Ohra
• Mallasohra
• Rehuohra
• Tärkkelysohra
Kaura
• Rehukaura
• Elintarvikekaura
Kevätvehnä
• Myllyvehnä
• Rehuvehnä
Syysvehnä
• Myllyvehnä
• Rehuvehnä
Öljykasvit
• Rypsi
• Rapsi
• Syysöljykasvit
Kaikki sääennusteet perustuvat säähavaintoihin. Sääasemat, satelliitit ja säähavaintopallot kautta maailman lähettävät tietoja, jotka kootaan yhteen. Maailman tehokkaimpiin kuuluvilla supertietokoneilla lasketaan näiden havaintojen pohjalta globaaleja ilmakehämalleja, joihin kaikki säänennustaminen perustuu.
Sään ennustamista vaikeuttaa epätäydellinen tieto lähtötilanteesta. Säähavaintoasemia ei ole joka paikassa, ja tiedot varsinkin yläilmakehän tilasta ovat aina puutteellisia. Mittaustulokset eivät riitä ilmakehämallin pohjaksi, vaan paljon tietoa joudutaan arvaamaan. Ennusteita huonontaa se, ettei tämän hetken tilannetta voida tietää tarpeeksi tarkasti.
Sääennusteet ovat kuitenkin aina jossain määrin epävarmoja. Ilmakehä on kaoottinen, ja sää saattaa olla vaikeasti ennustettava lyhyelläkin aikavälillä. Ennustettavuus vaihtelee voimakkaasti, välillä luotettavat ennusteet ulottuvat vain seuraavaan päivään. Välillä taas säätila on varsin luotettavasti ennustettavissa jopa yli viikon päähän.
Perinteiset sääennusteet eivät kerro kuinka varma tai epävarma ennuste kulloinkin on.
Aiemmin vain raskaassa ammattikäytössä olleet ryväsennusteet kehitettiin ratkaisemaan perinteisten ennusteiden ongelmat. Kun perinteisissä sääennusteissa malli lasketaan yhden ”paras arvaus nykyhetken tilanteesta” – pohjalta, käytetään ryväsennusteissa 50 parasta arvausta. Koko ilmakehän säämalli lasketaan siis 50 kertaa vähän eri lähtöarvoilla. Tämä 50 mallin ”ryväs” lasketaan vähän pienemmällä tarkkuudella kuin se perinteinen täyden tarkkuuden 51:mäinen malli, johon kaikki tavalliset ennusteet perustuvat. Pienempää tarkkuutta joudutaan käyttämään koska tehtävä olisi muuten liian raskas jopa maailman tehokkaimmille supertietokoneille.
Ryväsennusteiden idea on antaa säätietoja ammattimaisesti käyttävälle mahdollisimman hyvät tiedot säästä. Niiden käyttö vaatii hiukan opettelua, mutta vaivan palkaksi ne sisältävät paljon tietoa, jota perinteisistä ennusteista ei voi saada.