Fakta om statistiken

Detta omfattar statistiken
Så görs statistiken
Statistikens tillförlitlighet
Bra att veta

Detta omfattar statistiken

Årligen presenteras 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 statistiska regressionsmodeller där skördarna 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 2006.

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 utgörs av månadsmedelvärden för medeldygnstemperaturen och månadsvärden för nederbörden för månaderna januari-oktober 1965-2004 och januari-juli 2005. 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 medeldygnstemperaturen. 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 2006

Följande tabell visar hur nederbörden och temperaturen varit under 2006 jämfört med genomsnittet under de föregående 40 åren. 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 40 åren och s är standardavvikelsen. Värdet 0 betyder att variabeln i år är lika med genomsnittet under de senaste 40 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 40 åren

Station/väder-variabel
Temperatur	Jan	Feb	Mars	April	Maj	Juni	Juli
Malmö	-0,7	-0,2	-1,6	-0,2	0,2	1,1	2,6
Ullared	-1,0	-0,5	-2,8	-0,8	-0,3	0,2	1,5
Växjö	-0,7	-0,3	-2,0	-0,2	-0,1	1,0	2,2
Visby	-0,6	-0,1	-1,8	0,5	0,6	1,2	2,2
Skara	-0,6	-0,4	-2,5	0,2	0,4	0,9	2,1
Norrköping	-0,3	-0,2	-1,6	0,3	0,4	1,4	2,3
Örebro	-0,2	-0,2	-2,2	0,0	0,4	0,8	1,8
Uppsala	-0,1	0,0	-2,3	0,4	0,3	0,9	1,5
Söderhamn	0,4	0,2	-1,7	0,3	0,1	0,8	1,4
Sundsvall	0,6	0,5	-1,8	-0,1	0,2	0,7	0,7
Lycksele	0,5	-0,1	-1,9	0,4	0,7	0,5	1,0
Nederbörd	Jan	Feb	Mars	April	Maj	Juni	Juli
Malmö	-1,4	1,1	-0,6	0,4	1,2	-1,1	-1,6
Ullared	-0,7	-0,1	0,6	2,6	1,0	-0,6	-0,7
Växjö	-1,4	0,0	0,1	1,7	0,7	-1,4	-1,1
Visby	-1,2	0,2	-0,1	0,4	0,5	-1,0	0,5
Skara	-1,1	0,1	0,4	0,5	0,2	-0,6	-0,1
Norrköping	-1,1	0,9	-0,4	0,2	0,4	-0,8	-0,3
Örebro	-1,0	0,2	-0,3	0,1	2,3	-0,5	-0,7
Uppsala	2,6	-0,8	0,4	-1,2	0,0	-0,5	-1,0
Söderhamn	-1,5	0,2	0,7	0,0	0,6	-0,8	-0,7
Sundsvall	0,3	0,5	0,7	1,1	0,7	-0,8	-1,2
Lycksele	-1,2	-0,5	-0,7	0,7	0,0	-0,8	-1,2

 

Året 2006 började med att vara kallare än normal i januari till mars för att i april till juli vara varmare än normal, framför allt i juni och juli. Nederbörden under vintern var relativt liten med vissa lokala undantag. Under våren (april-maj) var nederbörden generellt sätt högre än normalt i hela landet medan den varit lägre än normalt i juni och juli.

 

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 2006. 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 lagts ner och vissa har tillkommit sedan 1965 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 presenteras 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 dessa skördeuppskattningar främst på provtagningar i 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.

¨           De arealer som används för spannmålsproduktionen 2006 torde ha något högre avkastning än de som använts tidigare år (se avsnittet Totalskördar). Hänsyn till detta har inte kunnat tas i beräkningarna.

Föregående års prognoser

För att belysa osäkerheten i skördeprognoserna redovisas i följande tabeller den procentuella skillnaden mellan publicerade prognoser och utfallet av de definitiva skördeskattningar.

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

Gröda	2001	2002	2003	2004	2005
Höstvete	1	2	14	5	-6
Vårvete	9	4	1	11	3
Höstråg	-7	0	3	-4	2
Höstkorn	-1	2	16	3	-4
Vårkorn	-2	0	-4	4	4
Havre	1	-4	-11	5	2
Rågvete	8	-9	4	-1	-8
Blandsäd	-4	-6	-10	-5	-2
Höstraps	-11	5	-4	-19	-13
Vårraps	-2	-13	-2	-15	2
Höstrybs	15	-3	18	-23	-10
Vårrybs	2	8	20	-3	12

 

Tabell 5 Skillnader i totalskörd mellan tidigare års prognoser och utfall av skördeuppskattningar, %

Gröda	2001	2002	2003	2004	2005
Höstvete	1	2	14	6	-5
Vårvete	7	4	15	12	4
Höstråg	-6	1	8	-3	3
Höstkorn	9	2	27	4	3
Vårkorn	-3	1	-3	5	7
Havre	3	-1	-10	8	8
Rågvete	10	-8	7	0	-6
Blandsäd	-24	-20	-18	-19	-25
Summa spannmål	0	1	3	6	1
Höstraps	-10	-4	-1	-17	-12
Vårraps	-5	-12	-2	-16	2
Höstrybs	36	-1	25	-19	-7
Vårrybs	-3	8	14	-2	11
Summa oljeväxter	-7	-5	0	-16	-6

 

För höstkorn, rågvete, blandsäd och höstrybs baseras inte prognoserna direkt på väderdata då skördeuppskattningar inte gjorts under en tillräckligt lång period. Prognoserna för dessa grödor baseras istället på vilka samband de har med andra grödor. Detta förklarar de något högre avvikelserna för just dessa grödor.

Prognosen för 2005 kom ganska nära den slutliga skörden av spannmål enligt de definitiva skördeuppskattningar, medan prognosen för oljeväxter var en underskattning på 6 %. För tidigare år har den totala skörden av spannmål i allmänhet varit relativt nära resultaten av skördeuppskattningarna. För oljeväxter har prognosen i allmänhet varit lägre än resultatet av 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 (drygt 4 000 lantbruk) redovisas i mitten av december.

Definitiva uppgifter om 2006 års grödarealer redovisas under 1:a kvartalet 2007.

Definitiva resultat från skördeundersökningar 2006 redovisas under 1:a kvartalet 2007.

 

Elektronisk publicering

Detta statistiska meddelande finns kostnadsfritt åtkomligt på Jordbruksverkets webbplats http://www.sjv.se under Statistik samt på SCB:s webbplats http://www.scb.se under Jord- och skogsbruk, fiske. De som kostnadsfritt önskar erhålla statistiska meddelanden med jordbruksstatistik i pdf-format per e-post, kan anmäla detta till statistik@sjv.se.

Mer information om statistiken och dess kvalitet ges i en särskild Beskrivning av statistiken.