4)

 
 

 

 

 

λ یک بردار N×1 شامل اطلاعات ثابت می­باشد که وزن­های مجموعه مرجع را نشان می­دهد. مقادیر اسکالر به­دست آمده برای θ کارائی بنگاه­ها خواهد بود که شرط ≤1 θ را تأمین می­نماید. در رابطه بالا اولین قید بیان می­دارد که آیا مقادیر واقعی محصول تولید شده توسط واحد تولیدی іام با استفاده از عوامل تولید مورد استفاده، می­تواند بیش از این باشد. محدودیت دوم دلالت بر این دارد که عوامل تولیدی که توسط بنگاه іام به کار می­روند، حداقل بایستی به اندازه عوامل به­کار رفته توسط بنگاه مرجع باشند.

مدل بازگشت به مقیاس متغیر (VRS)

با استفاده از فرض بازده ثابت نسبت به مقیاس، زمانی­که تمام بنگاه­ها در مقیاس بهینه فعالیت نمی­نمایند، مقادیر محاسبه شده برای کارایی فنی (با دربر داشتن کارایی مقیاس) تحلیل را دچار اختلال خواهد کرد. استفاده از بازده متغیر نسبت به مقیاس موجب می­شود با محاسبه کارایی فنی بر حسب مقادیر کارایی ناشی از مقیاس و کارایی ناشی از مدیریت (کارایی فنی خالص)، تحلیل بسیار دقیقی ارائه گردد (19).

انجام این کار در فرموله کردن مسئله دوگان در برنامه­ریزی خطی با فرض بازده ثابت نسبت به مقیاس به وسیله اضافه نمودن محدودیت  (قید تحدب) به برنامه­ریزی خطی قبلی، محاسبات با فرض بازده متغیر نسبت به مقیاس انجام می­شود.

 

(5)

 
 
 
 

مدل اخیر با قید بازده متغیر نسبت به مقیاس مشخص نمی­کند که آیا واحد تولیدی در ناحیه بازده صعودی یا نزولی مقیاس فعالیت می­کند. این مهم در عمل با مقایسه قید بازده غیرصعودی به مقیاس() صورت می­گیرد:

 

(6)

 
 
 
 

به عبارت دیگر ماهیت نوع بازده در عدم کارایی مقیاس برای یک واحد تولیدی  خاص با مقایسه مقدار کارایی فنی در حالت بازده غیرصعودی نسبت به مقیاس، با مقدار کارایی فنی بازده متغیر نسبت به مقیاس، تعیین می­شود، بدین صورت که اگر این دو با هم مساوی باشند آن­گاه واحد موردنظر با بازده نزولی نسبت به مقیاس مواجه می­باشد در غیر این صورت شرط بازده صعودی نسبت به مقیاس برقرار است (19).

حداقل تعداد واحدهای تصمیم­گیری مورد مطالعه برای بالا بردن قابلیت اطمینان و اعتماد به نتایج حاصل از مدل تحلیل پوششی داده­ها از رابطه 8 محاسبه شد (20):

(8)

 (I+O) 3 ≤ تعداد واحدهای تصمیم گیرنده

در رابطه 8، I تعداد نهاده­ها و O تعداد ستانده­هاست. در تحقیق حاضر شش نهاده تولید یعنی انرژی مربوط به ماشین آلات، انرژی سوخت مصرفی، انرژی بذر،کود و سموم شیمیایی، انرژی کارگری، انرژی آب مصرفی و انرژی حمل و نقل به عنوان نهاده و انرژی محصول (عملکرد) به عنوان ستانده در نظر گرفته شد. بنابراین حداقل تعداد واحدهای تصمیم گیری برای تجزیه و تحلیل برابر است با:  

(9)

21 = (1+6)3= تعداد واحدهای تصمیم گیری

    در این پژوهش ابتدا از بین داده­های هر سه سطح، داده­های پرت با توجه به روش­های آماری تشخیص و حذف شد. در نهایت به صورت تصادفی از سطح اول 30 مزرعه، از سطح دوم 25 مزرعه و از سطح سوم 20 مزرعه برای انجام تحلیل وارد نرم افزار Frontier Professional Analyst ورژن 5 شدند. رابطه بین کارایی فنی (ECCR)، کارایی فنی خالص (EBCC) و کارایی مقیاس (ES) به­صورت رابطه 10 تعریف شده است (19):

(10)

 

مقدار کارایی مقیاس بیش از یک نخواهد بود. کارایی مدل CRS کارایی فنی کل نامیده می­شود، زیرا تحت تاثیر مقیاس و اندازه نیست. از طرف دیگر VRS، کارایی فنی خالص را تحت بازده به مقیاس متغیر نشان می­دهد. رابطه بالا تجزیه کارایی را نشان می­دهد که این رابطه منابع کارایی را به نمایش می­گذارد. یعنی مشخص می­کند که ناکارایی به علت ناکارایی مدیریتی است یا ناشی از شرایطی است که کارایی مقیاس را نشان می­دهد و یا از هر دو عامل (21).

 

 


یافته ها

 

همان­طور که شکل 2 نشان می­دهد، بیش­ترین میزان مصرف انرژی مربوط به نهاده بذر، کود و سموم شیمیایی است. این نهاده 47% از کل انرژی مصرفی را به خود اختصاص داده است. همچنین بالاترین انرژی مصرفی در بین کلیه سطوح زیر کشت مربوط به انرژی بذر، کود و سموم شیمیایی است که در سطح زیر کشت بالای 5 هکتار، میزان انرژی مصرفی نسبتاً بیش­تر از سطوح دیگر می­باشد. دلیل این موضوع را می­توان استفاده بیشتر از کود و سموم شیمیایی در این سطح زیر کشت بیان نمود. نهاده­های سوخت، آبیاری و ساخت و اسنهلاک ماشین­آلات به ترتیب با 30، 18 و 5 درصد در رده­های بعدی قرار دارند. در بین سطوح زیر کشت بیش­ترین انرژی سوخت مصرفی مربوط به سطح زیر کشت بین 1/2 تا 5 هکتار و کم­ترین انرژی مصرفی مربوط به سطح زیر کشت بین 1/0 تا 2 هکتار می­باشد. با افزایش سطح زیر کشت، میزان انرژی مصرفی آبیاری افزایش یافته و با کاهش سطح زیر کشت، میزان انرژی نیروی انسانی افزایش می­یابد. از آن­جا که در برخی از مناطق این دشت، کشاورزان به منظور آبیاری مزارع از آب رودخانه یا کانال استفاده می­کنند، بنابراین در این بخش، بعضی از کشاورزان نیاز به انرژی کم­تری دارند. در نهایت سطح زیر کشت بالای 5 هکتار با 7/25078 مگاژول بر هکتار بیش­ترین سهم از مصرف انرژی کل را به خود اختصاص داده و کم­ترین سهم از مصرف انرژی کل مربوط به سطح زیر کشت بین 1/0 تا 2 هکتار با 22134 مگاژول بر هکتار می­باشد. 

 

 

 

 

 

شکل 2- مقدار نهاده­های مصرفی در کشت گندم آبی در منطقه سیلاخور استان لرستان

Figure 2- Amounts of input consumption for irrigated wheat production at Silakhor plain in Lorestan Province

 


با اندکی تامل در نتایج موجود در شکل 3، میانگین کارایی فنی مزارع ناکارا در کشت گندم در سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا  با مدل CRS ورودی محور به ترتیب برابر 8/79، 8/82 و 4/83%  به­دست خواهد آمد، یعنی با استفاده بهینه از منابع انرژی و جلوگیری از اتلاف 2/20، 2/17 و 6/16% از نهاده­ها در هر سه سطح و با ثابت ماندن میزان خروجی، واحدهای ناکارا می­توانند به مرز کارایی رسیده و 54% از مجموع نهاده­ها را با افزایش کارایی خود ذخیره کنند. مقدار کارایی واحدهای تولیدی به این مفهوم است که هر واحد باید قادر باشد میزان مصرف خود را از کلیه نهاده­ها به میزان (-1)% ( مقدار کارایی واحد ناکاراست) کاهش دهد، بدون این­که میزان تولیدش کاهش یابد (22). به عنوان مثال کارایی 63 درصدی مزرعه شماره 22 در سطح زیر کشت بالای 1/0 تا 2 هکتار به معنای آن است که این واحد باید 37% مصرف خود را از کلیه عوامل تولید کاهش دهد (بدون این­که از میزان تولیدش کاسته شود) تا بتواند به یک واحد تولید کارا تبدیل شود. اگر یک واحد تولیدی از نظر مدل VRS کاملا کارا ولی مقدار کارایی پایینی از نظر مدل CRS داشته باشد، آن­گاه موضعا کاراست ولی کارایی کل ندارد ( در این حالت ناکارایی کل ناشی از ناکارایی مقیاس است ولی اگر کارایی در هر دو مدل CRS و VRS کمتر از 100% باشد در این حالت ناکارایی ناشی از ناکارایی مقیاس یا ناکارایی شرایط واحد تولیدی و همچنین ناکارایی مدیریتی است). (22).

 

 

 

 

 

شکل 3- ارزیابی مزارع گندم آبی توسط مجموعه­های مرجع آن­ها با استفاده از مدل CRS نهاده محور

Figure 3- Evaluation of irrigated wheat farms with reference units with CCR model


 

 

با توجه به نتایج به­دست آمده از جدول 2، در سطح 1/0 تا 2 هکتار مزارع 8، 13، 24 و 26، در سطح 1/2 تا 5 هکتار مزارع 5، 6، 17 و 25 و در سطح 5 هکتار به بالا مزارع 5 و 16 به­طور موضعی کارا عمل می­کنند یعنی در آن­ها کارایی فنی خالص مساوی یک است ولی کارایی کلی آن­ها کوچکتر از یک می­باشد که این ناکارایی ناشی از ناکارایی مقیاس یا مدیریتی است. ناکارایی سایر مزارع، ناشی از ناکارایی مدیریتی و همچنین شرایط مزرعه (ناکارایی مقیاس) است. وقتی یک واحد تولیدی کارای VRS است، وضعیت بازده به مقیاس از طریق وزن خروجی مشخص می­شود. اگر کوچکتر از صفر باشد بازده به مقیاس افزایشی است، اگر بزرگتر از صفر باشد بازده به مقیاس کاهشی و اگر مساوی صفر باشد بازده به مقیاس ثابت است. در بازده به مقیاس افزایشی نمی­توان مقیاس واحد تولیدی را کاهش داد ولی می­توان آن را تا بی­نهایت افزایش داد. نسبت خروجی به ورودی برای هر نقطه روی مرز کارا نسبت به ورودی، غیر کاهشی است یعنی افزایش در خروجی همواره حداقل به اندازه­ای متناسب با ورودی است. در جدول 2 وضعیت بازده به مقیاس برای مزارع گندم در هر سه سطح مشخص شده است.


 


جدول 2- انواع کارایی­های فنی، فنی خالص و مقیاس در سطوح مختلف کشت گندم آبی

Table 2- Technical, pure technical and scale efficiency at different levels of irrigated wheat Production

 

مزارع بین 1/0 تا 2 هکتار

مزارع بین 1/2 تا 5 هکتار

مزارع بالاتر از 5 هکتار

شماره مزرعه

ECRS

EVRS

ES

بازده به مقیاس

شماره مزرعه

ECRS

EVRS

ES

بازده به مقیاس

شماره مزرعه

ECRS

EVRS

ES

بازده به مقیاس

1

62%

67%

92%

افزایشی

1

67%

93%

72%

افزایشی

1

74%

86%

86%

افزایشی

2

86%

89%

96%

افزایشی

2

59%

67%

88%

افزایشی

2

100%

100%

100%

ثابت

3

89%

92%

96%

افزایشی

3

72%

75%

96%

افزایشی

3

81%

84%

96%

افزایشی

4

70%

75%

93%

افزایشی

4

69%

73%

94%

افزایشی

4

85%

88%

96%

افزایشی

5

100%

100%

100%

ثابت

5

87%

100%

87%

افزایشی

5

92%

100%

92%

افزایشی

6

74%

79%

93%

افزایشی

6

98%

100%

98%

افزایشی

6

100%

100%

100%

ثابت

7

93%

98%

94%

افزایشی

7

87%

90%

96%

افزایشی

7

76%

83%

91%

افزایشی

8

83%

100%

83%

افزایشی

8

100%

100%

100%

ثابت

8

81%

85%

95%

افزایشی

9

100%

100%

100%

ثابت

9

89%

93%

95%

افزایشی

9

85%

87%

97%

افزایشی

10

77%

80%

96%

افزایشی

10

100%

100%

100%

ثابت

10

88%

96%

88%

افزایشی

11

69%

73%

94%

افزایشی افزایشی

11

83%

87%

95%

افزایشی

11

100%

100%

100%

ثابت

12

61%

81%

75%

افزایشی

12

72%

84%

85%

افزایشی

12

100%

100%

100%

ثابت

13

92%

100%

92%

افزایشی

13

94%

97%

96%

افزایشی

13

80%

89%

89%

افزایشی

14

79%

83%

95%

افزایشی

14

83%

90%

92%

افزایشی

14

78%

83%

93%

افزایشی

15

91%

95%

95%

افزایشی

15

100%

100%

100%

ثابت

15

86%

91%

94%

افزایشی

16

100%

100%

100%

ثابت

16

88%

93%

94%

افزایشی

16

94%

100%

94%

افزایشی

17

81%

87%

93%

افزایشی

17

95%

100%ض

95%

افزایشی

17

100%

100%

100%

ثابت

18

83%

91%

91%

افزایشی

18

85%

87%

97%

افزایشی

18

92%

94%

97%

افزایشی

19

71%

79%

89%

افزایشی

19

100%

100%

100%

ثابت

19

100%

100%

100%

ثابت

20

88%

92%

95%

افزایشی

20

84%

89%

94%

افزایشی

20

76%

83%

91%

افزایشی

21

100%

100%

100%

ثابت

21

91%

95%

95%

افزایشی

-

-

-

-

-

22

63%

68%

92%

افزایشی

22

100%

100%

100%

ثابت

-

-

-

-

-

23

70%

81%

86%

افزایشی

23

75%

82%

91%

افزایشی

-

-

-

-

-

24

91%

100%

91%

افزایشی

24

87%

91%

95%

افزایشی

-

-

-

-

-

25

73%

84%

86%

افزایشی

25

91%

100%

91%

افزایشی

-

-

-

-

-

26

97%

100%

97%

افزایشی

-

-

-

-

-

-

-

-

-

-

27

86%

89%

96%

افزایشی

 

-

-

-

-

 

-

-

-

-

28

72%

79%

91%

افزایشی

-

-

-

-

-

-

-

-

-

-

29

84%

89%

94%

افزایشی

-

-

-

-

-

-

-

-

-

-

30

90%

93%

96%

افزایشی

-

-

-

-

-

-

-

-

-

-

 

 

 

جدول 3 نتایج حاصل از تحلیل مزارع گندم در سطح 5 هکتار به بالا با مدل بازگشت به مقیاس ثابت ورودی محور برای تعیین مازاد نهاده­ها و کمبود عملکرد را نشان می­دهد. برای هر کدام از واحدهای ناکارا تعیین شده که به چه میزان باید از مصرف نهاده­های مازاد را کم کنند تا کارا شوند. مثلا مزرعه شماره 1 با کارایی 74% باید 3523 واحد از نهاده سوخت مصرفی، 91 واحد از نهاده نیروی انسانی، 368 واحد از نهاده ساخت و استهلاک ماشین­آلات، 5761 واحد از نهاده کود شیمیایی، بذر و سموم مصرفی، 2641 واحد از نهاده آب و همچنین 108 واحد از نهاده حمل و نقل را کاهش دهد تا بر روی مرز کارایی قرار گیرد. مشابه این کار برای دو سطح دیگر نیز  می­تواند انجام گیرد که در این­جا به علت اختصار فقط به ذکر یک نمونه اکتفا شد. در تحقیقی از روش تحلیل پوششی داده­ها به منظور بهینه­سازی انرژی مصرفی در کشت گندم در هند و پاکستان استفاده شد (23). در این تحقیق، سه نهاده آبیاری، بذر و کود شیمیایی به عنوان ورودی و عملکرد محصول به عنوان خروجی مورد تجزیه و تحلیل قرار گرفت. مزارع با دو مدل CRS و VRS ارزیابی شدند که میانگین کارایی مزارع ناکارا 85/0 به دست آمد که با رسیدن به مرز کارایی می­توانند 15% از انرژی نهاده­های خود را ذخیره کنند.

 

  


جدول 3- مازاد و کمبود مصرف انرژی در سطح 5 هکتار به بالا با مدل CRS نهاده محور (برحسبMJ/ha )

Table 3- Energy lack and excess with CCR model (for up to 5 ha farms)

 

(مزرعه)

کارایی

 (درصد)

سوخت مصرفی

نیروی انسانی

ساخت و استهلاک  ماشین­آلات

بذر، کود و سموم شیمیایی

آب مصرفی

حمل و نقل

1

74%

00/3523

00/91

00/368

00/5761

00/2641

00/108

2

100%

0

0

0

0

0

0

3

81%

00/2456

00/32

00/139

00/3476

00/1230

0

4

85%

00/2189

00/27

0

00/3512

00/1418

00/24

5

92%

00/1150

0

00/151

00/1789

00/982

0

6

100%

0

0

0

0

0

0

7

76%

00/3174

00/79

00/312

00/4983

00/2574

00/59

8

81%

00/2890

00/25

00/221

00/3274

00/1351

0

9

85%

00/2761

00/23

0

00/3089

00/1284

0

10

88%

00/2953

0

0

00/3210

00/1092

00/18

11

100%

0

0

0

0

0

0

12

100%

0

0

0

0

0

0

13

80%

00/2314

00/19

00/198

00/3184

00/1300

0

14

78%

00/3189

00/32

00/254

00/4951

00/2163

00/36

15

86%

00/2990

00/35

0

00/3084

00/1361

00/27

16

94%

00/891

0

0

00/1540

00/760

0

17

100%

0

0

0

0

0

0

18

92%

00/1342

0

00/109

00/1789

00/831

00/109

19

100%

0

0

0

0

0

0

20

76%

00/3350

00/58

00/203

00/4875

00/1959

00/59

 

 

 

به منظور بررسی میزان صرفه­جویی انرژی در این کشت به کمک روش تحلیل پوششی داده­ها شاخص[11] ESRیا نسبت انرژی صرفه­جویی به­صورت رابطه 11 تعریف می­شود (24):

(11)

 

مقادیر ESR محاسبه شده برای سه سطح زیر کشت گندم در این منطقه در جدول شماره 4 نشان داده شده است. طبق نتایج این جدول، برای سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا به ­ترتیب مقدار ESR برابر با 83/6، 11/8 و 54/6 است. یعنی با استفاده از بهینه­سازی انرژی مصرفی برای تمامی نهاده­ها در سه سطح، به­ترتیب حدود 1512، 1957 و 1640 مگاژول بر هکتار می­توان در مصرف انرژی صرفه­جویی کرد. در این مطالعه بیش­ترین نهاده­ای که با استفاده از DEA می­توان در مصرف آن صرفه­جویی کرد در هر سه سطح مربوط به نهاده کود و سموم شیمیایی است. در تحقیقی که در مورد گردو انجام یافت نیز نهاده کود و سموم شیمیایی مستعد بیش­ترین مقدار صرفه­جویی با این روش بودند (25). نتیجه این تحقیق با پژوهشی که بر روی محصول سیر انجام گرفت هم راستا است (26). این در حالی است که طبق نتایج تحقیقی که روی کشت ذرت انجام یافته است، نهاده سوخت مصرفی می­تواند بیش­ترین پتانسیل ذخیره­سازی با این تکنیک را داشته باشد (27). همچنین در تحقیقی که روی یک واریته ذرت در گلستان انجام یافته است، نهاده الکتریسیته به­ عنوان مستعدترین نهاده جهت ذخیره­سازی معرفی شده است (24).

نتایج حاصل از بهینه­سازی میزان آلاینده­های حاصل از تولید گندم آبی در منطقه سیلاخور استان لرستان با مدل CRS نهاده محور در جدول 5 نشان داده شده است. طبق نتایج این جدول در سطح1/0 تا 2 هکتار با بهینه­سازی مصرف انرژی در مزارع می­توان مقدار 33/1904 کیلوگرم معادل گاز CO2 از میزان آلایندگی حاصل از کشت گندم آبی کاست. این مقدار برای سطوح 1/2 تا 5 و بالاتر از 5 هکتار 44/2750 و 9/1861 می­باشد. در تمامی سطوح زیر کشت، نهاده سوخت دیزل بیش­ترین میزان آلایندگی را ایجاد می­کند که با بهینه­سازی میزان مصرف در سطوح سه گانه بالا، به ترتیب می­توان 44/1034، 34/1837 و 05/826 کیلوگرم معادل گاز CO2 را کاهش داد. نتایج این تحقیق هم راستا با نتایج تحقیقی است که روی کشت ذرت دانه­ای در منطقه اصفهان انجام گرفته است (28).

در این تحقیق نیز نهاده سوخت دیزل و کودهای شیمیایی بیش­ترین میزان آلودگی محیط زیست را فراهم کردند. نتایج این جدول نشان می­دهد که در سطوح بزرگ­تر از سوخت دیزل بهتر استفاده شده است که احتمالا به دلیل سرعت عمل بیش­تر راننده در حین عملیات کاشت، داشت و برداشت به علت مانور بهتر در مزرعه است.


 


جدول 4- محاسبه شاخص ESR برای سه سطح زیر کشت با مدل CRS نهاده محور

Table 4- ESR index for all the 3 areas under cultivation with CCR model


مزارع بین 1/0 تا 2 هکتار

مزارع بین 1/2 تا 5 هکتار

مزارع بالاتر از 5 هکتار

نهاده­های مصرفی

انرژی مصرفی (MJha-1)

انرژی مورد نیاز

(MJ ha-1)

ESR

 (%)

انرژی مصرفی (MJha-1)

انرژی مورد نیاز

(MJha-1)

ESR (%)

انرژی مصرفی (MJha-1)

انرژی مورد نیاز

(MJha-1)

ESR

(%)

نیروی انسانی

70/197

10/186

86/5

60/181

00/169

93/6

00/122

10/115

60/5

سوخت مصرفی

40/6606

60/6231

67/5

90/7677

20/7012

67/8

70/7196

40/6897

10/4

حمل و نقل

70/265

00/257

27/3

80/235

70/224

70/4

60/276

30/261

50/5

آبیاری

30/3568

00/3412

38/4

20/4409

00/4210

51/4

80/5300

50/5098

81/3

بذر، کود و سموم

70/10821

90/9893

57/8

00/10779

00/9729

74/9

00/11352

00/10256

65/9

ساخت و استهلاک

20/674

10/641

90/4

10/845

20/826

23/2

60/830

10/809

58/2

مجموع

22134

70/20621

83/6

60/24128

10/22171

11/8

70/25078

40/23437

54/6

 

 


 

جدول 5- کاهش میزان آلاینده­های محیط زیست در کشت گندم آبی با مدل CRS نهاده محور

Table 5- Decrease of environmental pollutions in irrigated wheat production with CCR model

 

نهاده‌ها‌‌

ضریب CO2 (KgCO2eq بر واحد)

مقادیر انتشار گاز CO2 معادل(Kg) در حالت عادی

مقادیر انتشار گاز CO2 معادل(Kg) با استفاده از مدل CRS

 

 

بین 1/0 تا 2 هکتار

بین 1/2 تا 5 هکتار

1/5 هکتار به بالا

بین 1/0 تا 2 هکتار

بین 1/2 تا 5 هکتار

1/5 هکتار به بالا

1-  انرژی ماشین آلات

071/0  (29)

87/47

01/60

97/58

52/45

66/58

45/57

2-  سوخت دیزل

76/2   (29)

66/18233

01/21191

89/19862

22/17199

67/19353

84/19036

3- کودهای شیمیایی

 

-

 

 

 

 

 

- نیتروژن

3/1   (30)

50/5362

45/5520

48/6291

52/4986

12/5046

83/5694

- فسفات

2/0   (30)

12/270

78/202

72/280

52/251

74/185

91/262

4-  سموم شیمیایی

 

 

 

 

 

 

 

- آفت­کش

9/3   (30)

55/368

42/615

13/572

63/319

22/574

12/519

5-  الکتریسیته

608/0 (29)

28/2985

12/3276

33/4038

24/2561

94/2896

44/3671

 

 


بحث و نتیجه گیری

 

در این تحقیق به کمک روش غیرپارامتریک تحلیل پوششی داده­ها کارایی تولید کنندگان گندم منطقه سیلاخور استان لرستان توسط دو مدل VRS و CRS ورودی محور مورد بررسی قرار گرفت. مهم­ترین نتایج این تحقیق به قرار زیر است:

1- مجموع کل انرژی مورد نیاز برای کشت گندم آبی در سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا به­ترتیب برابر 22134، 24128 و 25078 مگاژول بر هکتار است. مجموع نهاده­های کود، بذر و سموم شیمیایی در هر سه سطح بیش­ترین میزان انرژی از مجموع کل انرژی مصرفی را به خود اختصاص دادند.

2- میانگین کارایی فنی مزارع ناکارا در کشت گندم در سطوح 1/0 تا 2 هکتار، 1/2 تا 5 هکتار و 5 هکتار به بالا با مدل CRS ورودی محور به ترتیب برابر 8/79، 8/82 و 4/83% است، یعنی با استفاده بهینه از منابع انرژی و جلوگیری از اتلاف 2/20، 2/17 و 6/16% از نهاده­ها در هر سه سطح و با ثابت ماندن میزان خروجی، واحدهای ناکارا می­توانند به مرز کارایی رسیده و 54% از مجموع نهاده­ها را با افزایش کارایی خود ذخیره کنند.

3- میزان آلودگی تولید شده در سطوح سه گانه بالا در این کشت به­ترتیب 27267، 30865 و 31104 کیلوگرم معادل گاز CO2 محاسبه شد. بهینه­سازی نهاده­های مصرفی قادر به کاهش مقادیر بالا به میزان 1904، 2750 و 1623 کیلوگرم معادل گاز CO2 است. این میزان کاهش در یک کشت از یک محصول استرتژیک در استان در هر سال می­تواند سهم به­سزایی در کاهش آلودگی محیط زیست و انباشته شدن مواد مضر در جو کره زمین شود.

4- استفاده از روش تحلیل پوششی داده­ها ابزاری ارزشمند به منظور تعیین میزان بهینه مصرف انرژی در انواع واحدهای کشاورزی است که می­تواند برای انواع محصولات مختلف کشاورزی استفاده شود ولی در نهایت با توجه به نتایج باید برای هر محصول، راهبرد مناسبی را در نظر گرفت و برای انجام آن، پیشنهادهای مربوط را به دولت یا کسانی که مجری اجرای سیاست­های کلی هستند، ارایه داد.

منابع

  1. پاشایی ف. رحمتی م. پاشایی پ. 1387. بررسی و تعیین میزان مصرف انرژی برای تولید گوجه فرنگی گل­خانه­ای در گل­خانه­های استان کرمانشاه. پنجمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون. دانشگاه فردوسی مشهد.
  2. منصوریان ن. 1384. بررسی بهره­وری انرژی در کشاورزی ایران (مطالعه موردی استان خراسان). پنجمین کنفرانس دوسالانه اقتصاد کشاورزی ایران، 7 تا 9 شهریور، دانشگاه سیستان و بلوچستان.
    1. Singh G. 2006. Estimation of a Mechanization Index and Its Impact on Production and economic Factor: A Case Study in India. Biosystem Engineering. 93(1): 99-106.
    2. فرجی ی. 1386. بررسی وضع موجود مکانیزاسیون و شاخص­های انرژی در کشاورزی دشت عباس و ارایه راه­کارهای مناسب توسعه. پایان­نامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
    3. تاکی م. عجب شیرچی ی. عبدی ر. اکبرپور م. 1391. تجزیه و تحلیل کارآیی انرژی محصول خیار گل­خانه­ای به روش تحلیل پوششی داده‌ها، مطالعه موردی (شهرستان شهرضا – استان اصفهان). نشریه ماشین­های کشاورزی.(2)1 :28 – 37.
      1. Pishgar-Komleh S.H. Ghahderijani M. Sefeefpari P. 2012. Energy consumption and CO2 emissions analysis of potato production based on different farm size levels in Iran. Journal of Cleaner Production. 33:183-191.
      2. Taki M. Abdi R. Akbarpour M. Mobtaker HG. 2013. Energy inputs – yield relationship and sensitivity analysis for tomato greenhouse production in Iran. CIGR Journal. 15: 59–67.
      3. بی نام. 1387. آمار مساحت اراضی و محصولات زراعی شهرستان­های بروجرد و دورود. مدیریت جهاد کشاورزی شهرستان­های بروجرد و دورود.
        1. Cochran William. G. 1977, Sampling Techniques, Third Edition.
        2. منصوریان، نجم­الدین. 1384. بررسی بهره­وری انرژی در کشاورزی ایران (مطالعه موردی استان خراسان). پنجمین کنفرانس دوسالانه اقتصاد کشاورژی ایران، 7 تا 9 شهریور، دانشگاه سیستان و بلوچستان.
          1. Mandal K.G. Saha K.P. Ghosh P.K. Hati K.M. and Bandyopadhyay K.K. 2002.­ Bio­­­ energy and economic analysis of soybean-based crop production systems in central India, Biomass Bio­ energy. 23(5): 337–345.
          2. Kaltschmitt M. Reinhardt G.A. and Stelzer T.1997.­ Life cycle analysis of befouls under different environmental aspects. Biomass and Bio energy. 12(2): 121–134
          3. Karkacıer O. and Goktolga Z.G. 2005.­ Input-output analysis of energy use in agriculture, Energy Conversion and Management. 46(9-10): 1513- 1521.
          4. Unakitan G. Hurma H. Yilmaz F. 2010. An analysis of energy use efficiency of canola production in Turkey. Energy. 35: 3623-3627.
          5. Mohammadi. A. and Omid M. 2010. Economical analysis and relation between energy inputs and yield of greenhouse cucumber production in Iran, Applied Energy. 87: 191–196
          6. Yaldiz O. Ozkan H.H. Zeren Y. and Bascetincelik A. 1993. Energy usage in production of field crops in Turkey.Pp.­854-864.­ International Congress on Mechanization and Energy Use in Agriculture. Kusadasi, Turkey.
          7. کورهونن پ.  میکولاس ل. 1380. استفاده از تحلیل پوششی داده­ها در ارزیابی اکو-کارایی نیروگاه­های برق. ترجمه کیومرث حیدری. صنعت برق.
          8. غچه بیگ ف. امید م. احمدی ح. دلشاد د. 1389. ارزیابی و بهبود مصرف بهینه منابع انرژی در تولید محصول خیار در گلخانه­های تهران با  استفاده از تحلیل پوششی داده، ششمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون، پردیس کشاورزی و منابع طبیعی تهران.
          9. امامی میبدی ع. 1379. اصول اندازه­گیری کارایی و بهره­وری. انتشارات موسسه مطالعات و پژوهش­های بازرگانی.
            1. Yong T. and Chunweki K. 2003.­ A hierarchical AHP/DEA methodology for the facilities layout design problem. European Journal of Operational Research 147(2): 128-136.
            2. قیصری ک. مهرنو ح. جعفری الف. ر. 1386. کلیاتی بر تحلیل پوششی داده­های فازی. مرکز انتشارات علمی دانشگاه آزاد اسلامی واحد قزوین
              1. Omid M. Ghojabeige F. Delshad M. and Ahmadi H. 2011. Energy use pattern and benchmarking of selected greenhouses in Iran using data envelopment analysis, Energy Conversion and Management. 52: 153-162.
              2. Malana N.M. and Malano H.M. 2006. Benchmarking productive efficiency of selected wheat areas in Pakistan and India - Data Envelopment Analysis. Irrigation and Drainage. 55: 383-394
              3. Mousavi-Avval. SH. Rafiee S. Jafari A. and Mohammadi A. 2011.­ Improving energy use efficiency of canola production using data envelopment analysis (DEA) approach.­ Energy. 36: 2765- 2772.
              4. Banaeian N. Zangeneh M. and Omid M. 2010. Energy use efficiency for walnut producers using Data Envelopment Analysis (DEA), Australian journal of crop science. 4(5): 359-362.
              5. سماواتیان ن. رفیعی ش.  مبلی م. 1389. بررسی بهبود مصرف انرژی در تولید سیر با روش تحلیل پوششی داده­ها. ششمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون، پردیس کشاورزی و منابع طبیعی تهران.
                1. Pishgar S.H. Omid M. and Keyhani A. 2011. Study on Energy use Pattern and Efficiency of Corn Silage in Iran by using Data Envelopment Analysis (DEA) Technique, International Journal of Environmental Sciences. 1(6): 1094-1106.
                2. Taki M. Mahmoudi A. Mobtaker HG. Rahbari H. 2012. Energy consumption and modeling of output energy with multilayer feed-forward neural network for corn silage in Iran. CIGR Journal. 14: 93–101.
                3. Dyer J. A. and Desjardins R. L. 2007. Energy based GHG emissions from Canadian agriculture. Journal of the Energy Institute. 80(2):93-95.
                4. Lal R. 2004. Carbon emission from farm operations. Environment International. 30(7): 981-990.

 


 

 

 



1*-(مسوول مکاتبات): استادیار گروه مهندسی ماشین­های کشاورزی و مکانیزاسیون، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان، ملاثانی، اهواز، ایران.

2- استاد گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، ایران.

[3]- دانش­آموخته کارشناسی ارشد مکانیزاسیون کشاورزی، گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تبریز، ایران.

1- Assistant Professor Department of Agricultural Machinery and Mechanization, Ramin Agriculture and Natural Resources University of Khuzestan, Mollasani, Ahvaz, Iran. *(Corresponding Author)

2- Professor Department of Biosysyems Engineering, University of Tabriz, Tabriz, Iran

3- MSc. Student of Agricultural Mechanization, Department of Biosysyems Engineering, University of Tabriz, Tabriz, Iran.

1- Constant Returns to Scale

2- Variable Returns to Scale

1- Data Envelopment Analysis                              

2- Decision Making Unit

1- Energy Saving Ratio

  1. پاشایی ف. رحمتی م. پاشایی پ. 1387. بررسی و تعیین میزان مصرف انرژی برای تولید گوجه فرنگی گل­خانه­ای در گل­خانه­های استان کرمانشاه. پنجمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون. دانشگاه فردوسی مشهد.
  2. منصوریان ن. 1384. بررسی بهره­وری انرژی در کشاورزی ایران (مطالعه موردی استان خراسان). پنجمین کنفرانس دوسالانه اقتصاد کشاورزی ایران، 7 تا 9 شهریور، دانشگاه سیستان و بلوچستان.
    1. Singh G. 2006. Estimation of a Mechanization Index and Its Impact on Production and economic Factor: A Case Study in India. Biosystem Engineering. 93(1): 99-106.
  3. فرجی ی. 1386. بررسی وضع موجود مکانیزاسیون و شاخص­های انرژی در کشاورزی دشت عباس و ارایه راه­کارهای مناسب توسعه. پایان­نامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
  4. تاکی م. عجب شیرچی ی. عبدی ر. اکبرپور م. 1391. تجزیه و تحلیل کارآیی انرژی محصول خیار گل­خانه­ای به روش تحلیل پوششی داده‌ها، مطالعه موردی (شهرستان شهرضا – استان اصفهان). نشریه ماشین­های کشاورزی.(2)1 :28 – 37.
    1. Pishgar-Komleh S.H. Ghahderijani M. Sefeefpari P. 2012. Energy consumption and CO2 emissions analysis of potato production based on different farm size levels in Iran. Journal of Cleaner Production. 33:183-191.
    2. Taki M. Abdi R. Akbarpour M. Mobtaker HG. 2013. Energy inputs – yield relationship and sensitivity analysis for tomato greenhouse production in Iran. CIGR Journal. 15: 59–67.
  5. بی نام. 1387. آمار مساحت اراضی و محصولات زراعی شهرستان­های بروجرد و دورود. مدیریت جهاد کشاورزی شهرستان­های بروجرد و دورود.
    1. Cochran William. G. 1977, Sampling Techniques, Third Edition.
  6. منصوریان، نجم­الدین. 1384. بررسی بهره­وری انرژی در کشاورزی ایران (مطالعه موردی استان خراسان). پنجمین کنفرانس دوسالانه اقتصاد کشاورژی ایران، 7 تا 9 شهریور، دانشگاه سیستان و بلوچستان.
    1. Mandal K.G. Saha K.P. Ghosh P.K. Hati K.M. and Bandyopadhyay K.K. 2002.­ Bio­­­ energy and economic analysis of soybean-based crop production systems in central India, Biomass Bio­ energy. 23(5): 337–345.
    2. Kaltschmitt M. Reinhardt G.A. and Stelzer T.1997.­ Life cycle analysis of befouls under different environmental aspects. Biomass and Bio energy. 12(2): 121–134
    3. Karkacıer O. and Goktolga Z.G. 2005.­ Input-output analysis of energy use in agriculture, Energy Conversion and Management. 46(9-10): 1513- 1521.
    4. Unakitan G. Hurma H. Yilmaz F. 2010. An analysis of energy use efficiency of canola production in Turkey. Energy. 35: 3623-3627.
    5. Mohammadi. A. and Omid M. 2010. Economical analysis and relation between energy inputs and yield of greenhouse cucumber production in Iran, Applied Energy. 87: 191–196
    6. Yaldiz O. Ozkan H.H. Zeren Y. and Bascetincelik A. 1993. Energy usage in production of field crops in Turkey.Pp.­854-864.­ International Congress on Mechanization and Energy Use in Agriculture. Kusadasi, Turkey.
  7. کورهونن پ.  میکولاس ل. 1380. استفاده از تحلیل پوششی داده­ها در ارزیابی اکو-کارایی نیروگاه­های برق. ترجمه کیومرث حیدری. صنعت برق.
  8. غچه بیگ ف. امید م. احمدی ح. دلشاد د. 1389. ارزیابی و بهبود مصرف بهینه منابع انرژی در تولید محصول خیار در گلخانه­های تهران با  استفاده از تحلیل پوششی داده، ششمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون، پردیس کشاورزی و منابع طبیعی تهران.
  9. امامی میبدی ع. 1379. اصول اندازه­گیری کارایی و بهره­وری. انتشارات موسسه مطالعات و پژوهش­های بازرگانی.
    1. Yong T. and Chunweki K. 2003.­ A hierarchical AHP/DEA methodology for the facilities layout design problem. European Journal of Operational Research 147(2): 128-136.
  10. قیصری ک. مهرنو ح. جعفری الف. ر. 1386. کلیاتی بر تحلیل پوششی داده­های فازی. مرکز انتشارات علمی دانشگاه آزاد اسلامی واحد قزوین
    1. Omid M. Ghojabeige F. Delshad M. and Ahmadi H. 2011. Energy use pattern and benchmarking of selected greenhouses in Iran using data envelopment analysis, Energy Conversion and Management. 52: 153-162.
    2. Malana N.M. and Malano H.M. 2006. Benchmarking productive efficiency of selected wheat areas in Pakistan and India - Data Envelopment Analysis. Irrigation and Drainage. 55: 383-394
    3. Mousavi-Avval. SH. Rafiee S. Jafari A. and Mohammadi A. 2011.­ Improving energy use efficiency of canola production using data envelopment analysis (DEA) approach.­ Energy. 36: 2765- 2772.
    4. Banaeian N. Zangeneh M. and Omid M. 2010. Energy use efficiency for walnut producers using Data Envelopment Analysis (DEA), Australian journal of crop science. 4(5): 359-362.
  11. سماواتیان ن. رفیعی ش.  مبلی م. 1389. بررسی بهبود مصرف انرژی در تولید سیر با روش تحلیل پوششی داده­ها. ششمین کنگره ملی مهندسی ماشین­های کشاورزی و مکانیزاسیون، پردیس کشاورزی و منابع طبیعی تهران.
    1. Pishgar S.H. Omid M. and Keyhani A. 2011. Study on Energy use Pattern and Efficiency of Corn Silage in Iran by using Data Envelopment Analysis (DEA) Technique, International Journal of Environmental Sciences. 1(6): 1094-1106.
    2. Taki M. Mahmoudi A. Mobtaker HG. Rahbari H. 2012. Energy consumption and modeling of output energy with multilayer feed-forward neural network for corn silage in Iran. CIGR Journal. 14: 93–101.
    3. Dyer J. A. and Desjardins R. L. 2007. Energy based GHG emissions from Canadian agriculture. Journal of the Energy Institute. 80(2):93-95.
    4. Lal R. 2004. Carbon emission from farm operations. Environment International. 30(7): 981-990.