بررسی کارایی انرژی برنج با استفاده از مدل تحلیل پوششی داده‌های فازی بازه‌ای (مطالعه موردی: برنج‌کاران استان گلستان)

در این پژوهش، کارایی انرژی محصول برنج استان گلستان در سال زراعی 96-1395، با استفاده از رویکرد تحلیل پوششی داده‌های فازی بازه‌ای (مثلثی) با سطوح آلفای متفاوت مورد بررسی قرار گرفت. اطلاعات مورد نیاز مطالعه با تکمیل پرسشنامه و مصاحبه مستقیم از 286 کشاورز برنج‌کار استان گلستان که با استفاده از نمونه‌گیری ساده تصادفی انتخاب شدند، جمع‌آوری گردید. نتایج نشان داد که در سطح 0.25=α می‌توان میزان انرژی ورودی را به میزان 37.99 درصد در کران بالا و 1.83 درصد در کران پایین بدون هیچ تاثیری بر انرژی خروجی (عملکرد) کاهش داد. همچنین، یافته‌ها نشان داد که در سطح 1=α (شرایط قطعیت) دو نهاده آب آبیاری و کود شیمیایی به ترتیب با 33 درصد و 31.2 درصد و در بین انواع انرژی‌های ورودی، انرژی‌های تجدید ناپذیر (انرژی ماشین‌آلات، کودهای شیمیایی، سموم و سوخت‌های فسیلی) در مجموع با 60 درصد (24117.7 مگاژول بر هکتار) بیشترین سهم را در تولید این محصول دارند. استفاده از فناوری‌های نوین در مصرف نهاده آب مانند نصب کنتور هوشمند بر انواع پمپ‌ها، کاهش مصرف کود شیمیایی به کمک ترویج کاربرد کودهای آلی و آموزش صحیح استفاده از کودهای غیر آلی کمک شایان توجهی به کاهش مصرف انرژی در این دو نهاده پر مصرف را به همراه دارد.

Investigating the Rice Energy Efficiency Using Interval Fuzzy Data Envelopment Analysis Model (Case Study: Rice Farmers in Golestan Province)

In this study, the rice energy efficiency in Golestan was investigated using interval fuzzy (triangular) data envelopment analysis model at different alpha levels in the year 20162017. The data required were collected using interviews and completing questionnaire from 286 rice farmers in Golestan province who were selected using simple random sampling. The results showed that at the level of α= 0.25 could be reduce the amount of input energy to 37.99% in upper bound and 1.83 in lower bound without any effect on the output energy (yield). Also, the results showed that at the level α =1 (certainty conditions) two inputs, irrigation water and chemical fertilizer with 33% and 31.2% respectively, and among the types of input energies, nonrenewable energies (energy of machinery, chemical fertilizers, pesticides and fossil fuels) with 60% (24117.7 MJ / ha) had the largest share in the production of this product. The use of new technologies in the use of water input such as installing smart meters on various pumps, reducing the consumption of chemical fertilizer by promoting the use of organic fertilizers and proper training in the use of inorganic fertilizers helps a lot to reduce energy consumption in these highconsumption inputs.