Fakta om statistiken
Detta omfattar statistiken
Så görs statistiken
Statistikens tillförlitlighet
Bra att veta
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 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 2008.
De grödor som skörden uppskattas för är: höstvete,
vårvete, höstråg, höstkorn, vårkorn, havre, blandsäd, rågvete, höstraps,
vårraps, höstrybs och vårrybs.
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 1965-2007 och januari-juli 2008. 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 maj) och då främst
medeldygnstemperaturen. De variabler som förklarar variationer i avkastning
av vårsådda grödorna är framförallt temperaturen i april och juni. I
Götaland förklaras de vårsådda skördevariationer dessutom av nederbördsmängden
i april och juni månad medan både temperatur och nederbörd i augusti månad
förklarar skördevariationer i Norrland.
Väderförhållandena 2008
Följande tabell visar hur nederbörden och temperaturen
varit under 2008 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.
Tablå
C. Normerad skillnad mellan årets väderdata och genomsnittsdata under de
föregående 40 åren
|
Station/väder-variabel
|
|
|
|
|
|
|
|
Temperatur
|
Jan
|
Feb
|
Mars
|
April
|
Maj
|
Juni
|
Juli
|
|
Malmö
|
1,2
|
1,5
|
0,6
|
0,9
|
0,9
|
0,5
|
0,7
|
|
Ullared
|
1,2
|
1,3
|
-0,1
|
0,6
|
0,5
|
-0,4
|
0,2
|
|
Växjö
|
1,3
|
1,5
|
0,2
|
1,0
|
1,0
|
-0,3
|
0,4
|
|
Visby
|
1,3
|
1,6
|
0,6
|
1,3
|
0,4
|
0,5
|
0,3
|
|
Skara
|
1,4
|
1,4
|
0,3
|
1,2
|
0,8
|
0,1
|
0,9
|
|
Norrköping
|
1,4
|
1,5
|
0,5
|
1,6
|
1,1
|
0,3
|
0,5
|
|
Örebro
|
1,3
|
1,4
|
0,4
|
1,3
|
0,9
|
0,1
|
0,4
|
|
Uppsala
|
1,4
|
1,5
|
0,7
|
1,5
|
1,0
|
0,9
|
0,9
|
|
Söderhamn
|
1,1
|
1,3
|
0,4
|
0,8
|
0,5
|
0,7
|
0,5
|
|
Sundsvall
|
1,5
|
1,5
|
0,5
|
0,8
|
0,8
|
0,1
|
0,3
|
|
Lycksele
|
1,4
|
1,2
|
0,0
|
0,4
|
0,2
|
-0,2
|
0,2
|
|
Nederbörd
|
Jan
|
Feb
|
Mars
|
April
|
Maj
|
Juni
|
Juli
|
|
Malmö
|
0,4
|
-0,7
|
1,5
|
-0,2
|
-0,5
|
-0,9
|
-0,9
|
|
Ullared
|
2,0
|
1,7
|
3,6
|
-0,5
|
-1,6
|
0,2
|
0,6
|
|
Växjö
|
0,6
|
-0,3
|
-0,1
|
-0,7
|
-1,3
|
-0,8
|
0,4
|
|
Visby
|
-0,1
|
-1,0
|
0,7
|
-0,3
|
-1,3
|
-0,4
|
-0,9
|
|
Skara
|
1,1
|
1,4
|
0,4
|
-0,8
|
-0,7
|
0,2
|
0,6
|
|
Norrköping
|
0,3
|
0,7
|
1,2
|
-0,5
|
-0,6
|
0,1
|
1,8
|
|
Örebro
|
1,3
|
0,2
|
0,0
|
-0,6
|
-0,7
|
-0,8
|
0,0
|
|
Uppsala
|
1,1
|
0,1
|
0,5
|
0,6
|
-0,9
|
0,7
|
-1,0
|
|
Söderhamn
|
0,7
|
0,4
|
0,8
|
0,7
|
-0,6
|
-0,1
|
-0,3
|
|
Sundsvall
|
1,5
|
-0,3
|
1,3
|
-0,3
|
-1,5
|
0,1
|
-0,9
|
|
Lycksele
|
1,0
|
-0,2
|
-0,4
|
0,9
|
-1,6
|
0,6
|
-0,8
|
Året 2008 började med en varm vinter och vår för att
övergå till mer normala temperaturer i juni och juli för nästan hela
landet. Nederbörden under årets tre första månader var relativt stor i
nästan hela Sverige. Under april och maj var nederbörden generellt sätt
lägre än normalt i hela landet. Längst i söder och längst i norr fortsatte
det så även i juni och juli.
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 2008. 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.
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.
Tablå
D. Skillnader i hektarskörd mellan
tidigare års prognoser och utfall av skördeuppskattningar, %
|
Gröda
|
2003
|
2004
|
2005
|
2006
|
2007
|
|
Höstvete
|
14
|
5
|
-6
|
0
|
6
|
|
Vårvete
|
1
|
11
|
3
|
18
|
8
|
|
Höstråg
|
3
|
-4
|
2
|
1
|
-3
|
|
Höstkorn
|
16
|
3
|
-4
|
12
|
12
|
|
Vårkorn
|
-4
|
4
|
4
|
12
|
-2
|
|
Havre
|
-11
|
5
|
2
|
3
|
-3
|
|
Rågvete
|
4
|
-1
|
-8
|
-1
|
3
|
|
Blandsäd
|
-10
|
-5
|
-2
|
5
|
5
|
|
|
|
|
|
|
|
|
Höstraps
|
-4
|
-19
|
-13
|
-11
|
19
|
|
Vårraps
|
-2
|
-15
|
2
|
13
|
0
|
|
Höstrybs
|
18
|
-23
|
-10
|
19
|
27
|
|
Vårrybs
|
20
|
-3
|
12
|
32
|
11
|
Tablå
E. Skillnader i totalskörd mellan tidigare års prognoser och utfall av
skördeuppskattningar, %
|
Gröda
|
2003
|
2004
|
2005
|
2006
|
2007
|
|
Höstvete
|
14
|
6
|
-5
|
1
|
6
|
|
Vårvete
|
15
|
12
|
4
|
19
|
10
|
|
Höstråg
|
8
|
-3
|
3
|
3
|
3
|
|
Höstkorn
|
27
|
4
|
3
|
24
|
14
|
|
Vårkorn
|
-3
|
5
|
7
|
14
|
0
|
|
Havre
|
-10
|
8
|
8
|
9
|
-1
|
|
Rågvete
|
7
|
0
|
-6
|
2
|
3
|
|
Blandsäd
|
-18
|
-19
|
-25
|
-19
|
-14
|
|
Summa spannmål
|
3
|
6
|
1
|
6
|
3
|
|
|
|
|
|
|
|
|
Höstraps
|
-1
|
-17
|
-12
|
-10
|
19
|
|
Vårraps
|
-2
|
-16
|
2
|
14
|
0
|
|
Höstrybs
|
25
|
-19
|
-7
|
34
|
31
|
|
Vårrybs
|
14
|
-2
|
11
|
28
|
11
|
|
Summa
oljeväxter
|
0
|
-16
|
-6
|
-2
|
14
|
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 spannmål 2007 stämde rätt bra
(överskattning med endast 3% totalt) med de definitiva
skördeuppskattningar, medan prognosen för oljeväxter innebar en
överskattning på hela 14 % efter flera år av underskattning. En studie
av enskilda grödor visar att prognosen såväl överskattar som underskattar
de definitiva totalskördarna.
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 2008 års grödarealer redovisas
under 1:a kvartalet 2009.
Definitiva resultat från skördeundersökningar 2008
redovisas under 2:a kvartalet 2009.
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.
Mer information om statistiken och dess kvalitet ges i
en särskild Beskrivning av statistiken.
|
