بررسي روابط متقابل مولفه‌هاي كشاورزي اقليم هوشمند با استفاده از تكنيكDEMATEL

Investigating the Mutual Correlations between Components of Climate-Smart Agriculture, Using DEMATEL Technique

تغيير اقليم يكي از بزرگترين چالش­ هاي پيش­روي بشر در قرن حاضر است كه ادامه آن تهديد بزرگي براي آينده بشري و محيط زيست خواهد بود. كشاورزي به علت وابستگي زياد به شرايط اقليمي، بيش از ساير بخش­ ها در معرض خطرهاي تغييرات اقليمي قرار دارد و از آن­جا كه كشورهاي در حال توسعه به شدت به كشاورزي وابسته ­اند، تأثير تغييراقليم بر توليدات اين كشورها مخاطرات جدي را به همراه خواهد داشت. بهبود امنيت غذايي همزمان با كنترل تغيير اقليم و حفظ اكوسيستم ­هاي حياتي، نيازمند گذار به سوي سامانه­ هاي پربازده ­تر توليد محصولات كشاورزي مي­ باشد كه نهاده ­ها را به شكلي كاراتر مصرف كنند، نوسان كمي دارند، داراي پايداري بيشتري در توليدات هستند و در مقابل تغييرات ناگهاني و بلندمدت اقليم انعطاف بيشتري از خود نشان ­دهند. سازمان خواروبار جهاني الگويي را موسوم به كشاورزي اقليم هوشمند به عنوان يك نظام كشاورزي تاب­آور و مولد جهت مديريت بهتر منابع در شرايط تغيير اقليم معرفي كرده است. اين الگو سه اصل ايجاد ظرفيت تاب­آوري و سازگاري با شرايط تغيير اقليم، افزايش پايدار بهره­وري و درآمد در بخش كشاورزي و كاهش يا حذف انتشار گازهاي گلخانه اي در صورت امكان را مدنظر قرار مي­دهد. هدف از اين پژوهش شناسايي و استخراج روابط متقابل (تاثيرگذار يا تاثيرپذير، روابط علي و معلولي) مولفه­ هاي كشاورزي اقليم هوشمند و ميزان تعامل آن­ها با اين نظام كشاورزي است. پژوهش از نوع كاربردي و روش پژوهش از نوع توصيفي- پيمايشي بود. جامعه آماري پژوهش خبرگان و اساتيد توسعه كشاورزي، ترويج و آموزش كشاورزي، اقليم و خاكشناسي دانشگاه تهران بودند كه 15 نفر از آن­ها از طريق نمونه‌گيري هدفمند انتخاب شدند. ابزار پژوهش پرسشنامه مي­ باشد كه روايي (ظاهري و محتوايي) آن بر اساس نظر اساتيد دانشگاه تهران تأييد گرديد. در اين تحقيق براي تجزيه و تحليل داده ­ها از نرم ­افزار Excel و تكنيك ديمتل استفاده گرديده است. روش ديمتل از روش­ هاي تصميم­ گيري چند معياره بر اساس مقايسه ­هاي زوجي است. از يافته­ هاي اين تحقيق، دو مدل روابط كلي بين مولفه­ ها و مدل روابط بين زيرمولفه­ ها استخراج گرديد. با توجه به نتايج تحقيق اثرگذارترين متغير در بين مولفه هاي اصلي كشاورزي اقليم هوشمند، افزايش سازگاري با شدت اثر 0/34 و اثرپذيرترين متغير، پايداري درآمد با شدت اثر 0/44- مي­ باشد و همچنين كشاورزي اقليم هوشمند با ضريب 11/18 بيشترين تعامل (هم اثر مي­گذارد و هم اثر مي­پذيرد) و پايداري درآمد با ضريب 8/63 كمترين تعامل را با ساير مولفه­ ها و خود نظام كشاورزي دارد. نتايج حاكي از اين است كه در بين زيرمولفه­ هاي اصلي كشاورزي اقليم هوشمند اثرگذارترين متغير، بهبود مديريت آب با شدت اثر 0/59 و اثرپذيرترين متغير، حفظ كاربري اراضي با شدت اثر 53/0- مي­باشد و از لحاظ تعامل، كشاورزي اقليم هوشمند با ضريب 14/3 بيشترين و بيمه محصولات كشاورزي با ضريب 0/55 كمترين تعامل را با ساير زيرمولفه ­ها و خود نظام كشاورزي دارد. در انتها با توجه به نتايج و يافته هاي حاصل از تحقيق، پيشنهادهاي لازم در قالب سه بخش افزايش سازگاري، پايداري درآمد و كاهش گاز گلخانه ­اي بيان شده است.

Food and Agriculture Organization of the United Nations (FAO) has introduced climate-smart agriculture as a resistant and productive agriculture for better management of resources. This study aimed to recognition and obtaining the affecting or undergoing (cause and effect, and mutual relationship) components of climate-smart agriculture. DEMATEL technique was employed to identify and extract the Mutual relationships (effective or influential, causal and causal relationships) of the components of the climate-smart agriculture and the extent to which they interact with this agricultural system. The research was applied to a descriptive-survey method. The statistical population of the study was 15 experts in agricultural development, Agricultural extension and education, meteorology and soil science, University of Tehran. The research instrument was a questionnaire whose validity (its appearance and content) was confirmed by the opinion of professors of Tehran University. In this research, Excel software and DEMETLIC technique have been used to analyze the data. According to the results of the research, the most effective variable among the main components of agriculture in the climate-smart agricultural, increase in adaptability with effect intensity of 0.34 and the most effective the influence variable is, income sustainability with the effect intensity of 0.44, and also climate-smart agriculture with 11.18 highest interaction (both effect an‎d effect sustainability) and income sustainability with a coefficient of 8.63 has the least interaction with other components and the agricultural system itself. The results indicate that among the main sub-components of agriculture, climate-smart agricultural is the most effective variable, improvement of water management with the intensity of 0.59 and the most effective variable, maintaining land use with the intensity of 0.53, and in terms of interaction, agricultural climate with a coefficient 3.14. The highest and 0.55 percent of agricultural insurance products have the least interaction with other subspecies and the agricultural system itself.