L'alisier blanc ou allouchier croît surtout dans les milieux secs et calcaires, où il fait chaud en été. En Suisse, il ne fait défaut que dans certaines parties du Plateau et de la Haute-Engadine. Son aire de répartition principale se situe dans le Jura, dans la vallée du Rhône et au Sud des Alpes.
Les trois quarts des alisiers blancs croissent entre 600 et 1200 m d'altitude. La valeur centrale (médiane) des présences relevées se situe à l'étage montagnard inférieur, à 892 m. Sous forme buissonnante, l'alisier blanc accède à des zones supérieures à 1900 m. De nature peu exigeant, l'alisier blanc n'est guère présent sur les sols acides. Il en est de même pour l'alisier torminal (Sorbus torminalis), une essence beaucoup plus rare. Tout comme ce dernier, l'alisier blanc ne colonise pratiquement que les pentes et les crêtes. Il recherche les sols calcaires où la chaleur pénètre facilement. On le trouve fréquemment aussi sur les pentes rocheuses et instables.
Source du texte Brändli 1996
Fréquence: nombre de tiges, volume
Placette IFN avec présence du/des ligneux entre 1983 et 2018*
* Les ligneux sélectionnés doivent avoir été recensés pendant au moins deux périodes d’inventaire pour qu’un point apparaisse sur la carte.
région de production | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Jura | Plateau | Préalpes | Alpes | Sud des Alpes | Suisse | |||||||
essences d'arbres (60 classes) | 1000 m³ | ± % | 1000 m³ | ± % | 1000 m³ | ± % | 1000 m³ | ± % | 1000 m³ | ± % | 1000 m³ | ± % |
Sorbus aria | 304 | 20 | 39 | 35 | 53 | 27 | 155 | 24 | 80 | 19 | 632 | 12 |
total | 72855 | 2 | 90108 | 2 | 94191 | 2 | 112683 | 2 | 34308 | 3 | 404145 | 1 |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.
région de production | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Jura | Plateau | Préalpes | Alpes | Sud des Alpes | Suisse | |||||||
essences d'arbres (60 classes) | m³/n | ± % | m³/n | ± % | m³/n | ± % | m³/n | ± % | m³/n | ± % | m³/n | ± % |
Sorbus aria | 0.2 | 13.8 | 0.1 | 18.5 | 0.1 | 14.3 | 0.1 | 16.9 | 0.1 | 11.9 | 0.2 | 8.6 |
total | 0.9 | 2.0 | 1.0 | 2.1 | 1.0 | 2.0 | 0.7 | 1.7 | 0.5 | 3.1 | 0.8 | 0.9 |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.
région de production | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Jura | Plateau | Préalpes | Alpes | Sud des Alpes | Suisse | |||||||
essences d'arbres (60 classes) | 1000 n | ± % | 1000 n | ± % | 1000 n | ± % | 1000 n | ± % | 1000 n | ± % | 1000 n | ± % |
Sorbus aria | 1287 | 15 | 278 | 33 | 364 | 25 | 1156 | 19 | 584 | 17 | 3668 | 9 |
total | 84760 | 2 | 91668 | 2 | 95788 | 2 | 156045 | 2 | 67169 | 3 | 495429 | 1 |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.
région de production | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Jura | Plateau | Préalpes | Alpes | Sud des Alpes | Suisse | |||||||
essences d'arbres (60 classes) | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± |
Sorbus aria | 1.5 | 0.2 | 0.3 | 0.1 | 0.4 | 0.1 | 0.7 | 0.1 | 0.9 | 0.2 | 0.7 | 0.1 |
total | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.
région de production | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Jura | Plateau | Préalpes | Alpes | Sud des Alpes | Suisse | |||||||
essences d'arbres (60 classes) | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± |
Sorbus aria | 0.4 | 0.1 | 0.0 | 0.0 | 0.1 | 0.0 | 0.1 | 0.0 | 0.2 | 0.0 | 0.2 | 0.0 |
total | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.
région économique | ||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
ouest du Jura | est du Jura | ouest du Plateau | centre du Plateau | est du Plateau | ouest des Préalpes | centre des Préalpes | est des Préalpes | nord-ouest des Alpes | centre des Alpes | nord-est des Alpes | sud-ouest des Alpes | sud-est des Alpes | Sud des Alpes | Suisse | ||||||||||||||||
essences d'arbres (60 classes) | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± |
Sorbus aria | 1.6 | 0.3 | 1.2 | 0.4 | 0.3 | 0.2 | 0.2 | 0.1 | 0.4 | 0.2 | 0.7 | 0.4 | 0.4 | 0.1 | 0.2 | 0.1 | 0.8 | 0.3 | 1.2 | 0.5 | 1.1 | 0.7 | 0.8 | 0.2 | 0.5 | 0.2 | 0.9 | 0.2 | 0.7 | 0.1 |
total | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . | 100.0 | . |
Die in den LFI-Tabellen publizierten Ergebnisse sind Schätzungen für Grössen im Schweizer Wald (Populationsparamter) deren wahre Werte nicht bekannt sind und deshalb aus den Daten der LFI-Stichprobe hochgerechnet (geschätzt) werden müssen.
Die Hochrechnungen sind mit Unsicherheiten behaftet. Aus der als Zufallsstichprobe konzipierten LFI-Stichprobe kann die Genauigkeit der Hochrechnungen aber zuverlässig abgeschätzt werden. In allen LFI-Tabellen wird dazu neben der Schätzung selber eine zweite Zahl angegeben, der Standardfehler der Schätzung.
In den meisten Tabellen wird der prozentuale Standardfehler ausgedruckt, gelegentlich (vor allem bei geschätzten Prozenten) aber auch der absolute Standardfehler. Der Zusammenhang zwischen absolutem und prozentualem Standardfehler ist der folgende:
prozentualer Standardfehler = absoluter Standardfehler / Schätzung x 100
absoluter Standardfehler = prozentualer Standardfehler x Schätzung / 100
Mit der Schätzung selber und dem Standardfehler der Schätzung kann das sogenannte Vertrauensintervall der Schätzung
mit der unteren Grenze
Schätzung - tQ x absoluter Standardfehler
und der oberen Grenze
Schätzung + tQ x absoluter Standardfehler
Mit dem Vertrauensintervall kann statistisch geprüft werden, ob der geschätzte Populationsparameter grösser oder kleiner als ein bestimmter Referenz- oder Zielwert ist, respektive ob sich zwei geschätzte Populationsparameter tatsächlich (in der Population) unterscheiden. Für praktische Zwecke geht man folgendermassen vor: Wenn ein Referenzwert ausserhalb des Vertrauensintervalls liegt, geht man davon aus, dass sich der geschätzte Populationswert signifikant von diesem unterscheidet, liegt er innerhalb, interpretiert man die Differenz zwischen Testergebnis und Referenzwert als zufällig bzw. nicht signifikant. Will man zwei Populationsparameter vergleichen unterscheiden sich diese signifikant, wenn sich ihre Vertrauensintervalle nicht überlappen.
Im LFI gibt es zwei Arten von Veränderungen. Beim ersten Typ von Veränderungen werden spezielle Veränderungszielgrössen (Themen) definiert, wie Zuwachs, Nutzung, Abgang, Mortalität. Diese Zielgrössen (Themen) sind nur für „Veränderungsinventuren“ verfügbar, z.B. LFI3-LFI4b. Bei diesen Auswertungen wird den Befundeinheitsausprägungen für den ersten Inventurzeitpunkt die Ausprägung des zweiten Inventurzeitpunkts zugewiesen, falls sich dieser verändert hat. Diese Auswertungen berücksichtigen somit nicht den Wechsel einer Befundeinheitsausprägung von der früheren zur späteren Inventur, sondern beachten nur die Veränderung aus der (Befundeinheits-) Perspektive der aktuelleren Inventur.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen, wie Stammzahl, Vorrat oder Waldfläche benutzt, um eine Veränderung aufzuzeigen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI4b verwendet. Bei diesen Veränderungsauswertungen wird der Wechsel einer Befundeinheitsausprägung bei der Analyse berücksichtigt. So kann man z.B. sehen, dass die Waldfläche ohne Gebüschwald zugenommen hat. Dies hat nur einen Effekt bei solchen Befundeinheiten, die ihre Ausprägung auch tatsächlich wechseln können, z.B. die Zugehörigkeit zur Waldfläche oder der Baumzustand.