Statens Jordbruksverk
Sveriges officiella statistik - Statistiska meddelanden
Skördeprognos för spannmål och oljeväxter 2002

JO 29 SM 0201

 

pil.gifFörsta sidan - I korta drag pil.gifStatistiken med kommentarer
pil.gifFakta om statistiken
pil.gifKontaktpersoner, mer information pil.gifIn English

Fakta om statistiken

Detta omfattar statistiken
Så görs statistiken
Statistikens tillförlitlighet
Bra att veta

Detta omfattar statistiken

SCB gör årligen uppskattningar av skörden för de viktigare grödorna, uppskattningar som de senaste åren gjorts utifrån intervjuundersökningar efter att tidigare ha byggt på objektiva mätningar av skörden på olika provytor. Preliminära resultat från dessa intervjuundersökningar publiceras under nov/dec och definitiva resultat under våren nästkommande år.

Då det finns ett behov av skördeinformation som kan redovisas vid ett tidigare tillfälle, har Jordbruksverket utvecklat en prognosmetod för att uppskatta skörden av olika grödor utifrån väderdata och tidigare års skördar. Metoden bygger på att konstruera statistiska regressionsmodeller där skörden för olika grödor beskrivs som funktioner av olika mått på väder. Modellerna tar hänsyn till skörde- och väderdata från januari 1965 till och med sommaren 2002.

De grödor som skörden uppskattas för är: höstvete, vårvete, höstråg, höstkorn, vårkorn, havre, blandsäd, rågvete, höstraps, vårraps, höstrybs och vårrybs.

Så görs statistiken

Prognosmetod

Som underlag för prognoserna har skördedata på länsnivå (med nuvarande länsindelning omfattande 21 län) och väderdata från 11 väderstationer använts. Väderdata har varit månadsmedelvärdet för medeldygnstemperaturen och månadsvärde för nederbörden för månaderna januari-oktober 1965-2001 och januari-juli 2002. För varje län och för varje gröda som odlas i någorlunda omfattning i respektive län tas en regressionsmodell fram som beskriver det statistiska sambandet mellan väderdata och hektarskörd. Dessa prognoser viktas sedan samman till en genomsnittlig hektarskörd för riket. Resultat presenteras enbart på riksnivå då prognoserna på länsnivå är alltför osäkra för att särskilt redovisas. Eftersom väderdata för månaderna augusti till oktober innevarande år inte finns tillgängliga vid prognostillfället antas att temperatur och nederbörd dessa månader blir "normala".

Skördens beroende av vädret

Det kan konstateras att sambandet mellan skörd och väder är komplext, kanske alltför komplext för att på ett någorlunda enkelt sätt kunna sammanfattas i matematiska modeller. Ett problem är att avgöra vilka vädervariabler som påverkar en viss gröda i ett visst län och hur detta samband är beskaffat. Dataanalyser visar att de vädervariabler som statistiskt sett har störst samband med skörden av höstsådda grödor är vädret i början på året (från januari till april) och då främst temperaturförhållandet. De variabler som förklarar variationer i avkastning av vårsådda grödor är framförallt temperaturen i april och juni. I Götaland förklaras skördevariationer dessutom av nederbördsmängden i april och juni månad medan både temperatur och nederbörd i augusti månad förklarar skördevariationer i Norrland.

Väderförhållandena 2002

Följande tabell visar hur nederbörden och temperaturen varit under 2002. För att få jämförbarhet mellan olika typer av väderdata beskrivs dessa i formen (v-m)/s där v är årets väderdata, m är medelvärdet över de senaste 35 åren och s är standardavvikelsen. 0 betyder att variabeln i år är lika med genomsnittet under de senaste 35 åren. Plusvärden betyder att årets variabelvärde är större än normalt och minusvärden betyder på motsvarande sätt att årets variabelvärde är mindre än normalt.

För de 11 väderstationerna har väderutfallet varit som följer.

Tabell 3 Normerad skillnad mellan årets väderdata och genomsnittsdata under de föregående 35 åren

Station/väder-variabel

 

 

 

 

 

 

Temperatur

Jan

Feb

Mars

April

Maj

Juni

Juli

Malmö

0.7

1.3

1.0

0.7

1.4

1.0

0.7

Ullared

0.6

1.2

0.4

0.4

1.0

0.0

 

Växjö

0.7

1.3

0.9

0.8

1.0

0.1

0.5

Visby

0.6

1.3

0.9

0.8

1.4

1.5

1.2

Skara

1.0

1.4

1.0

1.3

1.3

0.7

0.9

Norrköping

0.9

1.3

0.9

1.4

1.2

1.1

1.1

Örebro

0.7

1.1

0.8

1.3

1.2

0.6

0.5

Uppsala

0.3

1.1

0.8

1.4

1.0

1.0

1.2

Söderhamn

0.2

0.9

0.8

1.5

1.5

1.7

1.5

Sundsvall

0.4

0.9

0.2

1.4

1.7

1.6

1.4

Lycksele

0.6

1.1

0.0

2.1

1.9

1.2

1.4

 

Nederbörd

 

Jan

 

Feb

 

Mars

 

April

 

Maj

 

Juni

 

Juli

Malmö

1.4

3.2

-0.3

-0.4

0.2

1.0

0.4

Ullared

3.0

3.0

0.7

-0.6

0.1

1.3

 

Växjö

0.8

1.4

-0.1

-0.2

2.2

1.3

0.2

Visby

0.2

0.6

-0.7

-1.2

0.6

-0.1

-0.3

Skara

1.8

2.1

0.4

-0.7

0.2

1.1

0.7

Norrköping

0.7

1.7

-0.2

-0.5

2.5

1.9

1.0

Örebro

1.1

2.1

0.6

0.0

0.7

1.1

2.1

Uppsala

0.7

0.9

0.9

-1.3

0.0

1.8

 

Söderhamn

1.3

0.5

-0.6

-1.0

-1.2

2.0

0.4

Sundsvall

1.0

0.3

0.3

0.0

-0.4

-1.6

-0.1

Lycksele

-0.5

0.5

0.3

-1.0

-1.7

0.2

0.6

 

Året 2002 har varit konstant varmare än normalt i hela landet. Framförallt februari och april-juli karakteriserades av betydligt varmare väder än normalt. I början av året var nederbörden, generellt sett, högre än normalt för att i mars och april i allmänhet vara något lägre än normalt. Under juni och juli har det i allmänhet varit en högre nederbörd än normalt.

Statistikens tillförlitlighet

Felkällor

Precis som för de flesta andra prognoser finns det problem och källor för osäkerhet även i denna prognosmetod. Några av dessa är:

¨           De gjorda prognoserna bygger på verkliga uppgifter av väderdata fram till och med juli år 2002. För efterföljande månader har årets väderdata satts till normalvärden, vilket gör att prognoserna kan slå fel om årets väder i augusti och september skiljer sig markant från normalåret.

¨           Antalet väderstationer är betydligt färre än antalet län vilket gör att vädret vid vissa stationer får representera vädret i flera län. Naturligtvis kan detta påverka resultaten betydligt då förhållandena kan skilja sig åt både inom och mellan län. Samtidigt har vissa stationer ändrats sedan 1965, vissa har lagts ner och vissa har tillkommit vilket gör att alla tidsserier inte utgörs av data från en station utan har tagits fram utifrån olika stationer.

¨           Modellen med de vädervariabler som används, månadsmedelvärdet för medeldygnstemperaturen och månadsvärde för nederbörden, tar inte hänsyn till hur temperatur och nederbörd fördelar sig över månaden. Om exempelvis nederbörden kommit under en kort period en månad påverkar detta skörden annorlunda än om nederbörden varit jämnt utspridd över månaden.

¨           Metoden för de skördeuppskattningar som SCB presenterar varje år och som ligger till grund för de studerade sambanden mellan skörd och väder som prognosmodellerna bygger på, har inte varit densamma under hela perioden. Tidigare baserades SCB:s skördeuppskattningar främst på provtagningar på fält medan de sedan 1998 baseras på telefonintervjuer. Som en följd av bytet av metod för skördeuppskattningar, från provtagning till intervjumetod, har hektarskörden fått en något annorlunda innebörd. När statistiken baserades på skörden från provytor avsåg hektarskörden skörd per besådd area. När uppgifterna nu hämtas från lantbrukarna blir det mer fråga om en hektarskörd som avser skörd per bruttoareal av grödan. Det skulle i så fall ge en något lägre hektarskörd. De prognosmetoder som använts här blir något osäkrare om nivån på den faktiska skörden ändrats till följd av metodbyte.

Föregående års prognoser

För att belysa svårigheter i skördeprognoserna redovisas i följande tabell 2000 och 2001 års prognoser i förhållande till utfallet av SCB:s definitiva skördeskattningar.

Tabell 4 Skillnader i hektarskörd mellan tidigare års prognoser och utfall av skördeuppskattningar

 

2000

2001

Gröda

Prognos
kg

Utfall
kg

Skillnad
%

Prognos
Kg

Utfall
Kg

Skillnad
%

Höstvete

6 430

6 100

5

6 090

6 040

1

Vårvete

5 440

5 100

7

5 050

4 650

9

Höstråg

5 390

5 430

-1

4 880

5 270

-7

Höstkorn

5 410

5 090

6

5 240

5 270

-1

Vårkorn

4 500

3 970

13

4 050

4 140

-2

Havre

4 220

3 960

7

3 580

3 550

1

Rågvete

5 350

4 600

16

4 770

4 410

8

Blandsäd

3 230

3 470

-7

3 110

3 230

-4

 

 

 

 

 

 

 

Höstraps

3 050

3 250

-6

2 770

3 100

-11

Vårraps

1 940

2 010

-4

1 930

1 980

-2

Höstrybs

2 490

1 750

42

1 680

1 460

15

Vårrybs

1 540

1 550

0

1 580

1 550

2

 

För höstkorn, rågvete, blandsäd och höstrybs baseras inte prognoserna direkt på väderdata. Prognoserna för dessa grödor baseras istället på vilka samband de har med andra grödor. Detta förklarar de något högre avvikelserna för just dessa grödor.

Då vårkorn, som är en förhållandevis stor gröda, år 2000 avvek relativt mycket från faktisk skörd, gav det även effekten att prognoserna för den totala spannmålsskörden också avvek ganska mycket. För år 2001 var prognosen för den totala spannmålsskörden lika stor som skörden enligt skördeuppskattningarna.

Bra att veta

I november redovisas preliminära skörderesultat på riksnivå, med ett urval av ca 1 000 lantbrukare som undersökningsunderlag.

I början av december redovisas preliminär skörd av matpotatis och potatis för stärkelse.

Preliminär skörd av spannmål, ärter och oljeväxter med redovisning på län, produktionsområden och riksnivå baserade på hela urvalet redovisas i mitten av december.

Definitiva uppgifter om 2002 års grödarealer redovisas under 1:a kvartalet 2003.

Definitiva resultat från skördeundersökningar 2002 redovisas under 1:a kvartalet 2003.

Annan statistik

Detta statistiska meddelande finns kostnadsfritt åtkomligt på Jordbruksverkets webbplats, www.sjv.se och på SCB:s webbplats www.scb.se. Tryckta statistiska meddelanden erhålles mot betalning.

Mer information om statistiken och dess kvalitet ges i en särskild Beskrivning av statistiken på SCB:s webbplats, www.scb.se.