Economy and Food Security

fa معرفی الگوی بومی‌سازی و تطبیق مدلMODAM : ابزاری زیست‌اقتصادی برای پشتیبانی از تصمیم‌گیری در ارزیابی شیوه‌های اکولوژیکی خاک زیرین در نظام‌های کشاورزی An introduction to the adapting MODAM: A bio-economic decision-support tool for evaluating subsoil agroecological practices in farming Systems اقتصاد و بازاریابی دیجیتال کشاورزی و منابع طبیعی Special پژوهشي Research تخریب خاک زیرین یکی از چالش‌های مهم پایداری در نظام‌های کشاورزی است که می‌تواند بهره‌وری خاک و تاب‌آوری اکوسیستم‌های کشاورزی را تحت تأثیر قرار دهد. در این پژوهش، مدل زیست‌اقتصادی MODAM به‌منظور ارزیابی شیوه‌های مدیریت کشاورزی- اکولوژیکی خاک زیرین توسعه داده شد. در این چارچوب، سه مداخله شامل گیاهان پوششی، کاربرد کود دامی و ادغام درختان در قالب جنگلداری کشاورزی در مدل لحاظ شدند. برای تحلیل تصمیم‌گیری در سطح مزرعه، از برنامه‌ریزی عدد صحیح مختلط(MIP) ، برنامه‌ریزی ریاضی مثبت (PMP) و تحلیل تصمیم‌گیری چندمعیاره (MCDA) استفاده شد. همچنین، به‌منظور بازنمایی اثرات بلندمدت مدیریت خاک زیرین، شاخص‌های جانشین مرتبط با کربن آلی خاک و کاهش تراکم خاک در مدل تعریف گردید. نتایج نشان می‌دهد که ادغام فرآیندهای خاک زیرین در مدل‌های زیست‌اقتصادی می‌تواند ارزیابی جامع‌تری از مبادلات میان اهداف اقتصادی، محیط زیستی، تنوع زیستی و خاک فراهم سازد و به بهبود ابزارهای پشتیبان تصمیم‌گیری در کشاورزی پایدار کمک کند.   Introduction: Subsoil degradation is one of the major sustainability challenges in agricultural systems, potentially affecting soil productivity and the resilience of agroecosystems. Management strategies such as fertilization, tillage, and agroecological subsoil management (ASM) strongly influence soil quality, productivity, and resilience. Although subsoil processes play a key role in biodiversity and ecosystem functions, they are often neglected in existing bio-economic models such as MODAM, which mainly focus on topsoil and limited farm constraints. ASM practices are constrained by economic uncertainty, high costs, and management complexity. This study extends the MODAM model to include ASM and evaluates its effects on farm profitability and key sustainability indicators, while identifying trade-offs and the need for potential policy support. Methods: Within the SUS-SOIL project framework, three interventions, including cover crops, manure application, and agroforestry, were incorporated into the model. To analyze farm-level decision-making, Mixed Integer Programming (MIP), Positive Mathematical Programming (PMP), and Multi-Criteria Decision Analysis (MCDA) were applied. In addition, to represent the long-term effects of subsoil management, proxy indicators related to soil organic carbon (SOC) and reduced soil compaction were defined in the model. Five scenarios were defined to assess ASM impacts, including a conventional baseline and four intervention cases. Each scenario was simulated by activating specific constraints in a bio-economic farm model and analyzed separately within an MCDA framework. Results: The results show that integrating subsoil processes into bio-economic models improves the assessment of trade-offs across economic, environmental, biodiversity, and soil indicators. ASM components exhibit heterogeneous effects, and combined interventions tend to deliver more balanced performance across sustainability dimensions. Conclusion: This study highlights the importance of including subsoil agroecological practices in bio-economic assessments to better support sustainable agricultural decision-making. Since some benefits are external and not fully reflected in farm-level decisions, policy support is necessary to facilitate adoption.   مدل‌سازی زیست‌اقتصادی, مدیریت اگرو‌اکولوژیک خاک زیرین, پشتیبانی از تصمیم‌گیری, بهینه‌سازی چندمعیاره, شاخص‌های پایداری Bio-economic modeling, Agroecological Subsoil Management, Decision-support, Multi-criteria optimization, Sustainability indicators 0 0 http://efs.sanru.ac.ir/browse.php?a_code=A-10-220-1&slc_lang=fa&sid=1 Samaneh Nikan سمانه نیکان Samaneh.Nikan@zalf.de 10031947532846001142 10031947532846001142 No Leibniz Centre for Agricultural Landscape Research (ZALF) Peter Zander پیتر زندر Peter.Zander@zalf.de 10031947532846001143 10031947532846001143 No Leibniz Centre for Agricultural Landscape Research (ZALF) María Rosa Mosquera-Losada ماریا رزا موسکرا-لوسادا mrosa.mosquera.losada@usc.es 10031947532846001144 10031947532846001144 No University of Santiago de Compostela (USC) Seyed-Ali Hosseini-Yekani سید علی حسینی یکانی hosseini@zalf.de 10031947532846001145 10031947532846001145 Yes Leibniz Centre for Agricultural Landscape Research (ZALF)