پویایی‌شناسی عوامل مؤثر بر پایداری سیستم تولید گندم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع، دانشگاه یزد، یزد، ایران

2 استاد دانشکده صنایع، دانشگاه یزد، یزد، ایران

3 استادیار پژوهشکده فناوری اطلاعات پژوهشگاه علوم و فناوری اطلاعات ایران، تهران، ایران

چکیده

مسئلۀ پایداری سیستم تولید گندم برای تغذیۀ نسل کنونی از منابع موجود، به‌ صورتی که تغذیۀ نسل‌های بعد به خطر نیفتد، یکی از مسائل مهم عصر حاضر است. در این پژوهش، عوامل مؤثر بر سیستم تولید گندم در ایران و پایداری آن با استفاده از رویکرد پویایی‌شناسی سیستم بررسی شد. نمودارهای علّی-حلقوی ارتباط این عوامل با تولید گندم، با توجه به سابقۀ رفتار آنها و پژوهش‌های مرتبط، ترسیم و تجزیه‌وتحلیل شده است؛ سپس با ترسیم نمودار جریان، مسئله شبیه‌سازی شد و بعد از اعتبارسنجی، سناریوهای مختلفی، ازجمله افزایش استفاده از کودهای ارگانیک و کاهش استفاده از کودهای معدنی برای افزایش کیفیت خاک و افزایش سطح تکنولوژی کشاورزی و نوسان‌های حجم بارش سالیانه برای مشاهدۀ تأثیر آنها در پایداری سیستم تولید گندم، شبیه‌سازی و بحث و بررسی شد. با توجه به حساسیت زیاد تولید گندم به نوسان‌های بارشی و سطح تکنولوژی، افزایش برنامه‌ریزی و سرمایه‌گذاری برای استفادۀ بهتر و مؤثرتر از این دو منبع توصیه می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

A System Dynamics Analysis of Factors Affecting the Sustainability of Wheat Production System

نویسندگان [English]

  • Alireza Amiri 1
  • Yahia Zare Mehrjerdi 2
  • Ammar Jalalimanesh 3
  • Ahmad Sadegheih 2
1 Ph.D. student, Industrial Engineering, Yazd University, Yazd, Iran
2 Professor, Faculty of Industrial Engineering, Yazd University, Yazd, Iran
3 Assistant Professor, Iranian Research Institute for Information Science and Technology (IranDoc), Tehran, Iran
چکیده [English]

Purpose: The problem of wheat production sustainability is an important issue that quarantines the availability of people's food at present as well as the nutrition of the next generations. Food is the essential human's need and has been used from human beings' creation until the end of its life. The existence of systems satisfying such requirements and the sustainability of them is always essential for the survival of the human race. Therefore, this study aims to investigate the sustainability of the wheat production system in Iran.
 
Design/methodology/approach: In this research, using the system dynamics approach, the sustainability of Iran's wheat production has been studied. The literature review section of this paper concentrates on several research papers in this context, considering the systems dynamics approach. In this study, an introduction has been expressed to the human's need for food and the position of wheat as the primary source of food in meeting this need in Iran.
System dynamics is one of the most commonly used approaches for modeling and simulating environmental and socio-economic phenomena. The wheat production system covering environmental, economic, and social subsystems has been taken into consideration as a case to model the problem.
Key factors affecting wheat production have been collected based on a literature review. 50 years historical data for essential factors such as rain, wheat harvesting area, agricultural technology, fertilizers, population, wheat imports, and exports have been used in modeling and hence in the mathematical formulation of the problem.
Based on the history of these factors and related research, the dynamic hypothesis of the problem has been defined, and the causal diagrams of the relationships between critical factors and the wheat production have been developed. After modeling and formulation, the problem has been simulated and validated. Then, various scenarios have been proposed and simulated for the sustainability of the wheat production system, and the results have been addressed. The scenarios for changing the machinery level, reducing chemical fertilizer's use, increasing organic fertilizer use, and rainfall fluctuations have been simulated one by one, and their combinations have been simulated, respectively.
Findings: The simulation results indicated that the production of wheat is highly sensitive to precipitation and technology levels in the field. Therefore, it is better to focus more on such two factors and to have more concentration on them. Since water is the most crucial resource in wheat production, it would be better to concentrate the research and development efforts on water management technologies in the field. Due to the high sensitivity of wheat production to precipitation fluctuations and technology levels, more investment and better plans should be provided for the better and more efficient use of the two sources.
 
Research limitations/implications: While numerous factors such as pesticides, seeds, planting and harvesting, irrigation methods, management, human resources, and related requirements affect wheat production, due to the large scale of this research, only the most critical factors were selected for the study. Examining the behavior of each of the above-mentioned factors will result in a better awareness of the existing reality and better planning for wheat production.
 
Practical implications: The wheat production system includes environmental, economic, and social subsystems as well as numerous and complex relationships between the human and the environment. The systemic nature of such interdependencies and interactions needs systematic approaches and integrated assessment tools. Identifying and modeling correctly the intrinsic characteristics of the wheat production system assure preserves or increases its essential results over the time and help governmental organizations and institutes to move towards sustainable development and to set policies that encourage positive changes.
 
Social implications: Since the proposed model is expected to help the government and agricultural institutions in planning wheat production efficiently, it will make the country move towards self-sufficiency in wheat production, which in turn results in psychological and social security in terms of food and increases social sustainability.
 
Originality/value: To the best knowledge of the authors, there is no comprehensive investigation on the sustainability of wheat production in Iran. The literature review indicates that the agricultural context is almost limited to a particular zone and this problem has not been addressed on the national scale.  Thus, this is the first research that examines such a problem.

کلیدواژه‌ها [English]

  • Food system
  • System sustainability
  • Simulation
  • System dynamics
  • Wheat production
  1. مقدمه

یکی از نیازهای مهم و حیاتی انسان، نیاز روزمرۀ او به غذاست که از زمان انعقاد نطفه تا زمان مرگ، انسان را همراهی می‌کند. رشد، طول عمر، تندرستی، آرامش اعصاب و روان، خلق‌وخو و رفتار، توانمندی و قدرت، تکثیر نسل و تولید مثل، همگی به‌نوعی وامدار تغذیه سالم است (آخوندی، 2008). با نگاهی به تاریخ جهان مشخص می‌شود تمدن‌ها در طول تاریخ در مکان‌های مناسب ازلحاظ آب، خاک و کشاورزی، مانند بین‌النهرین، ایران و مصر اسکان یافته‌اند و رفع نیازهای غذایی از مهم‌ترین اولویت آنها در انتخاب محل زندگی بوده است. علاوه بر این، در جنگ‌های گوناگون از غذا به‌عنوان یک حربه در مقابل دشمن استفاده می‌شده است. تحریم غذایی طرف مقابل و جلوگیری از ورود هر گونه مواد غذایی به منطقۀ مورد تهاجم در برخی از جنگ‌ها رویّه‌ای معمول بوده است (مجد، 2013). قانون اساسی جمهوری اسلامی ایران در اصل سوم بند سیزدهم و همچنین در اصل چهل‌وسوم، بند اول و بند نهم بر افزایش تولیدات کشاورزی، که نیازهای عمومی را تأمین کند، کشور را به مرحلۀ خودکفایی برساند و از وابستگی برهاند، تأکید دارد. همچنین براساس هرم سلسله‌مراتب نیازهای آبراهام هارولد مازلو[i]، روانشناس آمریکایی، نیازهای زیستی در اوج سلسله‌مراتب قرار دارد و تا زمانی که ارضا شود، بیشترین تأثیر را بر رفتار فرد دارد (رضاییان، 2000).

گندم، یکی از محصولات اساسی کشاورزی است که جایگاه خاصی در الگوی تغذیۀ مردم ایران دارد و تأمین آن به معنی ایجاد امنیت غذایی است و رفاه اجتماعی اقشار متوسط و ضعیف از این محصول تأثیر می‌پذیرد (موسوی، 2007). کمبود این محصول و به دنبال آن، افزایش قیمت آن، موجب ایجاد تنش‌های اجتماعی و اعتصاب‌های سراسری در کشورهای مختلف جهان، ازجمله مصر و السالوادور شده است (مک کلافرتی، 2000)

تعریف کلی و اساسی پایداری در گزارش برونتلاند[ii] به این صورت بیان شده است: «توانایی پاسخگویی به نیازهای نسل امروز، بدون به خطر انداختن توانایی نسل‌های آینده برای رفع نیازهای خود را پایداری گویند». پایداری از دیدگاه کسب‌وکار به‌صورت ذیل تعریف می‌شود: «بهبود مداوم و متعادل عملکرد اجتماعی، زیست‌محیطی و اقتصادی در سراسر زنجیرۀ ارزش» (ویلز، 2016). انجمن بهداشت عمومی آمریکا[iii] «سیستم غذایی پایدار»[iv] را اینگونه تعریف می‌کند: «فراهم‌کردن مواد غذایی سالم برای رفع نیاز نسل کنونی، با حفظ سلامت اکوسیستم‌هایی که همچنان نیاز غذایی نسل بعدی را با حداقل اثر منفی بر محیط رفع می‌کنند» (هارمون و جرالد، 2007).

شکل شمارۀ 1، نشان‌دهندۀ ابعاد پایداری سیستم کشاورزی و زیربعدهای آن است. شاخص‌های پایداری برای سنجش یک یا مجموعه‌ای از این ابعاد به کار گرفته می‌شود. شاخص‌های متنوع و گوناگونی در پژوهش‌های علمی معرفی و استفاده شده‌ است. در سه دهۀ اخیر، چندین مقاله منتشر شده که شاخص‌های استفاده‌شده در کشاورزی را بررسی و معرفی کرده است (براگا، 2015؛ روی و چان، 2012؛ ویکاری، 1999). در این مقاله برای بررسی پایداری سیستم تولید گندم در هر بعد از یک شاخص استفاده شده است. شاخص خودکفایی در بعد اجتماعی، شاخص حجم تولید گندم در بعد اقتصادی و شاخص کیفیت خاک در بعد زیست‌محیطی استفاده شده‌ است.

 

اجتماع ( مردم)

محیط زیست (سیاره)

اقتصاد (سود)

ایمنی و کیفیت غذا

مهارت‌های کشاورزان

شرایط اجتماعی و اقتصادی کشاورزان

 

 

 

سلامتی و رفاه

محصولات و حیوانات

عرضۀ غذا

درآمد کشاورزان

محصولات غذایی پایدار

خاک/آب/هوا

انرژی/ تنوع زیستی

شکل 1- ابعاد پایداری و شاخص‌های مرتبط (براگا، 2015)

 

مسئلۀ پایداری، مسئلۀ چگونگی فراهم‌کردن اسباب تغذیۀ نسل کنونی از منابع موجود به صورتی است که تغذیۀ نسل‌های بعدی به خطر نیفتد؛ به عبارت دیگر، با منابع موجود، به‌گونه‌ای برنامه‌ریزی کنیم که نسل کنونی را تغذیه کنیم و نسل‌های بعدی را محروم نکنیم. با توجه به جغرافیای تقریباً بیابانی و نیمه‌بیابانی ایران و کمبود نزولات آسمانی و رویکرد بین‌المللی درزمینۀ پایداری سیستم‌ها به‌خصوص سیستم مواد غذایی و ضرورت تولید غذا برای نسل کنونی و نسل‌های آینده، ضروری است دربارۀ پایداری سیستم‌های مواد غذایی مطالعاتی انجام شود و براساس آن، اصلاحاتی در سیستم موجود شکل بگیرد و تدبیرهایی اتخاذ شود که پایداری سیستم غذایی را تضمین کند. در این پژوهش، با توجه به جایگاه گندم در سیستم غذایی کشور، مسئلۀ پایداری تولید گندم بحث و بررسی شده است. تأثیر و نقش هر یک از عوامل کلیدی مؤثر در تولید گندم و بر پایداری سیستم تولید، با استفاده از روش پویایی‌شناسی سیستم تجزیه‌وتحلیل شده است.

براساس یافته‌های مؤلفان، تاکنون پژوهشی انجام نشده ‌است که به‌طور کلان، مسئلۀ پایداری تولید گندم در کشور را بررسی کند. پژوهش‌های انجام‌شده در حوزۀ کشاورزی، به‌طور عمده به منطقۀ خاصی از کشور و در سطح استان و شهرستان محدود است و مسئلۀ پایداری تولید گندم در سطح ملی بررسی نشده است؛ بنابراین، این پژوهش در نوع خود، اولین پژوهشی است که این مسئله را واکاوی می‌کند.

درادامه، مبانی نظری موضوع در قسمت 2 و روش‌شناسی پژوهش، فرضیۀ پویا و طراحی حلقه‌های علّی در قسمت 3 بیان شده ‌است. در قسمت 4 به صحه‌گذاری متغیرها، مدل‌سازی جریان، شبیه‌سازی و اعتبارسنجی مدل و تحلیل حساسیت و سناریوهایی دربارۀ کیفیت خاک و سطح تکنولوژی توجه شده و بحث و بررسی نهایی در قسمت 5 و نتیجه‌گیری در قسمت 6 خلاصه شده‌ است.

  1. مبانی نظری موضوع

آلن و پروسپری (2016) مسئلۀ پایداری و امنیت غذایی را در سه کشور اسپانیا، فرانسه و ایتالیا با روش پویایی‌شناسی سیستم بحث و بررسی کردند. آنها عوامل مهمی را که به‌علت تغییرات زیست‌محیطی، اجتماعی و اقتصادی موجب آسیب‌پذیری و انعطاف‌پذیری پایداری و امنیت سیستم غذایی می‌شود، به‌طور مفصل برشمردند و تجزیه‌وتحلیل کردند. باستان و همکاران (2018) مسئلۀ پایداری سیستم‌های کشاورزی را با انتخاب محصول گل‌های زینتی در شهرستان دماوند بحث و بررسی کردند. آنان در پژوهش خود، مدیریت پایدار منابع آب و جلوگیری از تغییر کاربری زمین‌های کشاورزی را به‌عنوان دو عامل مهم بر پایداری سیستم کشاورزی برشمردند. تاکی و همکاران (2018) تأثیرات زیست‌محیطی مصرف انرژی برای تولید گندم در مرکز ایران را از روش تجزیه‌وتحلیل چرخۀ طول عمر بررسی کردند و به این نتیجه رسیدند که گندم دیم نسبت به گندم آبی به‌علت عملکرد کمتر در هکتار آلوده‌کننده‌تر است و مصرف کود و سوخت دیزل در تولید گندم، بیشترین سهم را در آلودگی محیط‌زیست دارد. کروکس و همکاران (2017) تأثیر تغییرات بارش و تنوع کشت محصول را بر پایداری سیستم تولید گندم در مزارع بدون شخم[v] در آفریقای جنوبی بررسی کردند. آنان به این نتیجه رسیدند که چرخش کشت محصول نسبت به کشت تک‌محصولی در یک زمین، برتری خاصی ندارد و بلکه تک‌محصولی بهتر است. قاسمی و همکاران (2020) پایداری زیست‌محیطی و اقتصادی تولید گندم در غرب ایران را با استفاده از تجزیه‌وتحلیل چرخۀ زندگی بررسی کردند. آنان به این نتیجه رسیدند که کاهش سوخت‌های فسیلی و گرم‌شدن کرۀ زمین از آثار زیست‌محیطی تولید گندم است که به‌طور عمده، ناشی از جریان الکتریکی و کود نیتروژن استفاده‌شده در کشت گندم است. فیندیاستوتی و همکاران (2018) دسترسی پایدار به مواد غذایی در اندونزی را با استفاده از روش پویایی‌شناسی سیستم شبیه‌سازی کردند. مدل آنها شامل عوامل اقتصادی، زیست‌محیطی و اجتماعی و ارتباطات بین این عوامل است. هوشیار و همکاران (2018) با استفاده از تجزیه‌وتحلیل ایمرژی، پایداری زیست‌محیطی تولید گندم و ذرت را در آب‌وهوای گرم مناطق جنوبی ایران بررسی کردند و به این نتیجه رسیدند که تولید گندم در این مناطق، پایداری بیشتری نسبت به تولید ذرت دارد و تولید ذرت در مقایسه با تولید گندم، به مراقبت‌های بیشتری، مخصوصاً دربارۀ مصرف نیتروژن و مصرف آب نیازمند است. یینگ و همکاران (2017) در مقالۀ خود، مدیریت نیتروژن را برای تولید پایدار گندم بررسی کردند و به این نتیجه رسیدند که مدیریت پایدار نیتروژن در تولید گندم برای بهره‌وری محصول، سودآوری شخصی، حفاظت از محیط‌ زیست و سلامتی انسان، اهمیت بسیار زیادی دارد. مسگری و همکاران (2017) با استفاده از روش پویایی‌شناسی سیستم مدلی را برای سیستم کشاورزی ملی ایران توسعه دادند و در این مدل، سه اصل تقاضا، عرضه و نظارت بر سیستم را تجزیه‌وتحلیل کردند و با ارائۀ سناریوهایی کوشیدند مدل ارائه‌شده را بهبود دهند. اویو و همکاران (2016) در پژوهش خود، مدل پویایی‌شناسی سیستمی را برای امنیت غذایی پایدار کشاورزان در صحراهای جنوب آفریقا ارائه کردند و در آن، عوامل فیزیکی‌ای را مطالعه کردند که با وجود تأثیرات شوک‌ها و استرس‌ها موجب موفقیت کشاورزان شده بود. آنها این پرسش را بررسی کردند که چگونه معیشت جوامع تولیدمحور را بدون حمایت عمومی یا پشتیبانی خارجی می‌توان بهبود بخشید. رابط و همکاران (2015) برای ساختار ماشینی‌کردن تولید گندم آبی در استان فارس برپایۀ روش پویایی‌شناسی سیستم مدلی را طراحی کردند. والترز و همکاران (2016) با مدل‌سازی پویایی‌شناسی سیستم، سیستم‌های تولید کشاورزی و اجزای اساسی آنها را بررسی کردند. آنها در مدل خود، پایداری سه سیستم‌های تولید متمایز شامل محصولات کشاورزی، دام و سیستم تولید ادغامی محصول و دام را ارزیابی کردند و به این نتیجه رسیدند که بیشترین پتانسیل پایداری در سیستم تولید محصولات کشاورزی وجود دارد. مارتین و همکاران (2017) با استفاده از روش بهینه‌سازی چندمعیاره، آثار زیست‌محیطی تولید گندم را در اسپانیا بررسی کردند. آنان برای تعیین کمیت آسیب‌های محیطی از روش تجزیه‌وتحلیل چرخۀ عمر و مفاهیم ردپای آب استفاده کردند و به این نتیجه رسیدند که تخصیص بهینۀ مناطق دیم و آبی به کشت گندم یک مسیر بالقوه برای به حداقل رساندن تأثیر محیطی مصرف آب است و جابه‌جایی بهینۀ مناطق، ضمن حفظ یا حتی افزایش سطح تولید، کاهش در خور ‌توجهی در آثار زیست‌محیطی ایجاد می‌کند. رن و همکاران (2019) در پژوهش خود، تأثیر اندازۀ مزرعه را بر پایداری اقتصادی و زیست‌محیطی در چین بررسی کردند و به این نتیجه رسیدند که افزایش اندازۀ مزرعه، تأثیر مثبتی بر سود خالص کشاورز و همچنین کارآیی اقتصادی، فنی و کارگری و کاهش آماری معنی‌دار استفاده از کود و سموم دفع آفات نباتی در هکتار دارد و مزایای مشخصی برای حفاظت از محیط زیست دارد. جدول شمارۀ 1، مقایسۀ برخی از پژوهش‌های انجام‌شده در زمینۀ پایداری سیستم‌های تولید کشاورزی را نمایش می‌دهد.

 

  1. روش‌شناسی پژوهش

3-1. رویکرد پویایی‌شناسی سیستم

سیستم مواد غذایی، متشکل از چند زیرسیستم زیست‌محیطی، اقتصادی و اجتماعی است که دربرگیرندۀ تعامل‌های متعدد و پیچیده بین انسان و محیط زیست است. ماهیت سیستمی این وابستگی و تعامل، نیازمند رویکردهای نظام‌مند و ابزارهای ارزیابی یکپارچه است. شناسایی و مدل‌سازی ویژگی‌های ذاتی سیستم غذایی به‌ صورتی که اطمینان حاصل شود نتایج ضروری خود را در طول زمان و در گذر نسل‌ها حفظ می‌کند و یا افزایش می‌دهد، به سازمان‌ها و نهادهای دولتی کمک می‌کند به سمت توسعۀ پایدار حرکت کرده، سیاست‌هایی را پی‌ریزی کنند که مشوق تحول‌های مثبت باشد. سیستم‌های اجتماعی و زیست‌محیطی را به‌صورت سیستم‌های پیچیدۀ انسان-طبیعت می‌توان تعریف کرد که با فرایندهای پویا و سازوکار‌های بازخورد متقابل به یکدیگر متصل است و تبادلات مهم انرژی و ماده در سراسر مرزهای تعریف‌شدۀ آنها وجود دارد (فولکه، 2006)؛ به همین علت، برای تحلیل پایداری سیستم غذایی با توجه به تعاملات پیچیدۀ زیرسیستم‌های موجود در آن، یکی از روش‌های کارا، روش پویایی‌شناسی سیستم[vi] است. در سال‌های اخیر، مطالعات گوناگونی در سیستم‌های پیچیده با استفاده از روش پویایی‌شناسی سیستم انجام شده ‌است (حاج حیدری و رحمتی، 2018؛ میرغفوری و همکاران، 2016). روش پویایی‌شناسی سیستم با فراهم‌کردن چارچوب مدل‌سازی علّی، روابط خطی و غیرخطی را لحاظ، رفتار درون‌زای متغیرها را تحلیل و بررسی و الزامات مربوط به اتخاذ سیاست‌ها و تصمیم‌گیری در مسائل مدیریتی را برآورده می‌کند. این روش‌شناسی با انجام‌دادن شبیه‌سازی و تحلیل رفتار سیستم با استفاده از فرضیه‌های مختلف، بازخوری برای سیاست‌گذاران درزمینۀ تأثیر سیاست‌ها فراهم می‌کند تا آنها به شکلی کارا و اثربخش سیاست‌گذاری کنند.

فرایند تحلیل سیستم در این روش از پنج گام تشکیل شده است: 1- تشریح مسئله؛ 2- طراحی فرضیۀ پویا؛ 3- شناسایی متغیرها، توسعۀ مدل پویا و شبیه‌سازی؛ 4- صحه‌گذاری متغیرها[vii] و اعتبارسنجی مدل پویا[viii] و 5- طراحی و ارزیابی سیاست (آذر و میرمهدی، 2012؛ استرمن، 2000).

 

3-2. فرمول‌بندی فرضیۀ پویا و طراحی حلقه‌های علّی

همانگونه که پیش‌تر بیان شد، برای حل مسئله به روش پویایی‌شناسی سیستم، به فرضیۀ پویا نیاز است. این فرضیه به این علت پویا نامیده می‌شود که باید ماهیت پویای مسئله را در قالب حلقه‌های بازخوردی توصیف کند. مدل‌ساز در فرضیۀ پویا، دلایل خود برای توجیه رفتار مسئلۀ مدنظر را به شکل فرضیه بیان می‌کند.

تولید گندم، مسئله‌ای پیچیده و چندوجهی است و از عوامل مختلفی تأثیر می‌گیرد. در مسئلۀ تولید گندم به شکل پایدار، عوامل مختلفی، ازجمله شرایط آب‌وهوایی و بارندگی، سطح دانش کشاورزان، کیفیت خاک، سطح تکنولوژی استفاده‌شده برای تولید گندم، میزان مصرف، سطح زیر کشت، میزان و نوع کود استفاده‌شده (شیمیایی یا طبیعی)، سم‌پاشی، منابع آب زیرزمینی، هزینه‌های تولید، قیمت گندم و حاشیۀ سود تولید گندم و کیفیت و نوع بذر، اثرگذار است (هوشیار و همکاران، 2018؛ طهماسبی و همکاران، 2018؛ مارتین و همکاران، 2017)؛ بنابراین، در این پژوهش، فرضیۀ پویا با در نظر گرفتن عوامل پیش‌گفته با استفاده از حلقه‌های علّی توسعه یافت.

با توجه به فرضیۀ پویا، از نگاه تحلیل‌گر، برخی از عوامل، ‌کنترل‌پذیر نیست (برون‌زا) و برخی از آنها در کنترل کشاورز یا سیاست‌گذار است؛ به‌عنوان مثال، میزان بارش، متغیری کنترل‌ناپذیر است و در فرضیۀ پویای ما نمی‌توان بر آن تأثیر گذاشت. درمقابل، تکنولوژی، عاملی است که با مدیریت درست منابع، رسیدگی به‌موقع و استفاده از برنامه‌های مناسب نگهداری و تعمیرات، می‌توان آن را ارتقا بخشید. شکل شمارۀ 2، بدنۀ اصلی فرضیۀ پویای این پژوهش را نشان می‌دهد. در این فرضیه، حلقۀ مربوط به استفاده از دانش و تکنولوژی، حلقه‌ای مثبت است و نشان می‌دهد سرمایه‌گذاری بیشتر در زمینه‌های افزایش سطح تکنولوژی و دانش جامعۀ کشاورزی، تولید بیشتری را به دنبال خواهد داشت. همچنین، حلقه‌های مربوط به استفاده از منابع طبیعی برای تولید گندم، همگی تعادلی است. این حلقه‌ها هدف‌گراست و در درازمدت، موجب توازن و ایجاد ثبات در سیستم می‌شود. تأثیر هر یک از متغیرهای تکنولوژی، دانش کشاورز، منابع آب، کیفیت خاک بر افزایش تولید و ذخیرۀ گندم و درنهایت، بر پایداری سیستم تولید گندم در این پژوهش بررسی شده است.

 

 

 

 

 

 

 

 

جدول 1- مقایسۀ برخی مطالعات انجام‌شده در زمینۀ پایداری سیستم کشاورزی

مؤلفان

ابعاد پایداری

روش پژوهش

هدف پژوهش

شاخص‌ها

زیست‌محیطی

اقتصادی

اجتماعی

هوشیار و همکاران (2018)

R

R

Q

تجزیه‌وتحلیل ایمرژی

بررسی پایداری سیستم‌های گندم و ذرت با استفاده از آنالیز ایمرژی

انرژی‌های تجدیدپذیر و تجدیدناپذیر،

سوخت، خدمات و نیروی کار

رن و همکاران (2019)

R

R

R

تجزیه‌وتحلیل آماری

بررسی تأثیر مساحت مزرعه بر پایداری

اندازۀ مزرعه

رابط و همکاران (2015)

R

R

Q

پویایی سیستم

ارزیابی ماشینی‌کردن تولید گندم در استان فارس

ضریب ماشینی‌کردن

قاسمی و همکاران (2020)

R

R

Q

تجزیه‌وتحلیل چرخۀ عمر

ارزیابی پایداری کشت گندم در همدان

انتشار گازهای گلخانه‌ای، بهره‌وری

تاکی و همکاران (2018)

R

Q

Q

تجزیه‌وتحلیل چرخۀ عمر

ارزیابی پایداری زیست‌محیطی تولید گندم دیم و آبی

بهره‌وری انرژی

یینگ و همکاران (2017)

R

Q

Q

تجزیه‌وتحلیل چرخۀ عمر

مدیریت مصرف صحیح نیتروژن در مزرعه و تأثیر آن بر پایداری

عملکرد دانه و کیفیت خاک

گالان مارتین و همکاران (2017)

Q

R

Q

بهینه‌سازی چندمعیاره، ارزیابی چرخۀ عمر

تخصیص بهینۀ زمین‌های زیر کشت به محصولات با هدف کاهش آثار زیست‌محیطی

تخلیۀ منابع، کیفیت اکوسیستم و تولید گندم

والترز و همکاران (2016)

R

R

R

پویایی سیستم

بررسی تأثیر سیستم‌های سه‌گانۀ تولید کشاورزی، دامداری و سیستم مشترک دام و کشاورزی بر پایداری

کیفیت زیست‌محیطی، کیفیت اجتماعی، تولید محصول

اویو و همکاران (2016)

R

R

R

پویایی سیستم

ایجاد یک مدل پویایی سیستم برای امنیت غذایی پایدار و بررسی عواملی برای راحتی امرار معاش کشاورزان تانزانیا

امنیت غذایی

فیندیاستوتی و همکاران (2018)

R

R

R

پویایی سیستم

طراحی سیاست برای دسترسی پایدار به مواد غذایی در اندونزی

دسترسی به مواد غذایی

کروکس و همکاران (2017)

R

R

Q

پویایی سیستم

ارزیابی تنوع کشت محصول بر پایداری کشاورزی در زمین‌های بدون شخم

ارزش خالص فعلی (NPV)، کیفیت خاک

مسگری و همکاران (2017)

R

R

Q

پویایی سیستم

بررسی رفتارها و روابط درون سیستم کشاورزی و تجزیه‌وتحلیل سناریوها

عرضه و تقاضا

پژوهش حاضر

R

R

R

پویایی سیستم

بررسی پایداری سیستم تولید گندم در ایران

خودکفایی، کیفیت خاک، تولید گندم

 

 

شکل 1- فرضیۀ پویای مسئله

 

شکل شمارۀ 3، نمودار علّی-حلقوی مسئله را نمایش می‌دهد. حلقه‌های تعادلی 1B تا 4B، اثر جمعیت و سطح زیر کشت را بر تولید گندم نشان می‌دهد. تولید و مصرف گندم نیز همچون هر فراوردۀ دیگری از قانون عرضه و تقاضا تبعیت می‌کند. هرچه میزان عرضۀ گندم افزایش یابد، قیمت آن کاهش می‌یابد و هرچه برای تقاضای موجود، کمبود گندم وجود داشته باشد، قیمت آن در بازار افزایش می‌یابد. در این میان، دولت با خرید تضمینی گندم در این معادله، اختلال ایجاد می‌کند و باعث ایجاد تعادل جدیدی می‌شود. این مداخله اجازه نمی‌دهد قیمت گندم افزایش زیاد و همچنین سطح زیر کشت گندم، کاهش زیادی داشته باشد (علی‌پور و همکاران، 2018). شاید بتوان گفت با توجه به استراتژیک‌بودن گندم و اهمیت آن در سبد مصرف، مداخلۀ دولت پرهیز‌ناپذیر است.

حلقه‌های تعادلی 6B و 7B، اثر منابع آب و تکنولوژی آبیاری را بر تولید گندم نشان می‌دهد. به‌طور طبیعی، افزایش سطح زیر کشت گندم، موجب افزایش مصرف آب و کاهش منابع آن می‌شود. درمقابل، استفاده از تکنولوژی‌های نوین آبیاری، همچون آبیاری بارانی، موجب کاهش مصرف آب و افزایش بازده تولید می‌شود (کیخایی و گنجی، 2016).

حلقه‌های تعادلی 8B و افزایشی 1R، اثر کیفیت خاک را بر تولید گندم نشان می‌دهد. استفاده از کودهای شیمیایی در کوتاه‌مدت، بازده تولید را افزایش می‌دهد؛ ولی استفادۀ بیش‌ازاندازه از این نوع کود در بلندمدت، موجب کاهش کیفیت خاک و درنهایت، کاهش تولید می‌شود (جئو و همکاران، 2019). علاوه بر این، استفاده از کودهای شیمیایی، موجب تخریب محیط زیست و آب‌های زیرزمینی نیز می‌شود (نیکخواه و همکاران، 2016). کودهای طبیعی درمقابل، قدرت کودهای شیمیایی را برای افزایش بازده تولید ندارد و اثر آنها با تأخیر بیشتری نسبت به کودهای شیمیایی ظاهر می‌شود؛ اما این نوع کود، اثر مخرب بر کیفیت خاک و محیط زیست ندارد و در طولانی‌مدت نیز بازده را افزایش می‌دهد (اسمتانا و همکاران، 2017).

 

شکل 2- نمودار علّی-حلقوی مسئله

 

حلقه‌های افزایشی 2R تا 4R، اثر آموزش و دانش کشاورزی را بر بازده تولید گندم نشان می‌دهد. درابتدا، آموزش به‌عنوان یک نهادۀ هزینه‌زا در کشاورزی وارد می‌شود؛ اما در طول زمان، این نهاده، موجب افزایش دانش کشاورزان، تصمیم‌گیری بهتر آنها و افزایش بهره‌وری تولید می‌شود. علاوه بر این، آموزش، سواد کشاورزان را برای استفاده از تکنولوژی‌های نوین ارتقا می‌دهد و بر این اساس نیز تولید گندم افزایش می‌یابد (اقتداری و میردامادی، 2016). نکتۀ دیگری که در این پویایی وجود دارد، حس کشاورزان به اثربخش‌بودن آموزش با توجه به افزایش تولید و افزایش انگیزه در آنها برای آموزش است.

 

  1. مطالعۀ کاربردی و یافته‌ها

4-1  صحه‌گذاری متغیرهای مدل پویا

4-1-1        بارش: برای شبیه‌سازی و اجرای مدل از داده‌های تولید گندم در ایران استفاده شد. داده‌های بارش سالیانه از سایت بانک جهانی (سایت بانک جهانی، 2019)، داده‌های تولید گندم سالیانه و نهاده‌های آن از سایت فائو (فائو، 2019) و گزارش‌های آماری سالیانۀ وزارت جهاد کشاورزی (سایت جهاد کشاورزی، 2019) و همچنین میزان مصرف سالیانه، از سایت ایندکس میوندی[ix] (ایندکس میوندی، 2019) اخذ شد. شکل شمارۀ 4، نشان‌دهندۀ میزان تولید گندم سالیانه و سایر نهاده‌های تولید گندم ایران است. این نمودار نمایش می‌دهد حجم بارش سالیانۀ ایران در بیشتر موارد بین 300 تا 500 میلیارد مترمکعب در نوسان بوده است. شیب منفی خط رگرسیون تخمین‌زده‌شده نشان می‌دهد در این سال‌ها متوسط میزان بارش، سیر نزولی داشته است. مشاهده می‌شود که هم‌زمان با نرخ منفی بارش سالانه، تولید گندم افزایش یافته است و این موضوع، نشان‌دهندۀ استفاده از ظرفیت سایر نهاده‌های تولید گندم، همانند ماشین‌آلات کشاورزی و کود و ... است. در سال‌هایی همانند سال 1368 و 1387، که بارش سالانه با افت شدید مواجه بوده است، تولید گندم نیز به‌تبع آن کاهش یافته است.

 

 

4-1-2        سطح زیر کشت: نمودار موجود در شکل شمارۀ 4 نشان می‌دهد با افزایش سطح زیر کشت، تولید گندم نیز افزایش یافته است؛ ولی نرخ افزایش تولید گندم، بیشتر از نرخ افزایش سطح زیر کشت است. سطح زیر کشت در سال 1340 معادل 3300000 هکتار بوده است که به 6700000 هکتار در سال 1397 افزایش یافته است؛ اما تولید گندم در سال 1340 معادل 2600000 تن بوده است که به 14500000 تن در سال 1397 افزایش یافته است؛ به عبارت ‌دیگر، عملکرد گندم در طول زمان نیز افزایش داشته است. عملکرد گندم از 8235/0 تن در هکتار در سال 1340 به 164/2 تن در هکتار در سال 1397 افزایش یافته است. این افزایش در عملکرد گندم ناشی از تأثیر سایر نهاده‌های مؤثر در تولید گندم، همانند استفاده از کودهاست.

 

 

شکل 3- حجم تولید سالیانۀ گندم و سایر نهاده‌های تولید گندم

 

4-1-3        ماشین‌آلاتکشاورزی: همانگونه که در شکل شمارۀ 4 مشاهده می‌شود، تولید گندم سالیانه، همگام با افزایش تعداد تراکتور افزایش می‌یابد. این نمودار، افزایش نرخ تولید گندم را با استفاده از ماشین‌آلات کشاورزی به‌طور ملموس نمایش می‌دهد. در سال‌هایی مانند سال 1368 و 1378 و 1379 و 1387 تولید، افت شدید داشته است که باید علت آن بررسی شود. ظاهراً همانگونه که نمودارها نمایش می‌دهد، افت تولید گندم در این سال‌ها به تعداد ماشین‌آلات کشاورزی ارتباطی ندارد.

4-1-4        کودهای کشاورزی: بدون شک، استفاده از کود، موجب افزایش تولید محصولات کشاورزی می‌شود؛ اما مصرف آن باید براساس استانداردهای جهانی باشد؛ در غیر این صورت، افزایش مصرف، موجب ایجاد ناهنجاری‌های در محیط‌ زیست و زمین‌های کشت‌پذیر می‌شود. شکل شمارۀ 4، میزان استفاده از کودهای شیمیایی و میزان تولید گندم در ایران را در سال‌های 1339 تا 1387 نشان می‌دهد.

 

 

4-2  مدل‌سازی حالت- جریان

شکل شمارۀ 5، مدل جریان مسئلۀ تولید گندم را نشان می‌دهد. مفروضات و بخش‌های مختلف مدل حالت-جریان مسئله به شرح ذیل است.

4-2-1        مفروضات مدل: مفروضات مدل به شرح ذیل است: 1- سطح ذخیرۀ اطمینان به اندازۀ حجم مصرف سه ماه در نظر گرفته‌ شده است؛ 2- سطح ذخیرۀ مطلوب برای اقدام به صادرات به اندازۀ مصرف یک‌سال است؛ 3- در صورت نیاز به واردات، 80 تا 90 درصد حجم لازم وارد می‌شود؛ 4- در صورت اقدام به صادرات، 20 درصد حجم سفارش درخواستی صادر می‌شود (درحقیقت، تاکنون صادرات زیادی نداشته‌ایم؛ به همین علت، حجم صادرات اندک در نظر گرفته شد)؛ 5- قیمت متوسط هر تن گندم، تقریباً 190 دلار از سایت ایندکس میوندی اخذ شد که با در نظر گرفتن دلار پانزده هزار تومان تبدیل‌ شده است؛ 6- میزان مصرف سالیانۀ کود ارگانیک، به‌طور تصادفی بین 15 تا 30 تن در هکتار در نظر گرفته شده است و 7- نرخ فرسودگی تکنولوژی، به‌طور خطی و برابر با 7/7 درصد در نظر گرفته شده است.

4-2-2        کیفیت خاک: یکی از مسائل مهم در پایداری زیست‌محیطی و کشاورزی، ارزیابی و حفظ کیفیت خاک است. برای ارزیابی کیفیت خاک از شاخص‌های فیزیکی، شیمیایی و بیولوژی استفاده می‌شود. از آنجا که بررسی تمام خصوصیات خاک، پرهزینه و طاقت‌فرساست، تعدادی از خصوصیات خاک، که دربرگیرندۀ قسمت اعظم ویژگی خاک است، به‌عنوان مجموعه حداقل داده‌ها[x] برای ارزیابی و محاسبۀ کیفیت خاک در این مدل به کار رفته است. فرمولی که برای ارزیابی و محاسبۀ کیفیت خاک در این مدل به کار گرفته ‌شده است، برگرفته از پژوهش محقق و همکاران است (محقق و نادری، 2016). آنها از بین 29 ویژگی فیزیکی و شیمیایی خاک، هفت ویژگی (درصد عناصر مس، روی، کبالت و فسفر و درصد شن[xi]، لای[xii] و خاکدانه‌های پایدار در آب[xiii]) را به‌عنوان مجموعه حداقل داده برای ارزیابی کیفیت خاک انتخاب کردند. میزان تأثیر کودهای شیمیایی و ارگانیک بر ویژگی‌های مس، روی، کبالت و فسفر از پایان‌نامۀ کارشناسی ارشد متقی، رشتۀ علوم و مهندسی خاک، دانشکدۀ کشاورزی دانشگاه ایلام (متقی، 2015) و میزان تأثیر کودهای شیمیایی و ارگانیک بر ویژگی‌های شن و لای و درصد خاک‌دانه‌های پایدار در آب از پایان‌نامۀ کارشناسی ارشد براهیمی، رشتۀ خاک‌شناسی، دانشکدۀ کشاورزی دانشگاه صنعتی اصفهان (براهیمی، 2001) اخذ شده است. آنها در پایان‌نامه‌های خود، تأثیر کودهای شیمیایی و ارگانیک را بر برخی از ویژگی‌های خاک بررسی کردند.

4-2-3        تکنولوژی: یکی از عوامل مؤثر بر رشد سطح زیر کشت و حجم تولید گندم، استفاده از تکنولوژی در کشاورزی است. در این مدل، تکنولوژی به‌عنوان یک متغیر سطح در نظر گرفته شده است که آمار آن تا سال 2003 از سایت فائو (2019) و از آن تاریخ به بعد از سایت وزارت جهاد کشاورزی (2019) اخذ شده است. براساس پژوهش‌های انجام‌شده، عمر مفید ماشین‌آلات کشاورزی، حداکثر 13سال است (مرادی و همکاران، 2014). براساس عمر مفید 13ساله، فرض شده است که تجهیزات خریداری‌شده، طی 13 سال کاملاً فرسوده می‌شود و نرخ فرسودگی سالیانه، خطی و به میزان یکسان برابر با مقدار 7/7 درصد تعیین شده است. نرخ خرید نیز براساس درصد افزایش سالیانۀ تجهیزات کشاورزی نسبت به سال قبل محاسبه شده است. میانگین ضایعات برداشت محصول با کمباین از سه‌درصد تا پانزده‌درصد محاسبه شده است که عمر کمباین، چگونگی نگهداری آن، آموزش‌های رانندۀ آن و کشاورز و ... بر این ضایعات مؤثر است (امیرنژاد و همکاران، 2009). صبوری و همکاران در پژوهش خود به این نتیجه رسیدند که 24 درصد تغییرات متغیر انتخاب کود مناسب و 18 درصد تغییرات متغیر کاهش ضایعات گندم براثر فعالیت‌های آموزشی و ترویجی در طرح محوری گندم در سال‌های 82-83 بوده است (صبوری و همکاران، 2008). قربانی در پژوهش «عوامل موثر بر سرمایه‌گذاری کشاورزان استان خراسان رضوی در ماشین‌های کشاورزی (کاربرد روش دو مرحله‌ای هکمن)» به این نتیجه رسید که با افزایش یک واحد یا یک کلاس به متوسط تحصیلات بهره‌بردار و با ثابت‌بودن سایر عوامل، به متوسط میزان سرمایه‌گذاری انجام‌شده در ماشین‌های کشاورزی، 18/0 واحد افزوده خواهد شد (قربانی، 2009). بنا بر مطالعات انجام‌شده، بهره‌وری ماشین‌آلات کشاورزی در کشور، به‌طور متوسط در سال‌های 1355-1382 در حدود 225/13 درصد بوده است که ظاهراً علت اصلی آن، استفادۀ ناکارآمد از ماشین‌آلات است (امیرتیموری و خلیلیان، 2008). در این پژوهش فرض شده است که می‌توان با استفادۀ کارآمد از ماشین‌آلات، بهره‌وری آنها را افزایش داد.

4-2-4        تابع عملکرد گندم: تابع عملکرد گندم، نشان‌دهندۀ حجم تولید گندم در هکتار است که براساس عوامل میزان کود استفاده‌شده و حجم ماشین‌آلات و حجم بارش سالیانه و سابقۀ رفتار این عوامل، شبیه‌سازی شده است. با توجه به سابقۀ رفتار این عوامل، مشخص است که حجم بارش سالیانه، تأثیر زیادی بر افزایش حجم تولید گندم نداشته و فقط به‌عنوان یک پارامتر محدودکنندۀ تولید گندم در سال‌هایی که حجم بارش سالیانه از آستانۀ مشخصی کمتر شده، عمل کرده است. میانگین حجم بارش سالیانه در دورۀ بررسی‌شده در این پژوهش، برابر با 370 میلیارد متر مکعب بوده است و از مقایسۀ نمودارهای تولید گندم و حجم بارش سالیانه مشخص می‌شود که هرگاه، حجم بارش سالیانه از 350 میلیارد متر مکعب کمتر شده، میزان سطح زیر کشت گندم و به‌تبع آن، حجم تولید گندم نیز کاهش یافته است؛ بنابراین، در شبیه‌سازی تابع تولید گندم، بارش به‌عنوان پارامتری محدودکننده ظاهر شده است.

 

 

شکل 4- مدل حالت-جریان شبیه‌سازی‌شدۀ مسئله

4-2-5        تولید و ذخیرۀ گندم: در این نمودار، تولید کل از مجموع تولید گندم، واردات، تولید حاصل از کاهش ضایعات و تولید حاصل از افزایش بهره‌وری به دست می‌آید و مصرف گندم، حاصل‌جمع مصرف داخلی و صادرات است. ذخیرۀ گندم از اختلاف تولید کل و مصرف گندم حاصل می‌شود که نشان‌دهندۀ حجم ذخیرۀ گندم در انتهای سال است. تولید گندم، حاصل‌ضرب سطح زیر کشت و تابع عملکرد گندم به اضافۀ تأثیر کیفیت خاک بر حجم تولید گندم است. رابطۀ کیفیت خاک و تولید گندم با استفاده از مقالۀ ثروتی و همکاران (2014) برآورد شده است. در این مدل، حجم ذخیرۀ گندم با سطح ذخیرۀ اطمینان مقایسه می‌شود و در صورتی‌ که کمتر از سطح ذخیرۀ اطمینان باشد، برای واردات گندم اقدام می‌شود. میزان ذخیرۀ اطمینان برابر با مصرف یک دورۀ سه‌ماهه در کشور است. همچنین صادرات در صورتی انجام می‌شود که حجم ذخیرۀ گندم از سطح ذخیرۀ مطلوب بیشتر باشد.

 

4-3          شبیه‌سازی مدل پویا

برای شبیه‌سازی مسئله، ابتدا تابع عملکرد گندم با استفاده از داده‌های تکنولوژی، کود و بارش تخمین زده شد. با توجه به شکل شمارۀ 4 مشخص می‌شود که متغیرهای کود و تکنولوژی، همبستگی زیادی با تولید گندم دارند؛ ولی متغیر بارش، همبستگی زیادی با تولید گندم ندارد و حجم بارش سالیانه به‌عنوان یک محدودکنندۀ تولید گندم عمل کرده است؛ ولی با افزایش سایر متغیرها، تولید گندم نیز افزایش یافته است؛ بنابراین برای تخمین تابع عملکرد گندم با استفاده از نرم‌افزار SPSS رگرسیون چندمتغیرۀ خطی بین متغیرهای کود و تکنولوژی محاسبه و متغیر بارش به‌عنوان یک متغیر کنترل‌گر استفاده شد؛ بدین‌ترتیب که اگر میزان بارش از آستانۀ مشخصی کمتر شد، تولید گندم را کاهش می‌دهد؛ همچنان‌که این امر در سال‌های 1368 و 1378-1380 و 1387 مشهود است. بعد از محاسبۀ تابع عملکرد تولید گندم، با توجه به سطح زیر کشت، حجم تولید گندم سالیانه محاسبه شده است. تابع نرخ تولید کل، برابر با مجموع تولید سالیانه و واردات گندم سالیانه است. همچنین تابع مصرف کل نیز از مجموع مصرف سالیانه و صادرات حاصل می‌شود. اختلاف نرخ تولید کل و نرخ مصرف کل، نشان‌دهندۀ ذخیرۀ گندم سالیانه است.

 

4-4          اعتبارسنجی مدل پویا

برای اینکه مدل شبیه‌سازی‌شده به‌عنوان ابزاری مؤثر استفاده شود، باید با آزمون‌های متعدد طراحی‌شده در این زمینه، اعتبارسنجی شود. این آزمون‌ها به سه دستۀ کلی آزمون‌های متمرکز بر ساختار و رفتار و مضامین سیاست مدل تقسیم‌بندی می‌شود (سوشیل، 2008). برای اعتبارسنجی وضعیت مدل این پژوهش از چهار آزمون بازتولید رفتار، آزمون شرایط حدی، آزمون سازگاری ابعادی و آزمون کفایت مرز استفاده می‌شود.

4-4-1        آزمون بازتولید رفتار: در این آزمون، رفتار مدل با رفتار سیستم واقعی مقایسه می‌شود. این آزمون برای اعتبارسنجی رفتار مدل به کار می‌رود. نمودار داده‌های واقعی و شبیه‌سازی‌شده تولید گندم در شکل شمارۀ 6 مشاهده می‌شود.برای مقایسۀ داده‌های حاصل از شبیه‌سازی و داده‌های واقعی، ابتدا با استفاده از آزمون آماری مقایسۀ واریانس، برابری واریانس دو جامعه اثبات و سپس با استفاده از آزمون t برای دو جامعه با واریانس برابر، میانگین‌های دو جامعه با یکدیگر مقایسه شد. نتایج حاصل از این آزمون نشان داد در سطح اطمینان یک‌درصد، واریانس‌ها و میانگین‌های دو جامعه با یکدیگر برابر است. در آزمون بازتولید رفتار، استفاده از روش‌های آماری، همانند درصد خطای MSE، درصد خطای مجذورات RMSPE[xiv]، خطای RSE، خطای RMSE و خطای استاندارد SE متداول است (حاجی غلامی سریزدی و مشایخی، 2017). استرمن درصد خطای مجذورات RMSPE را رویّه‌ای معمول و ساده برای ارزیابی رفتار مدل می‌داند.

 

 

شکل 5- نمودار داده‌های واقعی و شبیه‌سازی‌شدۀ تولید گندم

 

شاخص RMSPE، که نشان‌دهندۀ میزان انحراف مقادیر شبیه‌سازی‌شده از مقادیر واقعی است، به‌صورت فرمول شمارۀ 1 محاسبه می‌شود (استرمن، 1984).

 

(1)

 

 

که در این فرمول،  مقدار شبیه‌سازی‌شده در زمان i و  مقدار واقعی در زمان i و n تعداد دوره است. همچنین ضرایب نابرابری تِیل، که  نام دارند و روابط آنها در فرمول‌های شمارۀ 2-4 مشخص شده است (استرمن، 1984)، برای پیش‌بینی منابع ایجاد خطا در مدل استفاده شد.

 

(2)

 

(3)

 

(4)

 

میانگین مقادیر واقعی و میانگین مقادیر شبیه‌سازی‌شده است.  نیز به‌ترتیب، انحراف استاندارد مقادیر واقعی و مقادیر شبیه‌سازی‌شده است. r ضریب همبستگی بین مقادیر واقعی و شبیه‌سازی‌شده است. مجموع سه شاخص مذکور، همیشه برابر با یک است. نشان‌دهندۀ میزان خطای نظام‌مند است و هرچه به صفر نزدیک‌تر باشد، مطلوب‌تر است. نوعی واریانس است که نشان‌دهندۀ میزان برابری انحراف استاندارد مقادیر شبیه‌سازی‌شده و مقادیر واقعی است و بنابراین بهتر است برابر با صفر یا به آن نزدیک باشد. نوعی کوواریانس است که خطای غیرنظام‌مند را اندازه‌گیری می‌کند و هرچه به یک نزدیک‌تر باشد، مطلوب‌تر است (استرمن، 1984). مقادیر محاسبه‌شدۀ این شاخص‌ها در جدول شمارۀ 2 مشاهده می‌شود. اگر مقدار  بیشتر از 75/0 باشد، عملکرد مدل، بسیار خوب ارزیابی می‌شود (سبزی‌پرور و همکاران، 2019). مقادیر شاخص‌ها نشان می‌دهد مدل، اعتبار خوبی دارد.

جدول 2- مقادیر شاخص‌های آماری نمایشگر اعتبار مدل

شاخص

RMSPE

R

       

مقدار

1712/0

95/0

90/0

10-4*4/1

7-10*1

9998/0

 

4-4-2        آزمون شرایط حدی: در این آزمون مشخص می‌شود که آیا تمامی معادلات مدل در صورت قرارگرفتن در معرض مقادیر حدی و امکان‌پذیر، باز معنادار باقی خواهد ماند؟ (سوشیل، 2008) در اینجا، نمونه‌ای از رفتار مدل در شکل شمارۀ 7 مشاهده می‌شود. در این آزمون، سطح زیر کشت برابر با صفر قرار داده شد. همانگونه که مشاهده می‌شود، به‌علت نبود سطح زیر کشت، حجم تولید گندم، صفر است.

 

 

شکل 6- آزمون شرایط حدی مدل

 

4-4-3        آزمون سازگاری ابعادی: این آزمون، یکی از آزمون‌های ساختار مدل است که مشخص می‌کند آیا ابعاد متغیرها در هر دو سمت معادله، در حالت موازنه قرار دارد (سوشیل، 2008). برای انجام‌دادن این مورد، علاوه بر استفاده از امکانات موجود در نرم‌افزار ونسیم، به‌صورت دستی نیز ابعاد در دو طرف معادلات کنترل و بازبینی شد.

4-4-4        آزمون کفایت مرز: این آزمون نیز یکی از آزمون‌های ساختار مدل است که مشخص می‌کند آیا مدل، تمام ساختار مرتبط، شامل متغیرها و تأثیرات بازخوری لازم برای مسئله را در برمی‌گیرد؟ (سوشیل، 2008) مطالعات انجام‌شده دربارۀ متغیرهای مؤثر در مدل و رفتار آنها، کفایت مرز مدل را نشان می‌دهد.

4-4-5        آزمون تأیید ساختار: آزمون تأیید ساختار، به‌طور تجربی به معنای مقایسۀ شکل معادلات مدل با روابط موجود در سیستم‌های واقعی است. روابطی که در معادلات مدل به‌ کار رفته است، باید با دانش توصیفی سیستم مطابقت داشته باشد. همچنین ممکن است مقایسۀ معادلات مدل با دانش عمومی سیستم، به‌عنوان آزمون‌های نظری انجام شود. تمام روابط باید به‌خوبی استدلال شود و براساس اطلاعات موجود باشد. ساختار مدل باید با اهداف و محدودیت‌های سیستم‌های واقعی مطابقت داشته باشد. تأیید ساختار مدل، کار ساده‌ای است و مهارت کمتری نسبت به برخی از آزمایش‌های دیگر دارد (بالا و همکاران، 2016). با توجه به اینکه تمام ساختار علّی-حلقوی و نمودار جریان مدل و تمام معادلات مدل مبتنی بر پژوهش‌های پژوهشگران کشاورزی است- که در قسمت‌های قبل، جزءبه‌جزء آنها تشریح شد- ساختار مدل تأیید می‌شود.

 

4-5          تحلیل حساسیت

به‌علت وابستگی شدید کشاورزی به آب و بارش سالیانه، متغیر بارش سالیانه برای تحلیل حساسیت مدل انتخاب شد. با توجه به نمودارهای شبیه‌سازی‌شدۀ شکل شمارۀ 8 کاملاً مشهود است که هر گونه تغییر در حجم بارش سالیانه، تأثیر مستقیم بر حجم تولید گندم دارد. کاهش حجم بارش سالیانه، موجب ایجاد نوسان‌های زیاد در حجم تولید می‌شود؛ در صورتی ‌که افزایش حجم بارش باعث هموارترشدن نمودار تولید گندم شده است. شاید بتوان گفت سایر نهاده‌های تولید گندم به اندازۀ ظرفیت متوسط بارش سالیانه اشباع شده‌اند و افزایش حجم بارش، موجب به کار گرفتن تمام ظرفیت عوامل تولید گندم می‌شود؛ به همین علت، افزایش حجم پانزده‌درصدی بارش، موجب هموارشدن نمودار می‌شود و کاهش آن شکستگی‌های شدید در نمودار ایجاد می‌کند؛ بنابراین، استفادۀ حداکثری از میزان بارش سالیانه، به افزایش حجم تولید کمک می‌کند. در سال‌های اولیه، افزایش یا کاهش حجم بارش، تأثیر زیادی در تولید گندم نداشته و این موضوع به‌علت استفادۀ کمتر از سایر نهاده‌های تولید، همانند ماشین‌آلات کشاورزی، کود و ... بوده است.

 

4-6          سناریوسازی

بعد از اعتبار سنجی مدل، می‌توان از آن برای تدوین انواع سناریوهای مدنظر برای آینده استفاده کرد. افزایش دوبرابری سطح زیر کشت در تقریباً 50سال، مرهون استفاده از تکنولوژی نوین در امر کشاورزی بوده است و همانگونه که پیش‌تر گفته شد، افزایش عملکرد گندم از 8235/0 تن در هکتار در سال 1340 به 164/2 تن در هکتار در سال 1397، بیشتر به‌علت استفاده از کودهای شیمیایی بوده است و زیاده‌روی در استفاده از این کودها باعث کاهش کیفیت خاک و به خطر افتادن پایداری زیست‌محیطی و به‌تبع آن، پایداری غذایی می‌شود؛ به همین علت، در این پژوهش، سناریوهای مختلفی دربارۀ سطح تکنولوژی و کیفیت خاک تدوین‌ شده است. در سناریوی اول، نتایج حاصل از مدل در صورتی‌ تجزیه‌وتحلیل می‌شود که سطح تکنولوژی، پنج‌درصد و ده‌درصد از مقدار کنونی، بیشتر یا کمتر شود.

 

شکل 7- تأثیر نوسان بارش بر تولید و ذخیرۀ گندم

 

در سناریوی دوم، تأثیر پنج‌درصدی کاهش استفاده از کود شیمیایی و افزایش ده‌درصدی استفاده از کودهای ارگانیک بر کیفیت خاک و درنهایت، بر تولید گندم بررسی می‌شود. درانتها، ترکیبی از سناریوهای مذکور به همراه حساسیت آنها به بارش باران تجزیه‌وتحلیل می‌شود.

4-6-1        سناریوی نوسان سطح تکنولوژی: با نوسان پنج و ده‌درصدی ماشین‌آلات، حجم و ذخیرۀ تولید، همچنان که در نمودار شکل شمارۀ 9 مشهود است، افزایش پیدا می‌کند. حداکثر افزایش در حجم تولید در سال‌های انتهایی در حدود پنج‌درصد است؛ ولی در سال‌های اولیه به‌علت اینکه حجم ماشین‌آلات کشاورزی، بسیار کم است، افزایش ده‌درصدی، تأثیری بر حجم تولید ندارد. در سال‌های انتهایی به‌علت رشد نسبتاً خوب حجم ماشین‌آلات، افزایش ده‌درصدی آن، موجب افزایش حدوداً پنج‌درصدی در حجم تولید گندم خواهد شد. البته این روند، به‌طور معکوس برای سناریوی کاهش سطح ماشین‌آلات کشاورزی در نمودارها مشاهده می‌شود. کاهش استفاده از ماشین‌آلات کشاورزی به‌طور مستقیم موجب کاهش سطح زیر کشت و درنهایت، موجب کاهش سطح تولید گندم می‌شود. به‌طور کلی، گفتنی است حجم تولید سالیانه نسبت به سطح ماشین‌آلات، حساسیت زیادی دارد؛ بنابراین برای رسیدن به خودکفایی و تولید پایدار باید برای آموزش استفادۀ بهینه از ماشین‌آلات کشاورزی و نگهداری و تعمیرات و کاهش ضایعات آنها به جامعۀ کشاورزی و در صورت لزوم برای تعویض و جایگزینی ماشین‌آلات فرسوده برنامه‌ریزی شود. یکسان‌بودن شکستگی‌های 5 نمودار موجود در شکل شمارۀ 11، نشان‌دهندۀ تأثیر بارش بر حجم تولید است؛ به‌گونه‌ای که در صورت کاهش یا افزایش سطح ماشین‌آلات، نوسان‌های رخ‌داده به‌علت کاهش میزان بارش، پابرجاست؛ یعنی زمانی که بارش از آستانۀ حدی کمتر شود، افزایش سایر نهاده‌های تولید، ازقبیل سطح تکنولوژی به افزایش حجم تولید کمکی نخواهد کرد.

 

شکل 8- تأثیر سناریوهای تغییر سطح تکنولوژی بر تولید و ذخیرۀ گندم

 

4-6-2.       سناریوی افزایش کیفیت خاک: برای افزایش میزان کیفیت خاک، حجم کود ارگانیک به میزان ده‌درصد افزایش و حجم کود معدنی را پنج‌درصد کاهش می‌یابد. همانگونه که در شکل شمارۀ 10 مشاهده می‌شود، به‌علت افزایش استفاده از کودهای ارگانیک و کاهش استفاده از کودهای شیمیایی، کیفیت خاک افزایش می‌یابد؛ ولی کاهش استفاده از کودهای شیمیایی، اندکی موجب کاهش تولید گندم شده است. مشاهدات قربانی و همکاران نیز مؤید این نتیجه است. قربانی و همکاران ثابت کردند در صورت حذف نهاده‌های شیمیایی از فرایند تولید، میزان عملکرد گندم، 95/18 درصد کاهش می‌یابد (قربانی و همکاران، 2009). برخی از پژوهشگران نیز از تأثیر مثبت حذف نهاده‌های شیمیایی بر میزان عملکرد گندم گزارش دادند (عابدی و همکاران، 2009؛ احمد و همکاران، 2008).

 

 

شکل 9- تأثیر سناریوی تغییر ترکیب کودها بر تولید گندم و کیفیت خاک

 

سناریوهای ترکیبی: چهار سناریوی ترکیبی در جدول شمارۀ 3 مشاهده می‌شود. به نظر می‌رسد در صورت استفاده از ماشین‌آلات و تجهیزات کشاورزی، کاهش بارش باران تا حدود زیادی جبران می‌شود؛ البته به شرطی که میزان بارش، کمتر از میانگین بارش سالیانه نباشد. در شکل شمارۀ 11، رفتار مدل براثر سناریوهای ترکیبی مشاهده می‌شود. در تمام ترکیبات کود معدنی، پنج‌درصد کاهش و کود ارگانیک ده‌درصد افزایش داشته است که همانگونه که در سناریوی قبل مشخص شد، موجب افزایش کیفیت خاک شده است. نمودارهای شمارۀ 2 و 3، نشان‌دهندۀ ترکیبات 1 و 2 است که در افزایش پنج‌درصدی سطح تکنولوژی مشترکند و نمودارهای شمارۀ 4 و 5 نشان‌دهندۀ ترکیبات 3 و 4 هستند که کاهش پنج‌درصدی سطح تکنولوژی را نشان می‌دهد. آنچه موجب تمایز آنها از یکدیگر شده است، نوسان پانزده‌درصدی میزان بارش است که در نقاطی که از آستانۀ حدی کمتر آمده است، باعث افت تولید گندم شده است. این رفتار نشان می‌دهد نوسان سطح تکنولوژی، باعث نوسان آشکار در روند تولید گندم می‌شود؛ بنابراین، توجه به تکنولوژی کشاورزی و استفادۀ درست و کارآمد از آن، باعث افزایش سطح تولید گندم می‌شود؛ اما آنچه در این سناریوها مهم است، رفتار نوسان میزان بارش باران است. نمودار شمارۀ 5، که ترکیب کاهش پنج‌درصدی سطح تکنولوژی و پانزده‌درصدی میزان بارش را نمایش می‌دهد، نسبت به نمودار شمارۀ 1، که نمایش‌دهندۀ افزایش این دو عامل است، شکستگی بیشتری دارد و نمودار شمارۀ 1 نسبت به شمارۀ 5 هموارتر است. در توجیه این رفتار، گفتنی است در نمودار شمارۀ 5 وقتی‌ میزان بارش از آستانه حدی کمتر شده است، باعث ایجاد شکستگی در نمودار و کاهش تولید گندم شده است؛ ولی در نمودار شمارۀ 1، میزان بارش افزایش یافته است؛ بنابراین از شکستگی‌های موجود در نمودار اثری نیست و نمودار تقریباً هموارتر شده است. بدین‌ترتیب، مشخص می‌شود میزان تولید سالیانه، حساسیت زیادی به حجم بارش دارد؛ به‌ویژه هنگامی‌ که از آستانۀ حدی کمتر است. با توجه به اینکه نمی‌توان برای افزایش یا کاهش حجم بارش سالیانه برنامه‌ریزی کرد، باید با طرح‌های آبخیزداری و مهار سیلاب‌های سطحی که در زمستان و بهار، خسارت‌های هنگفتی به بار می‌آورد و برنامه‌ریزی برای تأمین بیشتر مخازن آب زیرزمینی از این آب‌ها، شرایط رشد تولید گندم بر اثر افزایش میزان بارش را فراهم کرد و به صورتی از کاهش میزان تولید در سال‌های کم‌بارش جلوگیری کرد؛ بنابراین، نیاز به مطالعۀ بیشتر و سرمایه‌گذاری برای استفاده از بارش‌های سالیانه، کاملاً محسوس است.

 

جدول 3- تأثیر سناریوهای ترکیبی بر تولید گندم

 

ترکیب 1

ترکیب 2

ترکیب 3

ترکیب 4

کود معدنی

%5-

%5-

%5-

%5-

کود ارگانیک

%10+

%10+

%10+

%10+

بارش

%15+

%15-

%15+

%15-

تکنولوژی

%5+

%5+

%5-

%5-

 

 

شکل 10- تأثیر سناریوهای ترکیبی بر تولید و ذخیرۀ گندم

  1. بحث و بررسی ابعاد پایداری

برای بررسی پایداری سیستم، باید سه بعد اقتصادی، زیست‌محیطی و اجتماعی آن بررسی شود. در این پژوهش برای هر کدام از این ابعاد، شاخص‌های منحصربه‌فرد یا مشترکی بررسی می‌شود.

5-1 بعد زیست‌محیطی: شاخص کیفیت خاک برای بررسی پایداری در بعد زیست‌محیطی مفید است. این شاخص، نشان‌دهندۀ میزان تخریب یا بهبود کیفیت خاک براثر کودهای استفاده‌شده برای تولید گندم است و مشخص می‌کند که هرچه میزان استفاده از کودهای ارگانیک افزایش یابد و حجم کودهای معدنی مدنظر کاهش یابد، بر کیفیت خاک، تأثیر مثبتی دارد. شاخص کیفیت خاک، میزان اعتبار و بقای خاک را برای استفاده از آن در آینده مشخص می‌کند. پژوهش‌های قربانی و همکاران (2009) و اسمتانا و همکاران (2017) نیز این موضوع را تأیید می‌کند. با توجه به حساسیت زیاد حجم تولید سالیانه به حجم بارش سالیانه و وضعیت جغرافیایی و آب‌وهوایی خاص کشور، سرمایه‌گذاری و ترویج و آموزش روش‌های نوین آبیاری برای استفادۀ بهینه از آب موجود و طرح‌های آبخیزداری برای ذخیرۀ آب‌های سطحی و مهار سیلاب‌های فصلی برای پایداری منابع آب و افزایش تولید گندم ضروری است. کوتیر و همکاران (2016) نیز در پژوهش خود بر توسعۀ زیرساخت‌های آبی برای ایجاد منافع عمومی تأکید کرده‌اند.

5-2 بعد اقتصادی: شاخص‌های واردات و صادرات و خودکفایی تولید گندم در مدل ارائه‌شده، هر کدام به صورتی نشان‌دهندۀ میزان پایداری در بعد اقتصادی است. ازلحاظ اقتصادی، هرچه حجم واردات، کمتر و صادرات، بیشتر باشد، توسعۀ اقتصادی، شتاب بیشتری خواهد داشت. خودکفایی در تولید، موجب بی‌نیازی کشور از واردات و درنتیجه، کاهش خروج ارز برای خرید گندم می‌شود که این شاخص نیز میزان وابستگی اقتصادی به کشورهای دیگر و پایداری آن را نمایش می‌دهد. با توجه به سناریوسازی‌های انجام‌شده، مشخص شد حجم تولید سالیانه به تغییرات سطح ماشین‌آلات، حساسیت زیادی دارد و یک راه رسیدن به خودکفایی، افزایش تولید سالیانه است؛ بنابراین باید برای سرمایه‌گذاری و آموزش استفادۀ بهینه از ماشین‌آلات کشاورزی و نگهداری و تعمیرات و کاهش ضایعات آنها به جامعۀ کشاورزی و در صورت لزوم برای تعویض و جایگزینی ماشین‌آلات فرسوده برنامه‌ریزی شود. پژوهش‌های مسگری و همکاران (2017) و رابط و همکاران (2015) مؤید این نتیجه‌گیری است. شاید بتوان برای پایدارکردن بعد اقتصادی و افزایش حجم تولید و رسیدن به خودکفایی، میزان استفاده از کودهای شیمیایی را افزایش داد؛ ولی این روند به دو علت، اصلاً برای پایداری سیستم مناسب نیست؛ به صورتی که از یک‌سو باعث کاهش کیفیت خاک می‌شود و استفادۀ نسل‌های بعد از آن را به خطر می‌اندازد و از سوی دیگر، ممکن است موجب بروز و پیشرفت بیماری‌های ناشناخته در سطح جامعه شود و سلامت جامعه را تهدید کند. کاهش ضایعات و افزایش بهره‌وری نیز هر کدام بر افزایش توان اقتصادی، تأثیر مثبتی دارند که در این مدل نیز از آنها استفاده شده است.

5-3 بعد اجتماعی: شاخص خودکفایی گندم، یکی از شاخص‌های پایداری در بعد اجتماعی است (روی و چان، 2011)؛ زیرا خودکفایی در تولید گندم، که محصولی استراتژیک و ضروری تمام جامعه است، موجب ایجاد امنیت غذایی در این زمینه می‌شود و آرامش روانی را برای جامعه به ارمغان می‌آورد و درنتیجه، پایداری اجتماعی را افزایش می‌دهد. یکی از اهداف دولت جمهوری اسلامی ایران در زمینۀ غذا، خودکفایی در تولید غذاست. با توجه به لزوم وجود امنیت غذایی در کشور، بر رسیدن به این هدف توصیه و تأکید می‌شود. شاخص خودکفایی از تقسیم تولید داخلی بر مصرف داخلی به دست می‌آید که هرچه این شاخص به یک نزدیک‌تر و یا بیشتر از آن باشد، نشان‌دهندۀ وضعیت مطلوب کشور در خودکفایی گندم است. با توجه به شکل شمارۀ 12 مشاهده می‌شود که خودکفایی به سناریوهای ترکیبی، کاملاً حساس است. در صورت اجرای سناریوی ترکیبی 1، بهترین وضعیت خودکفایی دیده می‌شود. بدترین وضعیت خودکفایی در سناریوی ترکیبی 4 رخ می‌دهد. در سناریوی ترکیبی 1، تولید گندم، بیشترین رشد را دارد؛ بنابراین، خودکفایی نیز وضعیت مطلوب‌تری دارد. شاخص دیگر، شاخص مصرف است. درحقیقت، هرچه میزان مصرف سرانه کمتر باشد، سطح آرامش عمومی جامعه و افزایش فرهنگ مصرف در جامعه را نشان می‌دهد که این مورد نیز بر میزان پایداری اجتماعی، تأثیر مثبت دارد. یک‌راه دیگر برای رسیدن به سطح خودکفایی، فرهنگ‌سازی برای مصرف صحیح نان و فرآورده‌های حاصل از گندم است. دانش جامعۀ کشاورزی نیز یکی از شاخص‌های اجتماعی است که افزایش و به‌روزرسانی آن، موجب پایداری سیستم تولید گندم می‌شود.

 

شکل 11- تأثیر سناریوهای ترکیبی بر خودکفایی

 

  1. نتیجه‌گیری

بر اساس نیاز حیاتی انسان به غذا، باید پژوهش‌های بیشتری در حفظ و نگهداری منابع غذایی، برای تداوم استفادۀ نسل کنونی و نسل‌های بعدی از این منابع انجام شود. کوشش برای ایجاد پایداری در سیستم مواد غذایی نیز به همین منظور انجام می‌شود. سیستم مواد غذایی، متشکل از چند زیرسیستم زیست‌محیطی، اقتصادی و اجتماعی است که دربرگیرندۀ تعاملات متعدد و پیچیده بین انسان و محیط‌ زیست است. برای تحلیل پایداری سیستم غذایی با توجه به تعاملات پیچیدۀ زیرسیستم‌های موجود در آن، یکی از ابزارهای کارا، رویکرد پویایی‌شناسی سیستم است. در این پژوهش با استفاده از این رویکرد، عوامل مؤثر بر تولید گندم تجزیه‌وتحلیل شد. رفتار 50سالۀ این عوامل و ارتباط آنها با تولید گندم بررسی و با توجه به سابقۀ رفتار این عوامل و پژوهش‌های مرتبط، ابتدا فرضیۀ پویای مسئله، تعریف و نمودارهای علّی-حلقوی ارتباط این عوامل با تولید گندم ترسیم و تجزیه‌وتحلیل شد؛ سپس با ترسیم نمودار جریان و فرموله‌کردن مدل، مسئله شبیه‌سازی شد و بعد از اعتبارسنجی، سناریوهای مختلفی برای پایداری سیستم تولید گندم پیشنهاد و بحث و بررسی شد. سناریوهای تغییر سطح ماشین‌آلات، کاهش مصرف کودهای شیمیایی و افزایش مصرف کودهای ارگانیک و نوسان‌ها در بارش باران، هر کدام ابتدا به‌طور جداگانه و سپس به‌صورت ترکیبی شبیه‌سازی شد. کاهش استفاده از کودهای شیمیایی و افزایش استفاده از کودهای ارگانیک، به نظر برخی از کارشناسان در کوتاه‌مدت، تولید را کاهش می‌دهد؛ ولی در بلندمدت با افزایش کیفیت خاک، سبب پایداری کشت و تولید می‌شود. با توجه به حساسیت زیاد تولید گندم به بارش باران و تکنولوژی کشاورزی، سرمایه‌گذاری و برنامه‌ریزی برای استفادۀ بیشتر و بهتر از روان‌آب‌های سطحی و سیلاب‌ها و طرح‌های آبخیزداری و طرح‌های نوسازی ناوگان ماشین‌آلات کشاورزی و آموزش استفادۀ بهینه و کارآمد از آن به جامعۀ کشاورزی برای پایداری سیستم تولید گندم ضروری است.

پژوهش‌های گوناگون و وسیعی در حوزۀ کشاورزی و کشت و تولید گندم انجام‌ شده است؛ ولی نیاز به پژوهش‌های بیشتر در این حوزه، کاملاً محسوس بود. برخی از داده‌هایی که در این پژوهش استفاده شد، به‌طور اجبار از پژوهش‌های انجام‌شده در مناطق مختلف ایران گردآوری شد؛ به‌عنوان مثال، فرمول محاسبۀ کیفیت خاک از پژوهشی انتخاب شده است که در منطقۀ چغاخور استان چهارمحال و بختیاری انجام شده است (محقق و نادری، 2016). برای کسب نتیجۀ بهتر باید پژوهش‌های گسترده‌ای در تمام مناطق مختلف کشور یا حداقل در مناطقی که حجم زیاد تولید گندم را به خود اختصاص داده‌اند، انجام شود تا یکنواختی و هماهنگی بیشتری بین داده‌ها پدید آید. بررسی تعداد بیشتری از عوامل مؤثر در تولید گندم، به کامل‌تر شدن این پژوهش کمک می‌کند.

عوامل متعدد دیگری، ازقبیل سموم دفع آفات نباتی، بذر، نحوۀ کاشت، داشت و برداشت،انواع روش‌های آبیاری، مدیریت، نیروی انسانی و الزامات مرتبط با آن، برنامه‌ریزی، تأثیر فرهنگ و جغرافیای متنوع کشور و غیره بر تولید گندم تأثیر دارد که در این پژوهش به‌علت گستردگی زیاد، فقط عوامل مهم‌تر از دیدگاه پژوهشگران انتخاب شده‌اند. قطعاً بررسی رفتار هر یک از عوامل مذکور، موجب شناخت بیشتری از واقعیت موجود و برنامه‌ریزی بهتری برای تولید گندم می‌شود. بنا بر مشاهدات نویسندگان، تاکنون تمام پژوهش‌های مربوط به حوزۀ تولید گندم، محدود به جغرافیای خاصی از ایران بوده و بیشتر، آثار یک عامل بر تولید گندم بررسی شده و هیچ پژوهشی، روند تولید گندم در کشور را به‌طور کلی بررسی نکرده است.



[i]. Abraham Maslow

[ii]. Brundtland

[iii]. American Public Health Association

[iv]. Sustainable Food System

[v]. No-Till Farming

[vi]. System Dynamics Methodology

[vii]. Verification of Parameters

[viii]. Validation of System Dynamics Model

[ix]. indexmundi

[x]. Minimum Data Set (MDS)

[xi]. Sand

[xii].  Silt

[xiii]. Percent of Water Stable Aggregates (WSA)

[xiv]. Root-Mean-Square Percent Error (RMSPE)

1.      مقدمه

یکی از نیازهای مهم و حیاتی انسان، نیاز روزمرۀ او به غذاست که از زمان انعقاد نطفه تا زمان مرگ، انسان را همراهی می‌کند. رشد، طول عمر، تندرستی، آرامش اعصاب و روان، خلق‌وخو و رفتار، توانمندی و قدرت، تکثیر نسل و تولید مثل، همگی به‌نوعی وامدار تغذیه سالم است (آخوندی، 2008). با نگاهی به تاریخ جهان مشخص می‌شود تمدن‌ها در طول تاریخ در مکان‌های مناسب ازلحاظ آب، خاک و کشاورزی، مانند بین‌النهرین، ایران و مصر اسکان یافته‌اند و رفع نیازهای غذایی از مهم‌ترین اولویت آنها در انتخاب محل زندگی بوده است. علاوه بر این، در جنگ‌های گوناگون از غذا به‌عنوان یک حربه در مقابل دشمن استفاده می‌شده است. تحریم غذایی طرف مقابل و جلوگیری از ورود هر گونه مواد غذایی به منطقۀ مورد تهاجم در برخی از جنگ‌ها رویّه‌ای معمول بوده است (مجد، 2013). قانون اساسی جمهوری اسلامی ایران در اصل سوم بند سیزدهم و همچنین در اصل چهل‌وسوم، بند اول و بند نهم بر افزایش تولیدات کشاورزی، که نیازهای عمومی را تأمین کند، کشور را به مرحلۀ خودکفایی برساند و از وابستگی برهاند، تأکید دارد. همچنین براساس هرم سلسله‌مراتب نیازهای آبراهام هارولد مازلو[i]، روانشناس آمریکایی، نیازهای زیستی در اوج سلسله‌مراتب قرار دارد و تا زمانی که ارضا شود، بیشترین تأثیر را بر رفتار فرد دارد (رضاییان، 2000).

گندم، یکی از محصولات اساسی کشاورزی است که جایگاه خاصی در الگوی تغذیۀ مردم ایران دارد و تأمین آن به معنی ایجاد امنیت غذایی است و رفاه اجتماعی اقشار متوسط و ضعیف از این محصول تأثیر می‌پذیرد (موسوی، 2007). کمبود این محصول و به دنبال آن، افزایش قیمت آن، موجب ایجاد تنش‌های اجتماعی و اعتصاب‌های سراسری در کشورهای مختلف جهان، ازجمله مصر و السالوادور شده است (مک کلافرتی، 2000)

تعریف کلی و اساسی پایداری در گزارش برونتلاند[ii] به این صورت بیان شده است: «توانایی پاسخگویی به نیازهای نسل امروز، بدون به خطر انداختن توانایی نسل‌های آینده برای رفع نیازهای خود را پایداری گویند». پایداری از دیدگاه کسب‌وکار به‌صورت ذیل تعریف می‌شود: «بهبود مداوم و متعادل عملکرد اجتماعی، زیست‌محیطی و اقتصادی در سراسر زنجیرۀ ارزش» (ویلز، 2016). انجمن بهداشت عمومی آمریکا[iii] «سیستم غذایی پایدار»[iv] را اینگونه تعریف می‌کند: «فراهم‌کردن مواد غذایی سالم برای رفع نیاز نسل کنونی، با حفظ سلامت اکوسیستم‌هایی که همچنان نیاز غذایی نسل بعدی را با حداقل اثر منفی بر محیط رفع می‌کنند» (هارمون و جرالد، 2007).

شکل شمارۀ 1، نشان‌دهندۀ ابعاد پایداری سیستم کشاورزی و زیربعدهای آن است. شاخص‌های پایداری برای سنجش یک یا مجموعه‌ای از این ابعاد به کار گرفته می‌شود. شاخص‌های متنوع و گوناگونی در پژوهش‌های علمی معرفی و استفاده شده‌ است. در سه دهۀ اخیر، چندین مقاله منتشر شده که شاخص‌های استفاده‌شده در کشاورزی را بررسی و معرفی کرده است (براگا، 2015؛ روی و چان، 2012؛ ویکاری، 1999). در این مقاله برای بررسی پایداری سیستم تولید گندم در هر بعد از یک شاخص استفاده شده است. شاخص خودکفایی در بعد اجتماعی، شاخص حجم تولید گندم در بعد اقتصادی و شاخص کیفیت خاک در بعد زیست‌محیطی استفاده شده‌ است.

 

اجتماع ( مردم)

محیط زیست (سیاره)

اقتصاد (سود)

ایمنی و کیفیت غذا

مهارت‌های کشاورزان

شرایط اجتماعی و اقتصادی کشاورزان

 

 

 

سلامتی و رفاه

محصولات و حیوانات

عرضۀ غذا

درآمد کشاورزان

محصولات غذایی پایدار

خاک/آب/هوا

انرژی/ تنوع زیستی

شکل 1- ابعاد پایداری و شاخص‌های مرتبط (براگا، 2015)

 

مسئلۀ پایداری، مسئلۀ چگونگی فراهم‌کردن اسباب تغذیۀ نسل کنونی از منابع موجود به صورتی است که تغذیۀ نسل‌های بعدی به خطر نیفتد؛ به عبارت دیگر، با منابع موجود، به‌گونه‌ای برنامه‌ریزی کنیم که نسل کنونی را تغذیه کنیم و نسل‌های بعدی را محروم نکنیم. با توجه به جغرافیای تقریباً بیابانی و نیمه‌بیابانی ایران و کمبود نزولات آسمانی و رویکرد بین‌المللی درزمینۀ پایداری سیستم‌ها به‌خصوص سیستم مواد غذایی و ضرورت تولید غذا برای نسل کنونی و نسل‌های آینده، ضروری است دربارۀ پایداری سیستم‌های مواد غذایی مطالعاتی انجام شود و براساس آن، اصلاحاتی در سیستم موجود شکل بگیرد و تدبیرهایی اتخاذ شود که پایداری سیستم غذایی را تضمین کند.در این پژوهش، با توجه به جایگاه گندم در سیستم غذایی کشور، مسئلۀ پایداری تولید گندم بحث و بررسی شده است. تأثیر و نقش هر یک از عوامل کلیدی مؤثر در تولید گندم و بر پایداری سیستم تولید، با استفاده از روش پویایی‌شناسی سیستم تجزیه‌وتحلیل شده است.

براساس یافته‌های مؤلفان، تاکنون پژوهشی انجام نشده ‌است که به‌طور کلان، مسئلۀ پایداری تولید گندم در کشور را بررسی کند. پژوهش‌های انجام‌شده در حوزۀ کشاورزی، به‌طور عمده به منطقۀ خاصی از کشور و در سطح استان و شهرستان محدود است و مسئلۀ پایداری تولید گندم در سطح ملی بررسی نشده است؛ بنابراین، این پژوهش در نوع خود، اولین پژوهشی است که این مسئله را واکاوی می‌کند.

درادامه، مبانی نظری موضوع در قسمت 2 و روش‌شناسی پژوهش، فرضیۀ پویا و طراحی حلقه‌های علّی در قسمت 3 بیان شده ‌است. در قسمت 4 به صحه‌گذاری متغیرها، مدل‌سازی جریان، شبیه‌سازی و اعتبارسنجی مدل و تحلیل حساسیت و سناریوهایی دربارۀ کیفیت خاک و سطح تکنولوژی توجه شده و بحث و بررسی نهایی در قسمت 5 و نتیجه‌گیری در قسمت 6 خلاصه شده‌ است.

2.      مبانی نظری موضوع

آلن و پروسپری (2016) مسئلۀ پایداری و امنیت غذایی را در سه کشور اسپانیا، فرانسه و ایتالیا با روش پویایی‌شناسی سیستم بحث و بررسی کردند. آنها عوامل مهمی را که به‌علت تغییرات زیست‌محیطی، اجتماعی و اقتصادی موجب آسیب‌پذیری و انعطاف‌پذیری پایداری و امنیت سیستم غذایی می‌شود، به‌طور مفصل برشمردند و تجزیه‌وتحلیل کردند. باستان و همکاران (2018) مسئلۀ پایداری سیستم‌های کشاورزی را با انتخاب محصول گل‌های زینتی در شهرستان دماوند بحث و بررسی کردند. آنان در پژوهش خود، مدیریت پایدار منابع آب و جلوگیری از تغییر کاربری زمین‌های کشاورزی را به‌عنوان دو عامل مهم بر پایداری سیستم کشاورزی برشمردند. تاکی و همکاران (2018) تأثیرات زیست‌محیطی مصرف انرژی برای تولید گندم در مرکز ایران را از روش تجزیه‌وتحلیل چرخۀ طول عمر بررسی کردند و به این نتیجه رسیدند که گندم دیم نسبت به گندم آبی به‌علت عملکرد کمتر در هکتار آلوده‌کننده‌تر است و مصرف کود و سوخت دیزل در تولید گندم، بیشترین سهم را در آلودگی محیط‌زیست دارد. کروکس و همکاران (2017) تأثیر تغییرات بارش و تنوع کشت محصول را بر پایداری سیستم تولید گندم در مزارع بدون شخم[v] در آفریقای جنوبی بررسی کردند. آنان به این نتیجه رسیدند که چرخش کشت محصول نسبت به کشت تک‌محصولی در یک زمین، برتری خاصی ندارد و بلکه تک‌محصولی بهتر است. قاسمی و همکاران (2020) پایداری زیست‌محیطی و اقتصادی تولید گندم در غرب ایران را با استفاده از تجزیه‌وتحلیل چرخۀ زندگی بررسی کردند. آنان به این نتیجه رسیدند که کاهش سوخت‌های فسیلی و گرم‌شدن کرۀ زمین از آثار زیست‌محیطی تولید گندم است که به‌طور عمده، ناشی از جریان الکتریکی و کود نیتروژن استفاده‌شده در کشت گندم است. فیندیاستوتی و همکاران (2018) دسترسی پایدار به مواد غذایی در اندونزی را با استفاده از روش پویایی‌شناسی سیستم شبیه‌سازی کردند. مدل آنها شامل عوامل اقتصادی، زیست‌محیطی و اجتماعی و ارتباطات بین این عوامل است. هوشیار و همکاران (2018) با استفاده از تجزیه‌وتحلیل ایمرژی، پایداری زیست‌محیطی تولید گندم و ذرت را در آب‌وهوای گرم مناطق جنوبی ایران بررسی کردند و به این نتیجه رسیدند که تولید گندم در این مناطق، پایداری بیشتری نسبت به تولید ذرت دارد و تولید ذرت در مقایسه با تولید گندم، به مراقبت‌های بیشتری، مخصوصاً دربارۀ مصرف نیتروژن و مصرف آب نیازمند است.یینگ و همکاران (2017) در مقالۀ خود، مدیریت نیتروژن را برای تولید پایدار گندم بررسی کردند و به این نتیجه رسیدند که مدیریت پایدار نیتروژن در تولید گندم برای بهره‌وری محصول، سودآوری شخصی، حفاظت از محیط‌ زیست و سلامتی انسان، اهمیت بسیار زیادی دارد. مسگری و همکاران (2017) با استفاده از روش پویایی‌شناسی سیستم مدلی را برای سیستم کشاورزی ملی ایران توسعه دادند و در این مدل، سه اصل تقاضا، عرضه و نظارت بر سیستم را تجزیه‌وتحلیل کردند و با ارائۀ سناریوهایی کوشیدند مدل ارائه‌شده را بهبود دهند. اویو و همکاران (2016) در پژوهش خود، مدل پویایی‌شناسی سیستمی را برای امنیت غذایی پایدار کشاورزان در صحراهای جنوب آفریقا ارائه کردند و در آن، عوامل فیزیکی‌ای را مطالعه کردند که با وجود تأثیرات شوک‌ها و استرس‌ها موجب موفقیت کشاورزان شده بود. آنها این پرسش را بررسی کردند که چگونه معیشت جوامع تولیدمحور را بدون حمایت عمومی یا پشتیبانی خارجی می‌توان بهبود بخشید. رابط و همکاران (2015) برای ساختار ماشینی‌کردن تولید گندم آبی در استان فارس برپایۀ روش پویایی‌شناسی سیستم مدلی را طراحی کردند.والترز و همکاران (2016) با مدل‌سازی پویایی‌شناسی سیستم، سیستم‌های تولید کشاورزی و اجزای اساسی آنها را بررسی کردند. آنها در مدل خود، پایداری سه سیستم‌های تولید متمایز شامل محصولات کشاورزی، دام و سیستم تولید ادغامی محصول و دام را ارزیابی کردند و به این نتیجه رسیدند که بیشترین پتانسیل پایداری در سیستم تولید محصولات کشاورزی وجود دارد. مارتین و همکاران (2017) با استفاده از روش بهینه‌سازی چندمعیاره، آثار زیست‌محیطی تولید گندم را در اسپانیا بررسی کردند. آنان برای تعیین کمیت آسیب‌های محیطی از روش تجزیه‌وتحلیل چرخۀ عمر و مفاهیم ردپای آب استفاده کردند و به این نتیجه رسیدند که تخصیص بهینۀ مناطق دیم و آبی به کشت گندم یک مسیر بالقوه برای به حداقل رساندن تأثیر محیطی مصرف آب است و جابه‌جایی بهینۀ مناطق، ضمن حفظ یا حتی افزایش سطح تولید، کاهش در خور ‌توجهی در آثار زیست‌محیطی ایجاد می‌کند. رن و همکاران (2019) در پژوهش خود، تأثیر اندازۀ مزرعه را بر پایداری اقتصادی و زیست‌محیطی در چین بررسی کردند و به این نتیجه رسیدند که افزایش اندازۀ مزرعه، تأثیر مثبتی بر سود خالص کشاورز و همچنین کارآیی اقتصادی، فنی و کارگری و کاهش آماری معنی‌دار استفاده از کود و سموم دفع آفات نباتی در هکتار دارد و مزایای مشخصی برای حفاظت از محیط زیست دارد. جدول شمارۀ 1، مقایسۀ برخی از پژوهش‌های انجام‌شده در زمینۀ پایداری سیستم‌های تولید کشاورزی را نمایش می‌دهد.

 

3.      روش‌شناسی پژوهش

3-1. رویکرد پویایی‌شناسی سیستم

سیستم مواد غذایی، متشکل از چند زیرسیستم زیست‌محیطی، اقتصادی و اجتماعی است که دربرگیرندۀ تعامل‌های متعدد و پیچیده بین انسان و محیط زیست است. ماهیت سیستمی این وابستگی و تعامل، نیازمند رویکردهای نظام‌مند و ابزارهای ارزیابی یکپارچه است. شناسایی و مدل‌سازی ویژگی‌های ذاتی سیستم غذایی به‌ صورتی که اطمینان حاصل شود نتایج ضروری خود را در طول زمان و در گذر نسل‌ها حفظ می‌کند و یا افزایش می‌دهد، به سازمان‌ها و نهادهای دولتی کمک می‌کند به سمت توسعۀ پایدار حرکت کرده، سیاست‌هایی را پی‌ریزی کنند که مشوق تحول‌های مثبت باشد. سیستم‌های اجتماعی و زیست‌محیطی را به‌صورت سیستم‌های پیچیدۀ انسان-طبیعت می‌توان تعریف کرد که با فرایندهای پویا و سازوکار‌های بازخورد متقابل به یکدیگر متصل است و تبادلات مهم انرژی و ماده در سراسر مرزهای تعریف‌شدۀ آنها وجود دارد (فولکه، 2006)؛ به همین علت، برای تحلیل پایداری سیستم غذایی با توجه به تعاملات پیچیدۀ زیرسیستم‌های موجود در آن، یکی از روش‌های کارا، روش پویایی‌شناسی سیستم[vi] است. در سال‌های اخیر، مطالعات گوناگونی در سیستم‌های پیچیده با استفاده از روش پویایی‌شناسی سیستم انجام شده ‌است (حاج حیدری و رحمتی، 2018؛ میرغفوری و همکاران، 2016). روش پویایی‌شناسی سیستم با فراهم‌کردن چارچوب مدل‌سازی علّی، روابط خطی و غیرخطی را لحاظ، رفتار درون‌زای متغیرها را تحلیل و بررسی و الزامات مربوط به اتخاذ سیاست‌ها و تصمیم‌گیری در مسائل مدیریتی را برآورده می‌کند. این روش‌شناسی با انجام‌دادن شبیه‌سازی و تحلیل رفتار سیستم با استفاده از فرضیه‌های مختلف، بازخوری برای سیاست‌گذاران درزمینۀ تأثیر سیاست‌ها فراهم می‌کند تا آنها به شکلی کارا و اثربخش سیاست‌گذاری کنند.

فرایند تحلیل سیستم در این روش از پنج گام تشکیل شده است: 1- تشریح مسئله؛ 2- طراحی فرضیۀ پویا؛ 3- شناسایی متغیرها، توسعۀ مدل پویا و شبیه‌سازی؛ 4- صحه‌گذاری متغیرها[vii] و اعتبارسنجی مدل پویا[viii] و 5- طراحی و ارزیابی سیاست (آذر و میرمهدی، 2012؛ استرمن، 2000).

 

3-2. فرمول‌بندی فرضیۀ پویا و طراحی حلقه‌های علّی

همانگونه که پیش‌تر بیان شد، برای حل مسئله به روش پویایی‌شناسی سیستم، به فرضیۀ پویا نیاز است. این فرضیه به این علت پویا نامیده می‌شود که باید ماهیت پویای مسئله را در قالب حلقه‌های بازخوردی توصیف کند. مدل‌ساز در فرضیۀ پویا، دلایل خود برای توجیه رفتار مسئلۀ مدنظر را به شکل فرضیه بیان می‌کند.

تولید گندم، مسئله‌ای پیچیده و چندوجهی است و از عوامل مختلفی تأثیر می‌گیرد. در مسئلۀ تولید گندم به شکل پایدار، عوامل مختلفی، ازجمله شرایط آب‌وهوایی و بارندگی، سطح دانش کشاورزان، کیفیت خاک، سطح تکنولوژی استفاده‌شده برای تولید گندم، میزان مصرف، سطح زیر کشت، میزان و نوع کود استفاده‌شده (شیمیایی یا طبیعی)، سم‌پاشی، منابع آب زیرزمینی، هزینه‌های تولید، قیمت گندم و حاشیۀ سود تولید گندم و کیفیت و نوع بذر، اثرگذار است (هوشیار و همکاران، 2018؛ طهماسبی و همکاران، 2018؛ مارتین و همکاران، 2017)؛ بنابراین، در این پژوهش، فرضیۀ پویا با در نظر گرفتن عوامل پیش‌گفته با استفاده از حلقه‌های علّی توسعه یافت.

با توجه به فرضیۀ پویا، از نگاه تحلیل‌گر، برخی از عوامل، ‌کنترل‌پذیر نیست (برون‌زا) و برخی از آنها در کنترل کشاورز یا سیاست‌گذار است؛ به‌عنوان مثال، میزان بارش، متغیری کنترل‌ناپذیر است و در فرضیۀ پویای ما نمی‌توان بر آن تأثیر گذاشت. درمقابل، تکنولوژی، عاملی است که با مدیریت درست منابع، رسیدگی به‌موقع و استفاده از برنامه‌های مناسب نگهداری و تعمیرات، می‌توان آن را ارتقا بخشید. شکل شمارۀ 2، بدنۀ اصلی فرضیۀ پویای این پژوهش را نشان می‌دهد. در این فرضیه، حلقۀ مربوط به استفاده از دانش و تکنولوژی، حلقه‌ای مثبت است ونشان می‌دهد سرمایه‌گذاری بیشتر در زمینه‌های افزایش سطح تکنولوژی و دانش جامعۀ کشاورزی، تولید بیشتری را به دنبال خواهد داشت. همچنین، حلقه‌های مربوط به استفاده از منابع طبیعی برای تولید گندم، همگی تعادلی است. این حلقه‌ها هدف‌گراست و در درازمدت، موجب توازن و ایجاد ثبات در سیستم می‌شود. تأثیر هر یک از متغیرهای تکنولوژی، دانش کشاورز، منابع آب، کیفیت خاک بر افزایش تولید و ذخیرۀ گندم و درنهایت، بر پایداری سیستم تولید گندم در این پژوهش بررسی شده است.

 

 

 

 

 

 

 

 

جدول 1- مقایسۀ برخی مطالعات انجامشده در زمینۀ پایداری سیستم کشاورزی

مؤلفان

ابعاد پایداری

روش پژوهش

هدف پژوهش

شاخص‌ها

زیست‌محیطی

اقتصادی

اجتماعی

هوشیار و همکاران (2018)

R

R

Q

تجزیه‌وتحلیل ایمرژی

بررسی پایداری سیستم‌های گندم و ذرت با استفاده از آنالیز ایمرژی

انرژی‌های تجدیدپذیر و تجدیدناپذیر،

سوخت، خدمات و نیروی کار

رن و همکاران (2019)

R

R

R

تجزیه‌وتحلیل آماری

بررسی تأثیر مساحت مزرعه بر پایداری

اندازۀ مزرعه

رابط و همکاران (2015)

R

R

Q

پویایی سیستم

ارزیابی ماشینی‌کردن تولید گندم در استان فارس

ضریب ماشینی‌کردن

قاسمی و همکاران (2020)

R

R

Q

تجزیه‌وتحلیل چرخۀ عمر

ارزیابی پایداری کشت گندم در همدان

انتشار گازهای گلخانه‌ای، بهره‌وری

تاکی و همکاران (2018)

R

Q

Q

تجزیه‌وتحلیل چرخۀ عمر

ارزیابی پایداری زیست‌محیطی تولید گندم دیم و آبی

بهره‌وری انرژی

یینگ و همکاران (2017)

R

Q

Q

تجزیه‌وتحلیل چرخۀ عمر

مدیریت مصرف صحیح نیتروژن در مزرعه و تأثیر آن بر پایداری

عملکرد دانه و کیفیت خاک

گالان مارتین و همکاران (2017)

Q

R

Q

بهینه‌سازی چندمعیاره، ارزیابی چرخۀ عمر

تخصیص بهینۀ زمین‌های زیر کشت به محصولات با هدف کاهش آثار زیست‌محیطی

تخلیۀ منابع، کیفیت اکوسیستم و تولید گندم

والترز و همکاران (2016)

R

R

R

پویایی سیستم

بررسی تأثیر سیستم‌های سه‌گانۀ تولید کشاورزی، دامداری و سیستم مشترک دام و کشاورزی بر پایداری

کیفیت زیست‌محیطی، کیفیت اجتماعی، تولید محصول

اویو و همکاران (2016)

R

R

R

پویایی سیستم

ایجاد یک مدل پویایی سیستم برای امنیت غذایی پایدار و بررسی عواملی برای راحتی امرار معاش کشاورزان تانزانیا

امنیت غذایی

فیندیاستوتی و همکاران (2018)

R

R

R

پویایی سیستم

طراحی سیاست برای دسترسی پایدار به مواد غذایی در اندونزی

دسترسی به مواد غذایی

کروکس و همکاران (2017)

R

R

Q

پویایی سیستم

ارزیابی تنوع کشت محصول بر پایداری کشاورزی در زمین‌های بدون شخم

ارزش خالص فعلی (NPV)، کیفیت خاک

مسگری و همکاران (2017)

R

R

Q

پویایی سیستم

بررسی رفتارها و روابط درون سیستم کشاورزی و تجزیه‌وتحلیل سناریوها

عرضه و تقاضا

پژوهش حاضر

R

R

R

پویایی سیستم

بررسی پایداری سیستم تولید گندم در ایران

خودکفایی، کیفیت خاک، تولید گندم

 

 

شکل 1- فرضیۀ پویای مسئله

 

شکل شمارۀ 3، نمودار علّی-حلقوی مسئله را نمایش می‌دهد. حلقه‌های تعادلی 1B تا 4B، اثر جمعیت و سطح زیر کشت را بر تولید گندم نشان می‌دهد. تولید و مصرف گندم نیز همچون هر فراوردۀ دیگری از قانون عرضه و تقاضا تبعیت می‌کند. هرچه میزان عرضۀ گندم افزایش یابد، قیمت آن کاهش می‌یابد و هرچه برای تقاضای موجود، کمبود گندم وجود داشته باشد، قیمت آن در بازار افزایش می‌یابد. در این میان، دولت با خرید تضمینی گندم در این معادله، اختلال ایجاد می‌کند و باعث ایجاد تعادل جدیدی می‌شود. این مداخله اجازه نمی‌دهد قیمت گندم افزایش زیاد و همچنین سطح زیر کشت گندم، کاهش زیادی داشته باشد (علی‌پور و همکاران، 2018). شاید بتوان گفت با توجه به استراتژیک‌بودن گندم و اهمیت آن در سبد مصرف، مداخلۀ دولت پرهیز‌ناپذیر است.

حلقه‌های تعادلی 6B و 7B، اثر منابع آب و تکنولوژی آبیاری را بر تولید گندم نشان می‌دهد. به‌طور طبیعی، افزایش سطح زیر کشت گندم، موجب افزایش مصرف آب و کاهش منابع آن می‌شود. درمقابل، استفاده از تکنولوژی‌های نوین آبیاری، همچون آبیاری بارانی، موجب کاهش مصرف آب و افزایش بازده تولید می‌شود (کیخایی و گنجی، 2016).

حلقه‌های تعادلی 8B و افزایشی 1R، اثر کیفیت خاک را بر تولید گندم نشان می‌دهد. استفاده از کودهای شیمیایی در کوتاه‌مدت، بازده تولید را افزایش می‌دهد؛ ولی استفادۀ بیش‌ازاندازه از این نوع کود در بلندمدت، موجب کاهش کیفیت خاک و درنهایت، کاهش تولید می‌شود (جئو و همکاران، 2019). علاوه بر این، استفاده از کودهای شیمیایی، موجب تخریب محیط زیست و آب‌های زیرزمینی نیز می‌شود (نیکخواه و همکاران، 2016). کودهای طبیعی درمقابل، قدرت کودهای شیمیایی را برای افزایش بازده تولید ندارد و اثر آنها با تأخیر بیشتری نسبت به کودهای شیمیایی ظاهر می‌شود؛ اما این نوع کود، اثر مخرب بر کیفیت خاک و محیط زیست ندارد و در طولانی‌مدت نیز بازده را افزایش می‌دهد (اسمتانا و همکاران، 2017).

 

شکل 2- نمودار علّی-حلقوی مسئله

 

حلقه‌های افزایشی 2R تا 4R، اثر آموزش و دانش کشاورزی را بر بازده تولید گندم نشان می‌دهد. درابتدا، آموزش به‌عنوان یک نهادۀ هزینه‌زا در کشاورزی وارد می‌شود؛ اما در طول زمان، این نهاده، موجب افزایش دانش کشاورزان، تصمیم‌گیری بهتر آنها و افزایش بهره‌وری تولید می‌شود. علاوه بر این، آموزش، سواد کشاورزان را برای استفاده از تکنولوژی‌های نوین ارتقا می‌دهد و بر این اساس نیز تولید گندم افزایش می‌یابد (اقتداری و میردامادی، 2016). نکتۀ دیگری که در این پویایی وجود دارد، حس کشاورزان به اثربخش‌بودن آموزش با توجه به افزایش تولید و افزایش انگیزه در آنها برای آموزش است.

 

4.      مطالعۀ کاربردی و یافته‌ها

4-1 صحه‌گذاری متغیرهای مدل پویا

4-1-1        بارش: برای شبیه‌سازی و اجرای مدل از داده‌های تولید گندم در ایران استفاده شد. داده‌های بارش سالیانه از سایت بانک جهانی (سایت بانک جهانی، 2019)، داده‌های تولید گندم سالیانه و نهاده‌های آن از سایت فائو (فائو، 2019) و گزارش‌های آماری سالیانۀ وزارت جهاد کشاورزی (سایت جهاد کشاورزی، 2019)و همچنین میزان مصرف سالیانه، از سایت ایندکس میوندی[ix] (ایندکس میوندی، 2019) اخذ شد.شکل شمارۀ 4، نشان‌دهندۀ میزان تولید گندم سالیانه و سایر نهاده‌های تولید گندم ایران است. این نمودار نمایش می‌دهد حجم بارش سالیانۀ ایران در بیشتر موارد بین 300 تا 500 میلیارد مترمکعب در نوسان بوده است. شیب منفی خط رگرسیون تخمین‌زدهشده نشان می‌دهد در این سال‌ها متوسط میزان بارش، سیر نزولی داشته است. مشاهده می‌شود که هم‌زمان با نرخ منفی بارش سالانه، تولید گندم افزایش یافته است و این موضوع، نشان‌دهندۀ استفاده از ظرفیت سایر نهاده‌های تولید گندم، همانند ماشین‌آلات کشاورزی و کود و ... است. در سال‌هایی همانند سال 1368 و 1387، که بارش سالانه با افت شدید مواجه بوده است، تولید گندم نیز به‌تبع آن کاهش یافته است.

 

 

4-1-2        سطح زیر کشت: نمودار موجود در شکل شمارۀ 4 نشان می‌دهد با افزایش سطح زیر کشت، تولید گندم نیز افزایش یافته است؛ ولی نرخ افزایش تولید گندم، بیشتر از نرخ افزایش سطح زیر کشت است. سطح زیر کشت در سال 1340 معادل 3300000 هکتار بوده است که به 6700000 هکتار در سال 1397 افزایش یافته است؛ اما تولید گندم در سال 1340 معادل 2600000 تن بوده است که به 14500000 تن در سال 1397 افزایش یافته است؛ بهعبارت‌دیگر، عملکرد گندم در طول زمان نیز افزایش داشته است. عملکرد گندم از 8235/0 تن در هکتار در سال 1340 به 164/2 تن در هکتار در سال 1397 افزایش یافته است. این افزایش در عملکرد گندم ناشی از تأثیر سایر نهاده‌های مؤثر در تولید گندم، همانند استفاده از کودهاست.

 

 

شکل 3- حجم تولید سالیانۀ گندم و سایر نهاده‌های تولید گندم

 

4-1-3        ماشین‌آلاتکشاورزی: همانگونه که در شکل شمارۀ 4 مشاهده می‌شود، تولید گندم سالیانه، همگام با افزایش تعداد تراکتور افزایش می‌یابد. این نمودار، افزایش نرخ تولید گندم را با استفاده از ماشین‌آلات کشاورزی به‌طور ملموس نمایش می‌دهد. در سال‌هایی مانند سال 1368 و 1378 و 1379 و 1387 تولید، افت شدید داشته است که باید علت آن بررسی شود. ظاهراً همانگونه که نمودارها نمایش می‌دهد، افت تولید گندم در این سال‌ها به تعداد ماشین‌آلات کشاورزی ارتباطی ندارد.

4-1-4        کودهای کشاورزی: بدون شک، استفاده از کود، موجب افزایش تولید محصولات کشاورزی می‌شود؛ اما مصرف آن باید براساس استانداردهای جهانی باشد؛ در غیر این صورت، افزایش مصرف، موجب ایجاد ناهنجاری‌های در محیط‌زیست و زمین‌های کشت‌پذیر می‌شود. شکل شمارۀ 4، میزان استفاده از کودهای شیمیایی و میزان تولید گندم در ایران را در سال‌های 1339 تا 1387 نشان می‌دهد.

 

 

4-2 مدل‌سازی حالت- جریان

شکل شمارۀ 5، مدل جریان مسئلۀ تولید گندم را نشان می‌دهد. مفروضات و بخش‌های مختلف مدل حالت-جریان مسئله به شرح ذیل است.

4-2-1        مفروضات مدل: مفروضات مدل به شرح ذیل است: 1- سطح ذخیرۀ اطمینان به اندازۀ حجم مصرف سه ماه در نظر گرفته‌شده است؛ 2- سطح ذخیرۀ مطلوب برای اقدام به صادرات به اندازۀ مصرف یکسال است؛ 3- در صورت نیاز به واردات، 80 تا 90 درصد حجم لازم وارد می‌شود؛ 4- در صورت اقدام به صادرات، 20 درصد حجم سفارش درخواستی صادر می‌شود (درحقیقت، تاکنون صادرات زیادی نداشته‌ایم؛ به همین علت، حجم صادرات اندک در نظر گرفته شد)؛ 5- قیمت متوسط هر تن گندم، تقریباً 190 دلار از سایت ایندکس میوندی اخذ شد که با در نظر گرفتن دلار پانزده هزار تومان تبدیل‌شده است؛ 6- میزان مصرف سالیانۀ کود ارگانیک، به‌طور تصادفی بین 15 تا 30 تن در هکتار در نظر گرفتهشده است و 7- نرخ فرسودگی تکنولوژی، به‌طور خطی و برابر با 7/7 درصد در نظر گرفته شدهاست.

4-2-2        کیفیت خاک: یکی از مسائل مهم در پایداری زیست‌محیطی و کشاورزی، ارزیابی و حفظ کیفیت خاک است. برای ارزیابی کیفیت خاک از شاخص‌های فیزیکی، شیمیایی و بیولوژی استفاده می‌شود. ازآنجاکه بررسی تمام خصوصیات خاک، پرهزینه و طاقتفرساست، تعدادی از خصوصیات خاک، که دربرگیرندۀ قسمت اعظم ویژگی خاک است، به‌عنوان مجموعه حداقل داده‌ها[x] برای ارزیابی و محاسبۀ کیفیت خاک در این مدل به کار رفته است. فرمولی که برای ارزیابی و محاسبۀ کیفیت خاک در این مدل به کار گرفته‌شده است، برگرفته از پژوهش محقق و همکاران است (محقق و نادری، 2016). آنها از بین 29 ویژگی فیزیکی و شیمیایی خاک، هفت ویژگی (درصد عناصر مس، روی، کبالت و فسفر و درصد شن[xi]، لای[xii] و خاکدانه‌های پایدار در آب[xiii]) را به‌عنوان مجموعه حداقل داده برای ارزیابی کیفیت خاک انتخاب کردند. میزان تأثیر کودهای شیمیایی و ارگانیک بر ویژگی‌های مس، روی، کبالت و فسفر از پایان‌نامۀ کارشناسی ارشد متقی، رشتۀ علوم و مهندسی خاک، دانشکدۀ کشاورزی دانشگاه ایلام (متقی، 2015) و میزان تأثیر کودهای شیمیایی و ارگانیک بر ویژگی‌های شن و لای و درصد خاک‌دانه‌های پایدار در آب از پایان‌نامۀ کارشناسی ارشد براهیمی، رشتۀ خاک‌شناسی، دانشکدۀ کشاورزی دانشگاه صنعتی اصفهان (براهیمی، 2001) اخذ شده است. آنها در پایان‌نامه‌های خود، تأثیر کودهای شیمیایی و ارگانیک را بر برخی از ویژگی‌های خاک بررسی کردند.

4-2-3        تکنولوژی: یکی از عوامل مؤثر بر رشد سطح زیر کشت و حجم تولید گندم، استفاده از تکنولوژی در کشاورزی است. در این مدل، تکنولوژی به‌عنوان یک متغیر سطح در نظر گرفته شده است که آمار آن تا سال 2003 از سایت فائو (2019) و از آن تاریخ به بعد از سایت وزارت جهاد کشاورزی (2019) اخذ شده است. براساس پژوهش‌های انجام‌شده، عمر مفید ماشین‌آلات کشاورزی، حداکثر 13سال است(مرادی و همکاران، 2014). براساس عمر مفید 13ساله، فرض شده است که تجهیزات خریداری‌شده، طی 13 سال کاملاً فرسوده می‌شود و نرخ فرسودگی سالیانه، خطی و به میزان یکسان برابر با مقدار 7/7 درصد تعیین شده است. نرخ خرید نیز براساس درصد افزایش سالیانۀ تجهیزات کشاورزی نسبت به سال قبل محاسبه شده است. میانگین ضایعات برداشت محصول با کمباین از سه‌درصد تا پانزده‌درصد محاسبه شده است که عمر کمباین، چگونگی نگهداری آن، آموزش‌های رانندۀ آن و کشاورز و ... بر این ضایعات مؤثر است (امیرنژاد و همکاران، 2009). صبوری و همکاران در پژوهش خود به این نتیجه رسیدند که 24 درصد تغییرات متغیر انتخاب کود مناسب و 18 درصد تغییرات متغیر کاهش ضایعات گندم براثر فعالیت‌های آموزشی و ترویجی در طرح محوری گندم در سال‌های 82-83 بوده است(صبوری و همکاران، 2008). قربانی در پژوهش «عوامل موثر بر سرمایه‌گذاری کشاورزان استان خراسان رضوی در ماشین‌های کشاورزی (کاربرد روش دومرحله‌ای هکمنبه این نتیجه رسید که با افزایش یک واحد یا یک کلاس به متوسط تحصیلات بهره‌بردار و با ثابت‌بودن سایر عوامل، به متوسط میزان سرمایه‌گذاری انجام‌شده در ماشین‌های کشاورزی، 18/0 واحد افزوده خواهد شد (قربانی، 2009). بنا بر مطالعات انجام‌شده، بهره‌وری ماشین‌آلات کشاورزی در کشور، به‌طور متوسط در سال‌های 1355-1382 در حدود 225/13 درصد بوده است که ظاهراً علت اصلی آن، استفادۀ ناکارآمد از ماشین‌آلات است(امیرتیموری و خلیلیان، 2008). در این پژوهش فرض شده است که می‌توان با استفادۀ کارآمد از ماشین‌آلات، بهره‌وری آنها را افزایش داد.

4-2-4        تابع عملکرد گندم: تابع عملکرد گندم، نشان‌دهندۀ حجم تولید گندم در هکتار است که براساس عوامل میزان کود استفادهشده و حجم ماشین‌آلات و حجم بارش سالیانه و سابقۀ رفتار این عوامل، شبیه‌سازی شده است. با توجه به سابقۀ رفتار این عوامل، مشخص است که حجم بارش سالیانه، تأثیر زیادی بر افزایش حجم تولید گندم نداشته و فقط به‌عنوان یک پارامتر محدودکنندۀ تولید گندم در سال‌هایی که حجم بارش سالیانه از آستانۀ مشخصی کمتر شده، عمل کرده است. میانگین حجم بارش سالیانه در دورۀ بررسی‌شده در این پژوهش، برابر با 370 میلیارد متر مکعب بوده است و از مقایسۀ نمودارهای تولید گندم و حجم بارش سالیانه مشخص می‌شود که هرگاه، حجم بارش سالیانه از 350 میلیارد متر مکعب کمتر شده، میزان سطح زیر کشت گندم و به‌تبع آن، حجم تولید گندم نیز کاهش یافته است؛ بنابراین، در شبیه‌سازی تابع تولید گندم، بارش به‌عنوان پارامتری محدودکننده ظاهر شده است.

 

 

شکل 4- مدل حالت-جریان شبیه‌سازی‌شدۀ مسئله

4-2-5        تولید و ذخیرۀ گندم: در این نمودار، تولید کل از مجموع تولید گندم، واردات، تولید حاصل از کاهش ضایعات و تولید حاصل از افزایش بهره‌وری به دست می‌آید و مصرف گندم، حاصل‌جمع مصرف داخلی و صادرات است. ذخیرۀ گندم از اختلاف تولید کل و مصرف گندم حاصل می‌شود که نشان‌دهندۀ حجم ذخیرۀ گندم در انتهای سال است. تولید گندم، حاصل‌ضرب سطح زیر کشت و تابع عملکرد گندم به اضافۀ تأثیر کیفیت خاک بر حجم تولید گندم است. رابطۀ کیفیت خاک و تولید گندم با استفاده از مقالۀ ثروتی و همکاران (2014) برآورد شده است. در این مدل، حجم ذخیرۀ گندم با سطح ذخیرۀ اطمینان مقایسه می‌شود و درصورتی‌ که کمتر از سطح ذخیرۀ اطمینان باشد، برای واردات گندم اقدام می‌شود. میزانذخیرۀ اطمینان برابر با مصرف یک دورۀ سه‌ماهه در کشور است. همچنین صادرات در صورتی انجام می‌شود که حجم ذخیرۀ گندم از سطح ذخیرۀ مطلوب بیشتر باشد.

 

4-3          شبیه‌سازی مدل پویا

برای شبیه‌سازی مسئله، ابتدا تابع عملکرد گندم با استفاده از داده‌های تکنولوژی، کود و بارش تخمین زده شد. با توجه به شکل شمارۀ 4 مشخص می‌شود که متغیرهای کود و تکنولوژی، همبستگی زیادی با تولید گندم دارند؛ ولی متغیر بارش، همبستگی زیادی با تولید گندم ندارد و حجم بارش سالیانه به‌عنوان یک محدودکنندۀ تولید گندم عمل کرده است؛ ولی با افزایش سایر متغیرها، تولید گندم نیز افزایش یافته است؛ بنابراین برای تخمین تابع عملکرد گندم با استفاده از نرم‌افزار SPSS رگرسیون چندمتغیرۀ خطی بین متغیرهای کود و تکنولوژی محاسبه و متغیر بارش به‌عنوان یک متغیر کنترل‌گر استفاده شد؛ بدین‌ترتیب که اگر میزان بارش از آستانۀ مشخصی کمتر شد، تولید گندم را کاهش می‌دهد؛ همچنان‌که این امر در سال‌های 1368 و 1378-1380 و 1387 مشهود است. بعد از محاسبۀ تابع عملکرد تولید گندم، با توجه به سطح زیر کشت، حجم تولید گندم سالیانه محاسبه شده است. تابع نرخ تولید کل، برابر با مجموع تولید سالیانه و واردات گندم سالیانه است. همچنین تابع مصرف کل نیز از مجموع مصرف سالیانه و صادرات حاصل می‌شود. اختلاف نرخ تولید کل و نرخ مصرف کل، نشان‌دهندۀ ذخیرۀ گندم سالیانه است.

 

4-4          اعتبارسنجی مدل پویا

برای اینکه مدل شبیه‌سازی‌شده به‌عنوان ابزاری مؤثر استفاده شود، باید با آزمون‌های متعدد طراحی‌شده در این زمینه، اعتبارسنجی شود. این آزمون‌ها به سه دستۀ کلی آزمون‌های متمرکز بر ساختار و رفتار و مضامین سیاست مدل تقسیم‌بندی می‌شود (سوشیل، 2008). برای اعتبارسنجی وضعیت مدل این پژوهش از چهار آزمون بازتولید رفتار، آزمون شرایط حدی، آزمون سازگاری ابعادی و آزمون کفایت مرز استفاده می‌شود.

4-4-1        آزمون بازتولید رفتار: در این آزمون، رفتار مدل با رفتار سیستم واقعی مقایسه می‌شود. این آزمون برای اعتبارسنجی رفتار مدل به کار می‌رود. نمودار داده‌های واقعی و شبیه‌سازی‌شده تولید گندم در شکل شمارۀ 6 مشاهده می‌شود.برای مقایسۀ داده‌های حاصل از شبیه‌سازی و داده‌های واقعی، ابتدا با استفاده از آزمون آماری مقایسۀ واریانس، برابری واریانس دو جامعه اثبات و سپس با استفاده از آزمون t برای دو جامعه با واریانس برابر، میانگین‌های دو جامعه با یکدیگر مقایسه شد. نتایج حاصل از این آزمون نشان داد در سطح اطمینان یک‌درصد، واریانس‌ها و میانگین‌های دو جامعه با یکدیگر برابر است. در آزمون بازتولید رفتار، استفاده از روش‌های آماری، همانند درصد خطای MSE، درصد خطای مجذورات RMSPE[xiv]، خطای RSE، خطای RMSE و خطای استاندارد SE متداول است (حاجی غلامی سریزدی و مشایخی، 2017). استرمن درصد خطای مجذورات RMSPE را رویّه‌ای معمول و ساده برای ارزیابی رفتار مدل می‌داند.

 

 

شکل 5- نمودار داده‌های واقعی و شبیه‌سازی‌شدۀ تولید گندم

 

شاخص RMSPE، که نشان‌دهندۀ میزان انحراف مقادیر شبیه‌سازی‌شده از مقادیر واقعی است، به‌صورت فرمول شمارۀ 1 محاسبه می‌شود (استرمن، 1984).

 

(1)

 

که در این فرمول،  مقدار شبیه‌سازی‌شده در زمان i و  مقدار واقعی در زمان i و nتعداد دوره است. همچنین ضرایب نابرابری تِیل، که  نام دارند و روابط آنها در فرمول‌های شمارۀ 2-4 مشخص شده است (استرمن، 1984)، برای پیش‌بینی منابع ایجاد خطا در مدل استفاده شد.

 

(2)

(3)

(4)

میانگین مقادیر واقعی و میانگین مقادیر شبیه‌سازی‌شده است.  نیز بهترتیب، انحراف استاندارد مقادیر واقعی و مقادیر شبیه‌سازی‌شده است. r ضریب همبستگی بین مقادیر واقعی و شبیه‌سازی‌شده است. مجموع سه شاخص مذکور، همیشه برابر با یک است. نشان‌دهندۀ میزان خطای نظام‌مند است و هرچه به صفر نزدیک‌تر باشد، مطلوب‌تر است. نوعی واریانس است که نشان‌دهندۀ میزان برابری انحراف استاندارد مقادیر شبیه‌سازی‌شده و مقادیر واقعی است و بنابراین بهتر است برابر با صفر یا به آن نزدیک باشد. نوعی کوواریانس است که خطای غیرنظام‌مند را اندازه‌گیری می‌کند و هرچه به یک نزدیک‌تر باشد، مطلوب‌تر است (استرمن، 1984). مقادیر محاسبه‌شدۀ این شاخص‌ها در جدول شمارۀ 2 مشاهده می‌شود. اگر مقدار بیشتر از 75/0 باشد، عملکرد مدل، بسیار خوب ارزیابی می‌شود (سبزی‌پرور و همکاران، 2019). مقادیر شاخص‌ها نشان می‌دهد مدل، اعتبار خوبی دارد.

جدول 2- مقادیر شاخص‌های آماری نمایشگر اعتبار مدل

شاخص

RMSPE

R

مقدار

1712/0

95/0

90/0

10-4*4/1

7-10*1

9998/0

 

4-4-2        آزمون شرایط حدی:در این آزمون مشخص می‌شود که آیا تمامی معادلات مدل درصورت قرارگرفتن در معرض مقادیر حدی و امکان‌پذیر، باز معنادار باقی خواهد ماند؟(سوشیل، 2008) در اینجا، نمونه‌ای از رفتار مدل در شکل شمارۀ 7 مشاهده می‌شود. در این آزمون، سطح زیر کشت برابر با صفر قرار داده شد. همانگونه که مشاهده می‌شود، به‌علت نبود سطحزیر کشت، حجم تولید گندم، صفر است.

 

 

شکل 6- آزمون شرایط حدی مدل

 

4-4-3        آزمون سازگاری ابعادی: این آزمون، یکی از آزمون‌های ساختار مدل است که مشخص می‌کند آیا ابعاد متغیرها در هر دو سمت معادله، در حالت موازنه قرار دارد(سوشیل، 2008). برای انجام‌دادن این مورد، علاوه بر استفاده از امکانات موجود در نرم‌افزار ونسیم، به‌صورت دستی نیز ابعاد در دو طرف معادلات کنترل و بازبینی شد.

4-4-4        آزمون کفایت مرز:این آزمون نیز یکی از آزمون‌های ساختار مدل است که مشخص می‌کند آیا مدل، تمام ساختار مرتبط، شامل متغیرها و تأثیرات بازخوری لازم برای مسئله را در برمی‌گیرد؟ (سوشیل، 2008) مطالعات انجام‌شده دربارۀ متغیرهای مؤثر در مدل و رفتار آنها، کفایت مرز مدل را نشان می‌دهد.

4-4-5        آزمون تأیید ساختار: آزمونتأیید ساختار، به‌طور تجربی به معنای مقایسۀ شکل معادلات مدل با روابط موجود در سیستم‌های واقعی است. روابطیکه در معادلات مدل به‌کاررفته است، باید با دانش توصیفی سیستم مطابقت داشته باشد. همچنین ممکن است مقایسۀ معادلات مدل با دانش عمومی سیستم، به‌عنوان آزمون‌های نظری انجام شود. تمام روابط باید به‌خوبی استدلال شود و براساس اطلاعات موجود باشد. ساختار مدل باید با اهداف و محدودیت‌های سیستم‌های واقعی مطابقت داشته باشد. تأیید ساختار مدل، کار ساده‌ای است و مهارت کمتری نسبت به برخی از آزمایش‌های دیگر دارد (بالا و همکاران، 2016). با توجه به اینکه تمام ساختار علّی-حلقوی و نمودار جریان مدل و تمام معادلات مدل مبتنی بر پژوهش‌های پژوهشگران کشاورزی است- که در قسمت‌های قبل، جزءبه‌جزءآنها تشریح شد- ساختار مدل تأیید می‌شود.

 

4-5          تحلیل حساسیت

به‌علت وابستگی شدید کشاورزی به آب و بارش سالیانه، متغیر بارش سالیانه برای تحلیل حساسیت مدل انتخاب شد. با توجه به نمودارهای شبیه‌سازی‌شدۀ شکل شمارۀ 8 کاملاً مشهود است که هر گونه تغییر در حجم بارش سالیانه، تأثیر مستقیم بر حجم تولید گندم دارد. کاهش حجم بارش سالیانه، موجب ایجاد نوسان‌های زیاد در حجم تولید می‌شود؛ در صورتی ‌که افزایش حجم بارش باعث هموارترشدن نمودار تولید گندم شده است. شاید بتوان گفت سایر نهاده‌های تولید گندم به اندازۀ ظرفیت متوسط بارش سالیانه اشباع شده‌اند و افزایش حجم بارش، موجب به کار گرفتن تمام ظرفیت عوامل تولید گندم می‌شود؛ به همین علت، افزایش حجم پانزده‌درصدی بارش، موجب هموارشدن نمودار می‌شود و کاهش آن شکستگی‌های شدید در نمودار ایجاد می‌کند؛ بنابراین، استفادۀ حداکثری از میزان بارش سالیانه، به افزایش حجم تولید کمک می‌کند. در سال‌های اولیه، افزایش یا کاهش حجم بارش، تأثیر زیادی در تولید گندم نداشته و این موضوع به‌علت استفادۀ کمتر از سایر نهاده‌های تولید، همانند ماشین‌آلات کشاورزی، کود و ... بوده است.

 

4-6          سناریوسازی

بعد از اعتبار سنجی مدل، می‌توان از آن برای تدوین انواع سناریوهای مدنظر برای آینده استفاده کرد. افزایش دوبرابری سطح زیر کشت در تقریباً 50سال، مرهون استفاده از تکنولوژی نوین در امر کشاورزی بوده است و همانگونه که پیش‌تر گفته شد، افزایش عملکرد گندم از 8235/0 تن در هکتار در سال 1340 به 164/2 تن در هکتار در سال 1397، بیشتر به‌علت استفاده از کودهای شیمیایی بوده است و زیاده‌روی در استفاده از این کودها باعث کاهش کیفیت خاک و به خطر افتادن پایداری زیست‌محیطی و به‌تبع آن، پایداری غذایی می‌شود؛ به همین علت، در این پژوهش، سناریوهای مختلفی دربارۀ سطح تکنولوژی و کیفیت خاک تدوین‌ شده است. در سناریوی اول، نتایج حاصل از مدل در صورتی‌ تجزیه‌وتحلیل می‌شود که سطح تکنولوژی، پنج‌درصد و ده‌درصد از مقدار کنونی، بیشتر یا کمتر شود.

 

شکل 7- تأثیر نوسان بارش بر تولید و ذخیرۀ گندم

 

در سناریوی دوم، تأثیر پنج‌درصدی کاهش استفاده از کود شیمیایی و افزایش ده‌درصدی استفاده از کودهای ارگانیک بر کیفیت خاک و درنهایت، بر تولید گندم بررسی می‌شود. درانتها، ترکیبی از سناریوهای مذکور به همراه حساسیت آنها به بارش باران تجزیه‌وتحلیل می‌شود.

4-6-1        سناریوی نوسان سطح تکنولوژی: با نوسان پنج و دهدرصدی ماشین‌آلات، حجم و ذخیرۀ تولید، همچنان که در نمودار شکل شمارۀ 9 مشهود است، افزایش پیدا می‌کند. حداکثر افزایش در حجم تولید در سال‌های انتهایی در حدود پنج‌درصد است؛ ولی در سال‌های اولیه به‌علت اینکه حجم ماشین‌آلات کشاورزی، بسیار کم است، افزایش دهدرصدی، تأثیری بر حجم تولید ندارد. در سال‌های انتهایی به‌علت رشد نسبتاً خوب حجم ماشین‌آلات، افزایش دهدرصدی آن، موجب افزایش حدوداًپنجدرصدی در حجم تولید گندم خواهد شد. البته این روند، به‌طور معکوس برای سناریوی کاهش سطح ماشین‌آلات کشاورزی در نمودارها مشاهده می‌شود. کاهش استفاده از ماشین‌آلات کشاورزی به‌طور مستقیم موجب کاهش سطح زیر کشت و درنهایت، موجب کاهش سطح تولید گندم می‌شود.به‌طور کلی، گفتنی است حجم تولید سالیانه نسبت به سطح ماشین‌آلات، حساسیت زیادی دارد؛ بنابراین برای رسیدن به خودکفایی و تولید پایدار باید برای آموزش استفادۀ بهینه از ماشین‌آلات کشاورزی و نگهداری و تعمیرات و کاهش ضایعات آنها به جامعۀ کشاورزی و در صورت لزوم برای تعویض و جایگزینی ماشین‌آلات فرسوده برنامه‌ریزی شود. یکسان‌بودن شکستگی‌های 5 نمودار موجود در شکل شمارۀ 11، نشان‌دهندۀ تأثیر بارش بر حجم تولید است؛ به‌گونه‌ای که در صورت کاهش یا افزایش سطح ماشین‌آلات، نوسان‌های رخ‌داده به‌علت کاهش میزان بارش، پابرجاست؛ یعنی زمانی که بارش از آستانۀ حدی کمتر شود، افزایش سایر نهاده‌های تولید، ازقبیل سطح تکنولوژی به افزایش حجم تولید کمکی نخواهد کرد.

 

شکل 8- تأثیر سناریوهای تغییر سطح تکنولوژی بر تولید و ذخیرۀ گندم

 

4-6-2.       سناریوی افزایش کیفیت خاک: برای افزایش میزان کیفیت خاک، حجم کود ارگانیک به میزان ده‌درصد افزایش و حجم کود معدنی را پنج‌درصد کاهش می‌یابد. همانگونه که در شکل شمارۀ 10 مشاهده می‌شود، به‌علت افزایش استفاده از کودهای ارگانیک و کاهش استفاده از کودهای شیمیایی، کیفیت خاک افزایش می‌یابد؛ ولی کاهش استفاده از کودهای شیمیایی، اندکی موجب کاهش تولید گندم شده است. مشاهدات قربانی و همکاران نیز مؤید این نتیجه است. قربانی و همکاران ثابت کردند در صورت حذف نهاده‌های شیمیایی از فرایند تولید، میزان عملکرد گندم، 95/18 درصد کاهش می‌یابد(قربانی و همکاران، 2009). برخی از پژوهشگران نیز از تأثیر مثبت حذف نهاده‌های شیمیایی بر میزان عملکرد گندم گزارش دادند (عابدی و همکاران، 2009؛ احمد و همکاران، 2008).

 

 

شکل 9- تأثیر سناریوی تغییر ترکیب کودها بر تولید گندم و کیفیت خاک

 

سناریوهای ترکیبی: چهار سناریوی ترکیبی در جدول شمارۀ 3 مشاهده می‌شود. به نظر می‌رسد در صورت استفاده از ماشین‌آلات و تجهیزات کشاورزی، کاهش بارش باران تا حدود زیادی جبران می‌شود؛ البته به شرطی که میزان بارش، کمتر از میانگین بارش سالیانه نباشد. در شکل شمارۀ 11، رفتار مدل براثر سناریوهای ترکیبی مشاهده می‌شود. در تمام ترکیبات کود معدنی، پنج‌درصد کاهش و کود ارگانیک ده‌درصد افزایش داشته است که همانگونه که در سناریوی قبل مشخص شد، موجب افزایش کیفیت خاک شده است. نمودارهای شمارۀ 2 و 3، نشان‌دهندۀ ترکیبات 1 و 2 است که در افزایش پنج‌درصدی سطح تکنولوژی مشترکند و نمودارهای شمارۀ 4 و 5 نشان‌دهندۀ ترکیبات 3 و 4 هستند که کاهش پنج‌درصدی سطح تکنولوژی را نشان می‌دهد. آنچه موجب تمایز آنها از یکدیگر شده است، نوسان پانزده‌درصدی میزان بارش است که در نقاطی که از آستانۀ حدی کمتر آمده است، باعث افت تولید گندم شده است. این رفتار نشان می‌دهد نوسان سطح تکنولوژی، باعث نوسان آشکار در روند تولید گندم می‌شود؛ بنابراین، توجه به تکنولوژی کشاورزی و استفادۀ درست و کارآمد از آن، باعث افزایش سطح تولید گندم می‌شود؛ اما آنچه در این سناریوها مهم است، رفتار نوسان میزان بارش باران است. نمودار شمارۀ 5، که ترکیب کاهش پنج‌درصدی سطح تکنولوژی و پانزده‌درصدی میزان بارش را نمایش می‌دهد، نسبت به نمودار شمارۀ 1، که نمایش‌دهندۀ افزایش این دو عامل است، شکستگی بیشتری دارد و نمودار شمارۀ 1 نسبت به شمارۀ 5 هموارتر است. در توجیه این رفتار، گفتنی است در نمودار شمارۀ 5 وقتی‌ میزان بارش از آستانه حدی کمتر شده است، باعث ایجاد شکستگی در نمودار و کاهش تولید گندم شده است؛ ولی در نمودار شمارۀ 1، میزان بارش افزایش یافته است؛ بنابراین از شکستگی‌های موجود در نمودار اثری نیست و نمودار تقریباً هموارتر شده است. بدین‌ترتیب، مشخص می‌شود میزان تولید سالیانه، حساسیت زیادی به حجم بارش دارد؛ به‌ویژه هنگامی‌ که از آستانۀ حدی کمتر است. با توجه به اینکه نمی‌توان برای افزایش یا کاهش حجم بارش سالیانه برنامه‌ریزی کرد، باید با طرح‌های آبخیزداری و مهار سیلاب‌های سطحی که در زمستان و بهار، خسارت‌های هنگفتی به بار می‌آورد و برنامه‌ریزی برای تأمین بیشتر مخازن آب زیرزمینی از این آب‌ها، شرایط رشد تولید گندم بر اثر افزایش میزان بارش را فراهم کرد و به صورتی از کاهش میزان تولید در سال‌های کم‌بارش جلوگیری کرد؛ بنابراین، نیاز به مطالعۀ بیشتر و سرمایه‌گذاری برای استفاده از بارش‌های سالیانه، کاملاً محسوس است.

 

جدول 3- تأثیر سناریوهای ترکیبی بر تولید گندم

 

ترکیب 1

ترکیب 2

ترکیب 3

ترکیب 4

کود معدنی

%5-

%5-

%5-

%5-

کود ارگانیک

%10+

%10+

%10+

%10+

بارش

%15+

%15-

%15+

%15-

تکنولوژی

%5+

%5+

%5-

%5-

 

 

شکل 10- تأثیر سناریوهای ترکیبی بر تولید و ذخیرۀ گندم

5.      بحث و بررسی ابعاد پایداری

برای بررسی پایداری سیستم، باید سه بعد اقتصادی، زیست‌محیطی و اجتماعی آن بررسی شود. در این پژوهش برای هر کدام از این ابعاد، شاخص‌های منحصربه‌فرد یا مشترکی بررسی می‌شود.

5-1 بعد زیست‌محیطی: شاخص کیفیت خاک برای بررسی پایداری در بعد زیست‌محیطی مفید است. این شاخص، نشان‌دهندۀ میزان تخریب یا بهبود کیفیت خاک براثر کودهای استفاده‌شده برای تولید گندم است و مشخص می‌کند که هرچه میزان استفاده از کودهای ارگانیک افزایش یابد و حجم کودهای معدنی مدنظر کاهش یابد، بر کیفیت خاک، تأثیر مثبتی دارد. شاخص کیفیت خاک، میزان اعتبار و بقای خاک را برای استفاده از آن در آینده مشخص می‌کند. پژوهش‌های قربانی و همکاران (2009) و اسمتانا و همکاران (2017) نیز این موضوع را تأیید می‌کند. با توجه به حساسیت زیاد حجم تولید سالیانه به حجم بارش سالیانه و وضعیت جغرافیایی و آب‌وهوایی خاص کشور، سرمایه‌گذاری و ترویج و آموزش روش‌های نوین آبیاری برای استفادۀ بهینه از آب موجود و طرح‌های آبخیزداری برای ذخیرۀ آب‌های سطحی و مهار سیلاب‌های فصلی برای پایداری منابع آب و افزایش تولید گندم ضروری است. کوتیر و همکاران (2016) نیز در پژوهش خود بر توسعۀ زیرساخت‌های آبی برای ایجاد منافع عمومی تأکید کرده‌اند.

5-2 بعد اقتصادی: شاخص‌های واردات و صادرات و خودکفایی تولید گندم در مدل ارائه‌شده، هر کدام به صورتی نشان‌دهندۀ میزان پایداری در بعد اقتصادی است. ازلحاظ اقتصادی، هرچه حجم واردات، کمتر و صادرات، بیشتر باشد، توسعۀ اقتصادی، شتاب بیشتری خواهد داشت. خودکفایی در تولید، موجب بی‌نیازی کشور از واردات و درنتیجه، کاهش خروج ارز برای خرید گندم می‌شود که این شاخص نیز میزان وابستگی اقتصادی به کشورهای دیگر و پایداری آن را نمایش می‌دهد. با توجه به سناریوسازی‌های انجام‌شده، مشخص شد حجم تولید سالیانه به تغییرات سطح ماشین‌آلات، حساسیت زیادی دارد و یک راه رسیدن به خودکفایی، افزایش تولید سالیانه است؛ بنابراین باید برای سرمایه‌گذاری و آموزش استفادۀ بهینه از ماشین‌آلات کشاورزی و نگهداری و تعمیرات و کاهش ضایعات آنها به جامعۀ کشاورزی و در صورت لزوم برای تعویض و جایگزینی ماشین‌آلات فرسوده برنامه‌ریزی شود. پژوهش‌های مسگری و همکاران (2017) و رابط و همکاران (2015) مؤید این نتیجه‌گیری است. شاید بتوان برای پایدارکردن بعد اقتصادی و افزایش حجم تولید و رسیدن به خودکفایی، میزان استفاده از کودهای شیمیایی را افزایش داد؛ ولی این روند به دو علت، اصلاً برای پایداری سیستم مناسب نیست؛ به صورتی که از یک‌سو باعث کاهش کیفیت خاک می‌شود و استفادۀ نسل‌های بعد از آن را به خطر می‌اندازد و از سوی دیگر، ممکن است موجب بروز و پیشرفت بیماری‌های ناشناخته در سطح جامعه شود و سلامت جامعه را تهدید کند. کاهش ضایعات و افزایش بهره‌وری نیز هر کدام بر افزایش توان اقتصادی، تأثیر مثبتی دارند که در این مدل نیز از آنها استفاده شده است.

5-3 بعد اجتماعی: شاخص خودکفایی گندم، یکی از شاخص‌های پایداری در بعد اجتماعی است (روی و چان، 2011)؛ زیرا خودکفایی در تولید گندم، که محصولی استراتژیک و ضروری تمام جامعه است، موجب ایجاد امنیت غذایی در این زمینه می‌شود و آرامش روانی را برای جامعه به ارمغان می‌آورد و درنتیجه، پایداری اجتماعی را افزایش می‌دهد. یکی از اهداف دولت جمهوری اسلامی ایران در زمینۀ غذا، خودکفایی در تولید غذاست. با توجه به لزوم وجود امنیت غذایی در کشور، بر رسیدن به این هدف توصیه و تأکید می‌شود. شاخص خودکفایی از تقسیم تولید داخلی بر مصرف داخلی به دست می‌آید که هرچه این شاخص به یک نزدیک‌تر و یا بیشتر از آن باشد، نشان‌دهندۀ وضعیت مطلوب کشور در خودکفایی گندم است. با توجه به شکل شمارۀ 12 مشاهده می‌شود که خودکفایی به سناریوهای ترکیبی، کاملاً حساس است. در صورت اجرای سناریوی ترکیبی 1، بهترین وضعیت خودکفایی دیده می‌شود. بدترین وضعیت خودکفایی در سناریوی ترکیبی 4 رخ می‌دهد. در سناریوی ترکیبی 1، تولید گندم، بیشترین رشد را دارد؛ بنابراین، خودکفایی نیز وضعیت مطلوب‌تری دارد. شاخص دیگر، شاخص مصرف است. درحقیقت، هرچه میزان مصرف سرانه کمتر باشد، سطح آرامش عمومی جامعه و افزایش فرهنگ مصرف در جامعه را نشان می‌دهد که این مورد نیز بر میزان پایداری اجتماعی، تأثیر مثبت دارد. یک‌راه دیگر برای رسیدن به سطح خودکفایی، فرهنگ‌سازی برای مصرف صحیح نان و فرآورده‌های حاصل از گندم است. دانش جامعۀ کشاورزی نیز یکی از شاخص‌های اجتماعی است که افزایش و به‌روزرسانی آن، موجب پایداری سیستم تولید گندم می‌شود.

 

شکل 11- تأثیر سناریوهای ترکیبی بر خودکفایی

 

6.      نتیجه‌گیری

بر اساس نیاز حیاتی انسان به غذا، باید پژوهش‌های بیشتری در حفظ و نگهداری منابع غذایی، برای تداوم استفادۀ نسل کنونی و نسل‌های بعدی از این منابع انجام شود. کوشش برای ایجاد پایداری در سیستم مواد غذایی نیز به همین منظور انجام می‌شود. سیستم مواد غذایی، متشکل از چند زیرسیستم زیست‌محیطی، اقتصادی و اجتماعی است که دربرگیرندۀ تعاملات متعدد و پیچیده بین انسان و محیط‌ زیست است. برای تحلیل پایداری سیستم غذایی با توجه به تعاملات پیچیدۀ زیرسیستم‌های موجود در آن، یکی از ابزارهای کارا، رویکرد پویایی‌شناسی سیستم است. در این پژوهش با استفاده از این رویکرد، عوامل مؤثر بر تولید گندم تجزیه‌وتحلیل شد. رفتار 50سالۀ این عوامل و ارتباط آنها با تولید گندم بررسی و با توجه به سابقۀ رفتار این عوامل و پژوهش‌های مرتبط، ابتدا فرضیۀ پویای مسئله، تعریف و نمودارهای علّی-حلقوی ارتباط این عوامل با تولید گندم ترسیم و تجزیه‌وتحلیل شد؛ سپس با ترسیم نمودار جریان و فرموله‌کردن مدل، مسئله شبیه‌سازی شد و بعد از اعتبارسنجی، سناریوهای مختلفی برای پایداری سیستم تولید گندم پیشنهاد و بحث و بررسی شد. سناریوهای تغییر سطح ماشین‌آلات، کاهش مصرف کودهای شیمیایی و افزایش مصرف کودهای ارگانیک و نوسان‌ها در بارش باران، هر کدام ابتدا به‌طور جداگانه و سپس به‌صورت ترکیبی شبیه‌سازی شد. کاهش استفاده از کودهای شیمیایی و افزایش استفاده از کودهای ارگانیک، به نظر برخی از کارشناسان در کوتاه‌مدت، تولید را کاهش می‌دهد؛ ولی در بلندمدت با افزایش کیفیت خاک، سبب پایداری کشت و تولید می‌شود. با توجه به حساسیت زیاد تولید گندم به بارش باران و تکنولوژی کشاورزی، سرمایه‌گذاری و برنامه‌ریزی برای استفادۀ بیشتر و بهتر از روان‌آب‌های سطحی و سیلاب‌ها و طرح‌های آبخیزداری و طرح‌های نوسازی ناوگان ماشین‌آلات کشاورزی و آموزش استفادۀ بهینه و کارآمد از آن به جامعۀ کشاورزی برای پایداری سیستم تولید گندم ضروری است.

پژوهش‌های گوناگون و وسیعی در حوزۀ کشاورزی و کشت و تولید گندم انجام‌ شده است؛ ولی نیاز به پژوهش‌های بیشتر در این حوزه، کاملاً محسوس بود. برخی از داده‌هایی که در این پژوهش استفاده شد، به‌طور اجبار از پژوهش‌های انجام‌شده در مناطق مختلف ایران گردآوری شد؛ به‌عنوان مثال، فرمول محاسبۀ کیفیت خاک از پژوهشی انتخاب شده است که در منطقۀ چغاخور استان چهارمحال و بختیاری انجام شده است (محقق و نادری، 2016). برای کسب نتیجۀ بهتر باید پژوهش‌های گسترده‌ای در تمام مناطق مختلف کشور یا حداقل در مناطقی که حجم زیاد تولید گندم را به خود اختصاص داده‌اند، انجام شود تا یکنواختی و هماهنگی بیشتری بین داده‌ها پدید آید. بررسی تعداد بیشتری از عوامل مؤثر در تولید گندم، به کامل‌تر شدن این پژوهش کمک می‌کند.

عوامل متعدد دیگری، ازقبیل سموم دفع آفات نباتی، بذر، نحوۀ کاشت، داشت و برداشت،انواع روش‌های آبیاری، مدیریت، نیروی انسانی و الزامات مرتبط با آن، برنامه‌ریزی، تأثیر فرهنگ و جغرافیای متنوع کشور و غیره بر تولید گندم تأثیر دارد که در این پژوهش به‌علت گستردگی زیاد، فقط عوامل مهم‌تر از دیدگاه پژوهشگران انتخاب شده‌اند. قطعاً بررسی رفتار هر یک از عوامل مذکور، موجب شناخت بیشتری از واقعیت موجود و برنامه‌ریزی بهتری برای تولید گندم می‌شود. بنا بر مشاهدات نویسندگان، تاکنون تمام پژوهش‌های مربوط به حوزۀ تولید گندم، محدود به جغرافیای خاصی از ایران بوده و بیشتر، آثار یک عامل بر تولید گندم بررسی شده و هیچ پژوهشی، روند تولید گندم در کشور را به‌طور کلی بررسی نکرده است.



[i]. AbrahamMaslow

[ii]. Brundtland

[iii]. American Public Health Association

[iv]. Sustainable Food System

[v]. No-Till Farming

[vi]. System Dynamics Methodology

[vii]. Verification of Parameters

[viii]. Validation of System Dynamics Model

[ix]. indexmundi

[x]. Minimum Data Set (MDS)

[xi]. Sand

[xii].  Silt

[xiii]. Percent of Water Stable Aggregates (WSA)

[xiv]. Root-Mean-Square Percent Error (RMSPE)

 

Abedi, T., Alemzadeh, A., and Kazemeini, S.A. (2010). “Effect of organic and inorganic fertilizers on grain yield and protein banding pattern of wheat”. Australian Journal of Crop Science. 4: 384-389.
Ahmad, R., Naveed, M., Aslam, M., Zahir, Z.A., Arshad, M., and Jilani, G. (2008). “Economizing the use of nitrogen fertilizer in wheat production through enriched compost”. Renew. Agric. Food Syst. 23: 243–249. https://doi.org/10.1017/S1742170508002299
Akhoundi, M. (2008). “A Look at Food and Nutrition in Islam”. Hosoon, 15(1): 175-191. (in Persian).
Alipour, A. Mousavi, S.H., Khalilian, S., and Mortazavi, A. (2018). “Wheat Self-Sufficiency and Population Growth in Iran's 1404 Perspective (Investigating the Role of the Guaranteed Purchase Policy)”. Iranian Journal of Agricultural Economics and Development Research, 49(4): 635-649. (in Persian).
Allen, T., and Prosperi, P. (2016). “Modeling Sustainable Food Systems”. Environmental management. 57(5): 956-975. https://doi.org/10.1007/s00267-016-0664-8.
Amirnejad, H., Rafiee, H., and Ataee, K. (2009). “The effect of combined refurbishment on the reduction of wheat waste in Iran”. Agriculture, 11(1): 13-21. (in Persian).
Amirteymoori, S., and Khaliliyan, S. (2008). “Calculation and Analysis of Productivity Factors in the Iranian Agriculture Sector”. Agricultural Economics, 2(4): 93-113. (in Persian).
Azar, A. and Mirmehdi, S. (2012). “Ethics in Operations Research and sustainable development”. Ethics in science and Technology, 7(3): 1-13. (in Persian).
Bala, B.K., Arshad, F.M., and Noh, K.M. (2016). System Dynamics: Modelling and Simulation, Singapore: Springer. https://books.google.com/books?id=9OlmDQAAQBAJ.
Barahimi, N. (2001). Effect of Organic Fertilizers on Soil Chemical Properties and Elemental Adsorption by Corn and Wheat. (Masters), Isfahan University of Technology.
Bastan, M., Ramazani Khorshid-Doust, R., Delshad, S., and Ahmadvand, A. (2018). “Sustainable development of agriculture: a system dynamics model”. Kybernetes, 47(1): 142-162.
Braga, F. (2015). The sustainable agriculture initiative platform: The first ten years. .Journal on Chain and Network Science 15(1): 27–38.
Crookes, D., Strauss, J., and Blignaut, J.N. (2017). “The effect of rainfall variability on sustainable wheat production under no-till farming systems in the Swartland region, South Africa”. African Journal of Agricultural and Resource Economics, 12(1): 62-84.
Eqhtedari, N., and Mirdamadi, S. (2016). “Examining of wheat advisor engineers' perception in developing wheat sustainable cultivation methods wheat in Kermanshah County”. Iranian Journal of Agricultural Economics and Development Research, 46(4): 871-879. (in Persian).
Fao. (2019). Retrieved from http://www.fao.org/faostat/en/#data
Findiastuti, W., Laksono Singgih, M., and Anityasari, M. (2018). “Indonesian sustainable food-availability policy assessment using system dynamics: A solution for complexities”. Cogent Food and Agriculture, 4(1). 1455795. https://doi.org/10.1080/23311932.2018.1455795.
Folke, C. (2006). “Resilience: The emergence of a perspective for social-ecological systems analyses”. Global Environmental Change, 16(3): 253-267.
Galán-Martín, Á., Vaskan, P., Antón, A., Esteller, L.J., and Guillén-Gosálbez, G. (2017). “Multi-objective optimization of rainfed and irrigated agricultural areas considering production and environmental criteria: a case study of wheat production in Spain”. J. Clean. Prod. 140: 816–830. https://doi.org/https://doi.org/10.1016/j.jclepro.2016.06.099.
Guo, Z., Han, J., Li, J., Xu, Y., and Wang, X. (2019). “Effects of long-term fertilization on soil organic carbon mineralization and microbial community structure”. PLOS ONE, 14(1). e0216006. https://doi.org/10.1371/journal.pone.0216006
Hajigholam saryazdi, A., and Mashayekhi, A. (2017). “Systems Dynamics Research in Iran”. Paper presented at The First National Conference of the Iranian Society of Systems Dynamics.
Hajiheidari, N., and Rahmati, F. (2018). “Risk Analysis for it Projects Using System Dynamics”. J. Prod. Oper. Manag. 9: 119–137. https://doi.org/10.22108/jpom.2018.92394.0
Harmon, A.H., and Gerald, B.L. (2007). “Position of the American Dietetic Association: food and nutrition professionals can implement practices to conserve natural resources and support ecological sustainability”. J Am Diet Assoc, 107(6): 11033-1043.
Heidari Sareban, D.V., and Majnooni totakhaneh, A. (2017). “Review the environmental, economic, and social factors on the knowledge of wheat farmers regarding sustainable agriculture in Ardebil Province”. Geography and Territorial Spatial Arrangement, 7(23): 77-86. (in Persian).
Hooshmandan Moghaddam Fard, Z., and Shams, A. (2016). “Investigating the factors affecting the attitude of wheat farmers in Khodabandeh city towards organic agriculture”. Journal of Agricultural Science and Sustainable Production, 26(3): 155-170. (in Persian).
Houshyar, E., Wu, X.F., and Chen, G.Q. (2018). “Sustainability of wheat and maize production in the warm climate of southwestern Iran: An emergy analysis”. J. Clean. Prod. 172: 2246–2255. https://doi.org/https://doi.org/10.1016/j.jclepro.2017.11.187
Mirghafouri, S.H., Morovati Sharifabadi, A., Boroumandzad, Y., and Zamani, F. (2016). “Analysis of Success Factors on E-Government Service Delivery: Case of Yazd University”. J. Prod. Oper. Manag. 7: 117–136. https://doi.org/10.22108/jpom.2016.21091
Keikhaee, F., and Ganji Khoramdel, N. (2016). “Effect of Deficit Irrigation in Corrugation and Border Methods on Yield and Water Use Efficiency of Wheat cv. Hamoon”. Journal of Water Research in Agriculture, 30(1): 1-11. (in Persian).
Kotir, J.H., Smith, C., Brown, G., Marshall, N., and Johnstone, R. (2016). “A system dynamics simulation model for sustainable water resources management and agricultural development in the Volta River Basin, Ghana”. Science of the Total Environment, 573: 444-457.
Majd, M.G. (2013). The Great Famine and Genocide in Iran: 1917-1919. Lanham: University Press of America.
McClafferty, B. (2000). “Ensuring Food Security in Egypt: Food Subsidy, Income Generation and Market Reform, Cairo, Egypt”, 25-26 May 1999. Food Policy, 25(2): 219-224.
Mesgari, I., Jabalameli, M.S., and Barzinpour, F. (2017). “System dynamics modeling for the national agricultural system with policy recommendations: application to Iran”. Pakistan Journal of Agricultural Sciences, 54(2): 457- 466.
Mohaghegh, P., and Naderi, M. (2016). “Determination of Effective Indicators for Soil Quality Assessment in Different Land Use Types of Chughakhor Basin”. Journal of Soil and Water Resources Conservation, 5(3): 55-71. (in Persian).
Mohammadi, O. (2007). Investigating the situation of management and active factors in the mechanization of agricultural lands (Neishabour villages). (Masters), Tabriz University, (in Persian).
Moradi, M., Sadeqhi, M., Sadeqhi, H., and Moradi, L. (2014). “Techno-economical model development for tractor survival in Iran's agricultural sector”. Iranian Journal of Energy, 17(1): 1-24. (in Persian).
Mosavi, S.H. (2007). “An Analysis of Self-Sufficiency in Iranian Wheat Production”. Paper presented at the 6th Iranian Conference on Agricultural Economics.
Motaqhi, F. (2015). Effect of Vermicompost, Bovine, and Chemical Fertilizers on Microbial Activity and Physical Properties of Soil in Mehran Region, Ilam Province. (Masters), Ilam University.
Nikkhah, A., Firouzi, S., Payman, S.H., and Khorramdel, S. (2016). “Life cycle assessment of urea fertilizer consumption in Iran”. Journal of Natural Environment, 69(3): 853-864. (in Persian).
Oyo, B., and Kalema, B.M. (2016). “A System Dynamics Model for Subsistence Farmers' Food Security Resilience in Sub-Saharan Africa”. International Journal of System Dynamics Applications (IJSDA), 5(1): 17-30.
Ghasemi-Mobtaker, H., Kaab, A., and Rafiee, S. (2020). “Application of life cycle analysis to assess environmental sustainability of wheat cultivation in the west of Iran”. Energy. 193. 116768. https://doi.org/https://doi.org/10.1016/j.energy.2019.116768
Qhorbani, M. (2009). “Factors Affecting Farmers Investment in Khorasan Razavi Province in Agricultural Machines (Application of Hackmann Two-Step Method)”. In 5th National Congress of Agricultural Machinery and Mechanization, Mashhad. (in Persian).
Qhorbani, M., Koochaki, A., and Mahmoodi, H. (2009). “Virtual Estimation of Wheat Yield in Organic Production Conditions: A Case Study of Khorasan Razavi Province”. Environmental Science and Policy, 6(3): 23-30. (in Persian).
Rabet, G., Sheikhdavoodi, M.J., Bahrami, H., and Moosavihaghighi, M. (2015). “A system dynamics design for the structure of irrigated wheat mechanization in Fars province (Southwest Iran)”. African Journal of Agricultural Research, 10(24): 2415-2420.
Ren, C., Liu, S., van Grinsven, H., Reis, S., Jin, S., Liu, H., and Gu, B. (2019). “The impact of farm size on agricultural sustainability”. J. Clean. Prod. 220: 357–367. https://doi.org/https://doi.org/10.1016/j.jclepro.2019.02.151
Rezaeian, A. (2000). Management of Organizational Behavior. Tehran: Samt. (in Persian).
Roy, R., and Chan, N.W. (2012). “An assessment of agricultural sustainability indicators in Bangladesh: review and synthesis”. Environmentalist. 32: 99–110. https://doi.org/10.1007/s10669-011-9364-3
Saboori, M., Ammani, A., and Mirdamadi, S. (2008). “Investigation of the role of educational and promotional activities in wheat cultivation activities of Garmsar city in wheat axis design during 2003-2004”. Dynamic farming, 5(2): 215-228. (in Persian).
Sabziparvar, A.A., Aghelpour, P., and Varshavian, V. (2019). “Comparison of Multiple Linear Regression and Artificial Intelligence Models in Estimating Global Solar Radiation”. Physical Geography Research Quarterly, 51(2): 353-372. (in Persian).
Schewe, J., Otto, C., and Frieler, K. (2017). “The role of storage dynamics in annual wheat prices”. Environmental Research Letters, 12(5): 054005.
Servati, M., Jafarzadeh, A.A., Ghorbani, M., Shahbazi, F., and Davatgar, N. (2014). “Comparison of the FAO and Albero Models in Prediction of Irrigated Wheat Production Potentials in the Khajeh region”. Water and Soil Science, 24(3): 1-14. (in Persian).
Smetana, S., Tamasy, C., Mathys, A., and Heinz, V. (2017). Regionalized Input-Output Life Cycle Sustainability Assessment: Food Production Case Study. In M. Matsumoto., K. Masui., S. Fukushige., and S. Kondoh (Eds.), Sustainability Through Innovation in Product Life Cycle Design. Singapore: Springer.
Sterman, J. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World. (Mirzaee, SH. Trans). Tehran: Terme.
Sterman, J.D. (1984). “Appropriate summary statistics for evaluating the historical fit of system dynamics models”. Dynamica, 10(2): 51-66.
Sushil, SH. (2008). System Dynamics A Practical approach for managerial problems (Teymouri, E., Noorali, A., and Valizade, N Trans.). Tehran: Iran University of Science and Technology.
Tahmasebi, M., Feike, T., Soltani, A., Ramroudi, M., and Ha, N. (2018). “Trade-off between productivity and environmental sustainability in irrigated vs. rainfed wheat production in Iran”. J. Clean. Prod. 174: 367–379. https://doi.org/https://doi.org/10.1016/j.jclepro.2017.10.305
Taki, M., Soheili-Fard, F., Rohani, A., Chen, G., and Yildizhan, H. (2018). “Life cycle assessment to compare the environmental impacts of different wheat production systems”. J. Clean. Prod. 197: 195–207. https://doi.org/https://doi.org/10.1016/j.jclepro.2018.06.173
Taqhi Pour, M. (2017). Lack of proper consumption pattern causes a waste of 35% of agricultural products. Retrieved from https://mehrnews.com/news/4238838, (in Persian).
The World Bank Group. (2019). Retrieved from https://climateknowledgeportal.worldbank.org/country/iran
UNESCO. (2006). World Water Assessment Programme, Water: a shared responsibility: UN-HABITAT.
Walters, J.P., Archer, D.W., Sassenrath, G.F., Hendrickson, J.R., Hanson, J.D., Halloran, J.M., and Alarcon, V.J. (2016). “Exploring agricultural production systems and their fundamental components with system dynamics modeling”. Ecological Modelling, 333: 51-65.
Wills, B. (2016). Purposely Profitable: Embedding Sustainability Into the DNA of Food Processing and Other Businesses. Chichester: John Wiley and Sons.
Yli-Viikari, A. (1999). “Indicators for Sustainable Agriculture-a Theoretical Framework for Classifying and Assessing Indicators”. Agricultural and Food Science in Finland. 8(3): 265–83.
Ying, H., Ye, Y., Cui, Z., and Chen, X. (2017). “Managing nitrogen for sustainable wheat production ”. J. Clean. Prod. 162: 1308–1316. https://doi.org/https://doi.org/10.1016/j.jclepro.2017.05.196