ارزیابی آثار بالقوه‌ی تغییرات اقلیم بر منابع آب زیرزمینی دشت همدان- بهار

نوع مقاله : مقاله پژوهشی

نویسندگان

به ترتیب کارشناس ارشد و استادیار اقتصاد کشاورزی دانشگاه تربیت مدرس.

چکیده

پدیده‌های افزایش دما و کاهش بارندگی به عنوان بخشی از آثار تغییرات اقلیمی، بحرانی است کهدر سال‌های آتی از طریق تأثیربر موجودی منابع آب کشور می‌تواند آینده‌ی بخش کشاورزی را تحت الشعاع خود قرار دهد.‌ لذا جهت برنامه‌ریزی بلندمدت در خصوص وضعیت منابع آبی، بایستی شرایط اقلیمی مناطق مختلف مورد بررسی قرار گیرد. با توجه به این رویکرد، در مطالعه‌ی حاضر به ارزیابی آثار تغییرات اقلیم بر منابع آب زیرزمینی و الگوی کشت دشت همدان- بهار پرداخته شد. بدین منظور ابتدا با در نظر گرفتن چاه‌های پیزومتری موجود در سطح دشت به عنوان واحد‌های مقطعی و با ‌بهره‌گیری از اطلاعات نزدیک‌ترین ایستگاه هواشناسی به هر مقطع، حساسیت منابع آب زیرزمینی دشت نسبت به دما و بارش با استفاده از مدل داده‌های ترکیبی ارزیابی شد. سپس با استفاده از مدلLARS-WG، میزان تغییرات دما و بارش دشت نسبت به سال 2013 در غالب سناریوهای اقلیمی طی سال‌های 2020،2030 و2040 پیش‌بینی شد. در پایان با به‌کارگیری رهیافت برنامه‌ریزی ریاضی و تدوین مدل PMP، شرایط الگوی کشت منطقه شبیه‌سازی شده و آثار تغییرات اقلیم بر منابع آب زیرزمینی و الگوی کشت در سال‌های مذکور مورد بررسی قرار گرفت. نتایج نشان داد که تغییرات اقلیم از طریق کاهش بیلان آب‌های زیرزمینی، دارای آثار منفی بر الگوی کشت منطقه است و در بدبینانه‌ترین پیش‌بینی، کاهش موجودی آب زیرزمینی به میزان 11 درصد و کاهش ارزش افزوده بخش کشاورزی دشت به میزان 114میلیارد ریال را تا سال 2040 در پی خواهد داشت.

کلیدواژه‌ها


عنوان مقاله [English]

a

نویسندگان [English]

  • Sh. Soltani
  • S. H. Mousavi
به ترتیب کارشناس ارشد و استادیار اقتصاد کشاورزی دانشگاه تربیت مدرس.
چکیده [English]

a

کلیدواژه‌ها [English]

  • a
  1.  

    1. تقدیسیان، ح. و میناپور، س. 1382. تغییر آب و هوا، آنچه باید بدانیم. انتشارات مرکز تحقیقات زیست‌محیطی سازمان حفاظت محیط زیست، دفتر طرح ملی تغییرات آب و هوا، تهران.
    2. حسینی، س. ص.، نظری، م. ر. و عراقی‌نژاد، ش. 1392. بررسی اثر تغییر اقلیم بر بخش کشاورزی با تأکید بر نقش به‌کارگیری راهبردهای تطبیق در این بخش. مجله‌ی تحقیقات اقتصاد و توسعه‌ی کشاورزی ایران، دوره 44، شماره 1، صفحات 16-1.
    3. زارع ابیانه، ح.، بیات ورکشی، م. و معروفی، م. 1391. بررسی نوسانات عمق آب زیرزمینی در دشت ملایر. نشریه دانش آب و خاک، جلد 22، شماره 2، صفحات 190-173.
    4. زمانی،ا. 1390. بررسی تأثیر سیاست قیمت‌گذاری آب بر بهره‌وری مصرف آن در بخش کشاورزی: مطالعه موردی دشت همدان- بهار. پایان‌نامه کارشناسی ارشد رشته اقتصاد کشاورزی،دانشگاه تربیت مدرس،تهران.
    5. عباسی، ف.، ملبوسی، ش.، بابائیان، آ.، اثمری، م. و برهانی، ر. 1389. پیش‌بینی تغییرات اقلیمی خراسان جنوبی در دوره‌ی 2039-2010 میلادی با استفاده از ریزمقیاس‌نمایی آماری خروجی مدل ECHO-G. نشریه‌ی آب و خاک، جلد 24، شماره 2، صفحات 233-218.
    6. فلاحی، م.، انصاری، ح.، داوری، ک. و صالح‌نیا، ن. 1387. قیمت‌گذاری آب شرب شهری بر اساس الگوی رمزی: مطالعه موردی شهر نیشابور. فصلنامه پژوهش‌های اقتصادی ایران، سال سیزدهم، شماره 38، صفحات 242-217.
    7. مرید، س.، مساح بوانی، ع. ر. 1384. اثرات تغییر اقلیم بر جریان رودخانه‌ی زاینده‌رود اصفهان. مجله علوم و فنون کشاورزی و منابع طبیعی، سال نهم، شماره 4، صفحات 27-17.
    1. Allen, D. M., Schuurman, N. & Zhang, Q. 2007. Using fuzzy logic for modeling aquifer architecture. Journal of Geographical System, 9: 289-310.
    2. Balali, H., Khalilian, S., Viaggi, D., Bartolini, F., Ahmadian, M. 2011. Groundwater balance and conservation under different water pricing and agricultural policy scenarios: A case study of the Hamedan-Bahar plain. Ecological Economics, 70: 863-872.
    3. Baltagi, B. 2005. Econometric analysis of panel data; 3rd edition. John Willey & Sons Press, New York.
    4. Bierkens, M. F. P. 1998. Modeling water table fluctuations by means of a stochastic differential equation. Water Resources Research, 34(10): 2485-2499.
    5. Coppola, J. M., Szidarovszky, F., Poulton, M. & Charles, E. 2003. Artificial neural network approach for predicting transient water levels in a multi layered groundwater system under variable state, pumping and climate conditions. Journal of Hydrologic Engineering, 8(6): 348-360.
    6. Daliakopoulos, I. N., Coulibaly, P. & Tsanis, I. K. 2005. Groundwater level forecasting using artificial neural network. Journal of Hydrology, 309(4): 229-240.
    7. David, W. S. 1997. Cluster analysis: multivariate statistics, concepts, models and applications; 2nd edition. Missouri State University, Stockburger.
    8. Feddes, R. A., Kabat, P., Van Bakel, P. J. T., Bronswijk, J. J. B. & Halbertsma, J. 1988. Modeling soil water dynamics in the unsaturated zone-State of the art. Journal of Hydrology, 100: 69-111.
    9. Greene, W. H. 2003. Econometric analysis; 3rd edition. Prentice Hall, New Jersey.
    10. Howitt, R. E., Medellin-Azuara, J., MacEwan, D. J. 2011. Economic impacts of climate-related changes to California agriculture. Climatic Change, 109: 387-405.
    11. Izady, A., Davary, K., Alizadeh, A., Ghahraman, B., Sadeghi, M. & Moghaddamnia, A. 2012. Application of panel-data modeling to predict groundwater levels in the Neishaboor plain, Iran. Hydrogeology Journal, 20: 435-447.
    12. Maneta, M., Torres, M. D. O., Wallender, W., Vosti, S., Howitt, R. E., Rodrigues, L., Bassoi, L. & Panday, S. 2009. A spatially distributed hydro economics model to assess the effect of drought on land use, farm profit and agricultural employment. Water Resources Research, 45(11): 311-412.
    13. Morrison, J., Quick, M. C. & Foreman, M. G. G. 2002. Climate change in the Fraser River watershed: flow and temperature projection. Journal of Hydrology, 263: 230-244.
    14. Nayak, P., Satyaji Rao, Y. R. & Sudheer, K. P. 2006. Groundwater level forecasting in a shallow aquifer using artificial neural network approach. Water Resources Management, 2(1): 77-99.
    15. Qureshi, M. E., Ahmad, M. U. D., Whitten, S. M. & Kirby, M. 2012. A multi-period positive mathematical programming approach for assessing economic impact of drought in the Murray-Darling Basin, Australia. Economic Modeling, 39: 293-304.
    16. Sivakumar, M. V. K., Das, H. & Brunini, O. 2005. Impact of present and future climate variability and change agriculture and forestry in the arid and semi-arid topics. Journal of climate change, 70: 31-72.
    17. Stern, N. 2006. Review on the economics of climate change. HM Treasury, London.
    18. Tankersley, C. D., Graham, W. D. & Haltfield, K. 1993. Comparison of uni-variate and transfer function models of groundwater fluctuations. Water Resources Research, 29(10): 2517-3533.
    19. Ward, J. H. 1963. Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58: 236-244.