Statens Jordbruksverk
Sveriges officiella statistik - Statistiska meddelanden

Skördeprognos för spannmål och oljeväxter 2004

JO 29 SM 0401

 

pil.gifFörsta sidan - I korta drag pil.gifStatistiken med kommentarer
pil.gif
Fakta om statistiken
pil.gif
Kontaktpersoner, 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 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 2004.

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 1965-2003 och januari-juli 2004. 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 2004

Följande tabell visar hur nederbörden och temperaturen varit under 2004 jämfört med genomsnittet under de föregående 35 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 35 åren och s är standardavvikelsen. Värdet 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

-0.6

0.4

0.6

1.3

0.4

-1,0

-0,8

Ullared

-1.1

0.1

-0.1

0.7

-0.4

-1,5

-1,5

Växjö

-0.7

0.4

0.4

1.1

0.0

-1,0

-1,1

Visby

-0.7

0.4

0.6

1.4

0.3

-0,5

-0,5

Skara

-0.4

0.5

0.4

1.5

0.7

-0,8

-0,9

Norrköping

-0.5

0.5

0.7

1.2

0.7

-0,3

-0,6

Örebro

-0.5

0.4

0.5

1.4

0.8

-0,7

-0,7

Uppsala

-0.1

0.6

0.5

1.7

0.4

-0,5

-0,1

Söderhamn

0.0

0.7

0.4

1.2

0.3

-0,3

-0,3

Sundsvall

0.1

0.6

0.6

1.0

0.6

-0,7

-0,3

Lycksele

-0.2

0.2

0.3

1.6

0.2

-1,1

-0,5

 

Nederbörd

 

Jan

 

Feb

 

Mars

 

April

 

Maj

 

Juni

 

Juli

Malmö

0.8

-0.2

0.6

-0.5

-1.4

1,1

2,0

Ullared

0.9

0.5

1.1

-0.5

0.8

1,0

2,0

Växjö

-0.3

-0.5

0.1

-1.3

-0.1

0,6

3,2

Visby

0.0

-1.0

-0.4

-0.7

-0.1

-0,3

0,1

Skara

-1.1

0.4

-0.6

-0.8

-0.7

0,1

1,9

Norrköping

-0.1

-0.8

0.1

-0.7

0.3

0,0

1,4

Örebro

-0.6

-0.9

-0.3

-0.9

0.0

1,8

0,5

Uppsala

0.0

0.0

-0.1

-0.7

0.3

0,9

0,2

Söderhamn

-0.3

0.4

0.1

-0.8

-0.5

-0,3

0,1

Sundsvall

-0.8

-0.7

0.2

-0.7

-0.6

0,3

-0,3

Lycksele

-0.5

-0.1

-0.7

-1.1

-0.2

0,2

1,2

 

Året 2004 började med att vara kallare än normal i januari men från februari till maj har det generellt sätt varit varmare än normalt, framförallt i april månad. Juni och juli har däremot varit betydligt kallare än normalåret. I början av året var nederbörden, generellt sett, lägre än normalt för att i i juni och juli vara betydligt högre 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 2004. 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 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 svårigheter i skördeprognoserna redovisas i följande tabeller 2002 och 2003 års prognoser i förhållande till utfallet av SCB:s definitiva skördeskattningar.

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

 

2002

2003

Gröda

Prognos
kg

Utfall
kg

Skillnad
%

Prognos
Kg

Utfall
Kg

Skillnad
%

Höstvete

6 590

6 470

2

6 430

5 630

14

Vårvete

5 150

4 960

4

5 010

4 960

1

Höstråg

5 310

5 330

0

5 060

4 920

3

Höstkorn

5 480

5 390

2

5 330

4 600

16

Vårkorn

4 320

4 340

0

4 070

4 240

-4

Havre

3 950

4 100

-4

3 550

4 010

-11

Rågvete

5 040

5 540

-9

4 820

4 630

4

Blandsäd

3 370

3 580

-6

3 150

3 510

-10

 

 

 

 

 

 

 

Höstraps

2 770

2 910

-5

2 750

2 860

-4

Vårraps

1 840

2 110

-13

1 890

1 920

-2

Höstrybs

1 710

1 760

-3

1 760

1 490

18

Vårrybs

1 630

1 510

8

1 630

1 360

20

 

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

 

2002

2003

Gröda

Prognos
(tusen ton)

Utfall
(tusen ton)

Skillnad
%

Prognos
(tusen ton)

Utfall
(tusen ton)

Skillnad
%

Höstvete

1 880

1 845

2

2 340

2 049

14

Vårvete

280

268

4

240

234

15

Höstråg

130

128

1

120

118

8

Höstkorn

35

27

2

40

29

27

Vårkorn

1 780

1 751

1

1 470

1 517

-3

Havre

1 170

1 181

-1

990

1 102

-10

Rågvete

160

169

-8

220

205

7

Blandsäd

75

93

-20

80

98

-18

Summa spannmål

5 500

5 462

1

5 500

5 352

3

 

 

 

 

 

 

 

Höstraps

87

91

-4

66

67

-1

Vårraps

40

46

-12

50

51

-2

Höstrybs

3

3

-1

2

1

25

Vårrybs

20

19

8

12

11

14

Summa oljeväxter

150

159

-5

130

130

0

 

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.

För år 2002 blev den totala skörden av spannmål lika stor som enligt skördeprognosen medan prognosen överskattade skörden något 2003. Den totala skörden av oljeväxter underskattades något i prognosen 2002 medan den för 2003 blev ungefär som prognosen. Prognoserna för de stora grödorna blev i allmänhet bättre än för de små grödorna även om variationerna mellan grödorna var mycket stora för 2003.

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 2004 års grödarealer redovisas under 1:a kvartalet 2005.

Definitiva resultat från skördeundersökningar 2004 redovisas under 1:a kvartalet 2005. Skördeuppskattningarna för spannmål kommer för 2004 publiceras vid 14 % vattenhalt mot tidigare 15 %. I detta meddelande har beräkningarna gjorts vid 15 % vattenhalt.

Elektronisk publicering

Detta statistiska meddelande finns kostnadsfritt åtkomligt på Jordbruksverkets webbplats http://www.sjv.se under Statistik & fakta samt på SCB:s webbplats http://www.scb.se under Jord- och skogsbruk, fiske.

Statistiska meddelanden inom området jordbruksstatistik trycks fr.o.m. 2002 inte längre upp för distribution. I stället för att prenumerera på tryckta Statistiska meddelanden finns det möjlighet att, vid varje tillfälle som officiell jordbruksstatistik publiceras, utan avgift erhålla ett meddelande om detta per e-post tillsammans med publikationen i pdf-format. De som önskar ingå i denna form av prenumerationsservice skall sända en anmälan per e-post till gunilla.thorsell@sjv.se.

Enskilda exemplar av publikationerna kan erhållas som papperskopior till ett pris av 50 kr per exemplar. Dessa kan vid varje enskilt fall beställas från Marjatta Niemi tfn: 036 - 15 59 34, fax: 036 - 34 01 96, post: Jordbruksverket, 551 82 Jönköping, e-post: marjatta.niemi@sjv.se.

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