Professional Documents
Culture Documents
Rsum
En Algrie o lagriculture est le principal consommateur deau, les rformes sont principalement orientes vers le
transfert de la gestion des primtres irrigus. La satisfaction des besoins en eau dirrigation reste toujours
insuffisante malgr les nombreux investissements raliss durant ces dernires dcennies. La majorit des
primtres irrigus, issue de lhritage colonial, prsente un systme traditionnel qui ne contribue pas
lamlioration de lefficience de lutilisation de leau. A cela sajoute un tarif de leau qui nincite pas les
principaux usagers conomiser la ressource. Dans ce contexte, la modernisation des primtres irrigus reste une
issue approprie pour une gestion efficace de leau usage agricole. Le but de notre recherche est de mettre en
uvre un outil danalyse des politiques de modernisation des primtres irrigus, notamment celui de la Mitidja
Est qui constitue notre terrain dtude. Loutil danalyse est conu sous la forme dun modle de programmation
stochastique discret qui estime les rponses des usagers lapplication des politiques des prix de leau dans
diffrents scnarios de politiques agricoles et dans un contexte de raret de la ressource. Le modle sera appliqu
lchelle dun type dexploitation du primtre de la Mitidja pour analyser les rgles de gestion et le systme de
tarification de leau dans diffrents schmas damnagement de la rgion.
Mots cls : modernisation, tarification, modle, primtre irrigu.
1 Introduction
En Algrie, la rforme des politiques macro-conomiques et la libralisation de lconomie ont eu
plusieurs consquences importantes sur lirrigation. Ainsi, la reconnaissance du caractre prcieux de
leau et de son cot de transformation dune source en une prestation de services sur lexploitation
agricole fait que le secteur de leau est devenu un objectif privilgi des futures rformes politiques.
Lirrigation ne peut progresser que si lefficience de lusage de leau agricole est amliore. Dans ce
contexte, la modernisation des primtres irrigus est indispensable pour le dveloppement de
lagriculture irrigue en Algrie. La durabilit du dveloppement agricole est fonction de la durabilit
de lutilisation de la ressource en eau. Les politiques du secteur de leau sefforceront de susciter chez
les usagers la volont dutiliser efficacement les ressources.
2 Objectif de la recherche
Notre recherche a pour but de proposer un modle de programmation mathmatique qui simule les
dcisions agronomiques sous les contraintes dincertitude climatique et de la disponibilit en eau
dirrigation. Notre rgion dtude est la plaine de la Mitidja. Lobjectif principal est de tester le modle
par des changements dvaluation dans les dcisions agricoles la suite de lapplication de diffrents
modes de tarification de leau.
3 Matriel et mthodes
Les modles micro-conomiques de production agricole en situation de risque sont issus de la thorie
de lutilit espre de Von Neumann et Morgenstern (1944). Le caractre alatoire de la variabilit du
climat induit une modification des techniques de production. La prise en compte de la variabilit des
coefficients techniques est bien reprsente dans des modles probabilistes ou stochastiques (Bouzit,
Rieu, Rio, 1995). Ces mthodes ont t initialement dveloppes par les travaux de Charnes et Cooper
(1959) qui ont propos un programme risque limit (chance constrained programming). Les
nombreuses approches pour analyser le risque qui utilisent les techniques de programmation
mathmatiques ont t discutes en dtail par Cocks (1968)1, Boisvert et Mc Carl2 et rcapitules par
Hardaker et Rae (1971), Apland et Hauer (1993). Les applications de la PSD3 sont plus abondantes dans
la littrature dconomie agricole et ont donn lieu de nombreuses utilisations dont les applications les
plus rcentes sont :
-
un modle de rgion de Sidi-Bel Abbs conu pour analyser des politiques dintensification en
Algrie et traiter les effets de lincertitude climatique sur la prise de dcision des agriculteurs en
zone semi-aride mditerranenne (Jacquet et Pluvinage, 1997) ;
une approche de la mthode ralise par Bouzit et al.(1995) pour analyser le comportement de
lensemble des exploitants irrigants du bassin de la Charente en France ;
Mejias et al. (2003) dveloppent un modle de programmation stochastique qui estime les
rponses des fermiers lapplication des politiques des prix de leau en Espagne ;
Morardet (1997) applique un modle stochastique agrg linaire pour lanalyse de la gestion de
leau en Charente en France.
Max
E ( Z ) = Ps Pw
s
sw
cjitw : est la marge unitaire de chaque activit j utilisant une technique dirrigation i et une technique
de production t ralise pendant lanne climatique w
X3jitsw : superficie assigne lactivit j utilisant une technique dirrigation i et une technique de
production t ralise dans ltat de la nature s pendant lanne climatique w
CQsw : cots de la quantit deau dirrigation, Q, produite dans ltat de la nature s pendant lanne
climatique w.
Nous avons utilis GAMS General Algebraic Modeling System pour lcriture du modle.
Le cot de la quantit deau dirrigation se compose par une partie variable, en fonction du volume
deau Qsw consomm cQ et dune partie fixe cx dtermine en fonction de la superficie irrigue Si qui
concerne la couverture des charges dexploitation de loffice du primtre irrigu. Cette contrainte est
introduite dans le modle de la manire suivante :
CQSW = cQ Qsw + cx Si
Cksw : cot dutilisation de la main duvre, K, dans ltat de la nature s et pendant lanne climatique
w
Ci : cot dutilisation de lquipement dirrigation pour une superficie quipe Se
sous les contraintes suivantes :
la terre :
X 3 jitsw S
lquipement dirrigation :
X 3 jitsw S e 0
ji
X3
jitsw
X2
jis
X3
jitsw
q jit X 3 jitsw = Q sw
j i t
tel que :
Q sw D s * E
X 1 ji 0; X 2 jits 0;
X 3 jitsw 0;
avec :
S:
Se :
loffice et se soumet aux modalits de tarification courante de recouvrement des factures dirrigation5.
Dans ce contexte, en dbut de campagne les agriculteurs se fixent un objectif de rendement (par rapport
un rendement potentiel qui suppose quil ny a pas de limitation en eau dirrigation) et ajustent leurs
apports dirrigation en fonction des conditions de lanne pour atteindre cet objectif. Ainsi, nous avons
dfini les diffrentes priodes de dcision de la manire suivante (figure 1) :
-
dans la seconde priode, une fois la disponibilit de leau connue et en fonction du climat de
lanne, lagriculteur fait certains ajustements (choix de technique de production, changement
dassolement).
Figure 1. Arbre de dcision du modle de programmation stochastique discret.
A lchelle de lexploitation du primtre du Hamiz qui constitue notre principal terrain dtude, le
rseau dirrigation est divis en neuf secteurs. Les irrigants inscrits auprs de lOPIM utilisent leau
distribue par les prises selon des doses officielles. A la prise, un dbit moyen de 15 l/s est fourni pour
un lot de 20 hectares. A la parcelle, leau est rpartie entre les irrigants selon un tour deau. Lirrigation
est gravitaire. Les techniques darrosage sont gnralement des mthodes dirrigation de surface, il
sagit surtout de rigoles pour larboriculture et le marachage.. La rpartition des ressources nest pas
uniforme sur les diffrents secteurs. Le Hamiz littoral est le mieux desservi, principalement par le
barrage du Hamiz, le marais de Rghaa et la nappe de Bourah grce aux stations de pompage de ces
deux sites. La superficie totale des terres agricoles (superficie agricole utile surface agricole utile
brute) dans la Mitidja Centre et Est (y compris le Sahel Est) slve 72 000 ha, dont environ 27 000
(soit un peu plus du tiers) sont irrigus. Lirrigation concerne surtout larboriculture (agrumes et autres
arbres fruitiers ppins ou noyaux). Les cultures annuelles irrigues sont principalement les cultures
marachres.
La Mitidja Est englobe le primtre dirrigation trs ancien du Hamiz (datant de 1937) ; ce primtre
couvre en partie lEst de la plaine ainsi que le Sahel Est. Il stend sur une superficie de 18 000 ha
environ, mais la superficie des cultures irrigues partir du rseau ne dpasse pas actuellement 5 000
6 000 ha cause du dficit en eau et de lexpansion dmographique et spatiale des zones urbaines.
La superficie totale (SAU brute) est de 71 498 ha dont 34 333 ha dans la Mitidja Centre et 37 165 ha
dans la Mitidja Est. Larboriculture et la viticulture sont trs rpandues dans les deux primtres ; ces
cultures reprsentent en moyenne 34 % de la superficie totale, atteignant jusqu 41 % dans le Centre
et 28 % lEst. Les cultures en sec couvrent une surface dimportante similaire dans les deux
primtres (16 606 ha au Centre et 19 331 ha lEst) et reprsentent en moyenne 50 % de la superficie
agricole dans lanne de rfrence. Les cultures annuelles en sec sont principalement des grandes
cultures (surtout les crales et la vesce-avoine), et incluent aussi une proportion significative de
cultures marachres en sec, environ 6 000 ha. Les cultures annuelles en irrigu occupent une superficie
importante dans la zone, mais principalement lEst o 5 816 ha y sont consacrs. Elles reprsentent
7,1% au Centre, 15,6% lEst et 11,5 % sur lensemble de la zone. La plupart des cultures annuelles
irrigues sont des cultures marachres.
Une typologie des exploitations a t ralise au cours de la phase de modlisation dans la zone littorale
(secteur de 1 3) du primtre irrigu du Hamiz ou Mitidja. Ce choix a t dfini en fonction de la
disponibilit de la ressource (tableau 1).
SAU
SAUI
Type I
(ha)
5
(%)
87,5*
Techniques
dirrigation
(%)
Gravitaire
Type II
10
80,7*
Gravitaire
Cultures
marachres
(%)
( 85,7**)
Tomate 25
Haricot 20
Courgette 15
(84,1 %**)
Tomate 24,5
Haricot 19,4
Po. de terre 16,4
Arboriculture
fruitire
(%)
(14,3**)
Oranger 58,6
Vigne 24,1
Verger 17,3
(15,9**)
Vigne 57
Oranger 43
Courgette T9,2
Type III
15
63,4*
Gravitaire
Type IV
30
85,4
Gravitaire
(91,6**)
Haricot 24,3
Tomate 17,9
Po. de terre 11,4
Courgette 10,8
(81,1**)
Po. de terre 24,7
Haricot 23
Tomate 13,8
Courgette 9,2
(8,4**)
Vigne 98,5
(19,9**)
Vigne 55
Oranger 25
Pommier 25
Le type dexploitation IV a t retenu pour la phase de modlisation. Les cultures pratiques sont
larboriculture fruitire (vigne et pommier 6 ha) le reste dpend de la quantit deau fournie par lOPIM
(Office du primtre irrigu de la Mitidja), en marachage (en majorit tomate et pomme de terre) ou en
sec (vesce, avoine ou bl). La disponibilit en eau dtermine les assolements dans le primtre irrigu.
Lassolement inclut des cultures intensives haute rentabilit telles que les agrumes et les arbres
ppins ou noyaux et les cultures marachres. Sil y a un manque deau dirrigation, les grandes
cultures, les crales, les fourrages dt et la jachre prdominent. En gnral, dans le primtre,
lagriculture est oriente sur des spculations pour produire un excdent commercialisable. Le
financement constitue lun des problmes les plus dlicat auxquels sont confronts les agriculteurs.
Linsuffisance de crdit entrane une valorisation insuffisante du primtre. Les agriculteurs prfrent
les cultures cycle court, les spculations rapidement productives, partager les risques (cultures
intercalaires, plantations mixtes, arboriculture fruitire ou vigne), les produits ayant un double
dbouch (exemple la tomate livre en priorit la consommation en frais et accessoirement la
transformation) aux cultures demandant peu de matriel agricoles et peu de main duvre.
4.1 Le climat
Dans la rgion dtude, le climat est mditerranen, doux et humide en hiver, chaux et sec en t.
Nanmoins, mme dans les zones septentrionales troites, on observe des variations climatiques qui
dterminent la vocation agricole. Sur le littoral, le climat est fortement influenc par la proximit de la
mer, les risques de geles sont moindres, les tempratures de lt sont moins leves et le taux
dhumidit dans lair est plus lev par rapport la plaine o le climat est continental et moins influenc
6
par la mer ; on enregistre en moyenne 11 jours de gele par an, les tempratures estivales sont leves
(maximum denviron 40 C), et lair est un peu plus sec. La pluviomtrie qui varie gnralement entre
280 et 800 mm/an est monomodale et le mois le plus pluvieux est le mois de dcembre. Sur la base de
ces constatations et sur la srie dobservation des prcipitations, nous avons dfini trois tats de la
nature pour le climat avec une distribution de probabilit W1 0.24 correspondant une anne sche,
W2 0.53 anne moyenne, et W3 0.23 anne humide (figures 3 et 4).
Les tats de la nature dans le modle PSD
Figure 3: tats climatiques: Distribution
Probabilit des niveaux de pr cipitation.
Plaine de la Mitidja
0,23
Variable CLIMAT ; distribution: Normale
16
0,53
Probabilit
14
12
Nb d'Obs.
10
8
0,24
6
4
2
0
200
434
667
900
Thoriq.
Figure 3. Etats climatiques : distribution, probabilit des niveaux de rpartition dans la plaine de la Mitidja.
0,01
0,06
0,28
22
20
0,41
18
16
Probabilit
Nb d'Obs.
14
12
10
8
6
0,24
4
2
0
500
1600
2700
3800
4900
6000
Thoriq.
Dotation m3/ha
Figure 4. Distribution des probabilits pour la dotation en eau du primtre de la Mitidja Est.
Scnario 1
La demande en eau pour une anne moyenne reste toujours rigide en comparaison dune anne humide
Smax qui elle reste sensible entre 5 et 10 Da/m3. (figure 5). La raison principale de cette rigidit qui
nincite pas conomiser leau dirrigation est due la faible part de leau dans les charges totales de
lexploitation pour les activits fortes valeurs ajoutes, comme la tomate, la pomme de terre ou
larboriculture fruitire. Une augmentation du prix de leau fournie par loffice des primtres irrigus
de 1,25 Da/m3 2,5 Da/m3 na pas vraiment dinfluence sur les marges dgages des activits
pratiques dans lexploitation.
Figure 5 : Sensibilit de la dem ande en eau au prix de l'eau
Efficience de distribution 0.7 Prim tre irrigu Ham iz
25
Qmax
Qmoy
Qmin
20
15
10
0
0
20
40
60
80
100
La demande en eau reste effectivement peu sensible laugmentation du prix, du fait aussi que les
dotations accordes par tat de la nature restent trs en dessous des besoins ncessaires pour les
activits pratiques dans lexploitation. La dotation accorde pour un tat Smin de 1 050 m3/ha avec
une probabilit de distribution de 0,24 correspond plutt une agriculture de survie. Il en est de mme
pour la fonction de demande en eau pour un tat Smoy qui est ltat le plus frquent dans le primtre et
qui nest pas sensible une lvation du tarif de leau.
Pour un tat de la nature Smax, trs peu ralisable (distribution de probabilit 0,01), quivalent une
dotation de 5 450 m3/ha, la demande en eau devient sensible partir dun prix compris entre 5 et 10
Da/m3 (figure 1).
Tableau 2. Distribution des probabilits pour les dotations en eau par tat de la nature.
S1
S2
S3
S4
S5
Dotations en m3/ha
1050 2105
3250
4250
5450
Probabilits de distribution
0,24
0,28
0,06
0,01
0,41
Le revenu de lexploitant reste trs peu sensible laugmentation du prix de leau. En doublant le prix
de leau de 1,25 Da/m3 2,5 Da/m3, la variation est presque ngligeable, elle est de 6 % du revenu de
lexploitant (tableau 3, figure 6). Le revenu minimum Revmin (figure 2) provient essentiellement des
cultures en sec telles que les crales (bl, sorgho) et les fourrages dt et de larboriculture dans
lexploitation pratiqus par des techniques peu exigeantes en eau dirrigation ou pratique avec des
doses de survie, alors que lcart entre un revenu minimum et un revenu moyen REVmoy
correspondant est li en lintroduction de cultures marachres (tomate, pomme de terre).
Tableau 3. Evolution du revenu et consommation en eau.
Prix de leau Rmoy Rmin
Rmax Qmoy
Qmin
Qmax
En milliers de m3
En milliers de Da
0
70,1
51,7
92,9
49,2
22,1
94,4
1,25
68,0
50,6
88,6
49,2
22,1
93,0
2,5
66,0
49,7
84,7
49,2
22,1
93,0
61,9
47,9
77,0
49,2
22,1
93,0
10
53,7
44,2
62,4
48,8
22,1
87,1
14
47,3
42,3
50,0
44,1
22,1
58,2
18
41,6
39,4
42,5
40,1
22,1
53,0
19
40,4
38,7
40,9
31,3
21,1
34,5
20
39,4
38,0
39,9
28,3
20,5
30,8
20
Prix en Da/m3
Rmax
Rmin
Rmoy
15
10
0
0,0
20,0
40,0
60,0
Revenu en m illiers de Da
80,0
100,0
120,0
100,0
80,0
60,0
40,0
20,0
0,0
S1 (28,35)
S2 (58,05)
S3 (87,75)
S4 (114,75)
S5 (118,5)
Climat moyen
Climat sec
Les rsultats danalyses du modle de programmation stochastique PSD suivant le scnario de base
montrent que les usagers de leau nemploient pratiquement que des techniques dirrigation
traditionnelle (figure 7).
Ce choix est d en particulier un faible prix de leau pratiqu par lOPIM de 2,5 Da/m3 qui nincite
pas lconomie de leau, et au montant lev de linvestissement en technique conome en eau. Mme
si on double le prix de leau de 1,25 Da/m3 (ancien tarif) 2,5 Da/m3, lusager naura sans doute pas
recours lutilisation de techniques modernes comme le goutte goutte (figure 7).
% de la SAU irrigue
80%
goutte goutte
70%
60%
50%
40%
30%
20%
10%
0%
0
1,25
2,5
10
14
10
18
19
20
5.2.2
Cas du scnario 2
100%
90%
Gravitaire
% SAUI irrigue
80%
Goutte goutte
70%
60%
50%
40%
30%
20%
10%
0%
0
1,25
2,5
10
14
18
19
20
Prix en Da/m 3
La figure 10 prsente les rsultats de programmation stochastique discrets pour une efficience de
distribution de leau 90 %, soit un taux de perte de 10 %. La demande en eau apparat sensible au prix
de leau partir de 10 Da/m3, sauf pour ltat Qmin qui correspond ltat de la nature Smin.
Une allocation efficiente de leau est celle qui maximise le bnfice total net qui peut tre produit par la quantit
disponible de la ressource ralis par un tat disponible de technologie (Yacov Tsur, Dinar Ariel 1997).
11
En Da/m3
20
15
10
0
0,0
20,0
40,0
60,0
80,0
100,0
120,0
140,0
en m illier de m 3
Qmax
Qmoy
Qmin
25
en irrigue
Surface en ha
20
15
10
5
0
S1
S2
S3
S4
Etats de la nature
12
S5
Surface en ha
25
sec
irr igue
20
15
10
5
0
S1
S2
S3
S4
S5
Etats de la nature
6 Conclusion
Les rsultats danalyses du modle de programmation stochastique montrent que les usagers de leau
dans la plaine de la Mitidja ont peu recours lutilisation des techniques modernes dirrigation. Lune
des raisons principales est due au faible prix de leau pratiqu par lOPIM (2,5 Da/m3) qui nincite pas
les agriculteurs conomiser la ressource. Le manque deau dans le primtre irrigu de la Mitidja Est
conditionne aussi le choix des techniques de production de la rgion. La raison est due aux faibles
dotations en eau accordes surtout pour les tats S1 et S2 qui reprsentent plus de 60 % des probabilits
de distributions dans le primtre. Les usagers de leau sont confronts deux situations extrmes de la
disponibilit de la ressource : soit un tat catastrophique attribu une agriculture de survie, soit une
disponibilit abondante de la ressource, tat qui est observ trs rarement dans le primtre. Ces deux
cas nincitent pas lutilisation des techniques de modernisation dans le primtre, sauf pour un tarif de
leau beaucoup plus lev compris entre 5 et 10 Da/m3. Une augmentation de lefficience de
distribution deau dirrigation dans le primtre (scnario 2) rduit les pratiques en culture sche dans
lexploitation mais nincite pas les usagers utiliser des techniques conomes en eau. La raison est due
principalement toujours un faible tarif de leau. Les conditions extrmes de la disponibilit de leau
font apparatre des contraintes de lagriculture irrigue. Par exemple, les oprations de rpartition et de
distribution de leau dirrigation entre les usagers ne sont pas aises en raison dune forte demande en
eau comparativement loffre (voir les fonctions de demande). Le manque deau conditionne les
stratgies des agriculteurs qui essaient souvent de cultiver des superficies plus grandes que celles quils
ont souscrites auprs de lOPIM, ce qui fait, quen dbut de campagne agricole la demande est souvent
suprieure loffre.
Bibliographie
Ait-ameur C., 1996. Diversification et irrigation. Application dun modle multi-priodique. Le cas de la plaine
Biterroise France. Thse Master of Science. IAM Montpellier.
Ait-ameur C., 2004. Modernisation et gestion de leau dans les primtres irrigus. Le cas du Hamiz.
Communication sminaire Euro- Mditerranen. La modernisation de lagriculture irrigue. Rabat, Maroc 19 au
23 avril 2004.
Apland J., Hauer G., 1993. Discrete stochastic programming: Concepts, examples and a review of empirical
applications. University of Minnesota, St Paul United state of America. p. 93
Blanco M., 1999. La cnomia del agua : analisis de politicas de modernisation y mejora de ragadios en Espana.
Tesis doctoral, universit politecnica de Madrid, Escuela Tcnica Superior de ingenieros Agronomos. 313 p.
Bouzit A.M., Rieu T., Rio P., 1995. Modlisation du comportement des exploitants agricoles tenant compte du
risque : application du Motad gnralis. Cemagref Editions, Antony. p. 75-79.
Brooke A., Kendrick D., Meeraus A., 1988. General Algebraic modeling system GAMS A Users Guide. Boyd &
Fraser publishing company, Danvers, Massachusetts.
Bruce A. McC., Spreen T.H., 1997. Applied Mathematical Programming Using Algebrac System.
13
Cocks K.D., 1968. Discrete stochastic programming. University of California Davis. Management science, 25 :
72-79.
Chambers R.G., Just R.E., 1989. Estimating multioutput technologies. American Journal of Agricultural
Economics, 71 : 980-995.
Charnes A., Cooper W.W., 1959. Chance constrained programming. Management Science, 6 : 73-79.
Consuelo Varela Ortega, Jos M. Sumpsi, Alberto Garrido, Maria Blanco, Eva Iglesias, 1998. Water pricing
policies, public decision making and farmers response: implications for water policy. Agriculture economics
1998, p 193-202.
Dinar A., Yaron D., 1992. Adoption and abandonment of irrigation technologies, Agricultural economics, 6 : 315
32.
Dinar A., Rosegrant M.W., Meinzen-Dick R., 1997. Water allocation mechanisms, principles and examples.
World Bank, policy research, working paper 1779, Washington, DC.
Garnier B.D., 1997. Some Implications of Federal Grazing, Timber, Irrigation, and Recreation Subsidies. Choices.
Third Quarter: p. 9-14.
Garrido A., Varela Ortega C., Sumpsi J.M., 1997. The Interaction of Agricultural Pricing Policies and Water
Districts Modernization Programs: A Question with Unexpected Answers. Paper presented to the Eighth
Annual Conference of the European Association of Environmental and Resource Economists, Tilburg, Pays-Bas,
26-28 juin.
Hardaker J.B. , G. Lien, 2003. Stochastic efficiency analysis with risk aversion bounds: A simplified approach.
University of New England. Working paper series Agricultural and resource economics mars 2003.
Hazell P.B.R., 1971. A linear alternative to quadratic and semi-variance programming farm planning under
uncertainty. American journal of agriculture economics 53 : 239-252.
Howe C., Schurmeier D.R., Shaw W.D, 1986. Innovation approaches to water allocation: the potential for water
markets. Water resources research, 22 (4) : 439-445.
Jacquet F., Pluvinage J., 1995. Climatic Uncertainty and farm Policy. A Discret Stochasting Programming Model
for Cereal-Livestock Farms in Algeria. Agricultural Systems, 53 : 387-407.
Johanson R.C., Tsur Y., Roe T.L., Doukkali R., Dinar A., 2002. Pricing irrigation water: A review of theory and
practice. Water Policy 4 : 173-199.
Kissira M. Encadrement PNDAR, Conseils pratiques pour linvestissement en irrigation. Ministre de
lagriculture et du dveloppement rural. INSID 2002.
Mejias P., Varela-Ortega C., Flichman G., 2003. Integrating Agricultural Policies and Water Policies under Water
Supply and Climatic Uncertainty. International conference of Agricultural economies IAAE, 16-23 August.
Markowitz H.M., 1959. Portfolio selection : Efficient diversification of investments. Wiley, New York, EtatsUnis.
Montginoul, M., Rieu, T., 1997. Approche conomique pour concilier irrigation et environnement dans le bassin
versant de la Charente. Water : Economics, management and demands. E&FN SPON.
Moore, M.R., Negri D.H., 1992. A Multi-crop Production Model of irrigated Agriculture, applied to water
allocation policy of the bureau of reclamation. Journal of Agricultural and resources Economies. 17, p 30-43.
Moore M.R., Gollehon N.R., Carey M.B., 1994. A Multicrop Production Decision in Western Irrigated
Agriculture: The Role of Water Price. American Journal of Agricultural Economies, 11, p. 143-158.
Hazell P.B.R, Norton R.D., (1986). Mathematical programming for economic analysis in agriculture. Mac Millan
Publishing Company New York.
Rae A. (1971): Stochastic programming utility and sequential decision problem in farm management . American
Journal of Agricultural Economics, 53, pp 448-460.
Rao P.S., 1993. Review of selected literature on indicators of irrigation performance, IIMI systems, research
report 4, Washington DC, world resources institute, December.
Sampath R. K., 1992. Issues in irrigation pricing in developing countries. World Development, 20 : 967-977.
Seagrave J. A.; Easter, K. W. (1983): Pricing irrigation water in developing countries. Water resources Bulletin 4 :
663-671.
Stephenson D., 1999. Demand management theory. Water SA 25 (2) : 117-122.
Tsur Y., Dinar A., 1997. The relative efficiency and implementation costs of alternative methods for pricing
irrigation water. The world bank economic review, vol. 11, NO. 2: page 243-62.
14
Tsur Y., Zemel A. (1995). Uncertainty and irreversibility in groundwater resource management. Journal of
environmental economics and management, 29 : 149-161.
Von Neuman J., Morgenstern, O., 1944. Theory of games and economic behavior. Princeton, NJ Princeton
University Press.
Zilberman D., 1998. Agricultural and Environmental Policies. Economics of Production, Technologies, Risk
agricultural and environment. Ed.Carlo Cafiero. University of California, Berkeley.
15