Environmental and Economic Sustainability Assessment of Rainfed Agro-Systems in Northern Iran
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 126
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JREE-9-2_002
تاریخ نمایه سازی: 16 خرداد 1401
چکیده مقاله:
Environmental and economic aspects are two remarkable pillars toward a sustainable agro-system. Accordingly, this study aimed to assess the sustainability of autumn rainfed agro-systems in northern Iran by the Eco-Efficiency (EF) indicator. The data of the production processes of wheat, barley, canola, and triticale were collected in the three crop years of ۲۰۱۶-۲۰۱۹. Results indicated that the canola production system with ۷۲۰ kgCO۲eq ha-۱ had the highest greenhouse gas (GHG) emissions; however, wheat with ۶۰۴ kgCO۲eq ha-۱ was attributed to the lowest GHG emissions. The results of the economic analysis also highlighted that the barley production system had the lowest while the canola production system had the highest production costs. The canola production system had the highest profitability, while the barley production system had the lowest in terms of net income and average benefit to cost ratio indicators. The EF indicator for wheat, barley, canola, and triticale was determined to be ۱.۴, ۰.۶, ۱.۸, and ۱.۱, respectively, indicating the highest EF value for the canola production system.
کلیدواژه ها:
نویسندگان
Alireza Taheri-Rad
Department of Biosystems Engineering, Ferdowsi University of Mashhad, P. O. Box: ۹۱۷۷۹-۴۸۹۷۴, Mashhad, Khorasan Razavi, Iran.
Abbas Rohani
Department of Biosystems Engineering, Ferdowsi University of Mashhad, P. O. Box: ۹۱۷۷۹-۴۸۹۷۴, Mashhad, Khorasan Razavi, Iran.
Mehdi Khojastehpour
Department of Biosystems Engineering, Ferdowsi University of Mashhad, P. O. Box: ۹۱۷۷۹-۴۸۹۷۴, Mashhad, Khorasan Razavi, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :