Pino montano (Pinus mugo subsp. uncinata)
Il pino montano nella sua forma arborea (Pinus mugo subsp. uncinata; “pino uncinato”), in Svizzera è particolarmente diffuso nella parte orientale dei Grigioni. Esso è resistente al gelo e ai freddi intensi, crescendo per il 90% dei casi nel piano subalpino e per circa il 60% addirittura al di sopra dei 1800 m s.l.m. Le esigenze pedologiche del pino montano, specie prettamente eliofila, sono peraltro inferiori di quelle del pino silvestre (P. sylvestris). Di conseguenza, questa specie riesce ad affermarsi sia su suoli saturi e acidi, che su terreni molto secchi.
Un areale di distribuzione simile è quello occupato dal Pino montano nella sua forma strisciante (P. mugo subsp. mugo; “parancio”), che cresce in prevalenza in boschi a carattere arbustivo. Le due specie tendono a ibridarsi, fenomeno che spiega le indicazioni talvolta contraddittorie della letteratura sulla sua diffusione.
Fonte del testo: Brändli 1998
Frequenza: numero di alberi, provvigione
Aree di saggio IFN con presenza della/e specie selezionata/e tra il 1983 e il 2023*
* La presenza viene indicata sulla mappa con un punto, solo se la specie legnosa selezionata è stata trovata durante almeno due inventari.
Numero di alberi, provvigione e tronco di volume medio
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | 1000 n | ±% | 1000 n | ±% | 1000 n | ±% | 1000 n | ±% | 1000 n | ±% | 1000 n | ±% |
| Pinus mugo arborea | 4 | 100 | 0 | 0 | 700 | 48 | 3806 | 16 | 96 | 92 | 4606 | 15 |
| Pinus mugo prostrata | 0 | 0 | 0 | 0 | 90 | 65 | 1245 | 22 | 40 | 79 | 1375 | 21 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- numero di fusti #73
Anzahl Stämme der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti #434
Wald, der zu weniger als zwei Dritteln mit Sträuchern bedeckt ist und zu Fuss aufgesucht werden kann. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± |
| Pinus mugo arborea | 0.0 | 0.0 | 0.0 | . | 0.7 | 0.4 | 2.3 | 0.4 | 0.1 | 0.1 | 0.9 | 0.1 |
| Pinus mugo prostrata | 0.0 | . | 0.0 | . | 0.1 | 0.1 | 0.8 | 0.2 | 0.1 | 0.0 | 0.3 | 0.1 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- numero di fusti #73
Anzahl Stämme der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti #434
Wald, der zu weniger als zwei Dritteln mit Sträuchern bedeckt ist und zu Fuss aufgesucht werden kann. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | 1000 m³ | ±% | 1000 m³ | ±% | 1000 m³ | ±% | 1000 m³ | ±% | 1000 m³ | ±% | 1000 m³ | ±% |
| Pinus mugo arborea | 4 | 100 | 0 | 0 | 291 | 40 | 732 | 15 | 49 | 75 | 1077 | 15 |
| Pinus mugo prostrata | 0 | 0 | 0 | 0 | 8 | 68 | 107 | 28 | 2 | 73 | 117 | 26 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- provvigione (legno del fusto) #21
Schaftholzvolumen in Rinde der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). Dieses entspricht international dem «growing stock». Die Biaskorrektur der Tarifprobebäume kann so stark ausfallen, dass bei kleinen Baumzahlen negative Werte resultieren können. - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti #434
Wald, der zu weniger als zwei Dritteln mit Sträuchern bedeckt ist und zu Fuss aufgesucht werden kann. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | % | ± | % | ± | % | ± | % | ± | % | ± | % | ± |
| Pinus mugo arborea | 0.0 | 0.0 | 0.0 | . | 0.3 | 0.1 | 0.6 | 0.1 | 0.1 | 0.1 | 0.3 | 0.0 |
| Pinus mugo prostrata | 0.0 | . | 0.0 | . | 0.0 | 0.0 | 0.1 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- provvigione (legno del fusto) #21
Schaftholzvolumen in Rinde der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). Dieses entspricht international dem «growing stock». Die Biaskorrektur der Tarifprobebäume kann so stark ausfallen, dass bei kleinen Baumzahlen negative Werte resultieren können. - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti #434
Wald, der zu weniger als zwei Dritteln mit Sträuchern bedeckt ist und zu Fuss aufgesucht werden kann. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | m³/n | ± | m³/n | ± | m³/n | ± | m³/n | ± | m³/n | ± | m³/n | ± |
| Pinus mugo arborea | 1.16 | 0.00 | 0.00 | . | 0.42 | 0.06 | 0.19 | 0.02 | 0.52 | 0.17 | 0.23 | 0.02 |
| Pinus mugo prostrata | 0.00 | . | 0.00 | . | 0.09 | 0.03 | 0.09 | 0.01 | 0.05 | 0.01 | 0.09 | 0.01 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- provvigione (legno del fusto) #21
Schaftholzvolumen in Rinde der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). Dieses entspricht international dem «growing stock». Die Biaskorrektur der Tarifprobebäume kann so stark ausfallen, dass bei kleinen Baumzahlen negative Werte resultieren können. - numero di fusti #73
Anzahl Stämme der lebenden Bäume und Sträucher (stehende und liegende) ab 12 cm Brusthöhendurchmesser (BHD). - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti #434
Wald, der zu weniger als zwei Dritteln mit Sträuchern bedeckt ist und zu Fuss aufgesucht werden kann. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% |
| Pinus mugo arborea | 0 | 100 | 0 | 0 | 5 | 71 | 8 | 47 | 0 | 73 | 13 | 40 |
| Pinus mugo prostrata | 0 | 0 | 0 | 0 | 0 | 91 | 2 | 45 | 0 | 100 | 3 | 41 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- incremento (incremento lordo) #11
Zunahme des Schaftholzvolumens in Rinde der zwischen zwei Inventuren überlebenden Bäume und Sträucher ab 12 cm Brusthöhendurchmesser (BHD), das Schaftholzvolumen in Rinde aller eingewachsenen Bäume und Sträucher und die modellierte Zunahme des Schaftholzvolumens in Rinde der Abgänge während der halben Inventurperiode. Die Biaskorrektur der Tarifprobebäume kann so stark sein, dass bei kleinen Baumzahlen negative Werte resultieren können. Daher bei Auswertungen für kleine Kantone oder für Forstkreise die Zielgrösse «Zuwachs (Bruttozuwachs)*» verwenden. - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti IFN3/IFN4 #1429
Wald, der sowohl im LFI3 (2004-2006) als auch im LFI4 (2009-2017) zu weniger als zwei Dritteln mit Sträuchern bedeckt war und zu Fuss aufgesucht werden konnte. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.
| regione di produzione | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Giura | Altopiano | Prealpi | Alpi | Sud delle Alpi | Svizzera | |||||||
| specie arborea (60 classi) | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% | 1000 m³/anno | ±% |
| Pinus mugo arborea | 0 | 0 | 0 | 0 | 1 | 100 | 11 | 30 | 0 | 0 | 11 | 29 |
| Pinus mugo prostrata | 0 | 0 | 0 | 0 | 0 | 100 | 1 | 56 | 0 | 0 | 1 | 53 |
- idefinizioni (en tedesco)
- metodi
- scarica
- mostra la cartina
- }JSON-stat
- utilizzazione e mortalità #13
Schaftholzvolumen in Rinde aller Bäume und Sträucher ab 12 cm Brusthöhendurchmesser (BHD), die zwischen zwei Inventuren genutzt wurden, abgestorben oder verschwunden sind. Die Biaskorrektur der Tarifprobebäume kann so stark ausfallen, dass bei kleinen Baumzahlen negative Werte resultieren können. Daher bei Auswertungen für kleine Kantone oder für Forstkreise die Zielgrösse «Nutzung* und Mortalität*» verwenden. - specie arborea (60 classi) #1082
BART123 ist der "kleinste gemeinsame Nenner" der Gehölzlisten der Methoden LFI1, LFI2, LFI3 und LFI4. Die Ableitung ermöglicht einen Vergleich bezüglich Baumarten zwischen nach Methode LFI1, LFI2, LFI3 und LFI4 aufgenommenen Inventuren. Zu beachten ist, dass angenommen wurde, dass Code 9 "übrige Sträucher und Salix sp." alle übrigen Straucharten und Salix sp. enthält. - regione di produzione #49
Die Produktionsregionen sind Regionen mit ähnlichen forstlichen Wuchs- und Produktionsbedingungen, erstellt durch das damalige Bundesamt für Forstwesen für die forstliche Statistik lange vor dem ersten LFI (1983-85). Die Regionenzugehörigkeit wurde definiert über die damaligen Gemeindegrenzen nach unbekannten Kriterien. Das LFI arbeitet sei jeher mit diesen unveränderten Perimetern mit einer winzigen kleinen Ausnahme am Genfersee. In der heutigen Forststatistik (Bundesamt für Statistik, BFS) hat der Begriff Produktionsregionen in «Forstzonen» gewechselt. Diese Regionen werden vom BFS unterhalten und dabei fanden Änderungen statt. Dabei wurde vermehrt auf die Lage des Waldes innerhalb einer Gemeinde Rücksicht genommen. Für einige Gemeinden entlang des Jurabogens bedeutet dies beispielsweise, dass sie neu der Forstzone «Jura» angehören und nicht wie bisher (Produktionsregionen) dem Mittelland. Das LFI hat die alten Perimeter beibehalten, die sich heute mit diversen neuen Gemeindegrenzen nicht mehr decken. - bosco accessibile esclusi gli arbusteti IFN3/IFN4 #1429
Wald, der sowohl im LFI3 (2004-2006) als auch im LFI4 (2009-2017) zu weniger als zwei Dritteln mit Sträuchern bedeckt war und zu Fuss aufgesucht werden konnte. - reticolo 1,4 x 1,4 km #410
Stichprobennetz des LFI mit einer Maschenweite von 1,4 km. Beim 1,4-km-Netz handelt es sich um das gemeinsame Netz aller bisherigen terrestrischen Inventuren, weshalb es auch als Basisnetz bezeichnet wird.
-
Stima ed errore standard della stima
I risultati pubblicati nelle tabelle dell’IFN sono stime attribuite alle variabili che caratterizzano la foresta svizzera (parametri riguardanti la popolazione boschiva), i cui valori reali non sono noti e devono pertanto essere estrapolati (stimati) partendo dai dati del campione rilevato sulle aree di saggio dell’IFN.
Le estrapolazioni sono affette da un margine di incertezza. Ciò nonostante, la precisione delle estrapolazioni può essere stimata in modo affidabile in funzione del campione rilevato dall’IFN, che è concepito come un campione casuale. A tale scopo, in tutte le tabelle dell’IFN, accanto al valore stimato viene fornito un secondo dato, l’errore standard della stima.
La maggior parte delle tabelle presenta l'errore standard in valore percentuale («±%»). A volte, in particolare nel caso di percentuali stimate, viene indicato l'errore standard assoluto («±»). La relazione tra errore standard assoluto e l’errore standard in termini percentuali è la seguente:
errore standard percentuale = errore standard assoluto / stima x 100errore standard assoluto = errore standard percentuale × stima / 100Le informazioni e i dati sull'accessibilità e la viabilità sono il risultato di una indagine completa che ha riguardato l’intera rete viaria delle strade forestali esistenti. In questo caso, non è quindi necessario indicare un errore standard, poiché non vi è margine d’incertezza dovuto al campionamento.
-
Intervallo di confidenza della stima
Partendo dal valore stimato e dall'errore standard della stima, può essere calcolato il cosiddetto intervallo di confidenza della stima,
il cui limite inferiore è:
stima - tQ × errore standard assolutomentre il limite superiore è:
stima + tQ × errore standard assolutoSe per il calcolo si utilizza l'errore standard semplice (tQ = 1), si ottiene un intervallo di confidenza del 68%. Si può ipotizzare che il valore reale del parametro della popolazione si trovi all'interno di questo intervallo di confidenza della stima, con una probabilità del 68%. Se si utilizza l’errore standard doppio (tQ = 2), il valore reale si trova con una probabilità del 95% all'interno del cosiddetto intervallo di confidenza del 95%.
-
Significatività della stima
L'intervallo di confidenza può essere utilizzato per verificare statisticamente se il parametro della popolazione stimato è più grande o più piccolo di un determinato valore di riferimento, rispettivamente per valutare se due parametri stimati differiscono effettivamente (nella popolazione reale). A fini pratici, la procedura adottata è la seguente: se un valore di riferimento si trova all’esterno dell'intervallo di confidenza, si parte dal presupposto che il valore stimato riferito alla popolazione differisca in modo significativo da esso; se si trova invece all'interno dell’intervallo, la differenza tra il valore stimato e il valore di riferimento viene considerata come casuale e pertanto non è da ritenere come significativa. Se si vogliono confrontare due parametri di una popolazione, essi differiscono significativamente se i loro intervalli di confidenza non si sovrappongono.
-
Trattamento dei valori mancanti
Quando si calcolano dei risultati, i dati non sono sempre disponibili per tutte le combinazioni di categorie delle variabili di classificazione e della suddivisione regionale*. Nella maggior parte dei casi, questo significa che il valore stimato attraverso la variabile target non si verifica o si verifica solo molto raramente. In genere viene quindi inserito («imputato») il valore 0. Tuttavia, poiché questo valore non si basa su misurazioni dirette, l'errore standard corrispondente viene rappresentato con un punto [.]. Se nel calcolo si fa riferimento al valore presunto di 0, ad esempio per le percentuali o per alcune stime che indicano delle variazioni, non è possibile utilizzare alcun valore. In casi simili, il valore stimato e l'errore standard vengono contraddistinti da un punto [.].
Ad esempio, fino ad oggi non sono stati trovati né misurati dei pini cembri nella regione dell'Altopiano (provvigione della specie «pino cembro» in funzione della regione di produzione). Si può quindi ipotizzare che questi valori siano mancanti, poiché il pino cembro effettivamente non è presente nell'Altopiano e pertanto la sua provvigione deve inevitabilmente corrispondere al valore 0.
* Ad esempio, combinazione della categoria «pino cembro» della variabile di classificazione «specie arboree» e della categoria «Altopiano» della suddivisione regionale.
-
Variazioni
Nell'IFN ci sono due tipi di variazioni:
Il primo tipo concerne variabili target specifiche per componenti di variazione, come “incremento”, “utilizzazione”, “mortalità” o “alberi scomparsi”. Queste variabili target sono disponibili solo per due cicli di misurazione successivi, per esempio per il periodo IFN3-IFN4. Quando si valutano le componenti di variazione, la categoria della variabile di classificazione del secondo ciclo di misurazione viene assegnata anche a quella del primo ciclo di misurazione. Queste elaborazioni non tengono pertanto conto del cambiamento di una categoria (ad esempio da proprietà privata a proprietà pubblica) avvenuta tra un inventario e quello successivo.
Nel secondo tipo di variazione, si utilizza la differenza di variabili target come il numero di fusti, la provvigione o la superficie forestale, per fare un bilancio della variazione tra due cicli di misurazione. Queste variabili target vengono solitamente impiegate per rappresentare uno stato, ad esempio quello dell’IFN4, ma possono anche mostrare il cambiamento avvenuto tra due cicli di misurazione qualsiasi, per esempio tra l’IFN1 e l’IFN4. Nell’analisi di questo tipo di variazioni si tiene conto dell’eventuale cambiamento di una categoria della variabile di classificazione. Così si può ad esempio osservare che la superficie del bosco esclusi gli arbusteti è aumentata. Questo ha effetto solo per quelle variabili di classificazione le cui categorie possono effettivamente cambiare, come ad esempio l’appartenenza all’area forestale o lo stato degli alberi.