این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های رشد و توسعه پایدار، جلد ۱۶، شماره ۲، صفحات ۱۱۷-۱۳۵
عنوان فارسی بررسی عوامل مؤثر بر کارآیی زیربرداری آب در تولید محصول گندم تلفیق شبکه عصبی مصنوعی تابع پایه شعاعی و مدل توبیت
چکیده فارسی مقاله در پژوهش حاضر، با استفاده از اطلاعات جمع آوری شده 150 بهره بردار گندم منطقه زرقان فارس در سال زراعی1390-1389 مهم ترین عوامل مؤثر بر کارآیی زیربرداری نهاده آب در تولید این محصول شناسایی شد و مورد تجزیه و تحلیل قرار گرفت. به منظور محاسبه کارآیی زیربرداری آب از رهیافت تحلیل پوششی داده ها استفاده گردید. سپس، با کمک شبکه عصبی مصنوعی تابع پایه شعاعی (RBF) مهم ترین عوامل اثرگذار بر کارآیی زیربرداری آب شناسایی شد. در ادامه، با به کارگیری مدل توبیت، اثرگذاری مهم‌ترین عوامل شناسایی شده مورد بررسی قرار گرفت. نتایج خروجی شبکه عصبی به کار برده شده نشان داد که متغیرهای سطح زیر کشت محصول، درآمد ناخالص هر هکتار و مدت زمان میان دو آبیاری، اثرگذارترین عوامل بر کارآیی زیربرداری آب هستند. همچنین، نتایج حاصل از کاربرد مدل توبیت نیز نشان دهنده اثرگذاری مثبت متغیرهای سطح زیر کشت و درآمد ناخالص هر هکتار محصول و تأثیر منفی مدت زمان میان دو آبیاری بر کارآیی استفاده از نهاده ی آب است. در پایان، پیشنهاد گردید که به منظور افزایش کارآیی استفاده از آب در منطقه، یکپارچه‌سازی اراضی مورد توجه بیشتری قرار گیرد. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Examining Factors Affecting the Sub-vector Water Efficiency in Wheat Production: A Radial Basis Function Artificial Neural Network and the Tobit Model
چکیده انگلیسی مقاله In the present study, by using information of 150 wheat beneficiaries in Zarghan, Fars region collected in the 2010-2011 crop year, the most important factors affecting the sub-vector water efficiency in wheat production were analyzed. In order to measure the water use efficiency, data envelopment analysis was used. Afterward, the most important factors affecting sub-vector water efficiency were identified by using radial basis function (RBF) artificial neural network. Then, the most important factors were analyzed by applying the Tobit model. The results of neural network model showed that variables yield cultivated area, gross income per hectare and time interval between each two subsequent irrigations have been the most important factors affecting sub-vector water use efficiency. In addition, results from Tobit model suggested the positive impact of variables yield cultivated area and gross income per hectare and negative impact of time interval between each two subsequent irrigations on water use efficiency. Finally, paying more attention to the land integration for increasing sub-vector water efficiency was proposed.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید ابوالقاسم مرتضوی | seyed abolghasem
استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس، نویسندۀ مسئول مکاتبات
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علی رضا علی پور |
دانشجوی دکتری گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

مهدی قربانی |
کارشناسی ارشد گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://ecor.modares.ac.ir/article_15083_9e77d3274314a7b934bd5976ce12e196.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1388/article-1388-241056.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات