ارزيابي آسيب‌پذيري كشاورزان نسبت به خشكسالي: مورد استان فارس

خشكسالي يك مخاطره اجتماعي-طبيعي پيچيده و تكرارشونده است كه با تغييرات آب و هوايي، فراواني، شدت و مدت آن افزايش مي‌يابد. كشاورزي به‌ عنوان يكي از مهم‌ترين بخش‌هاي اقتصادي كشور، بخش راهبردي در تأمين نيازهاي غذايي جمعيت رو به رشد و منبع اصلي تأمين‌كننده درآمد و معيشت روستاييان، به شدت تحت تأثير اين مخاطره اقليمي پرهزينه و پيامدهاي تدريجي آن قرار گرفته است. از اين رو، فرآيند توسعه كشاورزي و معيشت پايدار بهره‌برداران اين بخش اقتصادي، نيازمند شناسايي و ارزيابي ميزان آسيب‌پذيري در برابر چنين مخاطرات طبيعي مي‌باشد. بر اين اساس، پژوهش حاضر با هدف كلي ارزيابي آسيب‌پذيري (دربردارنده سه عنصر مواجهه، حساسيت معيشتي و توان سازگاري) كشاورزان استان فارس نسبت به خشكسالي انجام گرفت. براي اين منظور، با استفاده از ابزار پرسشنامه، 420 كشاورز به روش نمونه‌گيري تصادفي خوشه‌اي چندمرحله‌اي مورد مصاحبه قرار گرفتند. روايي پرسشنامه توسط اساتيد توسعه و ترويج كشاورزي و پايايي آن از طريق مطالعه راهنما و ضريب آلفاي كرونباخ تأييد گرديد. قابل ذكر است كه براي برآورد مواجهه، از داده‌هاي هواشناسي و شاخص معيار بارش سالانه (SIAP) استفاده  گرديد. نتايج نشان داد كه ميانگين بهنجار مواجهه، حساسيت معيشتي و توان سازگاري كشاورزان مورد پژوهش به‌ترتيب برابر با 0/575، 0/488 و 0/535 از 1 مي‌باشد. افزون بر اين، شاخص آسيب‌پذيري اقليمي (CVI) برابر با 0.514 از 1 (با دامنه 0/2 تا 0/86) برآورد شد كه تا حدودي بالاتر از حد متوسط قرار دارد. علاوه بر اين، براساس تحليل خوشه‌اي چندميانگيني، پاسخگويان در سه خوشه آسيب‌پذيري سطح پايين (حدود 54 درصد)، متوسط (27 درصد) و بالا (بالغ بر 19 درصد) قرار گرفتند. ميانگين شاخص آسيب‌پذيري اقليمي در اين خوشه‌ها به‌ترتيب 0/42، 0/56 و 0/68 است. همچنين، نتايج تحليل مكاني نشان داد كه دامنه ميانگين شاخص آسيب‌پذيري اقليمي از 0/310 (از 1) در شهرستان لامرد تا 0/640 (از ۱) در مرودشت متغير بوده است. با توجه به نتايج پژوهش، به منظور كاهش آسيب‌پذيري كشاورزان در برابر خشكسالي، تركيبي از اقدامات آموزشي، حمايتي و مديريتي بايد پياده‌سازي شود. از طرفي، توجه به تفاوت‌هاي منطقه‌اي و ويژگي‌هاي خاص هر منطقه در طرح‌ريزي برنامه‌ها و سياست‌ها اهميت ويژه‌اي دارد. همچنين، استفاده از داده‌هاي مكاني و تحليل‌هاي دقيق‌تر مي‌تواند به شناسايي مناطق آسيب‌پذير و تخصيص منابع به اين مناطق كمك كند.