a

Document Type : Research Paper

Authors

• Sh. Soltani
• S. H. Mousavi

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

Abstract

a

Keywords

• a

20.1001.1.20086407.1395.8.30.5.7

---

References

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.
   8. Allen, D. M., Schuurman, N. & Zhang, Q. 2007. Using fuzzy logic for modeling aquifer architecture. Journal of Geographical System, 9: 289-310.
   9. 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.
   10. Baltagi, B. 2005. Econometric analysis of panel data; 3rd edition. John Willey & Sons Press, New York.
   11. Bierkens, M. F. P. 1998. Modeling water table fluctuations by means of a stochastic differential equation. Water Resources Research, 34(10): 2485-2499.
   12. 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.
   13. Daliakopoulos, I. N., Coulibaly, P. & Tsanis, I. K. 2005. Groundwater level forecasting using artificial neural network. Journal of Hydrology, 309(4): 229-240.
   14. David, W. S. 1997. Cluster analysis: multivariate statistics, concepts, models and applications; 2nd edition. Missouri State University, Stockburger.
   15. 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.
   16. Greene, W. H. 2003. Econometric analysis; 3rd edition. Prentice Hall, New Jersey.
   17. Howitt, R. E., Medellin-Azuara, J., MacEwan, D. J. 2011. Economic impacts of climate-related changes to California agriculture. Climatic Change, 109: 387-405.
   18. 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.
   19. 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.
   20. 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.
   21. 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.
   22. 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.
   23. 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.
   24. Stern, N. 2006. Review on the economics of climate change. HM Treasury, London.
   25. 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.
   26. Ward, J. H. 1963. Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58: 236-244.