برآورد ردپای آب و آب مجازی برای تعیین الگوی کشت بهینه؛ مطالعه موردی: شهرستان‌های قائنات و زیرکوه

بوم شناسی کشاورزی

مقاله 10، دوره 14، شماره 1 - شماره پیاپی 51، فروردین 1401، صفحه 173-191   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/agry.2021.67480.1002

نویسندگان

حمیدرضا ابوترابی¹؛ محمود رمرودی^{* 2}؛ محمدرضا اصغری پور¹؛ محمد صادق غضنفری مقدم³

¹گروه زراعت، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران

²گروه زراعت، دانشکده کشاورزی، دانشگاه زابل، زابل، ایران.

³پژوهشکده انرژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان، کرمان، ایران.

چکیده

برای اجتناب از پیامد­های منفی بیلان منفی آب در شهرستان‌های قائنات و زیرکوه، محدودیت کشت محصولات زراعی با نیاز آبی بالا ضروری است. در این پژوهش با استفاده از برنامه­ریزی غیرخطی چندهدفه (MOP)، الگوی کاشت بهینه با هدف حداکثرسازی سودخالص و حداقل­سازی آب مجازی، ردپاهای آب سبز، آبی، خاکستری و سفید محصولات زراعی منطقه قائنات و زیرکوه پیشنهاد شده است. در تمامی محصولات مورد مطالعه، ردپای آب آبی بیش از سایر اجزای ردپای آب بود که نشان‌دهنده اتکای زراعت بر منابع آب­های سطحی و زیرزمینی است. در مدل MOP سطح زیر کشت سیب‌زمینی، خربزه و جو قائنات و سطح زیر کشت خربزه، چغندرقند، سیب­زمینی، هندوانه، یونجه و زعفران زیرکوه نسبت به الگوی جاری افزایش یافت. کاهش سطح زیر کشت 50 درصدی پنبه، یونجه، هندوانه قائنات و پنبه، گندم و جو زیرکوه در الگوی MOP از دیگر موارد مهم نتایج بود. با تعیین الگوی کشت بهینه می­توان اثرات محیطی کشاورزی بر منابع آب را کاهش داد، به‌طوری‌که اجرای این الگو در منطقه کاهش 26 درصدی آب مجازی، چهار درصدی ردپای آب آبی، 18 درصدی ردپای آب خاکستری به‌میزان 368779 تن در هکتار نسبت به وضع موجود را نتیجه داد. با توجه به یافته‌های این مطالعه توجه به اهداف محیطی مؤثر بر منابع آب در بهینه‌سازی الگوی کشت ضروری است. با استفاده از مدل پیشنهادی می­توان علاوه‌بر انتخاب الگوی مناسب و استفاده بهینه از منابع آب و زمین، در حدود 13 میلیون‏مترمکعب آب را نسبت به الگوی جاری در منطقه ذخیره کرد. 

کلیدواژه‌ها

برنامه‌‌ریزی غیرخطی؛ ردپای آب آبی؛ ردپای آب سبز؛ ردپای آب سفید؛ زعفران؛ منابع آب

مراجع

Afshar, A., Tavakoli, M.A., and Khodagholi, A., 2020. Multi-objective hydro-economic modeling for sustainable groundwater management. Water Resources Management 1-15.

Agricultural organization of South Khorasan., 2016. https://kj-agrijahad.ir/. (In Persian)

Amiri, Z., Asgharipour, M.R., Campbell, D.E. and Armin, M., 2019. A sustainability analysis of two rapeseed farming ecosystems in Khorramabad, Iran, based on emergy and economic analyses. Journal of Cleaner Production 226: 1051-1066.

Antonelli, M., and Ruini, L.F., 2015. Business engagement with sustainable water resource management through water footprint accounting: the case of the Barilla Company. Sustainability 7(6): 6742-6758.

Bazrafshan, O., Etedali, H.R., Moshizi, Z.G.N., and Shamili, M., 2019. Virtual water trade and water footprint accounting of Saffron production in Iran. Agricultural Water Management 213:368-374.

Berenger V., and Verdier-Chouchane, A., 2007. Multidimensional measures of well-being: Standard of living quality of life across countries. World Development 35: 1259- 76.

Chouchane, H., Krol, M.S., and Hoekstra, A.Y., 2020. Changing global cropping patterns to minimize national blue water scarcity. Hydrology and Earth System Sciences 24(6): 3015-3031.

Delpasand, M., Bozorg-Haddad, O., and Loáiciga, H.A., 2020. Integrated virtual water trade management considering self-sufficient production of strategic agricultural and industrial products. Science of the Total Environment 743:140797.

Dury, J., Garcia, F., Reynaud, A., and Bergez, J.E., 2013. Cropping-plan decision-making on irrigated crop farms: A spatio- temporal analysis. European Journal of Agronomy 50: 1-10.

Fader, M., Gerten, D., Thammer, M., Heinke, J., Lotze-Campen, H., Lucht, W., and Cramer W., 2011. Internal and external green–blue agricultural water footprints of nations, and related water and land savings through trade. Hydrol. Hydrology and Earth System Sciences 15(5): 1641-1660.

Falahat, S.E., Hadi, H., Moghaddam, S.S., and Aryanfar, A., 2019. Exploring cultivation site of saffron (Crocus sativus L.) by utilizing GIS linked to AHP. Spatial Information Research 27(3): 285-293.

Feng, B., Zhuo, L., Xie, D., Mao, Y., Gao, J., Xie, P., and Wu, P., 2020. A quantitative review of water footprint accounting and simulation for crop production based on publications during 2002–2018. Ecological Indicators 120: 106962.

GAMS/CONOPT3, 2010. Bagsvaerdvej 246A, DK-2880 Bagsvaerd, Denmark: ARKI Consulting and Development.

Gao, J., Zhuo, L., Liu, Y., Xie, P., Wang, W., Li, M., Gao, X., and Wu, P., 2020. Efficiency and sustainability of inter-provincial crop-related virtual water transfers in China. Advances in Water Resources 103560.

Golabi, M., Hasili, M.A., and Nasab, S.B., 2020. Study and evaluation of irrigation and drainage networks using analytic hierarchy process in Khuzestan province: A virtual water approach. Agricultural Water Management 241: 106305.

Inas, E.G., Grigg, N., and Waskom, R., 2017. Water-food-energy: nexus and non-nexus approaches for optimal cropping pattern. Water Resources Management 31(15): 4971-4980.

Jones, D., and Barnes, E.M., 2000. Fuzzy composite programming to combine remote sensing and crop models for decision support in precision crop management. Agricultural Systems 65(3): 137-158.

Jónsson, J.O.G., and Davíðsdóttir, B., 2016. Classification and valuation of soil ecosystem services. Agricultural Systems 145: 24–38.

Li, M., Fu, Q., Singh, V.P., Liu, D., Li, T., and Zhou, Y., 2020. Managing agricultural water and land resources with tradeoff between economic, environmental, and social considerations: A multi-objective non-linear optimization model under uncertainty. Agricultural Systems 178: 102685.

Mardani-Najafabadi, M.M., Ziaee, S., Nikouei, A., and Borazjani, M.A., 2019. Mathematical programming model (MMP) for optimization of regional cropping patterns decisions: A case study. Agricultural Systems 173:218-232.

Marzban, Z., Asgharipour, M.R., Ghanbari, A., Ramroudi, M., and Seyedabadi, E., 2020a. Evaluation of environmental consequences affecting human health in the current and optimal cropping patterns in the eastern Lorestan province, Iran. Environmental Science and Pollution Research 1-16.

Marzban, Z., Asgharipour, M.R., Ganbari, A., Nikouei, A., Ramroudi, M., and Seyedabadi, E., 2020b. Reducing environmental impacts through redesigning cropping pattern using LCA and MOP (Case study: East Lorestan province). Journal of Agricultural Science and Sustainable Production 30(3): pp.311-330.

Mekonnen, M.M., and Gerbens-Leenes, W., 2020. The water footprint of global food production. Water 12(10): 2696.

Mesgaran, M.B., Madani, K., Hashemi, H., and Azadi, P., 2017. Iran’s land suitability for agriculture. Scientific Reports 7(1):1-12.

Meteorology of South Khorasan province., 2020. http://skhmet.ir/index.php. (In Persian)

Niu, G., Li, Y.P., Huang, G.H., Liu, J., and Fan, Y.R., 2016. Crop planning and water resource allocation for sustainable development of an irrigation region in China under multiple uncertainties. Agricultural Water Management 166:53-69.

Nouri, H., Stokvis, B., Borujeni, S.C., Galindo, A., Brugnach, M., Blatchford, M.L., Alaghmand, S., and Hoekstra, A.Y., 2020. Reduce blue water scarcity and increase nutritional and economic water productivity through changing the cropping pattern in a catchment. Journal of Hydrology 125086.

Paramjita, D., Panigrahi, B., and Paul, J.C., 2018. STEP method of multi objective programming: An operational research tool for efficient resource planning for minor irrigation command. Journal of Krishi Vigyan 7(special): 144-150.

Qasemipour, E., and Abbasi, A., 2019. Virtual water flow and water footprint assessment of an arid region: A case study of South Khorasan province, Iran. Water 11(9): 1755-1768.

Ren, C., Guo, P., Tan, Q., and Zhang, L., 2017. A multi-objective fuzzy programming model for optimal use of irrigation water and land resources under uncertainty in Gansu Province, China. Journal of Cleaner Production 164: 85-94.

Ren, C., Li, Z., and Zhang, H., 2019. Integrated multi-objective stochastic fuzzy programming and AHP method for agricultural water and land optimization allocation under multiple uncertainties. Journal of Cleaner Production 210: 12-24.

Rodriguez, C.I., De Galarreta, V.R., Kruse, E.E., 2015 Analysis of water footprint of potato production in the Pampean region of Argentina. Journal of Cleaner Production 90:91-96.

Sun, H., Zhang, X., Liu, X., Liu, X., Shao, L., Chen, S., Wang, J., and Dong, X., 2019. Impact of different cropping systems and irrigation schedules on evapotranspiration, grain yield and groundwater level in the North China plain. Agricultural Water Management 211: 202-209.

Vallino, E., Ridolfi, L., and Laio, F., 2020. Measuring economic water scarcity in agriculture: a cross-country empirical investigation. Environmental Science and Policy 114: 73-85.

Woolson, R.F., Bean, J.A., and Rojas, P.B., 1986. Sample size for case-control studies using Cochran's statistic. Biometrics 927-932.

Xie, Y.L., Xia, D.X., Ji, L., and Huang, G.H., 2018. An inexact stochastic-fuzzy optimization model for agricultural water allocation and land resources utilization management under considering effective rainfall. Ecological Indicators 92: 301-311.

Zhang, T., Tan, Q., Zhang, S., Wang, S., and Gou, T., 2020. A robust multi-objective model for supporting agricultural water management with uncertain preferences. Journal of Cleaner Production 255: 120204.

Zhuo, L., Mekonnen, M.M., Hokestra, A.Y., and Wada, Y., 2016. Inter- and intra-annual variation of water footprint of crops and blue water scarcity in the Yellow River basin (1961-2009). Advances in Water Resources 87:29–41.