سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,757
تعداد مشاهده مقاله115,111,011
تعداد دریافت فایل اصل مقاله89,871,421
روستایی, مریم, اسدی, علی, کلانتری, خلیل. (1400). بررسی روابط متقابل مولفه‌های کشاورزی اقلیم هوشمند با استفاده از تکنیکDEMATEL. , 52(3), 569-589. doi: 10.22059/ijaedr.2019.260450.668619
مریم روستایی; علی اسدی; خلیل کلانتری. "بررسی روابط متقابل مولفه‌های کشاورزی اقلیم هوشمند با استفاده از تکنیکDEMATEL". , 52, 3, 1400, 569-589. doi: 10.22059/ijaedr.2019.260450.668619
روستایی, مریم, اسدی, علی, کلانتری, خلیل. (1400). 'بررسی روابط متقابل مولفه‌های کشاورزی اقلیم هوشمند با استفاده از تکنیکDEMATEL', , 52(3), pp. 569-589. doi: 10.22059/ijaedr.2019.260450.668619
روستایی, مریم, اسدی, علی, کلانتری, خلیل. بررسی روابط متقابل مولفه‌های کشاورزی اقلیم هوشمند با استفاده از تکنیکDEMATEL. , 1400; 52(3): 569-589. doi: 10.22059/ijaedr.2019.260450.668619

بررسی روابط متقابل مولفه‌های کشاورزی اقلیم هوشمند با استفاده از تکنیکDEMATEL

تحقیقات اقتصاد و توسعه کشاورزی ایران
مقاله 9، دوره 52، شماره 3، مهر 1400، صفحه 569-589    اصل مقاله (1.57 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijaedr.2019.260450.668619
نویسندگان
مریم روستایی1؛ علی اسدی* 2؛ خلیل کلانتری3
1دانشجوی دکتری توسعه کشاورزی، گروه مدیریت و توسعه کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران
2استاد گروه مدیریت و توسعه دانشکده اقتصاد و توسعه کشاورزی پردیس کشاورزی و منابع طبیعی دانشگاه تهران
3استاد گروه مدیریت و توسعه کشاورزی،‌دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران
چکیده
تغییر اقلیم یکی از بزرگترین چالش­های پیش­روی بشر در قرن حاضر است که ادامه آن تهدید بزرگی برای آینده بشری و محیط زیست خواهد بود. کشاورزی به علت وابستگی زیاد به شرایط اقلیمی، بیش از سایر بخش­ها در معرض خطرهای تغییرات اقلیمی قرار دارد و از آن­جا که کشورهای در حال توسعه به شدت به کشاورزی وابسته­اند، تأثیر تغییراقلیم بر تولیدات این کشورها مخاطرات جدی را  به همراه خواهد داشت. بهبود امنیت غذایی همزمان با کنترل تغییر اقلیم و حفظ اکوسیستم­های حیاتی، نیازمند گذار به سوی سامانه­های پربازده­تر تولید محصولات کشاورزی می­باشد که نهاده­ها را به شکلی کاراتر مصرف کنند، نوسان کمی دارند، دارای پایداری بیشتری در تولیدات هستند و در مقابل تغییرات ناگهانی و بلندمدت اقلیم انعطاف بیشتری از خود نشان ­دهند. سازمان خواروبار جهانی الگویی را موسوم به کشاورزی اقلیم هوشمند به عنوان یک نظام کشاورزی تاب­آور و مولد جهت مدیریت بهتر منابع در شرایط تغییر اقلیم معرفی کرده است. این الگو سه اصل ایجاد ظرفیت تاب­آوری و سازگاری با شرایط تغییر اقلیم، افزایش پایدار بهره­وری و درآمد در بخش کشاورزی و کاهش یا حذف انتشار گازهای گلخانه­ای در صورت امکان را مدنظر قرار می­دهد. هدف از این پژوهش شناسایی و استخراج روابط متقابل (تاثیرگذار یا تاثیرپذیر، روابط علی و معلولی) مولفه­های کشاورزی اقلیم هوشمند و میزان تعامل آن­ها با این نظام کشاورزی است. پژوهش از نوع کاربردی و روش پژوهش از نوع توصیفی- پیمایشی بود. جامعه آماری پژوهش خبرگان و اساتید توسعه کشاورزی، ترویج و آموزش کشاورزی، اقلیم و  خاکشناسی دانشگاه تهران بودند  که 15 نفر از آن­ها از طریق نمونه‌گیری هدفمند انتخاب شدند. ابزار پژوهش پرسشنامه می­باشد که روایی (ظاهری و محتوایی) آن بر اساس نظر اساتید دانشگاه تهران تأیید گردید. در این تحقیق برای تجزیه و تحلیل داده­ها از نرم­افزار Excel و تکنیک دیمتل استفاده گردیده است. روش دیمتل از روش­های تصمیم­گیری چند معیاره بر اساس مقایسه­های زوجی است.  از یافته­های این تحقیق، دو مدل روابط کلی بین مولفه­ها و مدل روابط بین زیرمولفه­ها استخراج گردید. با توجه به نتایج تحقیق اثرگذارترین متغیر در بین مولفه­های اصلی کشاورزی اقلیم هوشمند، افزایش سازگاری با شدت اثر 34/0 و اثرپذیرترین متغیر، پایداری درآمد با شدت اثر 44/0- می­باشد و همچنین کشاورزی اقلیم هوشمند با ضریب 18/11 بیشترین تعامل (هم اثر می­گذارد و هم اثر می­پذیرد) و پایداری درآمد با ضریب 63/8 کمترین تعامل را با سایر مولفه­ها و خود نظام کشاورزی دارد. نتایج حاکی از این است که در بین زیرمولفه­های اصلی کشاورزی اقلیم هوشمند اثرگذارترین متغیر، بهبود مدیریت آب با شدت اثر 59/0 و اثرپذیرترین متغیر، حفظ کاربری اراضی با شدت اثر 53/0- می­باشد و از لحاظ تعامل، کشاورزی اقلیم هوشمند با ضریب 14/3 بیشترین و بیمه محصولات کشاورزی با ضریب 55/0 کمترین تعامل را با سایر زیرمولفه­ها و خود نظام کشاورزی دارد. در انتها با توجه به نتایج و یافته‏های حاصل از تحقیق، پیشنهادهای لازم در قالب سه بخش افزایش سازگاری، پایداری درآمد و کاهش گاز گلخانه­ای بیان شده است.
کلیدواژه‌ها
تغییر اقلیم؛ کشاورزی اقلیم هوشمند؛ تکنیک DEMATEL
عنوان مقاله [English]
Investigating the Mutual Correlations between Components of Climate-Smart Agriculture, Using DEMATEL Technique
نویسندگان [English]
Maryam Rustaee1؛ Ali Asadi2؛ Khalil Kalantari3
1PhD of student Agricultral development, Faculty of Economics and Agricultural Development, University of Tehran, Tehran, Iran
2Professor, Departmen of Agricultural Management of Development, Faculty of Agricultural Economics and Development, University of Tehran, Karaj, Iran
3Professor, Department of Agricultural Management and Development, Faculty of Agricultural Economics and Development, University of Tehran, Karaj, Iran
چکیده [English]
Food and Agriculture Organization of the United Nations (FAO) has introduced climate-smart agriculture as a resistant and productive agriculture for better management of resources. This study aimed to recognition and obtaining the affecting or undergoing (cause and effect, and mutual relationship) components of climate-smart agriculture. DEMATEL technique was employed to identify and extract the Mutual relationships (effective or influential, causal and causal relationships) of the components of the climate-smart agriculture and the extent to which they interact with this agricultural system. The research was applied to a descriptive-survey method. The statistical population of the study was 15 experts in agricultural development, Agricultural extension and education, meteorology and soil science, University of Tehran. The research instrument was a questionnaire whose validity (its appearance and content) was confirmed by the opinion of professors of Tehran University. In this research, Excel software and DEMETLIC technique have been used to analyze the data. According to the results of the research, the most effective variable among the main components of agriculture in the climate-smart agricultural, increase in adaptability with effect intensity of 0.34 and the most effective the influence variable is, income sustainability with the effect intensity of 0.44, and also climate-smart agriculture with 11.18 highest interaction (both effect And effect sustainability) and income sustainability with a coefficient of 8.63 has the least interaction with other components and the agricultural system itself. The results indicate that among the main sub-components of agriculture, climate-smart agricultural is the most effective variable, improvement of water management with the intensity of 0.59 and the most effective variable, maintaining land use with the intensity of 0.53, and in terms of interaction, agricultural climate with a coefficient 3.14. The highest and 0.55 percent of agricultural insurance products have the least interaction with other subspecies and the agricultural system itself.
کلیدواژه‌ها [English]
Climate change, Climate-smart agriculture, DEMATEL technique
مراجع
  1. Ackerman1, F. Stanton, E. (2012). Climate Impacts on Agriculture: A Challenge to Complacency? .global development and environment institute working paper No. 13-01
  2. Ahmadi, F. Radmanesh, F (2014). Trend Analysis of Monthly and Annual Mean Temperature of the Northern Half of Iran Over the Last 50 Years. Journal of Water and Soil Vol. 28, No. 4, pages: 855-865.
  3. Alijani, B. Mahmodi, P. Saligheh, M. Rigichahi, A. (2011). Study of variations of annual minima and annual maximum temperature in Iran. Num: 102.pages: 101-122.
  4. Azarakhshi, M. Farzadmehr, J. Aslani, H. Sahabi, H. (2013). An Investigation on Trends of Annual and Seasonal Rainfall and Temperature in Different Climatologically Regions of Iran. Journal of natural environment (Iranian journal of natural recources). Vol: 66, Issue 1, Pages: 1-16.
  5. Attarod, P. Sadeghi, M. Taheri, F. Saroyi, S. Abbasian, P. Masihpoor, M. Kordrostami, F. Dirikvandi, A. (2015). Meteorological parameters and evapotranspiration affecting the Zagros forests decline in Lorestan province. Iranian Journal of Forest and Range Protection Research. Vol: 13.Num: 2. Pages: 97-112.
  6. Attarod, P. Sadeghi, M. Dolatshahi, A. Rostami, F. Zahediamiri, GH. (2013). Investigation of Zagros Climatology. First National Conference Environmental hazards Zagros.Khoramabad. Page: 30.
  7. Arslan, A., McCarthy, N., Lipper, L., Asfaw, S., Cattaneo, A., & Kokwe, M. (2015). Climate smart agriculture? Assessing the adaptation implications in Zambia. Journal of Agricultural Economics. Vol: 66, Issue 3, Pages: 753-780
  8. Branca, G., McCarthy, N., Lipper, L., & Jolejole, M. C. (2011). Climate-smart agriculture: a synthesis of empirical evidence of food security and mitigation benefits from improved cropland management. Mitigation of climate change in agriculture series, Vol 3, Pages: 1-42.
  9. Brandt, P.Kvakić, M.Butterbach-Bahl, K. Rufino, M. (2015). How to target climate-smart agriculture? Concept and application of the consensus-driven decision support framework “target CSA”. Agricultural Vol: 151Pages: 234–245. Contents lists available at Science Direct.
  10. Bruvoll, A. Larsen, BM. (2003). Greenhouse gas emissions in Norway: do carbon taxes work?. Energy Policy.Vol: 32, Issue 4, Pages 493-505.
  11. Daneshian, J. (2015). Climate change tends to respond to new conditions. Bureau of Environmental Research and Sustainable Agricultural Development. Ministry of Agriculture Jihad. Organization of research, education and agricultural extension.
  12. Department of Environment, (2016). summary of results national Bureau of Climate Change Research about climate change in the country. National Water Change Planning Office.Tehran. Retrieved from: http://climate-change.ir.
  13. Ebrahimi, N (2015). Climate change and solutions in agriculture. . Bureau of Environmental Research and Sustainable Agricultural Development. Ministry of Agriculture Jihad. Organization of research, education and agricultural extension.
  14. Eblaghian, A. Akhondali, A. Radmanesh, F. Zarei, H. (2015). Investigating the trend of temperature changes in super dry climate Iran. Second National Conference Planning, conservation, environmental protection and sustainable development. Shahid Beheshti University.
  15. Falahi, F. Hekmati farid, S. (2015).Determinants of CO2 Emissions in the Iranian Provinces (Panel Data Approach). Journal of Iranian Energy Economics. Vol: 2, Issue 6, Pages: 129-150.
  16. FAO, (2010). Climate-Smart Agriculture−Policies, Practices and Financing for FoodSecurity, Adaptation and Mitigation. Food and Agriculture Organization of theUnited Nations, Rome.
  17. Fateh, SH. (2017). National Drought Warning and Monitoring Center (NDWMC). Retrieved from: https://www.isna.ir.
  18. Fussel, H. (2009). An updated assessment of the risks from climate change based on research published since the IPCC Fourth Assessment Report. Climatic Change Vol :97:Pages : 469–482.DOI 10.1007/s10584-009-9648-5
  19. Gabus, A., & Fontela, E. (1973). Perceptions of the world problematique: Communication procedure, communicating with those bearing collective responsibility (DEMATEL report no. 1). Switzerland Geneva: Battelle Geneva Research Centre.
  20. Gunawansa, A. Kua, H W. (2011). A Comparison of Climate Change Mitigation and Adaptation Strategies for the Construction Industries of Three Coastal Territories.
  21. Hammond, J. Fraval, S. Van Etten, J. Suchin, J. Mercado, L. Pagella, T. Frelat, R. Lannerstad, M. Douxchamps, S. Teufel, N. Valbuena, D. van Wijk, M. (2016). The Rural Household Multi-Indicator Survey (RHoMIS) for rapid characterisation of households to inform climate smart agriculture interventions: Description and applications in East Africa and Central America. Agricultural Systems. Vol: 151, Issue5 Pages: 225-233
  22. Hochman, Z. Gobbett, D. Horan, H. (2017).Climate trends account for stalled wheat yields in Australia since 1990. Global Change Biology. Vol:23, Issue5, Pages : 2071-2081
  23. Hoseini, S. Nazari, M. Araghinejad, SH. (2013). Investigating the impacts of climate on agricultural sector with emphasis on the role of adaptation strategies in this sector. Iranian Journal of Agricultural Economics and Development Research. Volume 44, Issue 1, Pages: 1-16.
  24. IPCC (2007a). Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change Climate Change 2007, Fourth Assessment Report. M. L. Parry, O. F. Canziani, J. P. Palutikof, P. J. van der Linden and C. E. Hanson. Cambridge, United Kingdom and New York, NY, USA, Cambridge University Press.
  25. IPCC (2007b). Contribution of Working Group III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Climate Change 2007, Fourth Assessment Report. B. Metz, O. R. Davidson, P. R. Bosch, R. Dave and L. A. Meyer. Cambridge, United Kingdom and New York, NY, USA, Cambridge University Press
  26. Iran Meteorological Organization. (2016). Retrieved from: http://agro.irimo.ir.
  27. Keshavarz, M. Moaedi, M. (2016). Challenges of agricultural extension eystems in adaptation to climate change: the perception of Fars agricultural specialists.  Iranian Journal of Agricultural Economics and Development Research. Vol: 47, Issue 2, Pages: 453-466.
  28. Kpadonoua, R. Owiyo, T. Barbier, B. Dentona, F. Rutabingwaa, F. Kiema, A. (2017) Advancing climate-smart-agriculture in developing drylands: Joint analysis of the adoption of multiple on-farm soil and water conservation technologies in West African Sahel. Land Use Policy. Vol: 61. Pages:196–207
  29. Khaleghi, S. Bazazan, F. Madani, Sh (2015). The Effects of Climate Change on Agricultural Production and Iranian Economy. Journal of Agricultural Economics Research. Volume 7, Issue 25, Pages: 113-135.
  30. Khoshakhlagh, F. Gharibi, A. Shafie, Z. (2011). The study of the lowest temperature changes in Iran Geography and Environmental Planning Journal 22th Year, vol. 42, No.2.
  31. Latifi, S. Raheli, H. Yadavar, H. Saadi, H. (2018). Designing a Process Model for Conservative Agriculture Development in Iran: Using Interpretive Structural Modeling Approach.Iranian Journal of Agricultural Economics and Development Research. Vol: 49, Issue 1, Pages: 105-120
  32. Lipper, L. Thornton, Ph. Campbell, B. Baedeker, T. Braimoh, A. Bwalya, M. Caron, P. Cattaneo, A. Garrity, D. Henry, K. Hottle, R. Jackson, L. Jarvis, A. Kossam, F. Mann, W. McCarthy, N. Meybeck, A. Neufeldt, H. Remington, T. Sen, Ph T. Sessa, R. Shula, R. Tibu, A. Torquebiau, E.2014. Climate-smart agriculture for food security. Nature Climate Change. Vol: 4, Pages: 1068–1072. DOI: 10.1038/NCLIMATE2437.
  33. Massah Bavani, A. Goodarzi, E. Zohrabi, N. Lotfi, S. (2013).Detection of temperature and precipitation trends and their attribution it to the greenhouse gases (Case study: West Azerbaijan Province), Journal of the Earth and Space Physics.Vol: 39, Issue 3, Pages: 111-128.
  34. Moradi, R. Koocheki, A. Nassiri Mahallati, M. (2014). Effect of Climate Change on Maize Production and Shifting of Planting Date as Adaptation Strategy in Mashhad. Journal of Agricultural Science and sustainable Production.Vol: 23, Issue 4, Pages: 111-130.
  35. Mwongera, C. Shikuku, K. Twyman, J. Läderach, P. Ampaire, E. Asten, P. Twomlow, S. Winowiecki, L(2016). Climate smart agriculture rapid appraisal (CSA-RA): A tool for prioritizing context-specific climate smart agriculture technologies. Agricultural Systems. Vol: 151 Pages: 192–203.
  36. Negaresh, H. Veisi, J. (2013). Analysis of the effects of rainfall changes in the flood waters of the catchment area of the Ravand River (Islamabad gharb of Kermanshah). Journal Management System. Vol: 3, Issue 11, Pages: 79-98.
  37. Notenbaert, A. Pfeifer, C. Silvestri, S. Herrero, M. (2017). Targeting, out-scaling and prioritising climate-smart interventions in agricultural systems: Lessons from applying a generic framework to the livestock sector in sub-Saharan Africa.Agricultural Systems. Vol: 151 .Pages:153–162.
  38. Rahimian, M. Iravani, H. Effective factors on Sustainable Utilization of Forest among Lorestan Province forester’s. Iranian Journal of Agricultural Economics and Development Research. Vol: 47, Issue 3, Pages: 673-681
  39. Roy, B. Misra, S. (2012). An Integrated DEMATEL and AHP Approach for Personnel Estimation. IRACST - International Journal of Computer Science and Information Technology & Security (IJCSITS), ISSN: 2249-9555 Vol. 2, No.6.
  40. Sadeghi, K. Karimi Takanlou, Z. Motefakker Azad, M. pour Ghourchi, H. Andayesh, Y. (2015). Study of The Carbon, Methane and Nitrous Oxide Footprint in Iran's Agricultural Sub-Sectors Compared to Other Economic Sectors: The Social Accounting Matrix (SAM) Approach. Growth and Development of Rural & Agricultural Economics Special Issue of Quarterly Journal of Economic Growth and Development Research.Vol. 1, No. 1.
  41. Sain, G. Loboguerrero, A. Dolloff, C. Lizarazo, M. Nowak, A. Martínez-Barón, D. Andrieu, N. (2017). Costs and benefits of climate-smart agriculture: The case of the Dry Corridor in Guatemala. Agricultural Systems Vol.151. Pages: 163–173. Contents lists available at ScienceDirect.
  42. Salvini, G. Ligtenberg, A. Paassen, A. Bregt, A.K. Avitabile, V. Herold, M. (2016). REDD + and climate smart agriculture in landscapes: A case study in Vietnam using companion modelling. Journal of Environmental Management Vol.172. Pages: 58-70.
  43. Sharghi, T.Kalantari, Kh. Asadi, A. jomehpour, M. (2017). Simulating the Simultaneously effects of Climate Change and Policy of Water transfer from Agriculture to Industry on Horticultural Products (Case of Yazd Province). Iranian Journal of Agricultural Economics and Development Research.  Vol: 47, Issue 4, Pages: 851-863.  
  44. Shirsath, P. Aggarwal, P.K. Thornton, P.K. Dunnett, A. (2016). Prioritizing climate-smart agricultural land use options at a regional scale. Agricultural Systems. Vol: 151. Pages: 174–183.
  45. Tzeng, G. Huang, J. (2011). Multiple Attribute Decision Making: Methods and Applications. Chapman and Hall/CRC. 
  46. Stott, P. Gillett, N. Hegerl, G. Karoly, D. Stone, D, Zhang, X. Zwiers, F. (2010).Detection and attribution of climate change: a regional perspective. WIREs (Wiley Interdisciplinary Reviews) climate change.Vol: 1. Issue 2. Pages: 155-157.
  47. Wilkes, A. Tennigkeit, T. Solymosi, K. (2013). National integrated mitigation planning in agriculture: A review paper. Food and Agiculture Organization of the United Nations (FAO).
  48. Yazdanpanah, M. Forouzani, M.  Zobeidi, T. (2016).Factors Influencing Farmers’ Willingness in order to Mitigate Greenhouse Gases in Bavi Township.  Enviromental Hazards Management. Vol: 2, Issue 4, Pages: 411-422.  
  49. Yousefi Nejad Attari, M. Bagheri, M.R. Neishabouri Jami, E. (2012). A decision making model for outsourcing of manufacturing activities by ANP and DEMATEL under fuzzy environment. International journal of industrial engineering & production research.Vol: 23, Pages: 163-174.
  50. Zarafshani, K. Khaledi, F. Mirakzadeh, A. Sharafi, L. (2016). Assessment of Adaptive Capacity of Wheat Growers to Climate Change in Sarpolezahab Township. Iranian Agricultural Extension and Education Journal. Vol: 12, Issue 2, Pages: 169-182.
  51. Zare Abyaneh, H. Ghabaei Sough, M. Mosaedi, A. (2015). Drought Monitoring Based on Standardized Precipitation Evaoptranspiration Index (SPEI) Under the Effect of Climate Change. Journal of Water and Soil Vol. 29, No. 2, pages: 384-392.
آمار
تعداد مشاهده مقاله: 763
تعداد دریافت فایل اصل مقاله: 379


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب