موانع بکارگیری اطلاعات هواشناسی توسط کشاورزان: یک تحلیل آمیخته

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری بخش ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.

2 استادیار بخش ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.

10.22034/iaeej.2020.186765.1427

چکیده

استفاده‏ی مؤثر اطلاعات هواشناسی اهمیت زیادی در کاهش آسیب‎پذیری کشاورزان در برابر تغییرات آب و هوایی دارد. هدف کلی این پژوهش شناسایی و تحلیل موانع بکارگیری اطلاعات هواشناسی به‌ وسیله‌ی کشاورزان است. برای دستیابی به این هدف، پژوهش در دو فاز کیفی و کمی انجام گرفت. هدف فاز اول، شناسایی مفاهیم اولیه‎ی مرتبط با موانع بکارگیری اطلاعات هواشناسی بود. برای این منظور، 12 مصاحبه ی عمیق با کشاورزان شهرستان نقده طبق روش نمونه‏ گیری هدفمند گلوله برفی انجام گرفت. هدف فاز دوم، تلخیص مفاهیم مستخرج از مصاحبه‎ های انجام شده در فاز اول و پیکربندی آن‌ها در قالب عوامل کلی بود. برای این منظور از تحلیل عاملی اکتشافی استفاده شد. جامعه ‎ی آماری این فاز تمامی کشاورزان شهرستان نقده بوده (9006=N) که تعداد 368 نفر از آن‌ها با استفاده از روش نمونه‎گیری تصادفی طبقه‎ ای با انتساب متناسب به‌ عنوان نمونه انتخاب شدند. ابزار پژوهش در این فاز، پرسشنامه‎ای بسته ‎پاسخ بود که از مفاهیم استخراج شده در مرحله‎ ی کیفی استخراج شده بود. روایی ابزار با استفاده از نظرات متخصصان دانشگاهی مورد تأیید قرار گرفت. برای تعیین پایایی نیز از مقادیر همبستگی هر یک از گویه‎ها با کل گویه‎ها استفاده شد. نتایج تحلیل عاملی اکتشافی نشان داد که موانع بکارگیری اطلاعات هواشناسی شامل "موانع‎ آموزشی ـ ارتباطی"، "موانع هنجاری"، "موانع اطلاع‎رسانی"، "موانع زیرساختی ـ سیاست‌ گذاری" و "موانع‎ تخصصی و اقتصادی" هستند. این پنج مانع توانستند 54/96 درصد از واریانس موانع بکارگیری اطلاعات و هواشناسی را پیش‎بینی کنند. در نهایت پیشنهاد شد که از رسانه‎های جمعی و شبکه‎ های مجازی به‌عنوان ابزار تسهیل‎ کننده‎ی استفاده از اطلاعات هواشناسی استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Barriers to Meteorological Information Use by Farmers: A Mixed Methods Analysis

نویسندگان [English]

  • latif haji 1
  • Naser Valizadeh 1
  • Mahsa Fatemi 2
1 Ph.D. Student, Department of Agricultural Extension and Education, School of Agriculture, Shiraz University, Shiraz, Iran.
2 Assistant Professor, Department of Agricultural Extension and Education, School of Agriculture, Shiraz University, Shiraz, Iran.
چکیده [English]

Effective use of meteorological information has paramount importance in decreasing farmers' vulnerability towards climate variability. Analyzing the barriers to meteorological information use by farmers was the main aim of the study. In order to achieve this goal, the research was conducted through two qualitative and quantitative phases. The purpose of first phase was to identify the basic concepts associated with barriers to meteorological information use. Therefore, 12 in-depth interviews were conducted with the farmers of Naghadeh County based on purposeful snowball sampling method. The purpose of second phase was to reduce the concepts that had been extracted from in-depth interviews conducted in the previous phase and then categorize them into some general factors using an exploratory factor analysis (EFA). All of the farmers in Naghadeh County (N = 9006) were the statistical population of this phase which 368 of them were selected as the sample using stratified random sampling method. Research tool was a close-ended questionnaire that developed based on the concepts identified from the qualitative phase. The validity and reliability of questionnaire were confirmed by a panel of academic experts as well as item-total-correlation coefficients, respectively. The results of exploratory factor analysis revealed that the barriers of meteorological information use included "educational-communicative", "normative", "informational", "infrastructural-political", and "professional-economic" barriers. These five factors could account for 54.96% of the variance of barriers to meteorological information use. Finally, it was recommended that mass media and social networks can be used as a facilitating tool for meteorological information use.

کلیدواژه‌ها [English]

  • Meteorological Information
  • In-dsepth Interviews
  • Barriers
  • exploratory factor analysis
  • Naghadeh County
آقا نصیری، م. (1391). مروری بر روند سرمایه‏گذاری بخش کشاورزی در چهار برنامه توسعه کشور. مجله اقتصادی - ماهنامه بررسی مسائل و سیاست‏های اقتصادی، شماره‏های 4 و 5، صص 78 -61.

حبیب‏پور، ک.، و صفری شالی، ر. (1391). راهنمای جامع کاربرد SPSSدر تحقیقات پیمایشی(تحلیل داده‏های کمی). تهران: انتشارات متفکران.

سازمان جهاد کشاورزی استان آذربایجان‏غربی. (1398). کتابچه کشاورزی در استان آذربایجان‏غربی. سازمان جهاد کشاورزی: ارومیه.

سازمان جهاد کشاورزی استان آذربایجان‏غربی.(1394). سالنامه آماری کشاورزی. اداره کل منابع طبیعی و آبخیزداری استان آذربایجان غربی: ارومیه.

شریف‏زاده، م.، زمانی، غ. ح.، و کرمی، ع. ا. (1389). عوامل مؤثر بر بکارگیری اطلاعات هواشناسی در تصمیم‏گیری‏های کشاورزان. تحقیقات اقتصاد و توسعه کشاورزی ایران، دوره41_2، شماره4، صص 541ـ555.

شعبانعی‏فمی، ح.، علم‏بیگی، ا.، و عزیزی، س. (1397). نقش ادراک کشاورزان نسبت به آسیب‏پذیری و تصمیم به تغییر شیوه معاش در شرایط خشکسالی: مورد مطالعه شهرستان کمیجان. علوم ترویج و آموزش کشاورزی، جلد14، شماره2، صص 55ـ64.

فاطمی، م.، و کرمی، ع. ا. (1389). مطالعه موردی واکاوی علل و اثرات خشکسالی. علوم ترویج و آموزش کشاورزی، جلد 6، شماره 2، صص 77ـ96.

کلانتری، خ. (1391). پردازش و تحلیل داده‏ها در تحقیقات اجتماعی ـ اقتصادی با استفاده از نرم‏افزار SPSS. تهران: نشر فرهنگ صبا.

مدیریت جهاد کشاورزی شهرستان نقده. (1396). سیمای کشاورزی شهرستان نقده (گزارش منتشر نشده).

ملایی، ف.، حسینی، س. م.، حجازی، س. ی.، و پیش‏بین، س. ا. (1397). تبیین راهبردهای سازگاری کشاورزان استان خراسان جنوبی با تغییر اقلیم. علوم ترویج و آموزش کشاورزی، جلد14، شماره2، صص 83ـ105.

ملکی، ط.، کوهستانی عین‏الدین، ح.، ظریفیان، ش.، و زرافشانی، ک. (1397). سازگاری دهستان‏های حوضه شرقی آبریز دریاچه ارومیه نسبت به بحران آب. علوم ترویج و آموزش کشاورزی، جلد14، شماره2، صص 37ـ53.

منصورفر، ک. (1397). روش‏های آماری پیشرفته همراه با برنامه‏های کامپیوتری. تهران: دانشگاه تهران.

 

Allahyari, M. S. (2009). Agricultural sustainability: Implications for extension systems. African Journal of Agricultural Research, 4(9), 781-786.‏

Beddington, J. R., Asaduzzaman, M., Fernandez, A., Clark, M. E., Guillou, M., Jahn, M. M., Scholes, R. J., Sharma, R., and Wakhungu, J. (2011). Achieving food security in the face of climate change: Summary for policy makers from the commission on sustainable agriculture and climate change.‏ Available at: <https://ccafs.cgiar.org/commission>.

Besharat, A., and Amirahmadi, M. (2011). The study of factors affecting productivity in the agriculture sector of Iran. African Journal of Agricultural Research, 6(18), 4340-4348.‏

Block, P. (2011). Tailoring seasonal climate forecasts for hydropower operations. Hydrology and Earth System Sciences, 15(4), 1355-1368.‏

Broad, K., Pfaff, A., Taddei, R., Sankarasubramanian, A., Lall, U., and De Souza Filho, F. D. A. (2007). Climate, stream flow prediction and water management in northeast Brazil: Societal trends and forecast value. Climatic Change, 84(2), 217-239.‏

Mtambanengwe, F., Mapfumo, P., Chikowo, R., and Chamboko, T. (2012). Climate change and variability: Smallholder farming communities in Zimbabwe portray a varied understanding. African Crop Science Journal, 20(2), 227-241.‏

Clements, J., Ray, A., and Anderson, G. (2013). The value of climate services across economic and public sectors: A review of relevant literature. United States Agency for International Development (USAID), Washington DC, USA. Available at: <‏https://www.climate-services.org>.

Davis, M., Lowe, R., Steffen, S., Doblas-Reyes, F., and Rodó, X. (2016). Barriers to using climate information: Challenges in communicating probabilistic forecasts to decision-makers. In Communicating Climate-Change and Natural Hazard Risk and Cultivating Resilience (pp. 95-113). Springer, Cham.‏

Doblas-Reyes, F., Garcia, A., Hansen, J., Mariani, L., Nain, A., Ramesh, K., and Venkataraman, R. (2003). Weather and climate forecasts for agriculture. Guide to agricultural, meteorological practices. Available At: <http://citeseerx.ist.psu.edu>.

Dorward, P., Clarkson, G., and Stern, R. (2015). Participatory integrated climate services for agriculture (PICSA): field manual.‏ Available At: <https://cgspace.cgiar.org>.

FAO. (2010). Climate smart agriculture policies, practices and financing for food security, adaptation andmitigation. United Nations. Rome Italy: Food and Agriculture Organisation.

FAO. (2017). The impact of disasters and crises on agriculture and food security. Available At: <http://www.fao.org>.

Frisvold, G. B., and Murugesan, A. (2013). Use of weather information for agricultural decision making. Weather, Climate, and Society, 5(1), 55-69.‏

Hansen, J. W. (2002). Applying seasonal climate prediction to agricultural production. Agricultural Systems, 74(3), 305-307.‏

Hansen, J. W., Marx, S. M., and Weber, E. U. (2004). The role of climate perceptions, expectations, and forecasts in farmer decision making: The argentine pampas and south florida: Final report of an international research institute (IRI) seed grant project. Available At: <https://academiccommons.columbia.edu/doi/10.7916/D8N01DC6>.

Hazran, Z., Norsida, M., Nitty Hirawaty, K., and Nolila, M. N. (2017). The post-flood impacts on farmers, agricultural sector and food security in Kelantan. International Journal of Academic Research in Business and Social Sciences, 7(9), 175-184.

Hertzfeld, H. R., Williamson, R. A., and Sen, A. (2004). Weather satellites and the economic value of forecasts: Evidence from the electric power industry. Acta Astronautica, 55(3-9), 791-802.‏

Hill, H. S., Mjelde, J. W., Love, H. A., Rubas, D. J., Fuller, S. W., Rosenthal, W., and Hammer, G. (2004). Implications of seasonal climate forecasts on world wheat trade: A stochastic, dynamic analysis. Canadian Journal of Agricultural Economics/Revue canadienne d'agroeconomie, 52(3), 289-312.‏

Howard, M. C. (2016). A review of exploratory factor analysis decisions and overview of current practices: What we are doing and how can we improve?. International Journal of Human-Computer Interaction, 32(1), 51-62.‏

Ingram, K. T., Roncoli, M. C., and Kirshen, P. H. (2002). Opportunities and constraints for farmers of West Africa to use seasonal precipitation forecasts with Burkina Faso as a case study. Agricultural Systems, 74(3), 331-349.‏

Jones, L., and Boyd, E. (2011). Exploring social barriers to adaptation: insights from Western Nepal. Global Environmental Change, 21(4), 1262-1274.‏

Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141-151.‏

Lemos, M. C., Kirchhoff, C. J., and Ramprasad, V. (2012). Narrowing the climate information usability gap. Nature Climate Change, 2(11), 789-794.‏

Loboguerrero, A. M., Boshell, F., León, G., Martinez-Baron, D., Giraldo, D., Mejía, L. R., and Cock, J. (2018). Bridging the gap between climate science and farmers in Colombia. Climate Risk Management, 22, 67-81.‏

Mase, A. S., and Prokopy, L. S. (2014). Unrealized potential: A review of perceptions and use of weather and climate information in agricultural decision making. Weather, Climate, and Society, 6(1), 47-61.‏

Mertz, O., D’haen, S., Maiga, A., Moussa, I. B., Barbier, B., Diouf, A., and Dabi, D. (2012). Climate variability and environmental stress in the Sudan-Sahel zone of West Africa. Ambio, 41(4), 380-392.‏

Meza, F. J., Hansen, J. W., and Osgood, D. (2008). Economic value of seasonal climate forecasts for agriculture: Review of ex-ante assessments and recommendations for future research. Journal of Applied Meteorology and Climatology47(5), 1269-1286.‏

Motha, R., and Stefanski, R. (2006). United States department of agriculture's weather and climate information system for operational applications in agriculture. Meteorological Applications, 13(S1), 31-47.‏

Nunnally J, Bernstein I (1994). Psychometric theory. New York: McGraw-Hill.

O'Connor, R. E., Yarnal, B., Dow, K., Jocoy, C. L., and Carbone, G. J. (2005). Feeling at risk matters: Water managers and the decision to use forecasts. Risk Analysis: An International Journal, 25(5), 1265-1275.‏

Ouedraogo, I., Diouf, N. S., Ouédraogo, M., Ndiaye, O., and Zougmoré, R. (2018). Closing the gap between climate information producers and users: Assessment of needs and uptake in Senegal. Climate, 6(1), 13.‏

Ozor, N., Madukwe, M. C., Enete, A. A., Amaechina, E. C., and Onokala, P. (2010). Barriers to climate change adaptation among farming households of Southern Nigeria. Journal of Agricultural Extension, 14(1), 114-124.

Rasmussen, L. V., Mertz, O., Rasmussen, K., and Nieto, H. (2015). Improving how meteorological information is used by pastoralists through adequate communication tools. Journal of Arid Environments, 121, 52-58.‏

Rippke, U., Ramirez-Villegas, J., Jarvis, A., Vermeulen, S. J., Parker, L., Mer, F., and Howden, M. (2016). Timescales of transformational climate change adaptation in sub-Saharan African agriculture. Nature Climate Change, 6(6), 605-609.

Rosenzweig, C., Elliott, J., Deryng, D., Ruane, A. C., Müller, C., Arneth, A., and Neumann, K. (2014). Assessing agricultural risks of climate change in the 21st century in a global gridded crop model intercomparison. Proceedings of the National Academy of Sciences, 111(9), 3268-3273.‏

Rubas, D. J., Mjelde, J. W., Love, H. A., and Rosenthal, W. (2008). How adoption rates, timing, and ceilings affect the value of El Niño/Southern Oscillation (ENSO)-based climate forecasts. Climatic Change, 86(3-4), 235-256.‏

Singh, C., Daron, J., Bazaz, A., Ziervogel, G., Spear, D., Krishnaswamy, J., and Kituyi, E. (2018). The utility of weather and climate information for adaptation decision-making: current uses and future prospects in Africa and India. Climate and Development, 10(5), 389-405.‏

Singh, C., Urquhart, P., and Kituyi, E. (2016). From pilots to systems: Barriers and enablers to scaling up the use of climate information services in smallholder farming communities. Collaborative Adaptation Research Initiative in Africa and Asia (CARIAA) working paper; 3.‏ Available At: <https://idl-bnc-idrc.dspacedirect.org>.

Stone, R. C., and Meinke, H. (2006). Weather, climate, and farmers: an overview. Meteorological Applications, 13(S1), 7-20.‏

Vincent, K., Dougill, A. J., Dixon, J. L., Stringer, L. C., and Cull, T. (2017). Identifying climate services needs for national planning: insights from Malawi. Climate Policy, 17(2), 189-202.‏

Wamalwa, I. W., Mburu, B. K., and Mang’uriu, D. G. (2016). Agro climate and weather information dissemination and its influence on adoption of climate smart practices among small scale farmers of Kisii country, Kenya.  Biol Agric Healthc, 6(10), 14-23.‏

Westra, S., and Sharma, A. (2010). An upper limit to seasonal rainfall predictability?. Journal of Climate, 23(12), 3332-3351.‏

World Bank. (2008). World Development Report 2008: Agriculture for Development. Washington, DC: The World Bank.