تعيين الگوهاي آسيب پذيري كشاورزان نسبت به خشكسالي در ايران (مطالعه موردي: حوضه آبريز بختگان)

Determination Farmers' Vulnerability Patterns to Drought in Iran: Case Study of Bakhtegan Basin

خشكسالي يكي از قديمي ترين و اصلي ترين بلاياي طبيعي است كه انسان از ديرباز با آن آشناست. از آن جايي كه بخش كشاورزي بيش ترين مصرف كننده آب در كشور است، در زمان بروز خشكسالي بيش ترين خسارت را متحمل مي شود. از اين رو، آسيب پذيري كشاورزان در دوره هاي خشكسالي بسيار بالاست. اين مطالعه ضمن بررسي ابعاد آسيبپذيري كشاورزان حوضه آبريز بختگان، الگوهاي آسيب پذيري مناطق مورد مطالعه را در راستاي مديريت ريسك خشكسالي تعيين ميكند. از يك نمونه متشكل از 276 كشاورز كه با استفاده از نمونه گيري تصادفي چند مرحله اي انتخاب شدند، استفاده شد. بدين منظور، ابتدا با بكارگيري روش مي-بار و والدرز آسيب پذيري كشاورزان در ابعاد پنجگانه تعيين شد. سپس براساس نتايج بدست آمده و با استفاده از روش داده كاوي، ده الگوي متمايز و مستقل آسيب پذيري استخراج شد. نتايج نشان دادند كه آسيب پذيري زيرساختي بيش ترين اهميت و آسيب پذيري روانشناختي كم ترين اهميت را در تعيين الگوهاي آسيب پذيري دارند. هم چنين، آسيب پذيري داراي مفهومي متفاوت در ميان كشاورزان گوناگون است، اين مطلب ناشي از درك و برداشت متفاوت كشاورزان هر منطقه است. بنابراين، بايستي دولت براساس ويژگي هاي هر منطقه و براساس ابعاد متفاوت آسيب پذيري در هر منطقه، سياست ويژه همان منطقه را پيش گيرد. يافته هاي اين مطالعه مي تواند به سياست گذاران جهت كاهش آسيب پذيري كشاورزان نسبت به خشكسالي از راه بهبود برنامه ريزي و بكارگيري استراتژي هاي مديريت ريسك مناسب كمك كند.

Agricultural sector is the main water user in the country and it is the sector that suffers mostly during the period of drought. Since the vulnerability of farmers in drought periods is very high، this paper aims to investigate the vulnerability of farmers in Bakhtegan basin in Fars province and to determine the vulnerability patterns of the studied areas in the context of drought risk management. A sample of 276 farmers was selected using a multi-stage random sampling. For this purpose، first، by using the Me-Bar and Valdez method، the vulnerability of farmers in five dimensions was determined. Then، based on the results and using the data mining technique، ten distinct and independent vulnerability patterns were extracted. The results showed that in the process of determining vulnerability patterns، infrastructure vulnerability had the highest and psychological vulnerability had the least importance in determining vulnerability patterns. The findings of this study can help policy makers to reduce farmers' vulnerability to drought by improving the planning and application of appropriate risk management strategies.