| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,262 |
| تعداد مقالات | 36,060 |
| تعداد مشاهده مقاله | 55,204,051 |
| تعداد دریافت فایل اصل مقاله | 94,197,078 |
اثرپذیری توسعۀ فنی مکانیزاسیون برنج بر تقاضای انرژی در استان‌های شمالی کشور | ||
| تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی | ||
| دوره 25، شماره 92، اسفند 1403، صفحه 23-40 اصل مقاله (1.59 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/amsr.2026.373169.1540 | ||
| نویسندگان | ||
| محمد نصیری1؛ محمد قهدریجانی* 2؛ بابک بهشتی3 | ||
| 1دانشجوی دکتری؛ گروه مهندسی سیستم‌های هوشمند کشاورزی، دانشکده کشاورزی، منابع طبیبعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2استادیار؛ گروه مهندسی سیستم‌های هوشمند کشاورزی، دانشکده کشاورزی، منابع طبیبعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 3دانشیار گروه مهندسی سیستم‌های هوشمند کشاورزی، دانشکده کشاورزی، منابع طبیبعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
| چکیده | ||
| توسعۀ فنی مکانیزاسیون برنج در استان‌های شمالی ایران طی سال‌های اخیر شامل افزایش سطح مکانیزاسیون، گسترش کاربرد ماشین‌های نشاکاری و برداشت و نوسازی ناوگان کشاورزی بوده است. بااین‌حال، اثر این تحولات بر تقاضای انرژی در شرایط مختلف فنی و مدیریتی به‌طور کامل مشخص نیست. پژوهش حاضر با هدف بررسی اثرپذیری تقاضای انرژی از توسعه فنی مکانیزاسیون و نقش عوامل تعدیل‌کننده مانند کارایی انرژی، قیمت حامل‌های انرژی و سطح فناوری ناوگان به اجرا درآمده است. از داده‌های سه استان گیلان، مازندران و گلستان طی دورۀ 1392 تا 1402 استفاده گردید. کارایی انرژی با روش DEA-BCC و روابط پویا با مدل داده‌های تابلویی System-GMM برآورد شد. برای محاسبۀ شاخص‌های انرژی، از ضریب‌های هم‌ارز انرژی بومی‌سازی‌شده برای شرایط ایران استفاده گردید که بر اساس مطالعات معتبر داخلی (Zahedi et al., 2015; Alam et al., 2023) تهیه شده‌اند. نتایج تحقیق نشان داد میانگین کارایی فنی خالص در گلستان (92/0) بالاتر است تا در مازندران (85/0) و گیلان (81/0). همچنین بیشترین و کمترین انرژی ورودی به‌ترتیب در گلستان (77685 مگاژول در هکتار) و گیلان (34188 مگاژول در هکتار) است. برآورد مدل System-GMM بیانگر وجود رابطه غیرخطی به‌شکل U بین سطح مکانیزاسیون و شدت انرژی است به‌گونه‌ای که در گلستان افزایش سطح مکانیزاسیون تا آستانه 6/3 اسب بخار در هکتار موجب کاهش شدت انرژی شده است، در حالی‌که در گیلان اثر مکانیزاسیون غیریکنواخت است: در سطوح پایین کاهشی و در سطوح بالاتر، به‌دلیل سهم کمتر فناوری‌های نوین و پراکندگی اراضی، افزایشی بر شدت انرژی بود (05/>P). کشش قیمتی تقاضای انرژی در گیلان (13/0) بیش از کشش قیمتی تقاضای انرژی در گلستان (08/0) برآورد شد. در میان عوامل مورد بررسی، کارایی انرژی مهم‌ترین عامل کاهش‌دهنده شدت انرژی در هر سه استان بود. نتایج بررسی‌ها نشان داد اثر توسعۀ فنی مکانیزاسیون بر تقاضای انرژی به شرایط منطقه‌ای، سطح فناوری ناوگان، ساختار بهره‌برداری و کارایی مدیریتی وابسته است؛ بنابراین، سیاست‌های توسعۀ مکانیزاسیون برنج باید متناسب با ویژگی‌های فنی و ساختاری هر استان طراحی شوند. | ||
| کلیدواژه‌ها | ||
| تحلیل پوششی داده‌ها؛ فناوری ناوگان ماشین‌آلات؛ کارایی انرژی؛ System-GMM | ||
| عنوان مقاله [English] | ||
| Effect of Technical Development of Rice Mechanization on Energy Demand in Northern Provinces of Iran | ||
| نویسندگان [English] | ||
| Mohammad Nasiri1؛ Mohammad Gahderijani2؛ Babak Beheshti3 | ||
| 1Ph. D. Student, Department of Agricultural Intelligent Systems Engineering, Faculty of Agriculture, Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| 2Assistant Professor, Department of Agricultural Intelligent Systems Engineering, Faculty of Agriculture, Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| 3Associate Professor, Department of Agricultural Intelligent Systems Engineering, Faculty of Agriculture, Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| The technical development of rice mechanization in the northern provinces of Iran has accelerated in recent years, encompassing an expansion in mechanization levels, the increased adoption of transplanting and harvesting machinery, and the ongoing renewal of the agricultural machinery fleet. However, the precise impact of these advancements on energy demand, particularly under varying technical and managerial conditions, remains insufficiently explored. This study investigates the influence of technical mechanization development on energy demand, while also examining the moderating roles of energy efficiency, energy carrier prices, and fleet technology levels. Data spanning from 2013 to 2023 were collected from the three primary rice-producing provinces: Guilan, Mazandaran, and Golestan. For energy indicator calculations, locally-adapted energy equivalent coefficients specific to Iran's conditions were employed, derived from validated domestic studies (Alam et al., 2023; Zahedi et al., 2015). Energy efficiency was assessed using the DEA-BCC model, and the dynamic relationships were estimated through a System-GMM panel data approach. The findings reveal that the average pure technical efficiency was highest in Golestan (0.92), followed by Mazandaran (0.85) and Guilan (0.81). Moreover, the highest and lowest total energy inputs were recorded in Golestan (77,685 MJ ha⁻¹) and Guilan (34,188 MJ ha⁻¹), respectively. The System-GMM estimates indicate a non-linear, U-shaped relationship between the mechanization level and energy intensity. In Golestan, increasing mechanization up to a threshold of 3.6 hp ha⁻¹ led to a reduction in energy intensity, whereas in Guilan, the effect was non-uniform: decreasing at lower levels but increasing at higher levels due to the lower adoption of modern technologies and greater land fragmentation (P < 0.05). The price elasticity of energy demand was estimated to be higher in Guilan (0.13) than in Golestan (0.08). Among the factors examined, energy efficiency emerged as the most significant contributor to reducing energy intensity across all three provinces. The results underscore that the effect of technical mechanization development on energy demand is contingent upon regional conditions, fleet technology levels, operational structures, and managerial efficiency. Consequently, rice mechanization development policies should be tailored to the specific technical and structural characteristics of each province. | ||
| کلیدواژه‌ها [English] | ||
| Data Envelopment Analysis (DEA), Energy Efficiency, Fleet Technology, System-GMM | ||
| مراجع | ||
|
Alam, M. J., Mahmud, A. A., Gaber, A., & Hossain, A. (2023). Energy efficiency and water use indices for sweet potato (Ipomoea batatas L.) production under subtropical climatic conditions of Bangladesh. Journal of Water and Climate Change, 14 (2), 576-589. doi: 10.2166/wcc.2023.401. Anon. (2014). Agricultural statistics of the crop year 2011-2012, Volumes I & II. Center for Anon. (2016). Agricultural statistics of the crop year 2014-2015, Volumes I & II. Center for Anon. (2017). Agricultural statistics of the crop year 2015-2016, Volumes I & II. Center for Anon. (2019). Agricultural statistics of the crop year 2017-2018, Volumes I & II. Center for Anon. (2025). Agricultural statistics of the crop year 2022-2023, Volumes I & II. Center for Hansen, J. W. (1996). Is agricultural sustainability a useful concept? Agricultural Systems, 50(2), 117-143. doi: 10.1016/0308-521X(95)00011-S. Hashemi, R., Moghaddasi, R., Kazemnejad, M., & Mohammadinejad, A. (2025). Investigating the trend of consumption and calculation of energy efficiency indicators in the production of irrigated cereals (wheat, barley, rice and corn) in Iran during 2000-2020 [Barresi-ye raved-e masraf va mohasebe-ye shākhshā-ye kāraii-ye energy dar tolid-e ghallāt-e ābi-ye keshvar (gandom, jo, berenj va zorat) tay-e sālhā-ye 1379-1399]. Scientific Publications Management System, 35(1), 255–265. doi: 10.22034/saps.2024.58735.3127. (in Persian) Hatirli, S. A., Ozkan, B., & Fert, C. (2006). Energy inputs and crop yield relationship in greenhouse tomato production. Renewable Energy, 31(4), 427-438. doi: 10.1016/j.renene.2005.04.007. Kazemi, H., Kamkar, B., Lakzaei, S., Badsar, M., & Shahbyki, M. (2015). Energy flow analysis for rice production in different geographical regions of Iran. Energy, 84, 390-396. doi: 10.1016/j.energy.2015.03.005. Kitani, O. (1999). CIGR handbook of agricultural engineering, Volume V: Energy and biomass engineering. ASAE. Maysami, M. A., & Mohammadi, S. (2009). Energy consumption pattern for corn production in Iran. Journal of Agricultural Mechanization, 6(1), 49-55. doi: 10.22034/jam.2021.13121. (in Persian) Özokcu, S., & Özdemir, O. (2024). The technological effects of renewable and non-renewable energy on agricultural productivity in developed countries: A dynamic panel GMM approach. International Journal of Empirical Economics, 3(1), 2450007. doi: 10.1142/S2810943024500082. Pellegrini, P., & Fernández, R. J. (2018). Crop intensification, land use, and on-farm energy-use efficiency during the worldwide spread of the green revolution. Proceedings of the National Academy of Sciences, 115(10), 2335-2340. doi: 10.1073/pnas.1717072115. Pishgar-Komleh, S. H., Sefeedpari, P., & Ghahderijani, M. (2012). Energy consumption and CO2 emissions analysis of potato production based on different farm size levels in Iran. Journal of Cleaner Production, 33, 183-191. doi: 10.1016/j.jclepro.2012.04.008. Rasoli Sharbiani, V., Sadegh Bousharte Moghaddam, M., & Taghinejad, A. (2022). Comparison of energy consumption for rice production in lands with and without modernization plan (Case study: Bandar Anzali County). Journal of Environmental Science Studies, 7(2), 144-156. (in Persian) Roodman, D. (2009). How to do xtabond2: An introduction to difference and system GMM in Stata. The Stata Journal, 9(1), 86-136. doi: 10.1177/1536867X0900900106. Suh, D. H., & Moss, C. B. (2017). Decomposition of regional energy intensity change in rice production: The role of mechanization and technical change. Energy Economics, 65, 421-430.
Taei Samiromi, F., Khalilian, S., Vakilpoor, M. H., & Najafi Alamdarlo, H. (2021). Investigating the multiple effects of adjusting the price of energy carriers on major economic-environmental indicators in the agricultural sector of Iran: An ARDL approach. Agricultural Economics and Development, 29(1), 1-28. Vahedi, A. (2021). Energy use patterns and carbon footprint of rice production in Northern Iran. Environmental Science and Pollution Research, 28, 448-459. Zahedi, M., Eshghizadeh, H. R., & Mondani, F. (2015). Energy Efficiency and Productivity in Potato and Sugar Beet Production Systems in Isfahan Province. Journal of Crop Production and Processing, 5(17), 181-191. | ||
|
آمار تعداد مشاهده مقاله: 96 تعداد دریافت فایل اصل مقاله: 9 |
||