تعیین الگوی بهینه کشت محصولات کشاورزی شهرستان جیرفت با رویکرد کاهش آلودگی و میزان مصرف آب

مقاله پژوهشی

علوم و تکنولوژی محیط زیست، دوره بیست و پنج، شماره یک، فروردین ماه 1402(1-21)
    
تعیین الگوی بهینه کشت محصولات کشاورزی شهرستان جیرفت با رویکرد کاهش آلودگی و میزان مصرف آب

حمید محمدی   *
hamidmohammadi@uoz.ac.ir
محمد جواد مهدی‌زاده راینی 
وحید دهباشی1
ابوالقاسم باقری  
 
تاریخ دریافت: 5/6/1400        تاریخ پذیرش: 18/12/1400

چکیده 
زمینه و هدف: اصلاح نظام تولید در بخش کشاورزی مستلزم تعریف و پیاده‌سازی الگویی برای کشت محصولات، برمبنای سیاست‌های کلان کشور، ساختار بازار، دانش کشاورزان و پتانسیل‌های منطقه‌ای و اقلیمی در راستای حفظ محیط زیست، کاهش مصرف آب و دستیابی به مزیت‌های اقتصادی پایدار است. هدف از مطالعه حاضر کاربرد مدل برنامه‌ریزی فازی خاکستری با رویکرد زیست محیطی و کاهش مصرف آب در تعیین الگوی بهینه کشت در شهرستان جیرفت می‌باشد. 
روش بررسی: تحقیق حاضر از نظر هدف یک تحقیق کاربردی، از نظر روش مطالعه علی و از نظر روش تحقیق و ماهیت و شیوه نگرش پرداختن به مسأله استنباطی است. برنامه‌ریزی خاکستری یکی از روش‌های تحلیل سیستم‌های خاکستری، برای تصمیم‌گیری تحت شرایط عدم حتمیت است. 
یافته‌ها: نتایج نشان داد سطح زیر کشت سیب‌زمینی بین 5292 و 7/5328 هکتار، در منطقه می‌تواند تغییر کند. سطح زیر کشت پیاز بین 1547 و 9/2349 قابل‌تغییر است. سطح زیر کشت گوجه‌فرنگی بین 6/530 و 4/985 هکتار، در منطقه می‌تواند تغییر کند. سطح زیر کشت هندوانه بین 5/129 و 5/240 قابل‌تغییر است. سطح زیر کشت ذرت دانه‌ای بین 840 و1560 هکتار، در منطقه می‌تواند تغییر کند. سطح زیر کشت یونجه بین 7/1204 و 3/2237 قابل‌تغییر است. کشاورزان شهرستان جیرفت با توجه به محدودیت‌های ذکرشده و باهدف حداکثر مقدار سود، 1/4910 هکتار گندم، 5/1644 هکتار جو و 6/2063 هکتار خیار می‌توانند کشت کنند. 
بحث و نتیجه‌گیری: از آنجا که توسعه خدمات زیربنائی در کاهش محدودیت‌های منابع تأثیر به‌سزائی دارد، توجه به این امر در خصوص استفاده بهینه از منابع برای افزایش سودآوری فعالیت‌های منطقه می‌تواند موثر باشد.

واژه‌های کلیدی: الگوی بهینه کشت، برنامه‌ریزی ریاضی، محیط زیست، منابع آب، جیرفت.
 

Determining the optimal cultivation pattern of agricultural products in Jiroft city with the approach of reducing pollution and water consumption

Hamid Mohammadi   *
hamidmohammadi@uoz.ac.ir
Mohammad Javad Mehdizadeh Rayeni 
Vahid Dehbashi1
Abolghasem Bagheri  

Admission Date:March 9, 2022        Date Received: August 27, 2021

Abstract
Background and Objective: Improving the production system in the agricultural sector requires defining and implementing a model for crop cultivation, based on the country's macro policies, market structure, farmers' knowledge and regional and climatic potentials to protect the environment, reduce water consumption and achieve The economic benefits are sustainable. The purpose of this study is to apply the gray fuzzy planning model with an environmental approach and reduce water consumption in determining the optimal cultivation pattern in Jiroft.
Material and Methodology: The present research is an applied research in terms of purpose, causal in terms of study method, and in terms of research method and nature and method of approach to inference. Gray planning is one of the methods of analyzing gray systems for decision making under uncertainty.
Findings: The results showed that the area under potato cultivation between 5292 and 5328.7 hectares in the region can change. The area under onion cultivation can be changed between 1547 and 2349.9. The area under tomato cultivation between 530.6 and 985.4 hectares in the region can change. The area under watermelon cultivation can be changed between 129.5 and 240.5. The area under corn cultivation between 840 and 1560 hectares in the region can change. The area under alfalfa cultivation can be changed between 1204.7 and 22237.3. According to the mentioned restrictions and with the aim of maximum profit, the farmers of the region can cultivate 4910.1 hectares of wheat, 1644.5 hectares of barley and 2063.6 hectares of cucumbers.
Discussion and Conclusion: Since the development of infrastructure services has a great impact on reducing resource constraints, paying attention to this issue regarding the optimal use of resources to increase the profitability of regional activities can be effective.

Keywords: Optimal Cultivation Pattern, Mathematical Planning, Environment, Water Resources, Jiroft. 
مقدمه
 
کشاورزی از نقطه نظر محیط زیستی بسیار مهم می‌باشد. با توجه به افزایش سریع جمعیت کشور، نیاز به تولید بیشتر محصولات کشاورزی بیش از پیش در جامعه احساس می-شود. بنابراین، به نظر می‌رسد بهترین راه برای نیل به این مهم، افزایش تولید در واحد سطح باشد. اما، متاسفانه در ایران افزایش تولید همیشه یا با افزایش سطح زیر کشت همراه بوده و یا با مصرف هر چه بیشتر سموم و کودهای شیمیایی که در این میان مورد منفجر به کاهش سطح اراضی جنگلی و مرتعی شده و مورد دوم موجب بروز آلودگی‌های محیط زیستی و شیوع بیماری‌های خطرناک شده است. طوری که، علت عمده آلودگی آب‌های سطحی ناشی از مصرف بیش از حد کود و سموم شیمیایی در حال حاضر، زیان‌های فراوانی را به محیط زیست و سلامت عمومی مردم وارد کرده است. با این حال هر ساله بالغ بر 400 میلیون دلار یارانه کود شیمیایی از سوی دولت پرداخت می‌شود تا همچنان مصرف کود شیمیایی در ایران چندین برابر استانداردهای جهانی باشد. این در حالی است که یارانه‌های مربوط به آب، کود و آفت‌کش‌ها استفاده بیش از اندازه را تشویق می‌نماید. شواهد مهمی مبنی بر این که استفاده از سموم و کودهای شیمیایی قادر به ایجاد خطرهای جدی برای محیط و سلامت جامعه می‌باشد، وجود دارد. پیامدهای محیطی مربوط به کود بسیار مهم‌تر از اثرات محیطی استعمال سم می‌باشد. در عین حال، مشکلات عمومی مربوط به سموم شامل آلودگی آب‌های زیرزمینی، مشکلات مربوط به سلامت جامعه، زیان به محصولات و گونه‌هایی که مورد هدف نیستند و همچنین پایداری سموم می‌باشد. وجود آفت‌کش‌ها در آب‌های زیرزمینی برای انسان بسیار خطرناک است و سبب اختلالات ناهنجار در سیستم عصبی، غدد درون‌ریز و سیستم ایمنی بدن می‌شود. ترکیب آفت‌کش‌ها و کودهای شیمیایی در آب‌های زیرزمینی سبب ایجاد موارد بسیار خطرناک‌تر در مقایسه با آثار تک تک این مواد می-شود. آفت‌کش‌ها همچنین از طریق مکانیزم‌های مختلفی مانند ایجاد تغییرات مستقیم در DNA، جهش و آثار سمی روی سیستم ایمنی، سبب ایجاد سرطان می‌شوند (1). 
از سویی محدودیت منابع آب، رشد سریع جمعیت و نیاز به تولید بیشتر، سبب شده است که در بخش کشاورزی، نسبت به سایر بخش‌های مصرف‌کننده آب، تقاضای بیشتری برای مصرف این نهاده وجود داشته باشد. بنابراین، مهم‌ترین چالش بخش کشاورزی در شرایط کنونی چگونگی تولید بیشتر غذا از آب کمتر است. اتکای به منابع آب‌های زیرزمینی سهم اصلی را در تأمین آب دارد. طی دو الی سه دهۀ اخیر بهره-برداری از آب‌های زیرزمینی به نحوی روزافزون افزایش یافته است. به‌گونه‌ای که برداشت بیش از حد از منابع، منجر به افت شدید سطح سفره‌های آب زیرزمینی و به وجود آمدن بیلان منفی در بسیاری از نقاط جهان شده است. با توجه به سهم بالای مصرف آب در بخش کشاورزی و محدودیت این منبع حیاتی و وجود خشکسالی‌های متناوب در کشور، صرفه‌جویی در مصرف و استفاده بهینه از آب موجود امری ضروری است. و در این زمینه، انتخاب روش‌های مناسب برای بیشینه کردن محصول تولیدی به ازای مصرف هرچه کمتر آب ضروری است. در این راستا یکی از راه‌های اصلاح الگوی مصرف آب، استفاده از استراتژی کم‌آبیاری می‌باشد. که با صرفه‌جویی در مصرف آب می‌تواند به‌عنوان یک راهکار سودمند در وضعیت محدودیت آب و با هدف حداکثر استفاده از واحد حجم آب مصرفی، مطرح شود. کم‌آبیاری یک راهکار بهینه‌سازی است که به‌صورت هدفمند، محصولات را به عمد در شرایط کمبود آب و کاهش عملکرد قرار می-دهد (2).  
تعیین الگوی بهینه کشت از مسایل مورد توجه در اقتصاد کشاورزی می‌باشد. هدف از تعیین الگوی بهینه، مشخص کردن ترکیبی از محصولات برای کشت در واحدهای زراعی یا منطقه با توجه به ویژگی‌های کشت محصولات مختلف، حجم تقاضا، منابع آب و خاک در دسترس، نیروی انسانی، سرمایه، تجهیزات کشاورزی و موارد مشابه دیگر به منظور حداکثر کردن تولید، سود و یا حفظ محیط زیست می‌باشد (3). در دهه‌های اخیر، حداکثر کردن رفاه اقتصادی کشاورزان مورد توجه متخصصین بوده است. این امر، موجب غفلت از پیامدهای محیط زیستی استفاده بی‌رویه از نهاده-های کشاورزی همچون آب و کودهای شیمیایی شده است (4). مطالعات بسیاری در زمینه تعیین الگوی بهینه کشت در مناطق مختلف، با روش‌ها و اهداف گوناگون صورت گرفته است. که به چند نمونه از آن‌ها اشاره می‌شود.
فتحی و زیبایی (1399)، مطالعه‌ای تحت عنوان مدیریت بهینه کشت محصولات زراعی دشت فیروزآباد در راستای پایداری منابع آب و خاک با استفاده از الگوی برنامه‌ریزی فازی انجام دادند. نتایج نشان داد که الگوی بهینه کشت با استفاده از برنامه‌ریزی فازی برای سال‌های دارای شرایط نرمال و کم‌آبی ارائه گردید. بگونه‌ای که درجه عضویت هر سه هدف تقریباً به یک میزان ایجاد رضایتمندی را نشان دادند. الگوهای کشت ارائه شده در شرایط کم آبی شامل گندم 25، جو 44، ذرت 3، چغندر 48 می‌باشد و همین محصولات با سطوح مختلف کم‌آبیاری در سال نرمال پیشنهاد شد. نتایج حاکی از آن است که الگوی ارائه شده با میانگین ده ساله دشت فیروزآباد تفاوت آشکاری ندارند و محصولات انتخابی بر اساس سیستم های مختلف آبیاری و تنش آبی انتخاب شدند.
اسعدی و نجفی علمدارلو (1398)، در مطالعه‌ای به ارزیابی اقتصادی الگوی بهینه کشت در راستای کاهش استفاده از منابع آب زیرزمینی دشت دهگلان با استفاده از مدل برنامه-ریزی ریاضی اثباتی (PMP) پرداختند. نتایج نشان داد که با تدوین الگوی بهینه کشت محصولات زراعی، مقدار صرفه‌جویی آب در سناریوی اول تا سوم به ترتیب به میزان 1/22، 5/30 و 5/35 درصد و سود ناخالص مزرعه به ترتیب 6/4، 3/9 و 8/14 درصد کاهش می‌یابد (2). سردار شهرکی و همکاران (1395)، در مطالعه‌ای به بررسی رویکردهای مدیریتی بهره-برداری منابع آب منطقه سیستان با استفاده از تحلیل سلسله مراتبی فازی (FAHP) پرداختند. طبق نتایج بر اساس سه رویکرد اقتصادی، اجتماعی و فنی بخش کشاورزی با بیشترین وزن، در اولویت اول قرار گرفت. وزن بخش کشاورزی در رویکردهای مذکور به ترتیب 851/0، 710/0 و 789/0 به دست آمد. در رویکرد زیست محیطی (تالاب هامون) به عنوان گزینه برتر با وزن 603/0 و بخش کشاورزی و شرب به ترتیب با وزن 364/0 و 033/0 در اولویت دوم و سوم قرار گرفتند (5). هاتف و همکاران (1395)، در مطالعه خود به تعیین الگوی بهینه کشت محصولات عمده زراعی استان خراسان رضوی بر اساس مزیت نسبی تولید پرداختند. نتایج مطالعه نشان داد که محصولات زراعی عدس آبی، لوبیا قرمز آبی و ذرت دانه‌ای آبی به دلیل نداشتن مزیت نسبی از الگوی کشت حذف و محصولات زراعی گندم دیم و آبی، جو آبی، پنبه آبی، جو دیم، نخود دیم، شلتوک، نخود آبی، عدس دیم و آفتاب گردان آبی به دلیل پایین بودن رتبه مزیت نسبی با کم ترین سطح زیر کشت در الگو قرار گرفتند و محصولات زراعی چغندرقند، گوجه فرنگی آبی، هندوانه آبی، سیب زمینی آبی، کلزا آبی، خیار آبی، پیاز آبی و هندوانه دیم دارای افزایش در سطح زیر کشت نسبت به الگوی موجود شده‌اند (6). محسنی و شهرکی (1394)، کاربرد برنامه‌ریزی فازی خاکستری در تخصیص منابع آب شهرستان یزد را مورد بررسی قرار دادند. نتایج نشان داد که برای تخصیص بهینه منابع آب، اولویت با حداکثر کردن سود اقتصادی سیستم (سود بخش‌های کشاورزی، صنعت و شرب) و سپس سود زیست محیطی (مربوط به منافع آبیاری فضای سبز) است. همچنین با کاربرد برنامه‌ریزی فازی خاکستری، درجه خاکستری بودن مربوط به سود خالص سیستم و سود زیست محیطی به ترتیب 9 درصد و 43 درصد کاهش یافت (7). محسنی و همکاران (1396)، به تعیین الگوی بهینه کشت با هدف پایداری منابع آب در دشت ارزوئیه: به کمک برنامه-ریزی کسری فازی پرداختند. نتایج نشان داد که الگوی بهینه کشت با استفاده از برنامه‌ریزی کسری فازی برای دستیابی به پایداری با الگوی کشت فعلی و برنامه‌ریزی خطی اختلاف زیادی دارد. همچنین با وجود کاهش بازده ناخالص کل در مدل برنامه‌ریزی کسری فازی، میزان بازده ناخالص در این نوع برنامه‌ریزی به ازای هر مترمکعب آب 10 درصد افزایش یافته است. این بدان معناست که حداکثرکردن بازده حاصل از کشت محصولات زراعی با رعایت پایداری منابع آب و حداقل کردن مصرف آب به نفع جامعه است (8). صبوحی و خسروی (1388)، در مطالعه‌ای با استفاده از مدل برنامه‌ریزی آرمانی و با در نظر گرفتن مجموعه‌ای از اهداف اقتصادی و محیط زیستی به بهینه‌سازی الگوی کشت در منطقه زرقان پرداختند. این مدل، به زارعین این امکان را می‌دهد که همزمان با به دست آوردن حداکثر درآمد اقتصادی، ملاحظات محیط زیستی را نیز برای جلوگیری از تخریب منابع در الگوی کشت خود لحاظ کنند. نتایج نشان می‌دهد که با در نظر گرفتن ساختار اولویت‌بندی، مدیر واحد کشاورزی می‌تواند الگوی کشت را به طور نسبی بهبود بخشیده و از منابع و نهاده‌ها به نحو مطلوب‌تری استفاده نماید (4). رضایی و سروری نوبهار (1391) در پژوهش خود به تعیین الگوی بهینه کشت در استان خراسان رضوی با استراتژی محیط زیستی پرداختند. آن‌ها با استفاده از الگوی الگوریتم ژنتیک، استراتژی محیط زیستی را به صورت حداقل کردن مصرف کود در نظر گرفتند و الگوی کشت در این منطقه را با رویکرد محیط زیستی تعیین نمودند (3). عسگری و همکاران (1391)، در مطالعه خود به مقایسه توانایی رهیافت برنامه‌ریزی امکان در ارائه الگوی بهینه با رهیافت برنامه‌ریزی فازی پرداختند. آن‌ها در تدوین مدل تخصیص بهینه زمین‌های کشاورزی در استان زنجان برای محصولات تحت مطالعه، اهداف سود خالص، آب، کود و نیروی کار، را به صورت فازی وارد مدل کردند. نتایج حاکی از آن است که با ایجاد انعطاف در ضرایب مدل که ناشی از بی‌دقتی در اطلاعات است با نگرش و تفکر فازی، این بی‌دقتی تا حد زیادی برطرف می‌شود و شرایط الگوی کشت به طور نسبی بهبود می‌یابد و از منابع و نهاده‌ها به نحو مطلوب‌تری استفاده می‌شود (9). ونگ و همکاران (2009)، مدل بهینه‌سازی چندهدفه را برای تخصیص آب در بخش‌های کشاورزی، شرب، صنعت و زیست محیطی در حوضه رودخانه هایهه در چین به کار بردند (10). لی و همکاران (2006)، به منظور مدیریت تخصیص آب تحت شرایط عدم اطمینان، با استفاده از مدل برنامه‌ریزی خطی تصادفی بازه‌ای به تخصیص آب در شرایط عدم اطمینان پرداختند. آن‌ها نشان می‌دهند که مدل‌های برنامه‌ریزی بازه‌ای دارای سازگاری بیشتری با دنیایی واقعی بوده و می‌توانند برای مسائل مدیریت تخصیص آب به عنوان یک مدل کاربردی مورد استفاده قرار گیرند و علاوه بر این، یک بینش و درک صحیح در مورد مبادله اهداف محیط زیستی و اقتصادی ایجاد می‌کنند (11).
با عنایت به مطالعات فوق، بررسی محققان نشان می‌دهد تاکنون مطالعه‌ای در خصوص کاربرد مدل برنامه‌ریزی فازی خاکستری با رویکرد زیست محیطی و کاهش مصرف آب در تعیین الگوی بهینه کشت شهرستان جیرفت که یکی از قطب‌های مهم کشور در زمینه فعالیت‌های کشاورزی محسوب می‌شود، انجام نشده است. از طرفی دیگر، در بیشتر مطالعات، محققان کمتر رویکردهای زیست محیطی و پایداری منابع آب را در نظر گرفته‌اند. به این ترتیب ضروری به نظر می‌رسد که رویکرد زیست محیطی و کاهش مصرف آب در تعیین الگوی بهینه کشت در راستای حفظ محیط زیست و حفاظت و پایداری منابع آب زیرزمینی دشت جیرفت با استفاده از مدل برنامه‌ریزی فازی خاکستری مورد بررسی قرار گیرد.

روش بررسی
برنامه‌ریزی خاکستری یکی از روش‌های تحلیل سیستم‌های خاکستری، برای تصمیم‌گیری تحت شرایط عدم حتمیت است. تئوری برنامه‌ریزی خاکستری توسط  دنگ (1980) و بعدها توسط هانگ (1996)، برای حل مسایل عدم حتمیت بیان شد. یک عدد که ارزش واقعی آن به طور قطعی نمی‌تواند بیان شود ولی، توسط یک بازه شناخته می‌شود یک عدد خاکستری است. برای مثال اگر (a)⊗ یک عدد خاکستری باشد، آنگاه رابطه  برقرار است. به طوری که   حد پایین و  حد بالای عدد خاکستری می‌باشد (12).
یک عدد خاکستری به صورت زیر تعریف می‌شود (13). 
که در آن   و   به عنوان حد بالا و پایین  تعریف می‌شوند و هنگامی که   و   باهم برابرند، این فاصله به عدد قطعی x تبدیل می‌شود. روابط زیر در مورد   به کار می‌رود (13).
 
                        
                                
                    
                    
 
برنامه‌ریزی خاکستری به صورت زیر فرمول‌بندی می‌شود (13).
 
 
 
      
                                         
 
 
 
          
 
به ازای بردارهای خاکستری   و   و ماتریس خاکستری  ، روابط زیر برقرار است.
 
          
                              
          
 
زمانی که برخی از پارامترهای موجود در تابع هدف و در محدودیت‌ها اعداد خاکستری هستند،حد بالا و پایین جواب به صورت زیر خواهد بود.
 
 
                         
          
 
برنامه‌ریزی فازی خاکستری به صورت زیر فرمول‌بندی می‌شود (13)  
 
                                                                                          
 
 
 
                                                                                             
 
          
 
 
                 
 
که در آن به ازای ماتریس خاکستری ، رابطه‌ی زیر برقرار است.
 
                          
 
با توجه به تعاریف ذکرشده، ساختار مدل برنامه‌ریزی فازی خاکستری به صورت زیر است (13) 

 
 
 
 
 
                          
               
 
 
 
 
زمانی که برخی از پارامترهای موجود در تابع هدف و محدودیت‌ها اعداد خاکستری هستند، جواب به صورت زیر خواهد بود (12)
 
 
 
             
          
 
برنامه‌ریزی خاکستری با روش ارائه‌شده در زیر، به برنامه‌ریزی سفید(قطعی) تبدیل می‌شود. (13)
  
 
 
 
 
                     
 
 
          
      
 
  و  ، ارزش قطعی اعداد خاکستری   و   می‌باشد. با حل این مدل،جواب‌های قطعی(سفید)حاصل از حل معادلات بالا که در بازه جواب‌های خاکستری قرار دارند به دست خواهد آمد.در تابع هدف برای n ضریب خاکستری  ،  ، اگر   ضریب مثبت و   ضریب منفی وجود داشته باشد  ، برای ضرایب مثبت و منفی به ‌ترتیب روابط زیر برقرار است.
 
                          
                                      
 
روابط زیر برای ارائه‌ی حد بالا و پایین   وجود دارد. 
 
 
 
  
 
به منظور به دست آوردن حد بالای   ، محدودیت   به صورت زیر ارائه می‌شود. (13) 
 
           
 
به طور مشابه برای به دست آوردن حد پایین  ، محدودیت مذکور به صورت زیر درمی‌آید (13)
  
 
     
 
برای عدد قطعی  ، روابط زیر برقرار است (13) 
          
          
          
                  
 
بنابراین مدل برنامه‌ریزی خاکستری برای حل باید به دو زیر مدل تقسیم شود. زیر مدل اول حد پایین  را به دست می‌دهد که به صورت زیر ارائه می‌شود (14)
 
 
 
 
 
       
      
                     
 
و حد بالای   توسط زیر مدل زیر به دست می‌آید (14)  
 
   :
 
 
 
 
      
      
                                                    
 
با در نظر گرفتن جواب‌های به دست آمده از حل دو زیر مدل بالا،حل برنامه‌ریزی فازی خاکستری به صورت زیر ارائه می‌شود (14)  
 
                     
                                      
 
که در فرمول ارائه‌شده   و   و   اعداد خاکستری هستند.
در این پژوهش ضرایب منفی نداریم و به همین دلیل زیر مدل‌های فوق به صورت زیر تغییر می‌یابند.
 
حد پایین  عبارت است از:
 
 
 
 
         
 
حد بالای  عبارت است از:
 
 
 
           :
 
   
      
 
منطقه مورد مطالعه
 
شهرستان جیرفت یکی از قطب‌های بسیار مهم کشاورزی در کشور و در جنوب استان کرمان است، به طوری که در سال زراعی 1397-1396 با 42640 هکتار سطح زیر کشت و تولید 775298 تن محصول زراعی به ترتیب حدود 24 درصد سطح زیر کشت استان، 47 درصد از کل تولید محصولات کشاورزی استان و 3 درصد از کل تولیدات کشور را به خود اختصاص داده است. بنابراین مطالعه‌ای در زمینه‌ی برنامه‌ریزی هرچه بهتر تولید محصولات در منطقه به نحوی که با عواملی مانند حفظ محیط زیست و پایداری منابع آب و امنیت غذایی منطبق باشد، ضروری به نظر می‌رسد. همچنین کلیه آمار و اطلاعات لازم از آمارنامه‌های منتشر شده توسط وزارت جهاد کشاورزی و سازمان جهاد کشاورزی جنوب کرمان در سال زراعی 1397-1396 استخراج شده است.

 
یافته‌های تحقیق
با توجه به مدل ذکرشده، الگوی کشت منطقه مورد بررسی به صورت زیر ارائه شده است. بازده برنامه‌ای محصولات مختلف در هر هکتار از حاصل‌ضرب عملکرد در قیمت بازاری و کسر هزینه‌های جاری تولید از آن به دست آمد. هدف، حداکثر کردن بازده برنامه‌ای کشاورز در نظر گرفته شده است. حد پایین و بالای بازده برنامه‌ای (تومان)، یعنی مقادیر حداقل و حداکثر بازده برنامه‌ای محصول مورد نظر تعیین شده است. کل زمین‌های زیر کشت منطقه برابر 42640 هکتار می‌باشد که بایستی 21320 هکتار از آن زیر کشت محصولات قرار گیرد. ضرایب محدودیت سطح زیر کشت فعالیت‌ها، عدد قطعی یک است. قابل‌ذکر است که حداقل کل سطح زیر کشت نباید از کل سطح زیر کشت موجود کمتر باشد (رستگاری‌پور و صبوحی، 1391). حداقل سرمایه قابل‌ دسترس منطقه در سال زراعی مذکور (1396-1397)، برابر با 2/7984562315 تومان در سال زراعی 1397-1396است که با احتساب اعتبارات سالانه و اعتبارات اضافی اختصاص داده شده در منطقه، مقدار آن به 135789623510 تومان افزایش می‌یابد. حد بالا و حد پایین ضرایب x، برابر با نیاز محصولات به سرمایه می‌باشد. حداقل آب قابل‌دسترس منطقه در سال مذکور، برابر با 1/97452682 مترمکعب است که با احتساب بارندگی سالانه و آب اضافی رهاشده در منطقه، مقدار آن به 2/187256325 مترمکعب افزایش می‌یابد. حد بالا و حد پایین ضرایب x، برابر با نیاز آبی محصولات منطقه با در نظر گرفتن راندمان آبیاری 40 و60 درصد در نظر گرفته ‌شده‌اند (رستگاری‌پور و صبوحی، 1391). به عبارت دیگر ضرایب سمت چپ نیز اعداد خاکستری هستند. حداقل ماشین‌آلات موجود در منطقه با احتساب 8 ساعت کار در روز برابر با 15/197456 ساعت و با احتساب 10 ساعت کار در روز برابر با 1/335462 ساعت می‌باشد. حد بالا و پایین ضرایب فعالیت‌ها، برابر با کم‌ترین و بیش‌ترین زمان مورد نیاز برای کاشت، داشت و برداشت محصولات منطقه به وسیله ماشین‌آلات بر حسب ساعت لحاظ شده است. حداقل نیروی کار کشاورزی موجود در منطقه برابر با 3/1017846 نفر روز کار می‌باشد که با احتساب سایر نیروی انسانی آماده به کار، تعداد آن‌ها به 3/1584520 نفر روز کار افزایش می‌یابد. حد بالا و پایین ضرایب سمت چپ برابر با کم‌ترین و بیش‌ترین نفر روز کارگری است که برای محصولات مختلف در منطقه مورد مطالعه به مساحت 42640 هکتار به کار گرفته‌شده‌اند. حداقل و حداکثر مقدار کود ازته موجود در منطقه برابر با 4792650 و 3/8945682 کیلوگرم می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز کودی ازته محصولات منطقه را نشان می‌دهد. حداقل و حداکثر مقدار کود فسفاته موجود در منطقه برابر با 2786320 و 1/5489632 کیلوگرم می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز کودی فسفاته محصولات منطقه را نشان می‌دهد. حداقل و حداکثر مقدار کود پتاس موجود در منطقه برابر با 1948790و 2/4412613 کیلوگرم می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز کودی پتاس محصولات منطقه را نشان می‌دهد. منظور از حداقل نیاز کودی، حداقل مقداری است که کشاورزان برای محصول خود در نظر می‌گیرند و در آن مقدار، تولید محصول به خوبی صورت می‌گیرد. منظور از حداکثر نیاز کودی، کود مورد نیاز گیاه از نظر علمی می‌باشد.
حداقل و حداکثر مقدار سم علف‌کش موجود در منطقه برابر با 2/15875 و 3/29845 لیتر می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز سم علف‌کش محصولات منطقه را نشان می‌دهد. حداقل و حداکثر مقدار سم قارچ‌کش موجود در منطقه برابر با 3/5879 و 2/13815 لیتر می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز سم قارچ‌کش محصولات منطقه را نشان می‌دهد. حداقل و حداکثر مقدار سم حشره‌کش موجود در منطقه برابر با 4/8925 و  1/15126 لیتر می‌باشد. ضرایب خاکستری سمت راست نیز، بازه نیاز سم حشره‌کش محصولات منطقه را نشان می‌دهد. منظور از حداقل نیاز به سم، حداقل مقداری است که کشاورزان برای محصول خود در نظر می‌گیرند و در آن مقدار، تولید محصول به خوبی صورت می‌گیرد . منظور از حداکثر نیاز سم، سم مورد نیاز گیاه از نظر علمی می‌باشد.
برای حل مدل به روش خاکستری ابتدا حد بالای مدل محاسبه می‌شود. بدین منظور برای مقادیر سمت راست محدودیت‌ها و ضرایب فنی از مقادیر حداکثر که در جداول مربوط به داده‌ها آورده شده است استفاده می‌شود. پس از به دست آوردن حد بالای مدل، مقادیر به دست آمده برای متغیرهای تصمیم نیز به صورت محدودیت وارد مدل شده و به جای مقادیر حداکثر سمت راست محدودیت‌ها و ضرایب فنی از مقادیر حداقل که در جداول مربوط به داده‌ها آورده شده است استفاده می‌شود. نتایج حاصل از برنامه‌ریزی خاکستری به صورت زیر است.
 
    

 
جدول 1- سطح زیر کشت حاصل از خروجی مدل برنامه‌ریزی خاکستری
 Table 1. The area under cultivation resulting from solving the gray planning model 
 
    وضعیت موجود    حد پایین حاصل از مدل خاکستری    حد بالای حاصل از حل مدل خاکستری
بازده برنامه‌ای    00/119975558340    97457140000    176245200000
هزینه‌های جاری    20/98745293650    75750090000    135789600000
آب    30/139584715    69787590    184520600
ماشین‌آلات    30/258962    2/197456    2/321949
نیروی کار    30/1395462    1083219    1562032
کود ازته    30/6480294    4106073    8875145
کود فسفاته    20/3945134    2230546    5489632
کود پتاس    10/2897360    1896060    4335282
سم علف‌کش    30/22815    45/14058    3/29845
سم قارچ‌کش    90/8974    13/5640    77/13785
سم حشره‌کش    30/12986    69/8011    1/17945
 
در جدول (1) سطح زیر کشت حاصل از حل مدل برنامه-ریزی خاکستری آورده شده است.
مجموعه جواب حاصل از برنامه‌ریزی خاکستری نشان می-دهد که سطح زیر کشت گندم، جو ،ذرت‌دانه‌ای و یونجه به ترتیب در بازه‌های [2643.9,4893.87]، [1583.47,1644.5]، [1264.98,1436.35]و[1269,1934.64] هکتار قرار دارند. سطح زیر کشت سیب‌زمینی 36/4805، پیاز 1547، گوجه‌فرنگی 4/985، خیار 4/3832 و هندوانه  5/240 هکتار به دست آمد. مقادیر مطلوب حد بالا و پایین بازده برنامه‌ای به صورت زیر می‌باشد.
]97457140000،176245200000[
مقدار مطلوب حد بالای بازده برنامه‌ای 176245200000ده ریال و مقدار مطلوب حد پایین بازده برنامه‌ای 97457140000 ده ریال به دست آمد.
در جدول (2) مقادیر مطلوب محدودیت‌های موجود در مدل آورده شده است که حدود پایین و بالای محدودیت‌های مدل می‌باشند که از حل مدل خاکستری حاصل‌شده‌اند.
درجه خاکستری بودن یک بازه به صورت زیر تعریف می‌شود.
 
 

 
که در آن   حد میانی بازه تعریف شده می‌باشد. در این مطالعه درجه خاکستری بودن روش خاکستری 57.5% می‌باشد.
الگوی برنامه‌ریزی فازی خاکستری
برای حل مدل برنامه‌ریزی خاکستری فازی همان طور که در معادلات فوق آورده شده است، ابتدا باید مقادیر حد بالا و حد پایین   را با توجه به محدودیت‌های موجود (در مواد و روش‌ها آورده شده) به دست آوریم تا از آن‌ها در سمت راست محدودیت بازده برنامه‌ای روش خاکستری فازی استفاده کنیم.پس از حل حد بالا و حد پایین   ، مقادیر زیر به دست آمد. حد بالای   برابر با 166798100000 ده ریال و حد پایین آن 97515440000 ده ریال می‌باشد.
در این روش برنامه‌ریزی، بازه در نظر گرفته‌شده برای سود سیستم توسط متغیر تصمیم   محدود می‌شود. این متغیر نشان می‌دهد که بازه سود حاصل از مدل خاکستری تا چه حد محدود می‌شود. به عبارت دیگر، به ازای  ،بازه به حداکثر مقدار خود و به ازای  ، بازه به حداقل مقدار خود می‌رسد. نتایج حاصل از برنامه‌ریزی فازی خاکستری به صورت زیر می‌باشد.
 
 
 
 

 
جدول 2- مقادیر مطلوب محدودیت‌های موجود در مدل
Table 2. Optimal values of the constraints in the model
محصول    حد پایین به دست آمده از مدل    سطح زیر کشت موجود در منطقه    حد بالای به دست آمده از مدل
گندم    9/2643    3777    87/4893
جو    47/1583    1265    5/1644
سیب‌زمینی    36/4805    4099    36/4805
پیاز    1547    2210    1547
گوجه‌فرنگی    4/985    758    4/985
خیار    4/3832    2948    4/3832
هندوانه    5/240    185    5/240
ذرت دانه‌ای    98/1264    1200    35/1436
یونجه    1269    1721    64/1934
 
که در آن   بیانگر حد بالا و حد پایین متغیر تصمیم و   بیانگر حد بالا و حد پایین سود سیستم در حالت برنامه‌ریزی فازی خاکستری است. حد بالای متغیر تصمیم یک و حد پایین آن 0.0964 می‌باشد. حد بالای سود سیستم 179475100000 ده ریال و حد پایین آن 166682500000 ده ریال می‌باشد. در جدول (3) سطح زیر کشت حاصل از حل مدل برنامه‌ریزی فازی خاکستری آورده شده است.
مجموعه جواب حاصل از برنامه‌ریزی خاکستری نشان می-دهد که سطح زیر کشت سیب‌زمینی، پیاز، گوجه‌فرنگی، هندوانه، ذرت دانه‌ای و یونجه در بازه‌های ]5328.7،5292[، ]2349.9،1547[،  ]985.4،530.6[، ] 240.5،129.5 [،] 1560،840[ و ] 2237.3،1204.7[ هکتار قرار دارند. سطح زیر کشت گندم 4910.1، جو 1644.5 و خیار 2063.6 هکتار به دست آمد.
مقادیر مطلوب محدودیت‌های موجود در مدل نیز به صورت زیر می‌باشد. در جدول (4) مقادیر مطلوب محدودیت‌های موجود در مدل آورده شده است که حدود پایین و بالای محدودیت‌های مدل می‌باشند که از حل مدل  فازی خاکستری حاصل‌شده‌اند.
 

جدول 3- سطح زیر کشت حاصل از حل مدل برنامه‌ریزی  فازی خاکستری
Table 2. The area under cultivation resulting from solving the gray fuzzy programming model
محصول    حد پایین به دست آمده از مدل    سطح زیر کشت موجود در منطقه    حد بالای به دست آمده از مدل
گندم    1/4910    3777    1/4910
جو    5/1644    1265    5/1644
سیب‌زمینی    5292    4099    7/5328
پیاز    1547    2210    9/2349
گوجه‌فرنگی    6/530    758    4/985
خیار    6/2063    2948    6/2063
هندوانه    5/129    185    5/240
ذرت دانه‌ای    840    1200    1560
یونجه    7/1204    1721    3/2237

جدول 4- مقادیر مطلوب محدودیت‌های موجود در مدل فازی خاکستری
Table 4. Optimal values of the constraints in the gray fuzzy model
    وضعیت موجود    حد پایین حاصل از مدل فازی خاکستری    حد بالای حاصل از حل مدل فازی خاکستری
بازده برنامه ای    00/11997555834    166682500000    179475100000
هزینه های جاری    20/98745293650    63/80367795596    09/117671853052
آب    30/139584715    89920626    155728710
ماشین آلات    30/258962    44/233385    21/276187
نیروی کار    30/1395462    16/1224470    69/1361248
کود ازته    30/6480294    4577472    7801377
کود فسفاته    20/3945134    8/2442936    5/4594669
کود پتاس    10/2897360    5/2131100    5/3643205
سم علف کش    30/22815    92/15303    02/26947
سم قارچ کش    90/8974    12/4447    84/11128
سم حشره کش    30/12986    44/7370    14/15062

 
همان‌طور که در بالا گفته شد درجه خاکستری بودن یک بازه به صورت زیر تعریف می‌شود.
 
 
 
که در آن   حد میانی بازه تعریف‌شده می‌باشد. در این مطالعه درجه خاکستری بودن روش فازی خاکستری 7.39% می‌باشد.همان طور که می‌بینید درجه خاکستری بودن مدل فازی خاکستری 50.18% از مدل خاکستری کمتر می‌باشد.
نتایج حاصل از برنامه‌ریزی خاکستری و فازی خاکستری
نتایج ارائه‌شده توسط مدل برنامه‌ریزی خاکستری دارای عدم قطعیت بالایی است. زیرا درجه خاکستری بودن آن زیاد می-باشد. هر چه درجه خاکستری بودن زیادتر باشد، کارایی پاسخ‌های به دست آمده از حل مدل کمتر است. برای کاهش درجه خاکستری بودن، برنامه‌ریزی خطی خاکستری فازی استفاده شد. در این برنامه‌ریزی، بازه در نظر گرفته‌شده برای سود سیستم توسط متغیر تصمیم ، محدود می‌شود. این متغیر نشان می‌دهد که بازه سود حاصل از مدل خاکستری تا چه حد محدود می‌شود. حد بالا و حد پایین متغیر تصمیم بیانگر محدودتر شدن بازه تعریف‌شده برای سود سیستم می-باشد.
همان طور که درجه خاکستری بودن سود سیستم در حالت خاکستری 57.57% و درجه خاکستری بودن سود سیستم روش فازی خاکستری 7.39% می‌باشد. همان طور که ملاحظه می‌گردد با کاربرد برنامه‌ریزی فازی خاکستری درجه خاکستری بودن نتایج  50.18% کاهش نشان می‌دهد.
در جدول (1) مقایسه‌ای بین الگوی کشت موجود در منطقه و الگوی کشت حاصل از حل مدل خاکستری ارائه شده است. همان طور که در جدول ملاحظه می‌شود سطح زیر کشت گندم و یونجه در بازه تعریف شده برای رسیدن به حداکثر سود قرار دارند. در مورد محصولات جو، سیب‌زمینی، گوجه-فرنگی، خیار، هندوانه و ذرت دانه‌ای سطح زیر کشت موجود در منطقه از حد پایین سطح زیر کشت به دست آمده در مدل کمتر است ولی در مورد پیاز سطح زیر کشت موجود در منطقه از سطح زیر کشت به دست آمده بالاتر است. 
در جدول (3) مقایسه‌ای بین الگوی کشت موجود در منطقه و الگوی کشت حاصل از حل مدل فازی خاکستری ارائه شده است. همان طور که در جدول ملاحظه می‌شود سطح زیر کشت پیاز، گوجه‌فرنگی، هندوانه، ذرت دانه‌ای و یونجه در بازه تعریف‌شده برای رسیدن به حداکثر سود قرار دارند. در مورد محصولات گندم، جو و سیب‌زمینی سطح زیر کشت موجود در منطقه از حد پایین سطح زیر کشت به دست آمده در مدل کمتر است ولی در مورد خیار سطح زیر کشت موجود در منطقه از سطح زیر کشت به دست آمده بالاتر است.
در این مطالعه روشی که برای طراحی الگوی کشت منطقه به کار گرفته شد روش  برنامه‌ریزی خاکستری و فازی خاکستری بود. ابتدا اعداد خاکستری و سپس مدل خاکستری و فازی خاکستری معرفی شد. یکی از اشکالات عمده برنامه‌ریزی خاکستری، بالا بودن درجه خاکستری مجموعه جواب حاصل می‌باشد. با کاربرد روش برنامه‌ریزی فازی خاکستری، درجه خاکستری بودن مجموعه جواب کاهش می‌یابد و مجموعه جواب حاصل کاراتر می‌شود و بهبود می‌یابد. به کار بردن روش فازی خاکستری همچنین درجه خاکستری بودن محدودیت‌های ناشی از برنامه‌ریزی فازی خاکستری را کاهش می‌دهد و بر کارایی آن‌ها می-افزاید. با افزایش کارایی، نتایج قابل‌اعتمادتر و دقیق‌تر می-شود. نتایج مجموعه جواب حاصل از برنامه‌ریزی خاکستری حاکی از آن است که با محدودیت‌های اعمال‌شده، سطح زیر کشت گندم بین 9/2643 و 87/4893 هکتار در منطقه می-تواند تغییر کند (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت جو بین 47/1583 و 5/1644 قابل‌تغییر است (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). کشاورزان منطقه با توجه به محدودیت‌های ذکرشده و باهدف حداکثر مقدار سود، 36/4805 هکتار سیب‌زمینی، 1547 هکتار پیاز، 4/985 هکتار گوجه‌فرنگی،  4/3832 هکتار خیار و 5/240 هکتار هندوانه می‌توانند کشت کنند. سطح زیر کشت ذرت دانه‌ای بین 98/1264 و 37/1436 هکتار می‌تواند تغییر کند (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت یونجه هم  بین 1269 و 64/1934 هکتار قابلیت تغییر دارد (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). با توجه به الگوی کشت خاکستری، سود حاصل برای کشاورزان منطقه در بازه‌ی [176245200000،97457140000]، ده ریال می-باشد. حد بالای سود بیانگر مقدار سودی است که کشاورز با در نظر گرفتن حد بالای نهاده‌های قابل‌دسترس و حد بالای ضرایب فنی به آن دست پیدا می‌کند. حد پایین سود بیانگر مقدار سودی است که کشاورز با در نظر گرفتن حد پایین نهاده‌های قابل‌دسترس و حد پایین ضرایب فنی مدل به آن می‌رسد.
نتایج مجموعه جواب حاصل از برنامه‌ریزی فازی خاکستری نشان‌دهنده آن است که با محدودیت‌های اعمال‌شده، سطح زیر کشت سیب‌زمینی بین 5292 و 7/5328 هکتار، در منطقه می‌تواند تغییر کند (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت پیاز بین 1547 و 9/2349 قابل‌تغییر است (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت گوجه‌فرنگی بین 6/530 و 4/985 هکتار، در منطقه می‌تواند تغییر کند (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت هندوانه  بین 5/129 و 5/240 قابل‌تغییر است (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت ذرت دانه‌ای بین 840 و1560 هکتار، در منطقه می‌تواند تغییر کند (نسبت به وضعیت موجود می‌تواند هم افزایش پیدا کند و هم کاهش). سطح زیر کشت یونجه بین 7/1204 و 3/2237 قابل‌تغییر است. کشاورزان منطقه با توجه به محدودیت‌های ذکرشده و باهدف حداکثر مقدار سود، 1/4910 هکتار گندم، 5/1644 هکتار جو و 6/2063 هکتار خیار می‌توانند کشت کنند. با توجه به الگوی کشت  فازی خاکستری ، سود حاصل برای کشاورزان منطقه در بازه‌ ] 179475100000 ، 166682500000[ ده ریال می‌باشد. حد بالای سود بیانگر مقدار سودی است که کشاورز با در نظر گرفتن حد بالای نهاده‌های قابل‌دسترس و حد پایین  ضرایب فنی به آن دست پیدا می‌کند. حد پایین سود بیانگر مقدار سودی است که کشاورز با در نظر گرفتن حد پایین نهاده‌های قابل‌دسترس و حد بالای ضرایب فنی مدل به آن می‌رسد.

نتیجه‌گیری 
در این مطالعه برنامه‌ر‌یزی خاکستری و فـازی خاکـستری بـرای طراحی الگوی کشت شهرستان جیرفت و با درنظر گرفته رویکرد کاهش آلودگی و میزان مصرف آب مـورد اسـتفاده قـرار گرفـت. شهرستان جیرفت یکی از قطب‌های بسیار مهم کشاورزی در کشور و در جنوب استان کرمان است، به طوری که در سال زراعی 1397-1396 با 42640 هکتار سطح زیر کشت و تولید 775298 تن محصول زراعی به ترتیب حدود 24 درصد سطح زیر کشت استان، 47 درصد از کل تولید محصولات کشاورزی استان و 3 درصد از کل تولیدات کشور را به خود اختصاص داده است. بنابراین مطالعه‌ای در زمینه‌ی برنامه‌ریزی هرچه بهتر تولید محصولات در منطقه به نحوی که با عواملی مانند حفظ محیط زیست و پایداری منابع آب و امنیت غذایی منطبق باشد، ضروری به نظر می‌رسد. همچنین کلیه آمار و اطلاعات لازم از آمارنامه-های منتشر شده توسط وزارت جهاد کشاورزی و سازمان جهاد کشاورزی جنوب کرمان در سال زراعی 1397-1396 استخراج شده است. با توجه به اینکه نبود قطعیت جزء جدایی ناپذیر تصمیم‌گیری در بخش کشاورزی به شمار می-آید، لذا باید با اتخاذ راهبردهای مناسب تا حد ممکن این نااطمینایی را با الگوی برنامه‌ریزی فازی خاکستری به کارگرفته شده در این تحقیق تعدیل نمود. در این مطالعه ابتدا اعداد خاکستری و سپس مـدل خاکـستری و فـازی خاکـستری معرفی شد. یکی از اشکالات عمده برنامه‌ریزی خاکستری، بـالا بودن درجه خاکستری مجموعـه جـواب حاصـل مـی‌باشـد. بـا کاربرد روش فازی خاکستری، درجه خاکستری بودن مجموعـه جواب برنامه‌ریزی خطی خاکستری و محدودیت‌های ناشـی از برنامه‌ریزی فازی کاهش و در نتیجـه مجموعـه جـواب حاصـل بهبود می‌یابد. از سویی کمبود منابع آب سبب برداشت بی‌رویه از آب‌های زیرزمینی در بسیاری از نقاط جهان و افت شدید سطح سفره‌های آب زیرزمینی شده است. باتوجه به وضعیت نامناسب منابع آب زیرزمینی دشت جیرفت و بدلیل گسترش سطح زیرکشت محصولات با نیاز آبی بالا و برداشت-های بی‌رویه در سال‌های اخیر، ارتفاع سطح آب در سفره-های این دشت به شدت کاهش یافته و منابع آب زیرزمینی با خطر جدی تخریب مواجه شده است. از طرفی امروزه، توجه به محیط زیست یکی از اولویت‌های مهم در بسیاری از کشورها می‌باشد. از این‌رو، پرداختن به این مساله بسیار ضروری به نظر می‌رسد. آلودگی‌های محیط زیستی که بخش کشاورزی به وجود می‌آورد، بیشتر به علت استفاده زیاد از سموم و کودهای شیمیایی در زیربخش زراعت است. در نتیجه در این مطالعه با به‌کارگیری مدل برنامه‌ریزی فازی خاکستری با رویکرد زیست محیطی و کاهش مصرف آب الگوی بهینه کشت منطقه تعیین گردید. 
به طور کلی نتایج حاصل از این پژوهش عبارت‌اند از:
1) آمار و اطلاعات معمولاً ایراد دارند. مدل فازی یا تفکر فازی این قابلیت را به مدل می‌دهد که از آمار و اطلاعات به همان صورت نادقیق بتوان بهترین بهره‌برداری را نمود. در ساختار مدل فازی خاکستری که در آن تابع هدف و سمت راست محدودیت‌‌ها فازی بودند، ساختار فازی باعث کاهش درجه خاکستری و افزایش کارایی مدل شد. با توجه به ضرورت کشاورزی پایدار و حفظ و صیانت از منابع طبیعی و محیط زیست و کاهش مصرف آب در بخش کشاورزی، تغییر الگوی کشت بر مبنای حداکثرسازی درآمد با رعایت حداقل کردن میزان استفاده از کودها و سموم شیمیایی و آب مصرفی می‌تواند کمک شایانی در این مورد نماید. روش برنامه‌ریزی فازی خاکستری این امتیاز را دارد که به طور همزمان این دو معیار را در نظر گرفته و الگوی بهینه را به دست آورد.
2) اجرای مدل‌های بهینه نشان‌دهنده آن است که استفاده از زمین‌های زراعی موجود می‌تواند به نحو بهتری انجام گیرد. زیرا اجرای مدل‌های بهینه ضمن افزایش سودآوری، مقداری از زمین‌های زراعی را بدون استفاده می‌گذارد که بیانگر آن است که الگوی بهینه کشت می‌تواند سود بیشتری را با مقدار زمین کمتری ارائه دهد. همچنین اجرای مدل بهینه می‌تواند در همان سطح از محدودیت‌های منطقه سطح زیر کشت بیشتری را پیشنهاد نماید. بنابراین چنانچه محدودیت‌های منطقه از جمله آب، کود و سموم شیمیایی کاهش یابد، امکان افزایش سطح زیر کشت و سودآوری وجود خواهد داشت. این نتایج با نتایج مطالعه رستگاری‌پور و صبوحی (1388) و رستگاری‌پور و صبوحی (1391)، فتحی و زیبایی (1396) به نوعی مطابقت دارد (15،16، 17). از آنجا که توسعه خدمات زیربنائی در کاهش محدودیت‌های منابع تأثیر به‌سزائی دارد، توجه به این امر در خصوص استفاده بهینه از منابع برای افزایش سودآوری فعالیت‌های منطقه می‌تواند موثر باشد. لذا در راستای کشاورزی پایدار پیشنهاد می‌شود کود شیمیایی کمتری در منطقه مورد استفاده قرار گیرد و با دوزهای مناسب توسط کودهای بیولوژیک جایگزین شود. بدون تردید کاربرد کودهای بیولوژیک علاوه بر اثرات مثبتی که بر کلیه خصوصیات خاک دارد، از جنبه‌های اقتصادی و زیست محیطی نیز مثمرثمر واقع شده و می‌تواند به عنوان جایگزینی مناسب و مطلوب برای کودهای شیمیایی باشد.
3) با توجه به اینکه در مدل فازی خاکستری الگوی بهینه کشت به صورت بازه بهینه برای محصولات مختلف ارائه و پیشنهاد می‌شود فرد تصمیم‌گیرنده می‌تواند با توجه به محدودیت‌های منابع در دسترس ترکیب بهینه کشت را انتخاب نماید و دامنه و قدرت تصمیم‌گیری و انتخاب زارع افزایش می‌یابد.
4) در شرایطی که داده‌ها با عدم قطعیت مواجه‌اند و به صورت بازه در دسترس می‌باشند مدل فازی خاکستری از کارایی بالایی نسبت به سایر مدل‌های برنامه‌ریزی برخوردار است و قادر می‌باشد تا نتایج قابل اعتمادتری ارائه نماید. 
با توجه به الگوی کشت به دست آمده از روش‌ فازی خاکستری این نتیجه حاصل می‌شود که الگوی موجود در منطقه یک الگوی بهینه نیست، زیرا سطح زیر کشت بهینه به دست آمده با استفاده از روش‌ فوق با سطح زیر کشت موجود در منطقه برای محصولات مختلف متفاوت است. در ساختار مدل فازی خاکستری که در آن تابع هدف و سمت راست محدودیت‌‌ها فازی بودند، ساختار فازی باعث کاهش درجه خاکستری و افزایش کارایی مدل شد. با توجه به نتایج ذکر شده مدل فازی خاکستری پیشنهاد می‌شود برای رسیدن به سود مورد نظر در منطقه، سطح زیر کشت گندم، جو و سیب‌زمینی، پیاز، گوجه، هندوانه، ذرت، یونجه می‌تواند افزایش یابد (زیرا پایین‌تر از حد بالای بازه است) و سطح زیر کشت خیار کاهش یابد (زیرا بالاتر از حد بالای بازه است). این نتایج با نتایج مطالعه رستگاری‌پور و صبوحی (1388) و رستگاری‌پور و صبوحی (1391)، فتحی و زیبایی به نوعی مطابقت دارد (15،16، 17). آن‌ها در مطالعه خود به این نتیجه رسیدند که سطح زیر کشت گندم آبی، جو آبی و یونجه به علت بالاتر بودن از حدل بالای بازه باید کاهش یابد و میزان سطح زیر کشت جو دیم به علت پایین بودن از حد پایین بازه باید افزایش یابد.
5) متاسفانه در ایران افزایش تولید همیشه یا با افزایش سطح زیر کشت همراه بوده و یا با مصرف هر چه بیشتر سموم و کودهای شیمیایی که در این میان مورد منفجر به کاهش سطح اراضی جنگلی و مرتعی شده و مورد دوم موجب بروز آلودگی‌های محیط زیستی و شیوع بیماری‌های خطرناک شده است. طوری که، علت عمده آلودگی آب‌های سطحی ناشی از مصرف بیش از حد کود و سموم شیمیایی در حال حاضر، زیان‌های فراوانی را به محیط زیست و سلامت عمومی مردم وارد کرده است. با این حال هر ساله بالغ بر 400 میلیون دلار یارانه کود شیمیایی از سوی دولت پرداخت می-شود تا همچنان مصرف کود شیمیایی در ایران چندین برابر استانداردهای جهانی باشد. این در حالی است که یارانه‌های مربوط به آب، کود و آفت‌کش‌ها استفاده بیش از اندازه را تشویق می‌نماید. شواهد مهمی مبنی بر این که استفاده از سموم و کودهای شیمیایی قادر به ایجاد خطرهای جدی برای محیط و سلامت جامعه می‌باشد، وجود دارد. پیامدهای محیطی مربوط به کود بسیار مهم‌تر از اثرات محیطی استعمال سم می‌باشد. در عین حال، مشکلات عمومی مربوط به سموم شامل آلودگی آب‌های زیرزمینی، مشکلات مربوط به سلامت جامعه، زیان به محصولات و گونه‌هایی که مورد هدف نیستند و همچنین پایداری سموم می‌باشد. وجود آفت‌کش‌ها در آب‌های زیرزمینی برای انسان بسیار خطرناک است و سبب اختلالات ناهنجار در سیستم عصبی، غدد درون‌ریز و سیستم ایمنی بدن می‌شود. ترکیب آفت‌کش‌ها و کودهای شیمیایی در آب‌های زیرزمینی سبب ایجاد موارد بسیار خطرناک‌تر در مقایسه با آثار تک تک این مواد می-شود. آفت‌کش‌ها همچنین از طریق مکانیزم‌های مختلفی مانند ایجاد تغییرات مستقیم در DNA، جهش و آثار سمی روی سیستم ایمنی، سبب ایجاد سرطان می‌شوند. با توجه به اینکه در مدل فازی خاکستری الگوی بهینه کشت به صورت بازه بهینه برای محصولات مختلف ارائه و پیشنهاد می‌شود فرد تصمیم‌گیرنده 
می‌تواند ترکیب بهینه استفاده از نهاده‌های مضر را انتخاب نماید و این امر منجر به کاهش آلودگی زیست محیطی می-شود.
 استفاده از روش فازی خاکستری به جای مدل کلاسیک خاکستری در تعیین الگوی بهینه کشت، به ویژه در شرایط وجود عدم قطعیت در داده‌ها و آمارها در تعیین الگوی بهینه کشت به آثار سیاست‌های دولت بر روی محصولات مختلف منطقه به دلیل وجود رابطه تبادلی میان اهداف مختلف توجه شود، مانند آثار ناشی از دخالت دولت در بازار. با توجه به نقش و اهمیت سیستماتیک و منسجم در توسعه بخش کشاورزی، در دسترس بودن یک ابزار مکانیزه تصمیم‌گیری و تصمیم‌سازی، می‌تواند مدیران را در مواقع بحرانی در تصمیم‌گیری یاری نماید. مدل‌ ارائه در این پژوهش دارای خصوصیات بالا بوده و پیشنهاد می‌شود برای تصمیم‌گیری بهتر، مدل‌سازی و برنامه‌ریزی از پایین به بالا اجرا شود و از سطح شهرستان شروع‌شده و تا سطح ملی ادامه یابد.همچنین می‌توان در بخش‌های مختلف اعم از زراعت، باغبانی، جنگل، مرتع، دام، طیور، شیلات و آبزیان در سطح شهرستان‌ها و استان‌های کشور طراحی و سپس در سطح ملی تجمیع شود .
تشکر و قدردانی
نویسندگان مقاله از حمایت مالی حوزه معاونت پژوهش و فن آوری دانشگاه زابل بر اساس پژوهانه با کد GR-6707 تشکر و سپاسگزاری دارند. 

Reference
1.    Agricultural Jihad Statistics. 2018. Agricultural statistic. Ministry of Agriculture, https://www.maj.ir/Index.aspx?page_=form&lang=1&PageID=11583&tempname=amar&sub=65&methodName=ShowModuleContent#
2.    Asadi, M., and Najafi Alamdarlo, H. 2019. Economic evaluation of optimum cultivating pattern for reducing the use of groundwater in Dehgolan plain, Iranian Journal of Agricultural Economics and Development Research, 50: 29-43. (In Persian)
3.    Askari, A., Najari, J., Salarpour, M., Sabouhi, M., and Hasanloo, S. 2012. Crop planning with the aim of determining the cropping pattern using fuzzy ideal programming approach. Proceedings of the 8th Biennial Conference of Iranian Agricultural Economics, Shiraz: Faculty of Agriculture, Shiraz University. (In Persian)
4.    Fathi, F., and Zibaei, M. 2020. Optimal Crop Pattern Management in Firozabad Plain According to Water and Soil Sustainability by Applying Fuzzy Mathematical Programming, Journal of Agricultural Science and Sustainable Production, 30 (3): 331-345.
5.    Ghasemi, A., Hasanlo, S., Perouz, R., and Najafi, H. 2016. The Application of Integrating Fuzzy Logic and Matrix Method in Environmental Impact Assessment (Case study: Golestan Forest Northern Highway). Environmental Researches, 11: 169-172. (In Persian)
6.    Hatef, H., Sarvary, A., and Daneshvar Kakhki, M. 2016. Determining Of Crop Optimal Pattern the Main Crops Of Cultivated Of Khorasan Razavi Province Based Of Production Comparative Advantage, 8: 167-192. (In Persian)
7.    Huang, G. H., Baetz, B. W., and Patry, G. G. 1993. A grey fuzzy linear programming approach for municipal solid.
8.    Li, Y. P. Huang, G. H. and Nie, S. L. 2006. An interval-parameter multi- stage stochastic programming model for water resource management under uncertainty, Advances in Water Resources, 29: 776-789.
9.    Maqsood, I., uang, G. H., and Yeomans, J. S. 2005. An interval-parameter fuzzy two-stage stochastic programming for water resources management under uncertainty, Eur. J. Operational Res, 167:208–225.
10.    Mohseni, S., and Shahraki J. 2015. Application of Gray Fuzzy Planning in Yazd Water Resources Allocation, Journal of Agricultural Economics Research, 7: 73-90. (In Persian)
11.    Mohseni, S., Zare Mehrjerdi, M., and Vaseghi, E. 2017. Determining optimal cultivation pattern in Orzooeye plain considering water resources sustainability using Fuzzy Fractional Programming model, Arid Biome Scientific and Research Journal, 7: 21-28. (In Persian)
12.    Rastegaripour, F., and Sabohi, M. 2009. Determination Of Cropping Pattern By Grey Fuzzy Programming Approach: A Case Study Of Quchan City, Journal of sciene and technology of agriculture and natural resource, 13 (48): 405-413.
13.    Rastegaripour, F., and Sabohi, M. 2013. Grey Fractional Programming A New Experimental Approach in Sustainable Agriculture, Journal of Agricultural Science and Sustaiable Production, 22 (1): 128-135.
14.    Rezaee, Z., and Sarvari Nobahar, A. 2012. Determination of cropping pattern under environmental strategy using genetic algorithm (Mashhad case study). Proceedings of the First National Bayan Conference (Science, Technology and Sustainable Development), Karaj: Campus of Agriculture and Natural Resources, University of Tehran. (In Persian)
15.    Sabuhi, M., and Khosravi, M. 2009. Comparing Economical and Environmental Optimum Cropping Pattern in Zarghan Plain of Fars Province, Journal of Crop Ecophysiology, 3: 61-70. (In Persian)
16.    Sardar shahraki, A., Shahraki, J., and Hashemi monfared, S. 2016. Investigation of Water Resources Management Approaches of Sistan Region Using Fuzzy Analytic Hierarchy Process (FAHP), Journal Management System, 9: 73-98. (In Persian)
17.    Subhankar Karmakar, P.P. 2006. Grey fuzzy optimization model for water quality management of a river system.Elsevier. Ltd:1088-1105. (In Persian)
18.    Wang, X., Sun, Y., Song, L., Mei, C., 2009. An Eco-Environmental Water Demand Based Model for Optimizing Water Resources Using Hybrid Genetic Simulated Annealing Algorithms. Part I. Model development.Journal of Environmental Management. 90. 2628–2635.