دانلودمقاله ارزشیابی خدمات اکوسیستم که توسط کشاورزی برنج آبی در تایلند فراهم می گردد

چکیده
     ما در این تحقیق بررسی می کنیم که مردم یک کشور با درآمد متوسط – یعنی تایلند –خدمات اکوسیستم همراه با کشاورزی برنج آبی با استفاده از یک تجربه انتخاب را چطور ارزشگذاری می کنند. نتایج مطالعه ما تمایل قابل توجهی را برای پرداخت برای خدماتی همچون تقلیل، کیفیت آب و حفظ سبک زندگی روستایی و مزارع برنج نشان میدهد. روند تکراری که برای تحلیل کامل وقوع عدم توجه به ویژگی ها (ANA) توسعه داده شده بود در مقایسه با یک مدل لوجیت چندجمله ای یا یک مدل ANA که احتمالاً هر بار فقط یک ویژگی را نادیده می گیرد (ANA-1)، برازش مدل را بهبود داد. به علاوه احتمال استنباط شده طبقه پاسخ دهندگانی که به تمام ویژگی ها توجه داشتند 45 درصد بود؛ این رقم برای مدل ANA-1 برابر با 9 درصد بود. با این حال مشخص شد که 55 درصد از پاسخ دهندگان نیز انتخاب های خود را فقط با در نظر گرفتن دو ویژگی از پنج ویژگی موجود انجام میدهند. و در نهایت، این تحقیق همچنین مشخص ساخت که عدم توانایی برای مد نظر قرار دادن ANA تغییری در رتبه بندی عمومی سناریوهایی ایجاد نمیکند که با خدمات فراهم شده توسط آنها مغایرت دارد بلکه WTP را برای این سناریوها دست کم می گیرد.

1.  مقدمه
     امروزه عموماً مشخص شده است که سیستم های کشاورزی چیزی بیش از غذا را تولید می کنند. بسیاری از عملکردهای اضافی تولید شده توسط اکوسیستم های کشاورزی (AES) مزایای زیادی را برای انسان ها ایجاد می کنند و مفهوم خدمات اکوسیستم (ES) که با معرفی ارزیابی اکوسیستم هزاره (2003) معروف شد را برای شناسایی آنها به یک شیوه سیستماتیک میتوانیم مورد استفاده قرار دهیم. با این حال طراحی سیاست هایی که روی فراهم سازی ES در AES تأثیرگذار باشند خیلی پیچیده خواهد بود. اول، AES ترکیبی از ES های مثبت و منفی را تولید میکند و افزایش در عرضه یک سرویس مثبت غالباً به هزینه افزایش در عرضه سرویس های منفی دیگر بدست می آید. به عنوان مثال افزایش تولید غذا در یک قلمرو غالباً با کاهش در تنوع زیستی اکوسیستم (به عنوان مثال از بین رفتن سکونتگاه های حیات وحش و افزایش مزارع تک گونه ها) و افزایش آلودگی آب و خاک همراه است (پاور 2010). بنابراین تولید ترکیبات مختلفی از خدمات را میتوانیم به صورت نقاط مختلفی در امتداد منحنی «رابطه جایگزینی» تفسیر کنیم (هال و همکارانش 2004؛ راندال 2002). دوم، بسیاری از ES های تولید شده توسط AES یا پیامدهای خارجی و یا کالاهای غیررقیب هستند. لذا تعیین یک ارزش اقتصادی برای این خدمات کار دشواری است چون اغلب آنها در بازار معامله نمی شوند. و در نهایت، ارش آنها فقط زمانی برای کاربران نهایی مشخص می گردد که این خدمات ناپدید شده باشند. تمام اینها احتمالاً منجر به عرضه کم ES های مثبت و عرضه زیاد ES های منفی می گردند (FAQ, 2011).
     در این زمینه، اقدامات سیاسی محرک های کشاورزان را تغییر میدهند و آنها را ترغیب می کنند که ترکیبی از خدمات را مطابق با تقاضای موجود جامعه تولید نمایند. این سیاست ها شامل قوانین و قواعد مستقیم (تولید اجباری یا ممنوعیت خدمات) یا معرفی مالیات یا کمک های مالی دولتی هستند (به عنوان مثال تیتن برگ و لوئیس 2009). یافتن سطوح مناسبی برای کمکهای مالی دولتی یا مالیات مستلزم اطلاعاتی درباره عملکردهای عرضه و تقاضا برای خدمات است. اخیراً مفهوم پرداخت برای خدمات اکوسیستم (PES) این ایده را بررسی کرده است که این خدمات را میتوان در بازارهای داوطلبانه ای که برای همین خدمات ایجاد شده اند، میتوان معامله کرد (واندر و همکارانش 2008) و مذاکرات مستقیم بنی خریداران و فروشندگان خدمات به یافتن مصالحه اجتماعی کافی کمک خواهد کرد. با این حال این رویکرد بازار در سالهای اخیر بشدت مورد بحث قرار گرفته است. خصوصاً زمانی که هزینه های معاملاتی بزرگ، عدم تقارن اطلاعات و خصوصیات غیررقابتی این ES ها مطرح باشد، ایجاد طرح های PES شبه-بازار غالباً عملی نمی باشد (مرادیان و رایول 2012؛ مرادیان و همکارانش 2010). بنابراین خارج از طرح های PES شبه بازار، طراحی سیاست ها به عنوان مثال مستلزم درک بهتر خدمات اکوسیستم تولید شده توسط اکوسیستم ها بدون امکان تکیه بر داده های بازار خواهد بود.

4.  نتیجه گیری ها
     ما در این مقاله یک DCE را توسعه داده ایم تا WTP را برای ES استخراج کنیم که توسط کشت برنج آبی در تایلند فراهم شده است. ما پی بردیم که پاسخ دهندگان به طور میانگین مایل بودند که هزینه های عملکردهای غیربازاری زراعت آبی – همچون کاهش خشکسالی، بهبود کیفیت آب، و حفظ سبک زندگی روستایی و شالیزارهای برنج – را پرداخت کنند.
     این احتمالاً منطقی را برای جهت گیری کشت برنج آبی به سمت فراهم سازی بیشتر این خدمات فراهم می سازد. در حال حاضر دولت کمک های مالی را برای قیمت محصول پرداخت میکند و آب را به صورت رایگان در اختیار کشاورزان قرار میدهد. با این حال تقاضای اجتماعی مستلزم عملکردهای اختصاصی بیشتری از کشت برنج آبی – خصوصاً در خصوص کیفیت آب و کیفیت زندگی روستایی – است. بنابراین اگر پشتیبانی از کشت برنج آبی فقط روی افزایش تولید برنج و درآمد متمرکز نباشد و به از حفظ این ES ها نیز اطمینان حاصل کند، پاسخ بهتری را برای تقاضای جامعه فراهم می سازد. لذا اگر پشتیبانی از زراعت آبی روی کشاورزانی متمرکز شود که مایل به فراهم سازی این خدمات هستند، این پشتیبانی مؤثرتر خواهد بود.

Abstract

     This research investigates how the public of a middle-income country, Thailand, values ecosystem services associated with irrigated rice agriculture using a choice experiment. The results show a significant willingness to pay for services such as drought mitigation, water quality and the environment and maintenance of rural lifestyles and rice landscapes. The iterative procedure developed to fully analyze the incidence of attribute nonattendance (ANA) improved the model fit when compared with a multinomial logit model or an ANA model with potentially only one attribute ignored at a time (ANA-1). Moreover, the inferred probability of the class of respondents having attended all attributes was 45%, compared to 9% with ANA-1 model. However, it also suggests that 55% of the respondents made their choices by considering only two of the five attributes. Finally, this research also suggests that failing to consider ANA does not change the public ranking of scenarios contrasted by the services they would provide but would overestimate the WTP for these scenarios.

1. Introduction

     Today, it is generally recognized that agricultural systems are producing more than food. Many of the additional functions produced by agroecosystems (AES) bring numerous benefits to humans, and the concept of ecosystem services (ES) popularized by the Millennium Ecosystem Assessment (2003) can be used to identify them in a systematic way. However, designing policies that influence the provision of ES in AES is complex. First, AES are producing a mix of positive and negative ES, and an increase in the supply of one positive service is often obtained at the cost of an increase in the supply of other negative services. For example, increasing food production in a territory is often related to decreases in ecosystem biodiversity (e.g., loss of wildlife habitat and increase in monospecies fields) and an increase in soil and water pollution (Power, 2010). Hence, production of different mixes of services can be interpreted as different points along a tradeoff curve (Hall et al., 2004; Randall, 2002). Second, many of the ES produced by AES are either externalities or nonrival goods. It is then difficult to give an economic value to these services as most are not traded on markets. Finally, their value is only becoming apparent to end-users once these services have disappeared. All of this will likely result in the undersupply of positive and oversupply of negative ES (FAO, 2011).

     In such a context, policy interventions that change farmers’ incentives and encourage them to produce the mix of services corresponding to society’s demand are needed. These policies include direct norms and rules (mandatory production or ban of services) or the introduction of taxes or subsidies (e.g., Tietenberg and Lewis, 2009). Finding the adequate levels for the subsidies or taxes requires information about the supply and demand functions for the services. More recently, the concept of Payment for Ecosystem Services (PES) explored the idea that these services could be traded on “created” voluntary markets for these services (Wunder et al., 2008), where direct negotiations between buyers and sellers of services would help find the adequate societal compromise. However, this market approach has been intensively debated in recent years. In particular, establishing market-like PES schemes is often not practical when large transaction costs, asymmetries of information, and the nonrival characteristic of these ES are prevalent (Muradian and Rival, 2012; Muradian et al., 2010). Therefore, outside of a few market-like PES schemes, designing policies requires, among other things, a better understanding of the demand for the ecosystem services produced by agroecosystems without the possibility of relying on market Data.

4. Conclusions

     This article developed a DCE to elicit the WTP for the ES provided by irrigated rice agriculture in Thailand. We found that the respondents, on average, were willing to pay for the nonmarket functions of irrigated agriculture such as drought mitigation, water quality improvement, and maintenance of the rural lifestyle and rice landscapes.

     This potentially provides a rationale for orienting irrigated rice agriculture toward a greater provision of these services. Currently, the government subsidizes crop prices and provides water for free. However, societal demand requires additional specific functions from irrigated rice agriculture, especially regarding water quality and rural quality of life. As such, support for irrigated rice agriculture would respond better to society’s demand if it was not only aimed at increasing rice production and income but also at ensuring that these ES are preserved. Therefore, support for irrigated agriculture would be more efficient if it were channeled to those farmers willing to provide these services.

(جهت بزرگ نمایی روی عکس کلیک نمایید)

چکیده
1.  مقدمه
2.  روش شناسی
2.1  حوزه مطالعاتی
2.2  شناسایی ویژگی های همراه با کشت برنج آبی
2.3  طرح آزمایشی
2.4  روشهای بررسی
2.5  چارچوب مدلسازی
3.  نتایج و بحث
3.1  خصوصیات نمونه
3.2  الگوهای ANA و ارتباط آنها با خصوصیات اجتماعی-اقتصادی
3.3  تأثیر ANA بر روی برآورد مدل ها و WTP
3.4  احتمالاتی برای پرداخت برای سناریوهای سیاسی جدید
4.  نتیجه گیری ها
منابع

Abstract
1. Introduction
2. Methodology
2.1. Study area
2.2. Identification of attributes associated with irrigated rice agriculture
2.3. Experimental design
2.4. Survey methods
2.5. Modeling framework
3. Results and discussion
3.1. Sample characteristics
3.2. ANA patterns and their relationship to socioeconomic characteristics
3.3. Impact of ANA on model estimates and WTP
3.4. Probabilities to pay for new policy scenarios
4. Conclusions
References