تحلیل اثرات تغییر اقلیم بر تولید گندم با رویکرد تابع تولید تصادفی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه سیستان و بلوچستان

2 دانشگاه فردوسی مشهد

چکیده

هدف از این مطالعه ارزیابی اثر افزایش سنجه‌های اقلیمی بر عملکرد و ریسک تولید گندم در ایران است. داده‌های سال زراعی 1361-1362 تا 1392-1393 گردآوری شدند. با توجه به دوره‌های رشد، داده‌های ماهیانه به میانگین‌های فصلی تبدیل شدند و آنگاه آزمون‌های ایستایی و ریشه واحد مربوطه انجام گرفت. ایران به چهار منطقه اقلیمی تقسیم گردید. موثرترین متغیرهای اقلیمی با استفاده از الگوریتم بهینه‌یابی فایوسن شناسایی شدند. جهت آزمون اثر متغیرهای اقلیمی بر عملکرد و ریسک گندم، برای هر یک از این مناطق تابع تولید تصادفی جاست و پاپ برآورد گردید. با توجه به حجم داده‌ها، برای برآورد مدل پانل با اثرات ثابت، از رویکرد عملی حداقل مربعات تعمیم یافته استفاده شد. نتایج نشان داد که اثرگذاری شاخص‌های دما و بارش، منطقه‌ای هستند. با توجه به شرایط متفاوت اقلیمی، مناطق کشور به طور متفاوتی تحت تاثیر این سنجه‌ها قرار می‌گیرند. تغییرات سال به سال آب و هوا، شرایط نامساعدی را برای کشاورزان به وجود آورده است. هرچند در برخی مناطق اقلیمی،اثر افزایش این تغییرات بر عملکرد و ریسک تولید محصولات کشاورزی ناچیز است؛ بیشتر وسعت کشور ایران، هم اکنون در معرض آب و هوای نسبتا خشک، تابستان‌های گرم، و زمستان‌های سرد قرار دارد و به نظر می‌رسد رخدادهای حدی دما و تغییرات نامنظم بارش در دوره‌های گذشته، سازگاری نسبی گندم‌کاران این مناطق با تغییر اقلیم را فراهم کرده است.

کلیدواژه‌ها


عنوان مقاله [English]

The impacts of climate change on wheat production: A Stochastic production function approach

نویسنده [English]

  • Mahmood Sabouhi 2
2 Department of Agricultural Economics, Ferdowsi University of Mashhad, Azadi Square, Mashhad, Iran
چکیده [English]

The purpose of this study was to evaluate the impacts of climate variables on yield and risk of Iran’s wheat production. In this context, crop year data were collected from 1982-83 to 2014-15. Considering crop season, monthly data were aggregated into seasonal data. Iran was divided into four climatic zones. To the optimal selection of predictor variables, Feiveson algorithm was applied. To test the effect of climate variables on wheat production, a Just-Pope stochastic production function was used for each zone. To estimate the panel with fixed effect model, considering the volume of data, Feasible Generalized Least Squares (FGLS) approach was applied. Overall, the results showed that the effects of temperature and precipitation indices are regional; these zones are differently affected by climate indices. Yearly climatic variability has created adverse conditions; However, in some zones, these impacts are negligible; Iran is in the exposure of relatively dry climate with hot summers and cold winters, and extreme temperatures annual events and irregular rainfall changes over the past years have made these farmers more resilient and adaptable.

کلیدواژه‌ها [English]

  • Stochastic Production Function
  • Risk
  • climate change
  • Wheat
  • Agriculture

آبابایی بهنام؛ سهرابی تیمور؛ میرزایی فرهاد؛ رضاوردی نژاد وحید؛ کریمی بختیار (1389). اثر تغییر اقلیم بر عملکرد گندم و تحلیل ریسک ناشی از آن (مطالعه موردی: منطقه روددشت اصفهان)، دانش آب و خاک (دانش کشاورزی)، شماره3، صص 135–150.

ریوندی امیر؛ میررکنی مجید؛ محمدیها امیر (1392). بررسی تشکیل و انتشار طوفان‌های گرد و خاک ورودی به غرب و جنوب‌غرب ایران با استفاده از مدل پخش لاگرانژی ذرات HYSPLIT . پژوهش‌های اقلیم شناسی، شماره13، صص 1–16.

زرعکانی فاطمه؛ کمالی غلامعلی؛ چیذری امیرحسین (1393). اثر تغییر اقلیم بر اقتصاد گندم دیم (مطالعه موردی خراسان شمالی). بوم‌شناسی کشاورزی، شماره2، صص 301–310.

فرج‌زاده‌اصل منوچهر؛ کاشکی عبدالرضا؛ شایان سیاوش (1388). تحلیل تغییرپذیری عملکرد محصول گندم دیم با رویکرد تغییرات اقلیمی (منطقه مورد مطالعه: استان خراسان رضوی). برنامه‌ریزی و آمایش فضا (مدرس علوم انسانی)، شماره 3، صص 227–256

کوچکی علیرضا؛ نصیری محلاتی مهدی (1387). تاثیر تغییر اقلیم همراه با افزایش غلظت CO2 بر عملکرد گندم در ایران و ارزیابی راهکارهای سازگاری، مجله پژوهش‌های زراعی ایران، شماره1، صص 139–153.

نصیری محلاتی مهدی؛ کوچکی علیرضا (1384). اثر تغییر اقلیم بر شاخص‌های اگروکلیماتیک مناطق کشت گندم دیم در ایران. پژوهش‌های زراعی ایران، شماره3، صص 291–303.

گنجی محمدحسن (1382). تقسیمات اقلیمی ایران، بولتن علمی مرکز ملی اقلیم‌شناسی، جلد سوم، شماره اول، صص 41.

مسعودیان سید ابوالفضل (1391). آب و هوای ایران، ویرایش اول؛ اصفهان: شریعه توس.

Barnwal, P., & Kotani, K. (2013). Climatic impacts across agricultural crop yield distributions: An application of quantile regression on rice crops in Andhra Pradesh, India. Ecological Economics, 87, 95–109. doi:10.1016/j.ecolecon.2012.11.024

Bezabih, M., Chambwera, M., & Stage, J. (2011). Climate change and total factor productivity in the Tanzanian economy. Climate Policy, 11(6), 1289-1302.

Cabas, J., Weersink, A., & Olale, E. (2010a). Crop yield response to economic, site and climatic variables. Climatic Change, 101(3-4), 599–616. doi:10.1007/s10584-009-9754-4

Cabas, J., Weersink, A., & Olale, E. (2010b). Crop yield response to economic, site and climatic variables. Climatic Change, 101(3-4), 599–616.

Chen, C. C., McCarl, B. a., & Schimmelpfennig, D. E. (2004). Yield variability as influenced by climate: A statistical investigation. Climatic Change, 66(1/2), 239–261. doi:10.1023/B:CLIM.0000043159.33816.e5.

Chen, C. C., & Chang, C. C. (2005). The impact of weather on crop yield distribution in Taiwan: some new evidence from panel data models and implications for crop insurance. Agricultural economics, 33(s3), 503-511.

Chowdhury, I. U. A., & Khan, M. A. E. (2015). The impact of climate change on rice yield in Bangladesh: a time series analysis. Russian Journal of Agricultural and Socio-Economic Sciences, 40(4).

Cook, R. D., & Weisberg, S. (1983). Diagnostics for heteroscedasticity in regression. Biometrika, 70(1), 1–10.

Cordova, X. (2010). Essays on the effect of climate change on agriculture and forestry. Texas A&M University.

Deschenes, O., Greenstone, M., & No, R. (2007). The Economic Impacts of Climate Change: Evidence from Agricultural Profits and Random Fluctuations of Weather. The American Economic Review, 97(1), 354–385. doi:10.2139/ssrn.876929

Efroymson, M. A. (1960). Multiple regression analysis. Mathematical methods for digital computers (Vol. 1). Wiley: New York.

Feiveson, A. (2012). TRYEM: Stata module to run all possible subset regressions. Statistical Software Components.

Fischer, G., Shah, M., Tubiello, F. N., & Van Velhuizen, H. (2005). Socio-economic and climate change impacts on agriculture: an integrated assessment, 1990–2080. Philosophical Transactions of the Royal Society B: Biological Sciences, 360(1463), 2067-2083.

Gornall, J., Betts, R., Burke, E., Clark, R., Camp, J., Willett, K., & Wiltshire, A. (2010). Implications of climate change for agricultural productivity in the early twenty-first century. Philosophical Transactions of the Royal Society of London B: Biological Sciences, 365(1554), 2973–2989.

Hatfield, J. L., & Prueger, J. H. (2015). Temperature extremes: Effect on plant growth and development. Weather and Climate Extremes, 10, Part A, 4–10. doi:http://dx.doi.org/10.1016/j.wace.2015.08.001

Hertel, T. W., & Rosch, S. D. (2010). Climate change, agriculture, and poverty. Applied Economic Perspectives and Policy, 32(3), 355-385.

Holst, R., Yu, X., & Grün, C. (2013). Climate Change, Risk and Grain Yields in China. Journal of Integrative Agriculture, 12(7), 1279–1291. doi:10.1016/S2095-3119(13)60435-9

Huang, H., & Khanna, M. (2010). An econometric analysis of US crop yield and cropland acreage: implications for the impact of climate change. Selected Paper Prepared for Presentation at the Agricultural & Applied Economics Association, 25–27.

Isik, M., & Devadoss, S. (2006). An analysis of the impact of climate change on crop yields and yield variability. Applied Economics, 38(7), 835–844. doi:10.1080/00036840500193682

Johansson, R., Luebehusen, E., Morris, B., Shannon, H., & Meyer, S. (2015). Monitoring the impacts of weather and climate extremes on global agricultural production. Weather and Climate Extremes, 10, Part A, 65–71. doi:http://dx.doi.org/10.1016/j.wace.2015.11.003

Just, R. E., & Pope, R. D. (1978). Stochastic Specification of Production Functions and Economic implications. Journal of Econometrics, 7(488), 67–86. doi:10.1016/0304-4076(78)90006-4

Just, R. E., & Pope, R. D. (1979). Production function estimation and related risk considerations. doi:10.2307/1239732

Kang, Y., Khan, S., & Ma, X. (2009). Climate change impacts on crop yield, crop water productivity and food security–A review. Progress in Natural Science, 19(12), 1665–1674.

Kim, M. K., & Pang, A. (2009). Climate change impact on rice yield and production risk. Journal of Rural Development, 32(2), 17-29.

Kmenta, J. (1986). Elements of econometrics. New York: Macmillan New York.

Lobell, D. B., & Burke, M. B. (2010). On the use of statistical models to predict crop yield responses to climate change. Agricultural and Forest Meteorology, 150(11), 1443–1452. doi:10.1016/j.agrformet.2010.07.008.

MansouriDaneshvar, M.R., Bagherzadeh, A., Khosravi, M. (2013). Assessment of drought hazard impact on wheat cultivation using standardized precipitation index in Iran. Arab. J. Geosci. 6, 4463–4473. doi:10.1007/s12517-012-0695-2.

McCarl, B. A., Villavicencio, X., & Wu, X. (2008). Climate Change and Future Analysis: Is Stationarity Dying? American Journal of Agricultural Economics, 90(5), 1241–1247. doi:10.1111/j.1467-8276.2008.01211.x

Moradi, A. M., Akhtarkavan, M., Ghiasvand, J., & Akhtarkavan, H. (2008). Assessment of Direct Adverse Impacts of Climate Change on Iran. earth, 11, 16.

Mirzabaev, A. (2013). Climate volatility and change in Central Asia: Economic impacts and adaptation. Universitäts-und Landesbibliothek Bonn.

Palanisami, K., Ranganathan, C. R., Kakumanu, K. R., & Nagothu, U. S. (2011). A Hybrid Model to Quantify the Impact of Climate Change on Agriculture in Godavari Basin, India. Energy and Environment Research, 1(1), 32.

Parks, R. W. (1967). Efficient estimation of a system of regression equations when disturbances are both serially and contemporaneously correlated. Journal of the American Statistical Association, 62(318), 500-509.

Pesaran, M. H. (2004). General diagnostic tests for cross section dependence in panels (No. No. 0435). CESifo working paper series.

Sarker, M. A. R., Alam, K., & Gow, J. (2014). Assessing the effects of climate change on rice yields: An econometric investigation using Bangladeshi panel data. Economic Analysis and Policy, 44(4), 405–416. doi:10.1016/j.eap.2014.11.004

Wang, J., Mendelsohn, R., Dinar, A., Huang, J., Rozelle, S., & Zhang, L. (2009). The impact of climate change on China’s agriculture. Agricultural Economics, 40(3), 323–337.

Witsanu Attavanich, & McCarl, B. A. (2011). The Effect of Climate Change, CO2 Fertilization, and Crop Production Technology on Crop Yields and Its Economic Implications on Market Outcomes and Welfare Distribution. In Agricultural & Applied Economics Association’s 2011 AAEA & NAREA Joint Annual Meeting, Pittsburgh, Pennsylvania, July 24-26. Pittsburgh, Pennsylvania. Retrieved from http://econpapers.repec.org/RePEc:ags:aaea11:103324

White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica: Journal of the Econometric Society, 817-838.

Wooldridge, J. M. (2002). Econometric analysis of cross section and panel data. MIT press.

Yu, X. (2012). Productivity, efficiency and structural problems in Chinese dairy farms. China Agricultural Economic Review, 4(2), 168–175.

Yu, X., & Zhao, G. (2009). Chinese agricultural development in 30 years: A literature review. Frontiers of Economics in China, 4(4), 633–648.