Fakta om statistiken

Detta omfattar statistiken
Så görs statistiken
Statistikens tillförlitlighet
Bra att veta
Annan statistik

Detta omfattar statistiken

Jordbruksverket presenterar årligen slutliga skattningar av skörden för de viktigare grödorna. Dessa skattningar har 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 november/december och slutliga resultat under våren nästkommande år.

Eftersom det finns ett behov av skördeinformation som kan redovisas vid ett tidigare tillfälle än de preliminära skördeskattningarna i november, har Jordbruksverket utvecklat en prognosmetod för att prognostisera 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 2018. Modellen har emellertid visat sig ha svårigheter att ge en rimlig prognos då väderförhållandena under ett kalenderår avviker mycket från det normala. Därför har prognosen för 2018 justerats ned utifrån modellens överskattning vid tidigare varma och torra somrar.

De grödor som skördeprognosen omfattar är: höstvete, vårvete, höstråg, höstkorn, vårkorn, havre, blandsäd, höstrågvete, vårrågvete, höstraps, vårraps, höstrybs och vårrybs. I år är tredje gången vi gör en prognos för höstrågvete och vårrågvete var för sig. 2014 och tidigare gick det inte att ange i stödansökan om rågvete var en höst- eller vårgröda. Det medförde att det inte fanns några hektarskördar för respektive gröda att basera en prognos på för 2015.

Så görs statistiken

Prognosmetod

Som underlag för prognoserna har skördedata på länsnivå (med nuvarande länsindelning omfattande 21 län) och väderdata från 21 väderstationer, en station i respektive län, använts samt stödansökta arealer 2018. Väderdata utgörs av månadsmedelvärden för medeldygnstemperaturen och månadsvärden för nederbörden för månaderna januari-oktober 1965–2017 och januari–juli 2018. 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 redovisas separat. Eftersom väderdata för månaderna augusti till oktober innevarande år inte finns tillgängliga vid pro­gnos­tillfället antas att temperatur och nederbörd dessa månader blir ”normala”. Betydelsen av ”normala” är i detta fall medelvärdet av de senaste 30 åren.

Korrigeringarna för vädret baseras på modellens överskattningar för de varma och torra somrarna 1992 och 1994.

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. Data­-analyser visar att de vädervariabler som statistiskt sett har störst samband med skörden av höstsådda grödor är vädret i början av året (februari och mars) och då främst medeldygnstemperaturen. De variabler som förklarar variationer i avkastning av de vårsådda grödorna är framförallt temperaturen i mars, juni och juli och nederbörden från april t.o.m. juli. Om det är relativt torrt och varmt i mars/april så påverkar det såtidpunkten för vårgrödorna, vilket i sin tur bidrar till hur lång tillväxttid grödan får. Lång tillväxttid ger historiskt sett en större hektarskörd.

 

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 2018. 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.

¨           Varje väderstation motsvarar ett län. Vilket kan påverka resultaten betydligt då förhållandena kan skilja sig åt inom ett län. Vissa stationer har 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 dygnsmedeltemperaturen 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.

¨           Uppskattningen av arealer som har ensilerats i stället för tröskats kan ha under- eller överskattats vilket i sin tur leder till att totalskördarna kan ha under- eller överskattats.

 

Föregående års prognoser

För att belysa osäkerheten i skördeprognoserna redovisas i tablåerna E och F den procentuella skillnaden mellan publicerade prognoser och utfallet av de slutliga skördeskattningarna för åren 2013–2017. Påpekas bör att i de slutliga skördeuppskattningarna exkluderas arealer som valts att skördas som grönfoder. Prognosen tar ingen hänsyn till detta vilket bidrar till en systematisk överskattning av totalskördarna. Storleken på denna överskattning varierar från år till år beroende på hur stor andel som valts att skördas som grönfoder.

Positivt värde betyder att prognosen för hektarskörd respektive totalskörd var större än den slutliga skördeuppskattningen och negativt värde betyder på motsvarande vis att prognosen var mindre än den slutliga skördeuppskattningen. Tablå E visar att prognosen för 2017 förväntade sig högre hektarskördar av vårvete, höstrågvete, vårraps och vårrybs än vad de slutliga skördeuppskattningarna blev. För resterande grödor var prognosen större än den slutliga skördeuppskattningen. Bland de senaste 5 åren var de största procentuella skillnaderna mellan prognos och utfall för år 2017.

 

Tablå E. Skillnader i hektarskörd mellan tidigare års prognoser och
utfallet i de slutliga skördeuppskattningarna, %

Gröda	2013	2014	2015	2016	2017
Höstvete	4	0	-1	4	-7
Vårvete	-2	1	-1	2	3
Höstråg	3	-4	0	1	-6
Höstkorn	1	-6	3	5	-5
Vårkorn	-8	-6	-6	-1	-2
Havre	-9	-9	-7	-10	-3
Höstrågvete1	10	-7	3	7	7
Vårrågvete	..	..	..	-15	-1
Blandsäd	-9	2	2	-7	-4
Höstraps	-5	-8	-11	5	-7
Vårraps	-6	-1	0	-4	3
Höstrybs	.	14	1	27	38
Vårrybs	0	38	-7	-1	-16

1 Efter 2014 är rågvete uppdelat i höst- respektive vårrågvete. Vårrågvete svarar för ca 9 % av den totala arealen rågvete under 2015–2016 och ca 7 % under 2017. År 2015 gjordes dock enbart prognos totalt för rågvete. Den prognosen jämförs här med en genomsnittlig hektarskörd av höstrågvete och vårrågvete. Utfallet som redovisas för höstrågvete 2013–2015 är utfallet för rågvete totalt.

 

Tablå F visar att prognosen för spannmål 2017 stämde relativt bra (en underskattning med 3 % totalt) mot de slutliga skördeuppskattningarna. Prognosen bygger på att vädret från och med augusti ska bli enligt ett normalår. Totalskörden av oljeväxter underskattades med 6 % för 2017. Prognosen underskattade hälften av grödorna för både oljeväxter och spannmål.

 

Tablå F. Skillnader i totalskörd mellan tidigare års prognoser och utfallet av de slutliga skördeuppskattningarna, %       

Gröda	2013	2014	2015	2016	2017
Höstvete	5	0	-1	4	-6
Vårvete	-1	3	2	4	7
Höstråg	4	-3	1	1	-5
Höstkorn	2	-5	5	6	-1
Vårkorn	-7	-4	-4	2	-2
Havre	-6	-6	-2	-6	2
Höstrågvete1	10	-6	4	2	1
Vårrågvete	..	..	..	-10	5
Blandsäd	-19	-10	-12	-18	2
Summa spannmål	-2	-2	-2	2	-3
Höstraps	-5	-7	-11	5	-7
Vårraps	-5	-1	0	-2	4
Höstrybs	.	17	3	24	34
Vårrybs	2	35	-6	-1	-12
Summa oljeväxter	-5	-7	-11	4	-6

1 Efter 2014 är rågvete uppdelat i höst- respektive vårrågvete. Vårrågvete svarar för ca 9 % av den totala arealen rågvete under 2015–2016 och ca 7 % under 2017. År 2015 gjordes dock enbart prognos totalt för rågvete. Den prognosen jämförs här med totalskörden av höstrågvete och vårrågvete. Utfallet som redovisas för höstrågvete 2013–2015 är utfallet för rågvete totalt.

 

För höstkorn, höstrågvete, vårrågvete, 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 större avvikelserna för just dessa grödor. Tilläggas bör också att den prognostiserade totalskörden av blandsäd systematiskt underskattas. Orsaken till detta är att prognosen, till skillnad från de slutliga skördeuppskattningarna, inte tar hänsyn till att vissa arealer baljväxt/stråsädesblandningar skördas som mogen gröda och inte som grönfoder.

Vid jämförelse av tablåerna E och F syns det att om hektarskörden överskattas så överskattas nästan alltid totalskörden. Detsamma gäller underskattning av hektar- och totalskördar. Undantaget för 2017 är havre där hektarskörden underskattas med 1 % och totalskörden överskattas med 2 %. Orsaken till sambanden är att arealerna som används vid beräkning av prognos och slutlig skörd inte skiljer sig så mycket. I Statistiskt meddelande, Jordbruksmarkens användning 2018, Preliminär statistik finns en tablå under Statistiken med kommentarer som visar hur stora skillnaderna var mellan preliminär och slutlig statistik gällande arealer 2017. Eftersom uttag av arealdata till denna prognosen är gjort senare på året än uttag till preliminära arealer är troligen skillnaden mellan uttaget till skördeprognosen och uttaget till slutliga arealer mindre än skillnaden mellan preliminär och slutlig statistik.

Bra att veta

Annan statistik

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

I början av december redovisas preliminär skörd av potatis.

Preliminär skörd av spannmål, trindsäd och oljeväxter med redovisning på län, produktionsområden och riksnivå baserade på hela urvalet (drygt 4 000 lantbruk) redovisas i mitten av december.

Slutliga resultat från skördeundersökningar år 2018 redovisas under andra kvartalet 2019. Där räknas majs till mognad in i summan av den totala spannmålsskörden, vilket inte görs i detta Statistiska meddelande.

Slutlig statistik om 2018 års grödarealer redovisas i oktober 2018.

 

Elektronisk publicering

Detta Statistiska meddelande finns kostnadsfritt åtkomligt på Jordbruksverkets webbplats http://www.jordbruksverket.se under Ta del av statistiken samt på SCB:s webbplats http://www.scb.se under Jord- och skogsbruk, fiske.

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