مدل سازی الگوی مصرف انرژی و تحلیل حساسیت نهاده ها در تولید گندم آبی، مطالعه موردی: استان اردبیل

این تحقیق برای بررسی الگوی مصرف انرژی و تحلیل حساسیت نهاده ها در تولید گندم آبی استان اردبیل انجام گرفت. جامعه آماری شامل 100 کشاورز آبی کار محصول گندم بود که بر اساس نمونه های تصادفی انتخاب شدند. حساسیت نهاده‌های انرژی به کمک تابع تولید کاب داگلاس و با استفاده از روش بهره‏ وری فیزیکی نهایی (mpp)  و ضرایب رگرسیون با مشتقات جزئی بر عملکرد گندم برآورد شد. نتایج نشان داد کل انرژی ورودی و خروجی به‌ترتیب mj ha-1 38755.34 و 65016.07 بوده و در بین نهاده‌های ورودی انرژی کود نیتروژن و سوخت دیزل به ترتیب با 37.38% و 19.03% بیشترین سهم را داشتند. بهره‌وری انرژی برابر با  kg mj-0.1116 ، کارایی انرژی و نرخ  بازگشت به مقیاس نیز  به ترتیب 1.67 و 0.608 برآورد گردید. تحلیل حساسیت نشان داد مقدار mpp  بین 0.23- تا 1.809 متغیر بود. در این میان ماشین‌های کشاورزی بیشترین مقدار mpp و پس‌ازآن سموم شیمیایی، کود شیمایی و الکتریسیته به ترتیب با 0.34، 0.07 و 0.023 قرار داشتند که نشان‌دهنده استفاده بیشتر از این نهاده ها در تولید گندم است که سبب آلودگی منابع طبیعی و غیر ارگانیک شدن محصولات کشاورزی مانند گندم می شود.

energy consumption modeling and sensitivity analysis of energy inputs for irrigated wheat production; case study: ardabil province

this study was carried out to evaluate the energy consumption pattern and analysis of economic indices to determine the input sensitivity for wheat the production system in ardabil, iran. data were collected from 100 irrigated wheat farms selected during 2017-2018 using a random sampling method. the sensitivity of the energy inputs was estimated using the marginal physical productivity (mpp) method and partial regression coefficients on wheat yield. the results indicated that the total energy input was 38755.34 mj ha-1, of which approximately 37.38% and 19.04% were from nitrogen fertilizers and diesel fuel, respectively. approximately, 39.85% of the total energy inputs consumed in wheat production was direct energy, while the remaining 60.07% was indirect. the econometric assessment results revealed that the energy inputs from machinery had a significant influence on the yield. sensitivity analysis indicated that the mpp value for energy inputs was between -0.23 and 1.67. also, the mpp value for was the highest, followed by machinery, diesel fuel, chemical fertilizers and chemical sprays energy inputs, respectively.