استفاده از روش تحلیل پوششی داده ها(dea)برای ارزیابی وشناسایی واحدهای کشاورزی از نقطه نظر بهره وری آب(مطالعه موردی: مزرعه نمونهآستان قدس رضوی)

به منظور مدیریت بهتر برای به حداکثر رساندن کارایی مصرف آب، نیاز به روشی برای تعیین کارایی و راندمان و تشخیص واحد کارآمد از ناکارآمد داریم. روش‏های مختلفی برای تعیین کارایی یک واحد مورد مطالعه وجود دارد. یکی از این روش‏ها تحلیل پوششی داده‏ها می‏باشد. تحلیل پوششی داده ها یک رویکرد غیرپارامتریک و مبتنی بر برنامه ریزی ریاضی می باشد که ارزیابی کارایی واحدهای تصمیم‏گیری مشابه را که دارای داده ها و ستاده های چندگانه هستند، را امکانپذیر می سازد. در این پژوهش که در مزرعه نمونه آستان قدس‏رضوی انجام شد، تعداد 18 واحد تحت کشت‏های بهاره و پاییزه از لحاظ کارا بودن مورد ارزیابی قرار گرفتند. کشت بهاره شامل محصولات گوجه فرنگی، یونجه و ذرت و کشت پاییزه شامل گندم و جو و بود. داده‏های مورد مطالعه شامل دبی مصرفی، مساحت تحت کشت، پرسنل و ماشین آلات بودند. ستاده این پژوهش برای حالتی که امکان تغییر دبی باشد تنها درآمد حاصل از فروش بود و برای حالت دیگر که امکان تغییر دبی وجود نداشته باشد هر دوی درآمد حاصل از فروش و دبی مصرفی بود. تحلیل‏ها با استفاده از روش تحلیل پوششی داده های چند مرحله ای (multi-stage) با استفاده از بازده به مقیاس متغیر (vrs) انجام شد. برای محصول گوجه فرنگی در حالت یک ستاده تنها دو واحد کارآمد شناخته شد در حالیکه در حالت دو ستاده هفت واحد از مجموع 18 واحد کارآمد شناخته شد. برای محصول یونجه با توجه به اینکه تنها 3 واحد مورد مطالعه وجود داشت، برای هر دو حالت یک و دو ستاده، تمامی واحد‏ها کارآمد شناخته شدند. در کشت پاییزه برای حالت‏های یک و دو ستاده به ترتیب تعداد واحدهای کارآمد معادل 6 و 10 واحد بدست آمد. برای کارآمد کردن واحدهای ناکارآمد در بیشتر حالات نیاز به کاهش مقادیر داده‏ها بود. بیشترین کاهش داده‏ها برای کشت بهاره در هر دو حالت یک و دو ستاده مربوط به مساحت چاه شماره 23 به میزان 5/16 هکتار بود. در کشت پاییزه برای یک ستاده چاه شماره 4 و برای دو ستاده چاه شماره 27 بیشترین نیاز به کاهش را در مساحت تحت کشت دارند. حداکثر میزان کاهش دبی در کشت بهاره 7 و در کشت پاییزه 11 لیتر بر ثانیه می باشد که این نشان دهنده عدم کارایی مصرف آب در کشت پاییزه می‏باشد. در مجموع ، چاه شماره 15 ناکارآمدترین واحد شناخته شد به این دلیل که با توجه به تمامی داده‏ها بیشترین نیاز به کاهش را در هر داده دارد.