Effects of Climate Change on Barley Yield in Isfahan Province

Document Type : Original Article

Author

Assistant professor, Department of Agriculture, Payam-e Noor University, Tehran, Iran

Abstract

Abstract
As climate change emerges as one of the most significant environmental and economic challenges of the 21st century, the agricultural sector—being highly climate-dependent—stands out as the most vulnerable to its effects. This study aimed to examine how climate change affected barley performance in Isfahan Province from 1996 to 2022. Using a mixed panel data approach, the research simultaneously assessed both technical and environmental factors influencing barley output over a 27-year period, incorporating spatial data from 19 counties. Operational data were sourced from the statistical reports of the Ministry of Agriculture Jihad, while climate data were obtained from the National Meteorological Organization. The final modeling was conducted using EViews12 software, employing the F-Limer and Hausman tests alongside the Generalized Least Squares (GLS) method. The results indicated that technical factors, such as labor, machinery, irrigation rates, and chemical fertilizer usage, positively and significantly impacted barley output. Conversely, increased rainfall had led to improved performance, while higher air temperatures had adversely affected yields. Additionally, the analysis confirmed that barley production exhibited increasing returns to scale. These findings suggested that food security and agricultural sustainability in Isfahan Province were seriously threatened by ongoing warming trends and declining rainfall in this arid and semi-arid region. Therefore, it is essential to implement climate adaptation strategies, develop efficient irrigation systems, and utilize resilient seeds and renewable energy sources to sustain agricultural productivity in the area.
 
Keywords: Barley Yield, Climate Change, Isfahan Province, Panel Data, Sustainable Agriculture.
 
Introduction
The agricultural sector is crucial for meeting the basic needs of societies and plays a vital role in economic development and food security programs. Among agricultural products, barley stands out as one of the most important crops for human consumption, livestock, and poultry. It ranks second only to wheat in terms of both cultivated area and production, with its output experiencing significant fluctuations over time due to economic, social, and climatic factors. Climate change poses a substantial risk to the agricultural sector as these changes can profoundly affect the production of agricultural products, food industries, and the overall value added by this sector. One of the key consequences of shifting weather patterns is their economic impacts. While nearly all economic sectors are influenced by climate, agriculture is the most climate-dependent with production affected by alterations in precipitation patterns, changes in planting and harvesting dates, temperature fluctuations, and evapotranspiration rates. The economic effects of climate change manifest through variations in yield, production, and supply of agricultural products, ultimately impacting food security. Additionally, long-term changes in climate parameters can significantly influence the farmers’ profitability and income. Climate change also has a notable impact on water resources, which, in turn, affects agricultural production. In light of these considerations, the current study aimed to examine the impact of climate change on barley production with a particular emphasis on the geographical and climatic characteristics of the counties in Isfahan Province.
 
Materials & Methods
This study was classified as applied research based on its methodology. The necessary statistics and information were collected through documentary sources. Agricultural data were compiled from statistical tables and records provided by the Agricultural Jihad Organization of Isfahan Province for the years of 2006 to 2022. Additionally, data on rainfall and temperature were obtained from the Meteorological Organization of the province. The statistical population for this study consisted of 19 counties located in Isfahan Province, including Aran and Bidgol, Ardestan, Isfahan, Barkhor-e-Meimeh, Tiran and Karun, Khomeini Shahr, Khansar, Semirom, Shahreza, Fereydan, Fereydounshahr, Falavarjan, Kashan, Golpayegan, Lenjan, Mobarakeh, Naein, Najafabad, and Natanz. To investigate the climatic factors affecting barley production in Isfahan Province, the research model was fitted using the Generalized Least Squares (GLS) method and panel data within the EViews12 software environment.
 
Research Findings
The significance of the coefficients indicated that all were statistically significant at the 5% critical level. Additionally, the explanatory power of the model as represented by the R² value demonstrated that the explanatory variables accounted for approximately 87% of the variability in barley production per hectare. The F statistic obtained (149.21) further confirmed a good fit for the research model at a significance level of less than 1%. Since the model was specified in logarithmic form, the coefficient of each variable reflected its elasticity. Notably, the coefficient for irrigation showed a positive and significant effect on barley production, indicating that a 1% increase in irrigation led to a 0.22% increase in barley yield while assuming the all other factors remained constant. The coefficients for machinery, chemical fertilizer, and labor also exhibited positive and significant effects with barley yield increasing by 0.28, 0.24, and 0.27% for each 1% increase in these variables, respectively. Furthermore, the analyses of climatic variables revealed that temperature and precipitation had significant negative and positive effects on barley yield, respectively. Specifically, a 1% increase in temperature resulted in a 0.18% decrease in barley production per hectare, while a 1% increase in precipitation led to a 0.26% increase in production per hectare. The results also indicated that barley production in Isfahan Province exhibited increasing returns to scale with a scale elasticity of 1.09. This suggested that a simultaneous 1% increase in all variables resulted in a 1.09% increase in barley yield.
 
Discussion of Results & Conclusion
This study analyzed the effects of irrigation, capital (agricultural machinery), chemical fertilizers, seeds, and labor, as well as temperature and rainfall on barley production in the counties of Isfahan Province. The model’s data demonstrated stability as confirmed by the panel data reliability test and a long-term relationship was established through the cointegration test. The F-Limer and Hausman tests indicated that the research model comprised panel data with fixed effects. Due to the presence of autocorrelation and heteroscedasticity, the Generalized Least Squares (GLS) estimation method was employed. The results revealed that capital, fertilizers, and labor positively influenced barley yield. In contrast, rainfall and temperature—acting as climate indicators—had a positive and negative effect on production, respectively. This underscored that while technical factors significantly impacted barley production, climate change also played a crucial role. Given the ongoing climate crisis and the escalation of global warming characterized by rising temperatures and declining precipitation trends in recent years the influence of climate on the future of agricultural production is critical. Further research in this area is essential. Additionally, since the increase in greenhouse gases—one of the primary contributors to global warming—adversely affects the production of temperature-sensitive crops like barley, it is recommended to facilitate a transition from fossil fuels to renewable energy sources, such as solar energy. Furthermore, considering the findings of this research and the lack of significance of the seed consumption variable, it is advisable to produce modified seeds that are resistant to climate stress on a large scale and ensure their availability to farmers. Lastly, comprehensive policies aimed at mitigating climate change should be implemented at the national level, including tree planting initiatives and protection of green spaces to reduce human-induced climate impacts.

Keywords

Main Subjects

Full Text

مقدمه

بخش کشاورزی منبع اصلی تأمین‌کننده نیازهای اصلی و اساسی جوامع بوده و بیشترین اهمیت را در برنامه‌های توسعه اقتصادی بر عهده دارد؛ در‌نتیجه، بخش کشاورزی تولید و عرضه مواد غذایی موردنیاز جمعیت روز‌افزون کشورها و برقراری امنیت غذایی را به‌عنوان هدفی مهم، بر عهده دارد (صالح نیا و فلاحی، 1389).

در بین محصولات کشاورزی، جو یکی از غلات مهم زراعی در تأمین غذای انسان، دام و طیور است. این محصول پس از گندم، رتبه‌ دوم را ازنظر سطح زیر کشت و میزان تولید در بین محصولات زراعی به خود اختصاص داده است (سازمان جهاد کشاورزی استان اصفهان، 1400). در کشور ایران، هرچند سابقه‌ کشت جو، بسیار طولانی است؛ اما تولید این محصول طی دوره‌های مختلف و تحت تأثیر پدیده‌های اقتصادی، اجتماعی و شرایط متغیر آب‌و‌هوایی با نوسانات زیادی همراه بوده است (اسدپور و همکاران، 1394)؛ به‌ویژه، در عصر کنونی، استفاده بی‌رویه از سوخت‌های فسیلی، تغییر کاربری اراضی و رشد جمعیت و فعالیت‌های فزاینده صنعتی، باعث بروز تغییر اقلیم در کره زمین شده است. افزایش رخدادهای آب‌وهوایی نظیر سیل، طوفان، امواج گرمایی، خشک‌سالی و غیره از عمده‌ترین آنها محسوب می‌شود (بابائیان و همکاران، 1387). تغییر اقلیم به‌عنوان ریسک مهمی برای بخش کشاورزی شناخته می‌شوند؛ زیرا این تغییرات می‌تواند تأثیرات جدی بر تولید محصولات کشاورزی و صنایع غذایی و ارزش‌افزوده این بخش داشته باشد (Raihan & Tuspekova, 2022). به‌طور تقریبی، همه بخش‌های اقتصادی تحت تأثیر اقلیم قرار دارد؛ اما در این میان بخش کشاورزی وابسته‌ترین بخش به اقلیم است (Rosegrant et al., 2008)؛ به‌گونه‌ای که تولید محصولات کشاورزی تحت تأثیر تغییر اقلیم از راه تغییر در الگوی بارش، تغییر در تاریخ کاشت و برداشت، تغییر درجه حرارت و تبخیر و تعرق قرار می‌گیرد ( Pearce, 1995; Lobell et al., 2011 ). اثرات اقتصادی تغییر اقلیم به‌صورت تغییر در عملکرد، تولید و عرضه محصولات کشاورزی و تأثیر آن بر امنیت غذایی آشکار می‌شود. ضمن اینکه تغییرات بلندمدت در پارامترهای اقلیمی، میزان سودآوری و درآمد کشاورزان را تحت تأثیر قرار می‌دهد (change, 1995).

براساس گزارش‌ها هیئت بین‌المللی تغییر آب‌وهوا، منطقه خاورمیانه در آینده گرم‌تر و خشک‌تر می‌شود. مدل‌های برآورد تغییر آب‌وهوا نشان می‌دهند بارش موجود در منطقه خاورمیانه بیش از چهل میلی‌‌متر در سال کاهش می‌یابد (IPCC, 2023). ایران نیز به‌عنوان یکی از کشورهای این منطقه، با چالش‌های جدیدی مواجه خواهد شد. تغییر اقلیمی، بخش‌های اقتصادی کشور به‌خصوص بخش کشاورزی را تحت تأثیر قرار می‌دهد (پناهی و اسمعیل درجانی، 1399). بر این اساس، در مطالعه جاری سعی شده است با تأکید بر موقعیت جغرافیایی و آب‌وهوایی شهرستان‌های استان اصفهان، تأثیر تغییر اقلیم بر میزان تولید جو، موردبررسی قرار گیرد.

 

پیشینۀ نظری پژوهش

امروزه با اوج‌گیری فعالیت‌های انسانی، غلظت گازهای گلخانه‌ای افزایش ‌یافته و باعث گرم‌شدن کره زمین و درنهایت، منجر به تغییراتی گسترده در آب‌وهوای جهان شده است (Janjua, 2014). تغییر اقلیم، یکی از موانع اصلی رشد اقتصادی و توسعه اجتماعی است (Stern, 2022). به خطر افتادن امنیت غذایی، افزایش فراوانی و شدت بیماری‌ها و شکاف بین افراد ثروتمند و فقیر از دیگر پیامدهای آن است (Zhao & Liu, 2023). آب‌وهوا را می‌توان از اساسی‌ترین ساختار کره زمین دانست که تأثیر گسترده‌‌ای بر تمام جهان هستی و اقتصاد آن دارد. این تغییرات در بلندمدت عواقب جدی اقتصادی و اجتماعی در پی دارد و اثرات سوئی بر سیستم‌های زیست‌محیطی، کشاورزی، فعالیت‌های بشر و اقتصاد می‌گذارد (قهرمانی و قره‌خانی، 1389)؛ برای ‌مثال، براساس گزارش‌های مجمع بین‌المللی تغییر اقلیم[1] (IPCC) برای درجه حرارت مختلف گرمایش زمین در مطالعات مختلف، افزایش دمای کره زمین تا 2 درجه سانتی‌گراد، خسارتی معادل 1 تا 7 درصد و تا 3 درجه سانتی‌گراد، خسارتی معادل 1 تا14 درصد بر تولید ناخالص داخلی به همراه دارد که پرداخت‌کننده بخش عمده آن کشورهای درحال‌توسعه به خاطر برخورداری از سطح پایین سرانه تولید ناخالص داخلی و فقر گسترده هستند (IPCC, 2014). افزایش دما به‌عنوان یکی از اثرات تغییر اقلیم ازطریق تغییرات فیزیولوژیکی در گیاهان می‌تواند به کاهش عملکرد محصولات و تغییر در ترکیب محصولات منجر شود (Baul & Donald, 2015). علاوه بر این، افزایش دما می‌تواند باعث افت کیفیت محصولات شود که این موضوع نیز تأثیر منفی بر ارزش‌افزوده دارد ( Ozdemir, 2022; Song et al., 2022). از طرف دیگر، تغییرات در الگوهای بارش، شامل افزایش خشک‌سالی در برخی مناطق و بارش‌های شدیدتر در دیگر مناطق به چالش‌های کمبود آب برای آبیاری منجر می‌شوند. شرایط خشک‌سالی ممکن است تأثیر محدودیت شدید بر آب موردنیاز برای آبیاری محصولات داشته باشد که به کاهش عملکرد محصولات کشاورزی و کاهش ارزش‌افزوده این بخش می‌انجامد (Chandio et al., 2020).

شرایط آب‌وهوایی عامل تعیین‌کننده اصلی زمان، مکان و بهره‌وری تولید کشاورزی است (حسینی، نظری و عراقی‌نژاد، 1392). تأثیری که تغییرات اقلیمی برطرف عرضه در بخش کشاورزی دارد، ازطریق تأثیر بر بهره‌وری، بازده و دسترسی به زمین و آب زراعی است (Huang et al., 2011). تغییرات اقلیمی می‌تواند ازطریق کاهش بهره‌وری نیروی کار و سرمایه، بر تولید کل بخش کشاورزی، رفاه و کیفیت زندگی کشاورزان تأثیر بگذارد (Rahim & Puay, 2017; Borhan et al., 2013). با توجه به تحقیقات انجام‌شده تغییر اقلیم می‌تواند عامل اصلی کاهش عملکرد کشاورزی باشد (Zhao & Liu, 2023). کشاورزی یکی از بخش‌های مهم جامعه و تأمین‌کننده تولیدات غذایی جامعه است و با تأثیرپذیری از شرایط آب‌وهوای هر منطقه می‌تواند بر اقتصاد آن منطقه تأثیر بگذارد (واثقی و اسماعیلی، 1387). تغییر در عناصر اقلیمی ازجمله دما و بارش و عوامل دیگر می‌‌تواند به‌طور مستقیم محصولات کشاورزی را تحت‌الشعاع قرار دهد و حتی فعالیت‌های انسانی و اقتصاد منطقه را دستخوش تغییرات کند (Isabel et al., 2020).

 

پیشینۀ تجربی پژوهش

در ارتباط با اثرات تغییر اقلیم بر تولیدات محصولات کشاورزی، مطالعاتی در داخل و خارج ایران انجام ‌شده است. صالح‌نیا و فلاحی (1389) در پژوهش خود به بررسی و ارزیابی اثرات سیاست‌های قیمتی، عوامـل محیطـی و عوامل اقلیمی بـر عملکرد گندم در استان خراسان رضوی و با استفاده از الگوی داده‌های تابلویی در دوره 84- 1371 پرداختند. نتایج حاصل از تحقیق نشان داد متغیرهای متوسط درجه حرارت حداقل، قیمت دوره قبل و بارندگی بهاره به‌طور منحصربه‌فردی دارای اثـرات مثبـت و معنی‌دار و متغیر درجه ‌- روز سرمائی نیز دارای اثر منفی و معنی‌دار بر عملکرد گندم بوده است.

نوروزیان و همکاران (1392) در پژوهشی، تأثیر متغیرهای دما و بارش و سایر نهاده‌های کشاورزی شامل بذر، کود، سم و ماشین‌آلات را بر عملکرد محصول استراتژیک پنبه، ارزیابی کردند. نتایج آنها نشان داد افزایش دما در طول فصل رشد بر عملکرد پنبه اثر منفی می‌گذارد.

خالقی، بزازان و مدنی (1393) در مقاله‌ خود تأثیر تغییر آب‌وهوا بر تولید بخش کشاورزی و سایر بخش‌ها و تولید ملی در ایران را بررسی کردند. در این مطالعه از الگوی اصلاح‌شده تقاضا‌محور در قالب ماتریس حسابداری اجتماعی (SAM)[2] سال 1385 استفاده شد. نتایج نشان داد در اثر تغییر اقلیم پیش‌بینی‌شده برای ایران در دوره 2000 تا 2025، تولید بخش کشاورزی 37/5- درصد کاهش می‌یابد. با توجه به روابط متقابل اقتصادی با بخش کشاورزی این اثر به‌صورت کاهش 64/1- درصد تولید بخش خدمات و 27/2- درصد تولید بخش ساختمان برآورد شده است. کاهش تولید ملی متناظر آن 5/9- درصد و کاهش درآمد عوامل تولید 54/25- درصد برآورد شده است.

اسدپورکردی و همکاران (1394) به بررسی اثرات اقلیمی بر تولید محصول استراتژیک جو ایران پرداختند. متغیرهای اقلیمی در این پژوهش انتشار سالانه CO2 و مجموع بارش سالانه ایران است و متغیرهای سطح زیر کشت و مقدار بذر مصرفی به همراه سرمایه ثابت در ماشین‌آلات به‌عنوان شاخصی از فنّاوری انتخاب شدند. داده‌ها به‌صورت سالانه و برای یک دوره 50 ساله و مدل با استفاده از الگوی خود رگرسیونی با وقفه توزیعی برآورد شده است. نتایج این تحقیق نشان داد هم در کوتاه‌مدت و هم در بلندمدت متغیرهای اقلیمی به همراه سطح زیر کشت رابطه مثبت و معنی‌داری با تولید جو داشته و متغیرهای بذر و سرمایه ثابت در ماشین‌آلات معنی‌دار نشده است.

اسدپورکردی و همکاران (1395) با استفاده از اطلاعات زراعی سال‌های 1370-1371 و 1390-1391، به ارزیابی تأثیر متغیرهای اقلیمی بارش و دما به همراه متغیرهای فیزیکی کود، بذر، نیروی کار و ماشین‌‌آلات بر عملکرد پنبه‌آبی در ایران با استفاده از مدل رگرسیون با داده‌های ترکیبی پرداختند. نتایج مطالعه نشان داد در کوتاه‌مدت متغیر دما به همراه متغیرهای فیزیکی شامل کود مصرفی، نیروی کار و ماشین‌‌آلات اثر مثبت و متغیر بذر، اثر منفی بر عملکرد داشته است. در بلندمدت تنها متغیر اقلیمی دما بر میزان عملکرد پنبه‌آبی به شکل غیرخطی تأثیر داشته است.

امیرنژاد و اسدپور (1396) در مطالعه خود به بررسی اثرات تغییر اقلیم بر تولید گندم در ایران طی یک دوره پنجاه‌ساله با استفاده از مدل خودرگرسیون با وقفه توزیعی پرداخته است. نتایج این پژوهش نشان می‌دهد هم در کوتاه‌مدت و هم در بلندمدت متغیرهای اقلیمی به همراه سطح زیر کشت رابطه‌ای مثبت و معنی‌دار با تولید گندم داشته و متغیرهای بذر و سرمایه ثابت در ماشین‌آلات معنی‌دار نشده است.

حلبیان و مؤذنی (1396) به بررسی میزان اثرگذاری پارامترهای اقلیمی ازجمله بارش و دما بر عملکرد محصولات زراعی گندم و جو در بخش بن رود از توابع شرق اصفهان پرداختند. نتایج حاصل نشان داد با کاهش بارش و افزایش دما مقدار تولید کاهش می‌یابد.

کریمی‌فرد و همکاران (1397) به بررسی تأثیر تغییرات اقلیم بر عملکرد محصولات گندم، برنج و جو در استان خوزستان بر مبنای داده‌های ترکیبی دوره ۱۳۹۲-۱۳۷۲ پرداختند. نتایج نشان‌ داد تغییرات در شرایط آب‌وهوایی باعث کاهش در عملکرد گندم، برنج و جو به‌ترتیب به میزان ۰۵/۰ درصد، ۰۳۲/۰ درصد و ۰۲۱/۰ درصد شده است.

پناهی و اسمعیل درجانی (1399)، به بررسی اثر گرمایش جهانی و تغییر اقلیم بر رشد اقتصادی، در قالب یک الگوی اقتصادسنجی پانل با استفاده از تنوع سالانه دما و میزان بارش طی دوره 1390-1380 برای تمام استان‌های ایران پرداختند. نتایج حاکی از آن است که دمای هوا رابطه منفی و معنادار و میزان بارش رابطه مثبت و معنی‌داری در سطح 5درصد با رشد اقتصادی داشته است.

اکبری و همکاران (1400) در پژوهشی به بررسی و تبیین رابطه تغییر اقلیم و رشد بهره‌وری کل عوامل تولید جو دیم در ایران پرداختند. در این راستا، داده‌های مورد نیاز از سازمان جهاد کشاورزی و سازمان هواشناسی کل کشور برای دوره زمانی 1378 تا 1397 جمع‌آوری و با روش داده‌های پانل تحلیل شدند. بررسی اثرپذیری متغیرهای اقلیمی بر رشد بهره‌وری کل عوامل تولید جو نشان داد شاخص نمایه استاندارد بارش اثر منفی و معنی‌دار و کمینه دما اثر مثبت و معنی‌دار بر رشد بهره‌وری جو دیم دارد. همچنین، میزان رشد بهره‌وری کل عوامل تولید جو دیم در اثر تغییرپذیری‌های اقلیم به‌طور میانگین 08/0 درصد کاهش می‌یابد.

زارعی و همکاران (1401) در تحقیق خود به بررسی اثرگذاری‌های تغییر اقلیم بر عملکرد محصولات گندم (آبی و دیم)، جو (آبی و دیم )و ذرت دانه‌ای با استفاده از تابع واکنش عملکرد در اقلیم و زیر اقلیم‌های کشور پرداختند. ایشان از داده‌های میانگین عملکرد کشت و تولید محصولات مورد بررسی، میانگین بارش، میانگین دما طی سال‌های 1361 تا 1394 استفاده کردند. نتایج نشان داد بیشترین ضریب واکنش عملکرد به بارش در اقلیم و زیر اقلیم نیمه‌خشک سرد، نیمه‌خشک گرم، نیمه‌خشک معتدل، خشک سرد، خشک گرم و خشک معتدل به‌ترتیب مربوط به گندم دیم، گندم آبی، گندم دیم، جو دیم، جو دیم و گندم دیم بوده است. افزون بر این، بیشترین ضریب واکنش عملکرد به دما در اقلیم و زیر اقلیم نیمه‌خشک سرد، نیمه‌خشک گرم، نیمه‌خشک معتدل، خشک سرد، خشک گرم و خشک معتدل به ترتیب مربوط به گندم دیم، جو دیم، گندم آبی، گندم دیم، جو دیم و گندم دیم بوده است.

عربی و همکاران (1402) به بررسی اثرات تغییر اقلیم بر توسعه بخش کشاورزی ایران و رفاه خانوار و برنامه‌های دولت برای سازگاری با تغییر اقلیم پرداختند. در این تحقیق برای تجزیه‌وتحلیل داده‌ها از مدل تعادل عمومی محاسبه پذیر پویای بازگشتی[3] (RDCGE) با استفاده از ماتریس حسابداری اجتماعی سال1390 استفاده ‌شده است. نتایج نشان داد تغییر اقلیم، ارزش‌افزوده بخش کشاورزی و بخش صنعت و معدن را کاهش و ارزش‌افزوده بخش خدمات را افزایش و میزان رفاه خانوار را کاهش می‌دهد. همچنین براساس یافته‌ها، تغییر اقلیم منجر به کاهش ارزش‌افزوده اقتصاد ایران و رفاه خانوار خواهد شد.

نیکلس به بررسی تغییرات آب‌وهوا روی عملکرد گندم در استرالیا پرداخت و نتیجه گرفت با افزایش یک درجه حرارت، عملکرد گندم به‌اندازه 3 تا 5 درصد افزایش می‌یابد (Nicholls, 1997). سلطانا با بررسی آسیب‌پذیری و سازگاری تولید گندم به پدیده تغییر اقلیم در چهار ناحیه آب‌وهوایی پاکستان، نتیجه گرفتند افزایش درجه حرارت منجر به کاهش عملکرد محصول در نواحی خشک، نیمه‌خشک و نیمه مرطوب خواهد شد (Sultana, 2009).

جانجوا در مطالعه‌ای با عنوان تغییر اقلیم و تولید گندم در پاکستان به بررسی اثرات متغیرهای اقلیم بر تولید گندم پرداختند. نتایج نشان دادند تغییر اقلیم، تولید گندم در پاکستان را تحت تأثیر قرار نمی‌دهد (Janjua, 2014). تکوناگا و همکاران در مطالعه خود به بررسی تأثیر تغییر اقلیم بر تولیدات محصولات کشاورزی در کشور ژاپن طی بازه زمانی 1995 تا 2006 با استفاده از داده‌های ترکیبی پویا پرداخته است. نتایج این پژوهش نشان می‌دهد افزایش میانگین دما موجب کاهش تولیدات محصولات کشاورزی شده است (Tokunaga et al., 2015). مندلسن و وانگ به بررسی عوامل مؤثر بر عملکرد سه محصول برنج، ذرت و گندم در کشور چین پرداختند. آنها دریافتند توابع نهاده‌ها نسبت به تغییر اقلیم، بسیار حساس بوده‌اند؛ به‌طوری‌که با تغییرات مطلوب اقلیمی، کشاورزان نهاده‌ها را افزایش داده‌اند (Mendelsohn & Wang, 2017). دی مدیرس و همکاران در مطالعه‌ای تأثیر عناصر اقلیمی در تولید نیشکر در ایالت پارابیا برزیل را از سال 1990 تا 2015 به روش تابع تولید با داده‌های تابلویی بررسی کردند. نتایج برآورد نشان داد متغیرهای بارندگی و دما به ترتیب اثرات معنی‌دار مثبت و منفی بر تولید داشته‌اند (DeMedeiros Silva et al., 2019). کادانالی و یالکینکایا اثرات تغییر آب‌وهوا بر رشد اقتصادی 20 اقتصاد بزرگ جهان را در بازه زمانی 1990 تا 2018 با استفاده از روش تابع تولید کاب - داگلاس بررسی کردند. شواهد به‌دست‌آمده از این مطالعه حاکی از آن است که اثر تغییرات آب‌وهوای بر رشد اقتصادی ازنظر آماری منفی بوده است (Kadanaly & Yalcinkaya, 2020). لی در مطالعه‌ای به مرور مهم‌ترین عوامل اقلیمی تأثیرگذار بر تولید برنج و روش‌های اندازه‌گیری میزان تأثیر تغییر اقلیم بر تولید کشاورزی در استان‌های ژاپن طی دوره 2020- 1978 پرداخت. در این مطالعه از تابع تولید کاب -داگلاس با تحلیل داده‌های تابلویی برای توصیف رابطۀ بین عوامل تولید استفاده شد. براساس یافته‌های پژوهش، رابطۀ معکوس بین دما، بارش و سرعت باد بر تولید برنج وجود داشته است. درمقابل، مدت‌زمان تابش آفتاب بر تولید برنج، تأثیر مثبت داشته است (Li, 2023). چاما در مقاله خود، با استفاده از یک مجموعه داده تابلویی شامل ۴۳ کشور جنوب صحرای آفریقا از سال ۱۹۷۰ تا ۲۰۱۹، تأثیر تغییرات اقلیمی را بر تولیدات بخش کشاورزی بررسی کرده است. نتایج نشان می‌دهد تغییرات اقلیمی که با افزایش دما و کاهش بارندگی مشخص می‌شود، تأثیر مخربی بر تولیدات بخش کشاورزی داشته است (Chamma, 2024). براساس الگوهای ارائه‌شده در مطالعات پیشین که مبنای بسیاری از تحقیقات انجام‌شده در داخل و خارج از کشور است، پژوهش‌های متعددی در زمینه تأثیر تغییر اقلیم بر ارزش‌افزوده بخش کشاورزی انجام‌شده است؛ اما آنچه پژوهش حاضر را از سایر پژوهش‌ها متمایز می‌کند، بررسی عوامل تأثیرگذار اقلیمی بر عملکرد محصول جو در استان اصفهان، در چارچوب مدل‌های اقتصادسنجی و با استفاده از داده‌های تابلویی در شهرستان‌های مختلف این استان بوده است؛ بنابراین، پژوهش حاضر ازنظر تمرکز منطقه‌ای با رویکرد جزئی‌نگر، کاربرد داده‌های تابلویی در سطح شهرستان در حوزه مطالعات اقلیم، استفاده از مدل GLS با دقت تخمین بالا و همچنین تحلیل بازدهی نسبت به مقیاس در تولید محصول جو دارای جنبه‌های نوآورانه است.

 

روش‌شناسی پژوهش

منطقه مورد مطالعه

استان اصفهان با مساحتی حدود 107018 کیلومتر مربع در مرکز ایران واقع ‌شده ‌است. براساس آخرین تقسیمات کشوری، این استان دارای 28 شهرستان (شکل 1) به مرکزیت شهر اصفهان است. براساس روش دمارتون، استان اصفهان به چهار ناحیه آب‌وهوایی متمایز تقسیم می‌شود که شامل ناحیه آب‌وهوایی خشک در بخش وسیعی از نواحی شرقی و مرکزی، ناحیه آب‌وهوای نیمه‌خشک در دامنه شرقی کوهپایه‌های زاگرس، ناحیه آب‌وهوای مدیترانه‌ای منطبق بر ارتفاعات زاگرس و ناحیه آب‌وهوایی نیمه مرطوب در بخش کوچکی از زاگرس در منتهی‌الیه غرب استان است (شکل 2). بر این اساس، درصد بالایی از استان اصفهان در منطقه خشک و نیمه‌خشک قرار گرفته است که ضرورت مدیریت منابع آب در این بخش‌ها، به‌خصوص در سال‌هایی که با خشک‌سالی‌های طولانی‌مدت روبه‌رو هستند، به‌شدت احساس می‌شود (حلبیان و جهانگیری، 1394). با توجه به شرایط توپوگرافی و وجود مناطق مرتفع و کوهستانی در غرب و نواحی پست و کم ارتفاع (دشت کویر) در شرق و جنوب شرق، در یک روند کلی، با حرکت از غرب به شرق استان، بر دمای هوا افزوده و از میزان بارش کاسته می‌شود (شکل‏های 3 و 4). (امیراحمدی و عباس نیا، 1389؛ حلبیان و جهانگیری، 1394).

 

 

شکل 2. نواحی آب‌وهوای استان اصفهان

(امیراحمدی و عباس‌نیا، 1389)

Figure2: Climate zones of Isfahan Province

 

شکل 1. محدوده مورد مطالعه

Figure1: Study area

 

 

شکل 4. میزان بارش در استان اصفهان

(امیراحمدی و عباس‌نیا، 1389؛ حلبیان و جهانگیری، 1394)

Figure4: Amount of Precipitation in Isfahan Province

 

 

شکل 3. میزان دما در استان اصفهان

(امیراحمدی و عباس‌نیا، 1389؛ حلبیان و جهانگیری، 1394)

Figure3: Temperature in Isfahan Province

داده‌ها و متغیرهای مدل

پژوهش حاضر به لحاظ روش پژوهش از نوع پژوهش‌های کاربردی است. آمار و اطلاعات موردنیاز پژوهش، به شیوه‌ اسنادی جمع‌آوری شده است. بر ‌این ‌اساس، اطلاعات زراعی مورد نیاز از جداول آماری تنظیم ‌شده و سالنامه‌های آماری 1401-1385 سازمان جهاد کشاورزی استان اصفهان و داده‌های مربوط به میزان بارندگی و دما از سازمان هواشناسی استان اصفهان گردآوری ‌شده است. جامعه آماری این پژوهش شامل 19 شهرستان‌های استان اصفهان است که از بین آنها 19 شهرستان فعال در تولید جو آبی شامل (آران و بیدگل، اردستان، اصفهان، برخوار و میمه، تیران و کرون، خمینی‌شهر، خوانسار، سمیرم، شهرضا، فریدن، فریدونشهر، فلاورجان، کاشان، گلپایگان، لنجان، مبارکه، نائین، نجف‌آباد و نطنز) انتخاب شدند. به‌منظور بررسی عوامل تأثیرگذار اقلیمی بر تولید جو در استان اصفهان، مدل پژوهش با استفاده از روش حداقل مربعات تعمیم‌یافته [4] و داده‌های تابلویی [5] در محیط نرم‌افزاری Eviews12 برازش شد. داده‌های تابلویی درواقع ترکیبی از داده‌های مقطعی و سری زمانی است که در آن اطلاعات مربوط به داده‌های مقطعی در طول زمان مشاهده می‌شود.

در جدول 1، متغیرهای به‌کاررفته در مدل و همچنین منابع داده‌ها معرفی‌ شده است. از میانگین بارندگی و دمای سالانه شهرستان‌های مورد مطالعه به‌عنوان شاخص بارندگی و دما استفاده شد. در میان همه پارامترهای اقلیمی (مانند رطوبت، باد، ساعات آفتابی و ...)، دو متغیر دما و بارندگی بیشترین تأثیر و نوسان را دارند و معمولاً در داده‌های رسمی و بلندمدت ازطریق سازمان‌های هواشناسی دردسترس هستند؛ بنابراین، انتخاب این دو شاخص، هم ازنظر علمی و هم ازنظر عملی، منطقی و قابل اتکا است. همچنین، در بیشتر مطالعات داخلی و بین‌المللی، دما و بارش به‌عنوان مهم‌ترین پارامترهای اقلیمی در تحلیل اثرات تغییر اقلیم به‌کار گرفته می‌شوند (IPCC, 2023).

جدول 1. متغیرهای مورد استفاده در مدل پژوهش

Table1. Variables used in the research model

متغیر

نماد

منبع

تولید جو آبی در هکتار

Yb

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

آب مصرفی در هکتار

Ir

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

متوسط ساعات استفاده از ماشین‌آلات در هکتار

M

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

متوسط بارندگی سالیانه (میلی‌متر)

R

سازمان هواشناسی استان اصفهان

متوسط دمای سالیانه (سانتی‌گراد)

T

سازمان هواشناسی استان اصفهان

متوسط مصرف کود شیمیایی در هکتار

F

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

متوسط مصرف بذر در هکتار

S

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

متوسط استفاده از نیروی کار در هکتار

L

سالنامه آماری سازمان جهاد کشاورزی استان اصفهان

 

داده‌های تابلویی

امروزه استفاده از داده‌های تابلویی در مطالعات اقتصادسنجی گسترش درخور ملاحظه‌ای یافته است؛ به‌طوری‌که از داده‌های تابلویی می‌توان برای مواردی که نمی‌توان مسائل را صرفاً به‌صورت سری زمانی یا برش‌های مقطعی بررسی کرد، بهره گرفت. برای اینکه در تخمین‌ها، رگرسیون کاذب ایجاد نشود، باید ابتدا از پایابودن متغیرها اطمینان حاصل کرد. آزمون‌ لوین، لین و چو (LLC)[6] برای بررسی پایایی متغیرها یا آزمون‌های ریشه واحد در داده‌های تابلویی است. برای تخمین مدل با داده‌های تابلویی، در ابتدا لازم است نوع داده‌های مدل رگرسیون از جهت تابلویی یا تلفیقی بودن مشخص شود که این کار با انجام آزمون اف لیمر صورت می‌گیرد. درنهایت برای انتخاب بین مدل‌های اثرات ثابت و اثرات تصادفی در داده‌های تابلویی، از آزمون تصریح هاسمن استفاده می‌شود (سوری، 1394).

ازجمله فروض مهم کلاسیک در رگرسیون خطی این است که نخست، خودهمبستگی سریالی بین جملات اخلال (پسماندها) وجود نداشته باشد و دوم، واریانس جملات اخلال یکسان باشند. در صورت وجود خودهمبستگی و واریانس ناهمسانی در مدل باید از روش حداقل مربعات تعمیم‌یافته (GLS) استفاده کرد. در مدل GLS فرض می‌شود ماتریس کوواریانس خطاها که نشان‌دهنده خودهمبستگی و واریانس جملات اخلال است، غیرقطری است. یکی از مزایای اصلی مدل‌های GLS این است که می‌توانند دقت تخمین‌ها را در مقایسه با مدل‌های OLS افزایش دهند. در شرایطی که داده‌ها به‌ویژه دارای مشکلات خودهمبستگی یا واریانس ناهمسانی باشند، استفاده از GLS می‌تواند باعث کاهش واریانس تخمین‌ها و بهبود دقت آنها شود (Green, 2003).

 

مدل پژوهش

در تبیین الگوی مورد برآورد با استفاده از مبانی تئوریک و همچنین مدل‌های معمول به کار گرفته‌شده در مطالعات تجربی پیشین ( Li, 2023; Janjua et al, 2014; DeMedeiros Silva et al., 2019؛ اسدپورکردی و همکاران، 1395) الگوی استفاده‌شده در پژوهش حاضر، به‌صورت رابطه 1 است:

)                                                           رابطه1

 

در رابطۀ فوق؛Yb  مقدار تولید جو (کیلوگرم در هکتار)، Ir متوسط آب مصرفی در هکتار (مترمکعب)، M متوسط ساعات استفاده از ماشین‌آلات در هکتار،  Tمیانگین دمای سالانه (سانتی‌گراد)، R میانگین بارندگی (میلی‌متر)، F میزان مصرف کود شیمیایی (کیلوگرم در هکتار)، S میزان بذر مصرفی (کیلوگرم در هکتار) و L ساعات استفاده از نیروی کار در هکتار است. در این رابطه، i معرف شهرستان‌ها (19 شهرستان) و t معرف دوره زمانی (1401-1385) است.

 

یافته‌های پژوهش

آزمون‌ها

خصوصیات آماری متغیرهای استفاده‌شده در مدل ازنظر مانایی و احتمال وجود ریشه واحد در جدول 2، بررسی‌شده است. مانایی متغیرها با آزمون پرکاربرد لوین، لین و چو، بررسی و نتایج حاصل از بررسی مانایی متغیرهای به‌کاررفته در مدل در جدول ارائه ‌شده‌اند. نتیجه حاصل از بررسی مانایی متغیرهای به‌کاررفته در مدل نشان می‌دهد تمامی متغیرها به‌غیراز بذر مصرفی، در سطح مانا هستند؛ به این معنا که فرضیۀ صفر، مبنی بر نامانایی آنها یا وجود ریشه واحد در باقی‌مانده‌های رگرسیون در سطح رد می‌شود. متغیر بذر مصرفی با یک‌بار تفاضل‌گیری مانا شد. با توجه به احتمالات به‌دست‌آمده در آزمون‌ فوق، فرضیه صفر رد می‌شود و متغیرهای مدل مانا هستند و رگرسیون حاصل از تخمین مدل کاذب نخواهد بود.

 

جدول 2. نتایج حاصل از بررسی مانایی متغیرهای به‌کاررفته در مدل

Table2. Results from examining the stationarity of the variables used in the model

متغیرها

آماره (لوین-لین-چو)

احتمال

وضعیت پایایی

Yb

8032/8-

0000/0

مانا

Ir

6469/3-

0000/0

مانا

M

7128/6-

0000/0

مانا

T

4051/4-

0000/0

مانا

R

1433/4-

0000/0

مانا

F

3592/2-

0092/0

مانا

D(S)

6961/6-

0000/0

مانا

L

3111/2-

0104/0

مانا

مأخذ: یافته‌های تحقیق

 

برای بررسی رابطه بلندمدت از آزمون هم‌انباشتگی داده‌های تابلویی استفاده می‌شود. در آزمون هم‌انباشتگی مسئله‌ اساسی این است که اگرچه بسیاری از سری‌های زمانی اقتصادی دارای ریشه واحد هستند (عدم‌پایایی)، ممکن است ترکیب خطی این متغیرها در بلندمدت پایا باشد. آزمون هم‌انباشتگی کمک می‌کند روابط بلندمدت میان متغیرها شناسایی و برآورد شود. آزمون کائو ازجمله آزمون‌های هم‌انباشتگی در داده‌های تابلویی است (نوفرستی، 1378). جدول 3، نتایج آزمون کائو را برای داده‌های تابلویی نشان می‌دهد.

جدول 3. نتایج آزمون هم‌انباشتگی کائو

Table3. Results of the Kao cointegration test

نوع آزمون

آماره آزمون

احتمال

نتیجه آزمون

آزمون کائو

9214851/2

0000/0

وجود هم‌انباشتگی

مأخذ: یافته‌های تحقیق

 

در جدول 4، ضرورت استفاده از داده‌های ترکیبی در برآورد مدل به‌وسیله آزمون F لیمر برای تعیین تجمیعی یا تابلویی‌بودن مدل آزمون شده است. نتایج این آزمون، بیانگر عدم پذیرش فرضیه H0 مبنی بر تجمیعی‌بودن مدل و وجود ناهمگنی مقاطع است. به ‌عبارت ‌دیگر، نتایج این آزمون، حاکی از متفاوت‌بودن عرض از مبدأهای مقاطع و مناسب‌بودن روش داده‌های تابلویی برای برآورد مدل است.

 

جدول 4. نتایج آزمون F لیمر

Table4. Results of the F-limer test

P-value

درجه آزادی

آماره

Effect Test

0000/0

(275/18)

1416/72

Cross-section F

0000/0

18

2727/530

Cross-section χ2

مأخذ: یافته‌های تحقیق

 

نتایج آزمون هاسمن برای تعیین و انتخاب میان روش اثرات ثابت و تصادفی در جدول 5 آمده است. با توجه به مقدار آماره χ2 و سطح معنی‌داری به‌دست‌آمده، فرضیۀ H0 مبنی بر مناسب‌بودن اثرات تصادفی، رد می‌شود و بنابراین مدل اثرات ثابت، ترجیح داده می‌شود. بر این اساس، می‌توان اینگونه برداشت کرد که عواملی به‌جز متغیرهای تعریف‌شده (متغیرهای توضیحی)، بر میزان تولید جو در هر هکتار از اراضی شهرستان‌های مزبور، به‌طور متفاوت، اما با روند ثابت تأثیرگذارند.

 

جدول 5. نتایج آزمون هاسمن

Table5. Hausman test results

P-value

درجه آزادی  χ2

آماره χ2

Test Husman

0063/0

10

5364/24

Cross-section Random

مأخذ: یافته‌های تحقیق

 

بررسی فروض کلاسیک باعث می‌شود روش تخمین صحیحی انتخاب شود. بررسی خودهمبستگی و واریانس ناهمسانی جملات اخلال ازجمله مهم‌ترین این فروض به شمار می‌رود. آزمون بریوش پاگان برای خودهمبستگی و آزمون LR برای واریانس ناهمسانی مورد بررسی قرار گرفته است (گجراتی، 1377). درواقع پس از تخمین اولیه مدل با روش OLS، برای بررسی فروض کلاسیک، آزمون‌های فوق برای تشخیص خودهمبستگی و ناهمسانی واریانس بین واحدهای مقطعی انجام شد. نتایج هر دو آزمون حاکی از وجود خودهمبستگی و واریانس ناهمسانی در مدل بودند (P<0.05)؛ ازاین‌رو، به‌منظور رفع این نقایص و افزایش دقت آماری، مدل نهایی با استفاده از روش حداقل مربعات تعمیم‌یافته (GLS) برآورد شد. این روش با در نظر گرفتن ساختار واقعی خطاها، تخمین‌هایی سازگار و کاراتر نسبت به OLS ارائه می‌دهد. براساس نتایج به‌دست‌آمده در جدول 6، با توجه به مقدار آماره آزمون‌ها و سطح معنی‌داری، مدل با خودهمبستگی و واریانس ناهمسانی مواجه است. بر این اساس، برای تخمین مدل، از روش حداقل مربعات تعمیم‌یافته استفاده شد.

 

جدول 6. آزمون‌های فروض کلاسیک

Table6. Tests of classical hypotheses

نتیجه آزمون

احتمال

آماره

نوع آزمون

وجود خودهمبستگی

000/0

415432/18

آزمون بریوش پاگان برای خودهمبستگی

وجود واریانس ناهمسانی

000/0

965214/21

آزمون LR برای واریانس ناهمسانی

مأخذ: یافته‌های تحقیق

 

برآورد مدل پژوهش

مدل‌های GLS، یکی از روش‌های آماری پیچیده و قدرتمند است که به‌ویژه در تحلیل‌های اقتصادسنجی، تحلیل داده‌های تابلویی و سایر زمینه‌های آماری که در آنها مشکلاتی مانند خودهمبستگی یا واریانس ناهمسانی در داده‌ها وجود دارد، به کار می‌رود. این مدل‌ها به‌منظور اصلاح مشکلاتی مانند خودهمبستگی خطاها و واریانس غیرثابت در داده‌ها طراحی‌ شده‌اند. نتایج نهایی تخمین الگوی مد نظر به روش حداقل مربعات تعمیم‌یافته طی سال‌های 1401-1375، در جدول 7 ارائه شده است.

در پژوهش حاضر، توابع ترانسلوگ، ترانسندنتال و کاب – داگلاس برآورد شدند که درنهایت، براساس معیار تعداد ضرایب معنی‌دار و مقدار آماره‌ی F محاسبه‌شده، تابع کاب داگلاس به‌عنوان تابع برتر انتخاب شد. نتایج برآورد این تابع به‌عنوان مناسب‌ترین مدل با توجه به معیارهای انتخاب تابع مناسب، در جدول 7 ارائه شده است.

بررسی معناداری ضرایب نشان می‌دهد تمامی ضرایب ازلحاظ آماری در سطح بحرانی 5 درصد معنادارند. همچنین مقدار ضریب توضیح‌دهندگی مدل (R2) نشان می‌دهد که متغیرهای توضیحی حدود 87 درصد تغییرات تولید جو در هکتار را توضیح می‌دهند. آمارۀ F به‌دست‌آمده (21/149) نیز بیانگر برازش خوب مدل پژوهش در سطح کمتر از یک درصد است. از آنجایی‌ که مدل به‌صورت لگاریتمی به کار رفته است، ضریب هر متغیر نشان‌دهنده کشش آن متغیر خواهد بود. بر این اساس، ملاحظه می‌شود ضریب متغیر آبیاری اثر مثبت و معنادار بر تولید جو داشته است و بیانگر آن است با فرض ثابت‌بودن سایر عوامل، یک درصد افزایش در میزان آبیاری، افزایشی معادل 22/0 درصد در عملکرد جو را به همراه خواهد داشت.

 

 

جدول 7. نتایج حاصل از برآورد مدل به روش GLS

Table7. Results of model estimation using the GLS method

P-value

آماره t

انحراف از معیار

ضرایب تخمین

متغیرهای توضیحی

000/0

6484/2

3037/3

***4459/9

C

0034/0

9500/2

0701/0

***2194/0

lnIr

0412/0

9423/1

0973/0

**2808 /0

lnM

0322/0

1550/2

1049/0

**2410/0

lnF

4212/0

8355/0

1756/0

ns 2024/0

lnS

0253/0

2485/2

0755/0

**2744/0

lnL

0247/0

2580/2-

0821/0

**1874/0-

lnT

0230/0

9431/2

5846/0

**2612/0

lnR

R2

P-value

آماره‌ی  F

8768/0

0000/0

2136/149
             

***، ** و * به ترتیب معنادار در سطح یک، پنج و ده درصد

مأخذ: یافته‌های تحقیق

 

ضریب تأثیر متغیرهای ماشین‌آلات، کود شیمیایی و نیروی کار نیز بر عملکرد جو مثبت و معناداری بوده است؛ به‌طوری‌که با افزایش یک درصد از این متغیرها، به ترتیب 28/0، 24/0 و 27/0 درصد عملکرد جو افزایش می‌یابد. مطالعه‌ی اسدپور و همکاران (1395) و نوروزیان و همکاران (1392) نیز این موضوع را تأیید کرده است؛ به طوری که در این پژوهش‌ها نیز نهاده‌های فنی به‌عنوان ابزارهای کلیدی در افزایش عملکرد معرفی شده‌اند. در بین عوامل بررسی‌شده، تنها ضریب متغیر بذرمصرفی معنادار نشده است که با مطالعه اسدپورکردی و همکاران (1394) همسو بوده است. می‌توان نتیجه گرفت که تقریباً همه‌ کشاورزان برای کاشت جو از میزان مشخصی بذر در واحد سطح استفاده کرده‌اند. با توجه به نتایج به‌دست‌آمده، همه نهاده‌های بررسی‌شده در تابع عملکرد جو استان اصفهان، دارای کششی بین صفر و یک بوده‌اند که بر این اساس، مصرف این نهاده‌ها به شکل منطقی و در ناحیه دوم تولید بوده است. علاوه بر این، نتایج نشان می‌دهد در تولید جو استان اصفهان بازده صعودی نسبت به مقیاس معادل 09/1 وجود دارد که بیانگر آن است با افزایش یک‌درصدی در کلیۀ متغیرها به‌طور هم‌زمان، عملکرد محصول جو، 09/1 درصد افزایش می‌یابد. براساس نتایج به‌دست‌آمده از بررسی متغیرهای اقلیم بر عملکرد جو، میزان دما و بارش به ترتیب اثر منفی و مثبت به شکل معناداری بر عملکرد جو داشته است؛ به‌طوری‌که درنتیجه‌ یک درصد افزایش در میزان دما، تولید جو 18/0 درصد در هکتار، کاهش و درنتیجه‌ یک درصد افزایش در میزان بارش، تولید جو 26/0 درصد در هکتار افزایش می‌یابد. یافته این پژوهش مبنی بر کاهش عملکرد جو با افزایش دما و کاهش بارندگی، با نتایج مطالعات انجام‌شده در زمینه تأثیر اقلیم نظیر مطالعه کریمی‌فرد و همکاران (1397) و حلبیان و موذنی (1396) بر عملکرد گندم و جو، نوروزیان و همکاران (1392) بر عملکرد پنبه، Nicholls (1997) بر عملکرد گندم، Tokunaga (2015) بر تولیدات کشاورزی، DeMedeiros Silva et al. (2019) و Kadanaly (2020) بر عملکرد نیشکر و Li (2023) بر عملکرد برنج همسو است که در آنها نیز دمای بالا به‌عنوان عاملی منفی و بارندگی به عنوان عامل مثبت بر عملکرد غلات شناخته شده است.

نتیجه‌گیری و پیشنهادها

در عصر حاضر، تغییرات اقلیمی به‌عنوان یکی از چالش‌های بزرگ جهانی، پیامدهای گسترده‌ای بر ابعاد اقتصادی، اجتماعی و زیست‌محیطی جوامع انسانی به‌ویژه در بخش کشاورزی بر جای گذاشته است. کشاورزی، به‌عنوان بخشی کاملاً وابسته به شرایط اقلیمی، بیش از هر حوزه دیگری از نوسانات آب‌وهوایی تأثیر می‌پذیرد. پژوهش حاضر با هدف تحلیل اثرات تغییرات اقلیم بر تولید محصول استراتژیک جو در استان اصفهان، با بهره‌گیری از داده‌های تابلویی و روش حداقل مربعات تعمیم‌یافته، گامی علمی و کاربردی در راستای شناسایی عوامل مؤثر بر عملکرد این محصول برداشته است. نتایج حاصل از برآورد مدل، گویای آن است که در میان نهاده‌های فنی، متغیرهای آبیاری، مصرف کود شیمیایی، نیروی کار و استفاده از ماشین‌آلات اثر مثبت و معناداری بر تولید جو داشته‌اند. تنها متغیر بذر مصرفی، اثر معناداری بر عملکرد نشان نداد که این موضوع می‌تواند ناشی از یکنواختی در میزان بذر مصرفی در سطح مزارع باشد. ازنظر کشش تولید نسبت به نهاده‌ها، نتایج حاکی از بازدهی فزاینده نسبت به مقیاس بود که این نشان می‌دهد هنوز ظرفیت‌های قابل ‌توسعه‌ای در تولید جو در استان اصفهان وجود دارد. این یافته‌ها نشان می‌دهد که مدیریت صحیح نهاده‌های تولید، نقش کلیدی در بهره‌وری و پایداری کشاورزی دارد. از سوی دیگر، تحلیل داده‌ها نشان داد که تغییر اقلیمی به‌ویژه افزایش دما و کاهش بارندگی، اثرات معنادار و چشمگیری بر تولید محصول جو در استان اصفهان داشته است. براساس تحلیل‌های آماری مشخص شد که افزایش دما اثری منفی و افزایش بارندگی اثری مثبت و معنادار بر عملکرد جو آبی داشته‌اند. به‌ عبارت ‌دیگر، افزایش دما به کاهش تولید و افزایش بارندگی به بهبود عملکرد این محصول منجر شده است. این نتیجه، ضمن تأیید حساسیت بالای محصول جو نسبت به متغیرهای اقلیمی، سیاست‌گذاران بخش کشاورزی در راستای تدوین برنامه‌های سازگار با اقلیم را ترغیب می‌کند.

درمجموع، پژوهش حاضر بر این نکته تأکید دارد که در کنار به‌کارگیری بهینه نهاده‌های فنی، مدیریت صحیح اثرات اقلیمی بر کشاورزی نیز باید در اولویت سیاست‌گذاری‌ها قرار گیرد. با توجه به اقلیم خشک و نیمه‌خشک استان اصفهان، گرم‌شدن هوا و کاهش بارش براساس روندهای افزایشی دما و کاهشی بارش در سال‌های اخیر، می‌تواند به‌شدت امنیت غذایی، پایداری کشاورزی و تولید محصولات زراعی، به‌ویژه جو را با تهدید جدی مواجه کند. تغییر اقلیم، نه‌تنها یک پدیده‌ زیست‌محیطی، یک چالش اقتصادی - اجتماعی جدی برای آینده کشاورزی محسوب می‌شود. بر این اساس و با توجه به بحران تغییر اقلیم،‌ می‌توان اثرگذاری اقلیم برای آینده تولیدات بخش کشاورزی را مهم توصیف کرد و بررسی‌های بیشتر در این زمینه را پیگیری کرد؛ بنابراین، اتخاذ تدابیر راهبردی برای سازگاری با تغییر اقلیم امری ضروری و اجتناب‌ناپذیر است. بر این اساس، موارد زیر پیشنهاد می‌شود:

  • توسعه سامانه‌های آبیاری کارآمد با توجه به شرایط کم‌آبی؛
  • استفاده از بذرهای مقاوم به خشکی و گرما؛
  • بهره‌گیری از انرژی‌های تجدیدپذیر و نوین کاربرد (انرژی خورشیدی) برای کاهش انتشار گازهای گلخانه‌ای به‌جای سوخت‌های فسیلی؛
  • حمایت‌های آموزشی و فنی از کشاورزان در راستای تطبیق با شرایط جدید اقلیمی؛
  • تأکید بر اهمیت ترکیب مدیریت علمی منابع کشاورزی با راهبردهای اقلیمی؛
  • لحاظ‌کردن تغییرات اقلیمی به‌عنوان یک عامل کلیدی در برنامه‌ریزی‌های بلندمدت کشاورزی در سیاست‌گذاری‌های کلان و محلی.

این پژوهش با محدودیت‌هایی مانند عدم قطعیت در مدل‌های اقلیمی، کمبود داده‌های مزرعه، نادیده‌گرفتن ابعاد کیفی محصول و اثرات اجتماعی - اقتصادی کشاورزان مواجه بود. پیشنهاد می‌شود در پژوهش‌های آتی از مدل‌های اقلیمی با لحاظ رویکردهای تلفیقی و ابعاد کیفی و رفتاری بهره‌برداران بهره گرفته شود.

 

[1] . The Intergovernmental Panel on Climate Change (IPCC).

[2] .Social Accounting Matrix (SAM) model.

[3] The Recursive Dynamic Computable General Equilibrium (RDCGE).

[4] Generalized least Squares

[5] Panel Data

[6] Levin, Lin and Chui (LLC)

References

منابع
اسدپورکردی، مریم، امیرنژاد، حمید، و مجاوریان، سیدمجتبی (1394). بررسی اثرات بلندمدت و کوتاه‌مدت تغییر اقلیم بر تولید جو. دومین همایش یافته‌های نوین در محیط‌زیست و اکوسیستم‌های کشاورزی.
https://civilica.com/doc/411600
اسدپورکردی، مریم، امیرنژاد، حمید، و مجاوریان، سید مجتبی (1395). بررسی تأثیر بلندمدت و کوتاه‌مدت تغییر متغیرهای آب‌وهوایی بر عملکرد پنبه‌آبی. اقتصاد کشاورزی، 10(2)، 111-129.
https://doi.org/10.22034/iaes.2016.19775
اکبری، سید محبوب اله، رضایی، اعظم، شیرانی بیدآبادی، فرهاد، و اشراقی، فرشید (1400). بررسی ارتباط تغییر اقلیم و رشد بهره‌وری کل عوامل تولید جو دیم در ایران. اقتصاد کشاورزی، 16(1)، 81-97.
https://www.iranianjae.ir/article_252184.html
امیراحمدی، ابوالقاسم، و عباس‌نیا، محسن (1389). ناحیه‌بندی آب‌وهوایی استان اصفهان با استفاده از روش‌های نوین آماری. مطالعات جغرافیایی مناطق خشک، 1(1)، 12-23.
https://jargs.hsu.ac.ir/article_161259.html
امیرنژاد، حمید، و اسدپور کردی، مریم (1396). بررسی اثرات تغییر اقلیم بر تولید گندم ایران. تحقیقات اقتصاد کشاورزی، 9(35)، 163-182. https://jae.marvdasht.iau.ir/article_2520.html
بابائیان، ایمان، نجفی نیک، زهرا، زابل عباسی، فاطمه، حبیبی نوخندان، مجید، ادب، حامد، و ملبوسی، شراره (1387). ارزیابی تغییر آب‌وهوا شمال شرق ایران در دوره 2010 تا 2039 میلادی با استفاده از ریزمقیاس نمایی داده‌های مدل گردش عمومی جو. مجله جغرافیا و توسعه، 16(4)، 41-53.
http://doi.org/10.22111/gdij.2009.1179
پناهی، حسین، و اسمعیل درجانی، نجمه (1399). بررسی اثر گرمایش جهانی و تغییرات اقلیمی بر رشد اقتصادی (مطالعه موردی: استان‌های ایران طی دوره 139-1380). علوم و تکنولوژی محیط‌زیست، 22(1)، 79-88..
https://sid.ir/paper/360917/fa
حسینی، سید صفدر، نظری، محمدرضا، و عراقی‌نژاد، شهاب (1392). بررسی اثر تغییر آب‌وهوا بر بخش کشاورزی با تأکید بر نقش به‌کارگیری راهبردهای تطبیق در این بخش. مجله تحقیقات اقتصاد و توسعه کشاورزی ایران، 44(1)، 21-35. https://doi.org/10.22059/ijaedr.2013.36064
حلبیان، امیرحسین، جهانگیری، ملیحه (1394). تعیین طیقات اقلیمی استان اصفهان به روش دمارتون با استفاده از GIS. کنفرانس بین‌المللی معماری، شهرسازی، عمران، هنر و محیط زیست، افق‌های آینده، نگاه به گذشته.
https://civilica.com/doc/607526
حلبیان، امیرحسین، و مؤذنی، سوسن (1396). اثر تغییر اقلیم بر میزان عملکرد گیاه گندم و جو (مطالعه موردی: دشت بن رود شهر اصفهان). چهارمین کنفرانس بین‌المللی علوم جغرافیایی. https://civilica.com/doc/656271
خالقی، سعیده، بزازان، فاطمه، و مدنی، شیما (1393). اثر تغییر آب‌وهوا بر تولید بخش کشاورزی و بر اقتصاد ایران (رویکرد ماتریس حسابداری اجتماعی). تحقیقات کشاورزی، 7(25)، 31-44.
https://jae.marvdasht.iau.ir/article_678.html
زارعی، نسیبه، دوراندیش، آرش، بخشی، حسن علی، و صبوحی صابونی، محمود (1401). اثرگذاری‌های تغییر اقلیم بر عملکرد تولید محصول غلات عمده در ایران. اقتصاد کشاورزی، 16(2)، 6-22.
https://doi.org/10.22034/IAES.2022.539359.1871
سازمان جهاد کشاورزی استان اصفهان (1400). سالنامه آماری کشاورزی. معاونت آمار و اطلاعات.
https://www.maj.ir
سوری، علی (1394). اقتصادسنجی پیشرفته همراه با کاربرد Eviews و Stata. انتشارات نشر فرهنگ شناسی.
صالح‌نیا، نرگس، و فلاحی، محمدعلی (1389). بررسی تأثیر عوامل اقلیمی و اقتصادی بر عملکرد گندم آبی با استفاده از الگوی داده‌های تابلویی. آب و خاک (علوم و صنایع کشاورزی)، 24(2)، 375-384.
https://doi.org/10.22067/jsw.v0i0.3254
عربی، مصطفی، لطفی‌پور، محمدرضا، قوامی، هادی، و کرامت‌زاده، علی (1402). بررسی اثرات تغییر اقلیم بر توسعه بخش کشاورزی ایران و رفاه خانوار و برنامه‌های دولت برای سازگاری با تغییر اقلیم. مهندسی جغرافیای سرزمین، 7(4)، 959-977. https://doi.org/10.22034/JGET.2023.297140.1331
قهرمانی، نوذر، و قره‌خانی، ابوذر (1389). بررسی روند تغییرات زمانی سرعت باد در ایران. آبیاری و زهکشی ایران، 4(1)، 31-43. https://www.magiran.com/p750137
کریمی‌فرد، ساناز، مقدسی، رضا، یزدانی، سعید، و محمدی‌نژاد، امیر (1397). تأثیر متغیرهای اقلیمی بر عملکرد محصولات کشاورزی در ایران (مطالعه موردی: استان خوزستان). فصلنامه اقتصاد کشاورزی، 12(2)، 92-110.
www.iranianjae.ir/article_32538.pdf
گجراتی، دامودار (1377). مبانی اقتصادسنجی (حمید ابریشمی، مترجم، ج. 2). انتشارات دانشگاه تهران.
نوروزیان، محمد، صبوحی، محمود، و پرهیزکاری، احمد (1392). تحلیل اقتصادی تغییر اقلیم بر عملکرد پنبه‌آبی در استان‌های منتخب. نشریه هواشناسی کشاورزی، 1(2)، 73-79. https://agrimet.ir/article_88221.html
نوفرستی، محمد (1378). ریشه واحد و هم‌جمعی در اقتصادسنجی. انتشارات رسا.
واثقی، الهه، و اسماعیلی، عبدالکریم (1387). بررسی اثر اقتصادی تغییر اقلیم بر بخش کشاورزی ایران: روش ریکاردین (مطالعه موردی: گندم). علوم و فنون کشاورزی و منابع طبیعی، 12(45)، 25-37.
http://jstnar.iut.ac.ir/article-1-952-fa.html
References
Agricultural Jahad Organization. (2021). Agricultural statistics of Isfahan province. https://www.maj.ir [In Persian]
Akbari, S. M., Rezaei, A., Shirani Bidabadi, F., & Eshraghi, F. (2011). Studying the relationship between climate change and the growth of total factor productivity of rained barley production in Iran. Agricultural Economics, 16(1), 81-97. https://www.iranianjae.ir/article_252184.html [In Persian]
Amirahmadi, A., & Abbasnia, M. (2010). Climatic zoning of Isfahan province using modern statistical methods. Geographical Studies of Arid Regions, 1(1), 12-23.
 https://jargs.hsu.ac.ir/article_161259.html [In Persian]
Amirnejad, H., & Asadpour kordi, M. (2017). Effects of Climate Change on Wheat Production in Iran. Agricultural Economics Research, 9(35), 163-182. https://jae.marvdasht.iau.ir/article_2520.html [In Persian]
Arabi, M., Lotfipour, M. R., Ghavami, H., & Keramatzadeh, Al. (2023). Investigating the effects of climate change on the development of Iran's agricultural sector and household welfare and government programs for adaptation to climate change. Land Geography Engineering, 7(4), 959-977. https://doi.org/10.22034/JGET.2023.297140.1331 [In Persian]
Asadpour Kordi, M., Amirnejad, H., & Mojaverian, S. M. (2015). Investigating the long-term and short-term effects of climate change on barley production. The Second Conference on New Findings in Environment and Agricultural Ecosystems, Tehran. https://civilica.com/doc/411600 [In Persian]
Asadpourkordi, M., Amirnejad, H., & Mojaverian, S. M. (2016). Investigating the long-term and short-term effects of climate change on blue cotton yield. Agricultural Economics, 10(2), 111-129. https://doi.org/10.22034/iaes.2016.19775 [In Persian]
Babaiyan, I., Najafinik, Z., Zabolabbasi, F., Habibinokhandan, M., Adab, H., & Malbousi, Sh. (2008). Assessment of climate change in northeastern Iran during the period 2010 to 2039 using exponential downscaling of ECHO-G general atmospheric trend model data. Journal of Geography and Development, 16(4), 41-53. http://doi.org/10.22111/gdij.2009.1179 [In Persian]
Baul, T.K., & McDonald, M. (2015) Integration of Indigenous knowledge in addressing climate change. Indian Journal of Traditional Knowledge, 1(1), 20–27. https://B2n.ir/gm9190
Borhan, H., Elsadig M. A., & Mizan, H. (2013). CO2, quality of life and economic growth in East Asian. Journal of Asian Behavioural Studies, 3(8), 14-24. http://dx.doi.org/10.21834/jabs.v3i6.237
Chamma, D. D. (2024). Climate change and economic growth in sub‑Saharan Africa: an empirical analysis of aggregate and sector level growth. Journal of Social and Economic Development. https://doi.org/10.1007/s40847-024-00377-x
Chandio, A. A., Jiang, Y., Rehman, A., & Rauf, A. (2020). Short and longrun impacts of climate change on agriculture: an empirical evidence from China. International Journal of Climate Change Strategies and Management, 12(2), 201-221. http://dx.doi.org/10.1108/IJCCSM-05-2019-0026
Change, C. (1995). Economic and Social Dimensions. Cambridge University Press.
deMedeiros Silva, W. K., de Freitas, G. P., Coelho Junior, L. M., de Almeida Pinto, P. A. L., & Abrahão, R. (2019). Effects of climate change on sugarcane production in the state of Paraíba (Brazil): a panel data approach. Climatic change, 154, 195-209. https://doi.org/10.1007/s10584-019-02424-7
Ghahramani, N., & Gharekhani, A. (2010). Study of the temporal changes of wind speed in Iran. Iranian Journal of Irrigation and Drainage. 4(1), 31-43. https://www.magiran.com/p750137 [In Persian]
Green, W. (2003). Econometric analysis. New York University.
Gujrati, D. (1998). Fundamentals of Econometrics (H. Abrishami, Trans.; Vol. 2). Tehran University Press. [In Persian]
Halabian, A., & Jahangiri, M. (2015). Determining the climatic zones of Isfahan province using the Demarton method using GIS. International Conference on Architecture, Urban Planning, Civil Engineering, Art and Environment; Future Horizons, Looking Back., Tehran. https://civilica.com/doc/607526 [In Persian]
Halabian, A. H., & Moezani, S. (2017). The effect of climate change on wheat and barley yield (Case study: Ban-Roud plain, Isfahan). The Fourth International Conference on Geographical Sciences, Shiraz. https://civilica.com/doc/656271 [In Persian]
Hosseini, S. S., Nazari, M. R., & Iraghinejad, Sh. (2013). Investigating the impact of climate change on the agricultural sector with emphasis on the role of applying adaptation strategies in this sector. Iranian Journal of Agricultural Economics and Development Research, 44(1), 21-35
. https://doi.org/10.22059/ijaedr.2013.36064 [In Persian]
Huang, H., von Lampe, M., & van Tongeren, F. (2011). Climate change and trade in agriculture. Food Policy, 36, S9-S13. https://doi.org/10.1016/j.foodpol.2010.10.008
IPCC. (2014). The Fifth Assessment Report (AR5) of the Intergovernmental Panel on Climate Change. Working Group, I, Working Group II, and Working Group III.
IPCC. (2023). Summary for Policymakers. In: Climate Change: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland.
Isabel, P., Fernando, H., José., C., Maria, F., Fernando, C., & Maria, M. (2020). Potential impacts of climate change on agriculture, A review. Emirate Journal of Food and Agriculture, 32(6), 397-407. https://doi.org/10.9755/ejfa.2020.v32.i6.2111
Janjua, P.Z., Samad, G., & Khan, N. (2014). Climate Change and Wheat Production in Pakistan; autoregressive distributed lag approach, NJAS – Wageningen. Journal of Life Sciences, 68, 13-19.
https://doi.org/10.1016/j.njas.2013.11.002
Kadanaly, F., & Yalcinkay, E. (2020). Effects of Climate Change on Economic Growth: Evidence from 20 Biggest Economies of the World. Journal for Economic Forecasting, Institute for Economic Forecasting, (3), 93-118. https://ideas.repec.org/a/rjr/romjef/vy2020i3p93-118.html
Karimifard, S., Maghdesi, R., Yazdani, S., & Mohammadinejad, A. (2018). The impact of climate variables on agricultural crop yields in Iran: A case study of Khuzestan Province. Agricultural Economics, 12(2), 92–110. www.iranianjae.ir/article_32538.pdf [In Persian]
Khaleghi, S., Bazazan, F., & Madani, Sh. (2014). The impact of climate change on agricultural production and on the Iranian economy (social accounting matrix approach). Journal of Agricultural Research, 7(1), 31-44. https://jae.marvdasht.iau.ir/article_678.html [In Persian]
Li, C. (2023). Climate change impacts on rice production in Japan: a Cobb-Douglas and panel data analysis. Ecological Indicators, 147, 110-128. https://doi.org/10.1016/j.ecolind.2023.110008
Lobell, D. B., Schlenker, W., & Costa-Roberts, J. (2011). Climate trends and global crop production since 1980. Science, 333(6042), 616–620. https://doi.org/10.1126/science.1204531
Mendelsohn, R., & Wang, J. (2017). The impact of climate on farm inputs in developing countries agriculture. Atmósfera, 30(2), 77-86. https://doi.org/10.20937/ATM.2017.30.02.01
Nicholls, N. (1997). Increased Australian wheat yield due to recent climate trend. Journal of Nature, 387, 484-485. https://www.nature.com/articles/387484a0
Noferesti, M. (1999). Unit Root and Cointegration in Econometrics.. Rasa Publications. [In Persian]
Norouzian, M., Sabouhi, M., & parhizkari, A. (2013). Economic analysis of climate change on irrigated cotton yield in selected provinces. Journal of Agricultural Meteorology, 1(2), 73-79.
 https://agrimet.ir/article_88221.html [In Persian]
Ozdemir, D. (2022). The impact of climate change on agricultural productivity in Asian countries: a heterogeneous panel data approach. Environmental Science and Pollution Research, 29(6), 8205-8217. https://doi.org/10.1007/s11356- 021-16291-2
Panahi, H., & Esmaildarjani, N. (2019). Investigating the effect of global warming and climate change on economic growth (Case study: Iranian provinces during the period 2001-2018). Environmental Science and Technology, 22(1), 79-88. https://sid.ir/paper/360917/fa [In Persian]
Pearce, W., Cline, R., Achanta, N., Fankhauser, S., Pachauri, K., Tol, J., & Vellinga, P. (1995). The Social Costs of Climate Change: Greenhouse Damage and the Benefits of Control. In P. Bruce, H. Lee, F. Haites (Eds.), Climate Change 1995 (pp. 179–224) Economic and Social Dimensions, Cambridge University Press,.
Rahim, S., & Puay, T. G. (2017). The impact of climate on economic growth in Malaysia. Journal of Advanced Research in Business and Management Studies, 6(2), 108-119.
https://www.akademiabaru.com/submit/index.php/arbms/article/view/1225
Raihan, A., & Tuspekova, A. (2022). Dynamic impacts of economic growth, energy use, urbanization, tourism, agricultural value-added, and forested area on carbon dioxide emissions in Brazil. Journal of Environmental Studies and Sciences, 12(4), 794-814.
https://doi.org/10.1007/s13412-022-00782-w
Rosegrant, M., Ewing, M., Yohe, G., Burton, I., Huq, S., & Valmonte-Santos, R. (2008). Climate Change and Agriculture Threats and Opportunities. Federal Ministry for Economic Cooperation and Development, 1–36. https://www.cabidigitallibrary.org/doi/full/10.5555/20093167427
Salehnia, N., Fallahi, M. A. (2010). Investigating the effect of climatic and economic factors on irrigated wheat yield using panel data model. Case study: Khorasan Razavi Province. Journal of Water and Soil, 24(2), 375-384. https://doi.org/10.22067/jsw.v0i0.3254 [In persian]
Song, Y., Zhang, B., Wang, J., & Kwek, K. (2022). The impact of climate change on China's agricultural green total factor productivity. Technological Forecasting and Social Change, 185, 122054. https://doi.org/10.1016/j.techfore.2022.122054
Stern, N. (2022). A Time for Action on Climate Change and a Time for Change in Economics. Economics Journal, 132(644), 1259–1289. https://doi.org/10.1093/ej/ueac005
Sultana, H., Ali N., Iqbal M. M., & Khan, A. M. (2009). Vulnerability and adaptability of wheat production in different climatic zones of Pakistan under climate change. Jouranl of Climatic Change, 94, 123– 142. https://doi.org/10.1007/s10584-009-9559-5
Suri, A. (2015). Advanced econometrics with the use of Eviews and Stata. (fourth edition). Farhangology Publishing.. [In persian]
Tokunaga, S., Okiyama M., &Ikegawa M. (2015). Dynamic panel data analysis of the impacts of climate change on agricultural production in japan. Japan Agricultural Research Quarterly, 49(2), 149-157. http://dx.doi.org/10.6090/jarq.49.149
Vaseghi, E., & Esmaeli, A. (2008). Investigating the economic impact of climate change on Iran's agricultural sector: Ricardian method (case study: wheat). Journal of Agricultural Sciences and Technologies and Natural Resources, 12(45), 25-37. http://jstnar.iut.ac.ir/article-1-952-fa.html [In persian]
Zarei, N., Doorandish, A., Bakhshi, H. A., & Sabohi Sabouni, M. (2013). The effects of climate change on the production performance of major cereal crops in Iran. Agricultural Economics, 16(2), 6-22.
https://doi.org/10.22034/IAES.2022.539359.1871 [In persian]
Zhao, Y., & Liu, S. (2023). Effects of Climate Change on Economic Growth: A Perspective of the Heterogeneous Climate Regions in Africa. Sustainability, 15(9), 7136.
https://doi.org/10.3390/su15097136
 
 
 
 

Files

History

  • Receive Date: 06 June 2025
  • Revise Date: 26 July 2025
  • Accept Date: 13 September 2025

Share

How to cite

Statistics