![]() |
![]() | |
Skördeprognos för spannmål och oljeväxter 2011 | JO 29 SM 1101 |
![]() ![]() ![]() ![]() ![]() |
Fakta om statistiken
Detta omfattar statistiken Detta omfattar statistiken
Årligen presenteras uppskattningar av skörden för de
viktigare grödorna. Dessa uppskattningar 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 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 2011. De grödor som skördeprognosen omfattar 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 1965–2010 och januari-juli 2011. 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 (februari och mars) och då främst
medeldygnstemperaturen. De variabler som förklarar variationer i avkastning av
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 högre
hektarskörd. Väderförhållandena 2011
Följande tabell visar hur nederbörden och temperaturen varit
under 2011 jämfört med genomsnittet under de föregående 40 åren. För att få
jämförbarhet mellan olika typer av väderdata beskrivs dessa i formeln (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. Tilläggas bör att om t.ex. den normerade skillnaden i
temperatur är lika för två regioner så betyder det inte nödvändigtvis att båda
regionerna har haft exakt lika stor skillnad gentemot genomsnittstemperaturen i
grader mätt. Detta eftersom skillnaden mellan årets temperatur och
genomsnittstemperaturen divideras med hur stor variationen i temperaturen varit
under dessa 40 år. Denna variation skiljer sig åt mellan varje region. T.ex.
har både Norrköping och Lycksele en normerad skillnad på 1,3 i juni vad gäller
temperaturen, vilket för Norrköpings del innebär att årets temperatur i juni
var 1,6 grader högre än genomsnittet medan den i Lycksele var 2 grader högre.
Därav är det svårt att ge en uppskattning om vad värdena i tabellen motsvarar
räknat i grader och millimeter. Tabellen ger ändå bra information om hur vädret varit
jämfört med genomsnittet. Plus eller minusvärden ger en indikation på att
temperaturen eller nederbörden varit högre eller lägre än genomsnittet samt att
höga värden (>1,5) ger en indikation på att skillnaden jämfört med
genomsnittet är relativt stor. Tablå
C. Normerad skillnad mellan årets väderdata och genomsnittsdata under de
föregående 40 åren
Året 2011 började med att vara kallare än normalt i södra
Sverige i januari och för hela landet i februari och snön låg kvar länge även i
år. Mars var nästintill normal medan april på många håll var rekordvarm.
Temperaturen var sen i maj normal för att i juni och juli övergå till att bli
lite varmare än normalt i stort sett hela landet. Nederbörden var växlande under de första månaderna. I mars var
det mindre nederbörd än vanligt i norra Sverige och på Gotland för att sedan
sprida ut sig i hela landet under april. Mellansverige bjöds på mindre regn än
normalt i maj och sedan i juni och juli har södra Sverige fått mer regn än
normalt medan man i norr fått mindre än vanligt. 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 2011. 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. ¨
De definitiva skördeuppskattningarna, som delvis
ligger till grund för denna prognos, har inte tagits fram med samma metod genom
åren. 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. Föregående års prognoser
För att belysa osäkerheten i skördeprognoserna redovisas i
följande tabeller den procentuella skillnaden mellan publicerade prognoser och
utfallet av de definitiva skördeskattningarna. Påpekas bör att i de definitiva
skördeuppskattningarna exkluderas arealer som valts att skördas som grönfoder.
Prognosen tar ingen hänsyn till detta vilket bidrar till en systematiskt
överskattning av totalskördarna. Storleken på denna överskattning varierar från
år till år beroende på hur stor andel som valts att skördas som grönfoder. Tablå
D. Skillnader i hektarskörd mellan
tidigare års prognoser och utfallet i de definitiva skördeuppskattningarna, %
Tablå
E. Skillnader i totalskörd mellan tidigare års prognoser och utfallet av de
definitiva skördeuppskattningarna, %
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. Tilläggas bör också att den prognostiserade
totalskörden för blandsäd systematiskt underskattas. Orsaken till detta är att
prognosen, till skillnad från de definitiva skördeuppskattningarna, inte tar
hänsyn till att vissa arealer baljväxt/stråsädesblandningar skördas som mogen
gröda och inte som grönfoder. Prognosen för spannmål 2010 stämde mindre bra (en överskattning
med 12 % totalt) mot de definitiva skördeuppskattningar. Prognosen bygger på
att vädret fr.o.m. augusti ska bli enligt ett normalår vilket inte var fallet
år 2010 då stora regnmängder kom i augusti som försvårade och fördröjde
skördearbetet, vilket kan vara en bidragande orsak till storleken på
överskattningen. Detsamma gäller prognosen för oljeväxter som också överskattades
gentemot utfallet (+7 %). 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 2011 års grödarealer redovisas under
1:a kvartalet 2012. Definitiva resultat från skördeundersökningar år 2011
redovisas under 2:a kvartalet 2012. Elektronisk publicering
Detta statistiska meddelande finns kostnadsfritt åtkomligt
på Jordbruksverkets webbplats http://www.jordbruksverket.se
under Statistik 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 Beskrivning av statistiken. |