Sélectionner un thème dans la liste

page précedente

accroissement (accroissement brut) #11
Augmentation du volume du bois de tige en écorce de tous les arbres et arbustes avec un diamètre à hauteur de poitrine (DHP) d’au moins 12 cm ayant survécu entre deux inventaires, le volume du bois de tige en écorce du passage à la futaie, et l’augmentation modélisée du volume du bois de tige en écorce des pertes durant la moitié de la période d’inventaire.

étages de végétation NaiS (6 classes) #2633
Étages de végétation selon la nomenclature du guide Gestion durable des forêts de protection (NaiS; Frehner et al. 2005), ramenée à six classes. Cette variable constitue une simplification des étages altitudinaux de végétation NaiS en dix classes (NAISHSTKOMB), résultant de la fusion des classes «hyperinsubrique», «collinéen» et «collinéen avec hêtre» dans la classe «hyperinsubrique et collinéen», et des classes «montagnard inférieur», «montagnard supérieur» et «montagnard inférieur/supérieur» dans la classe «montagnard inférieur et supérieur». Les indications sont basées, d'une part, sur les étages de végétation déterminés par les experts (placettes forestières accessibles de l'IFN4 sur le réseau de 1,4 km; Arge Frehner et al. 2020) et, d'autre part, sur les étages de végétation modélisés pour la période 1981-2010 (autres placettes; Zischg et al. 2021).

essence principale #90
Espèce d'arbre et d'arbuste à partir d'un diamètre à hauteur de poitrine (DHP) de 12 cm, avec des classes individuelles pour les dix espèces ou groupes d'espèces les plus fréquents en Suisse («essences principales») et les classes «autres résineux» et «autres feuillus» pour les autres espèces. Les essences principales sont les épicéas (Picea spp.), les sapins (Abies spp.), les pins (Pinus sylvestris, P. nigra, P. strobus, P. mugo subsp. uncinata), les mélèzes (Larix spp.), l'arole (Pinus cembra), le hêtre (Fagus sylvatica), les érables (Acer spp.), les frênes (Fraxinus spp.), les chênes (Quercus spp.) et le châtaignier (Castanea sativa). Source: relevé de terrain (MID 50: Baumart)

région de production #49
Découpage de la Suisse en cinq régions (Jura, Plateau, Préalpes, Alpes et Sud des Alpes) avec des conditions de croissance et de production de bois relativement homogènes. Les régions de production ont été définies par l'Office fédéral des forêts bien avant le premier inventaire forestier national (IFN1, 1983-1985). À une petite exception près au bord du lac Léman, les frontières des régions de production suivent encore les frontières communales de l'époque. Contrairement à l'IFN, la statistique forestière gérée par l'Office fédéral de la statistique se base non pas sur les régions de production, mais sur les zones forestières, dont la délimitation est légèrement différente.

forêt accessible sans la forêt buissonnante IFN3/IFN4 #1429
Forêt couverte par des arbustes sur moins des deux tiers de sa surface et atteignable à pied, tant dans l'IFN3 (2004-2006) que dans l'IFN4 (2009-2017).

réseau 1,4 km #410
Réseau d'échantillonnage de l'IFN avec un maillage de 1,4 km. Le réseau 1,4 km est commun à tous les inventaires terrestres précédents, c'est pourquoi il est également appelé réseau de base.

Estimation et erreur standard de l’estimation

Les résultats publiés dans les tableaux IFN sont des estimations portant sur des paramètres de la forêt suisse (paramètres de population) dont les valeurs réelles ne sont pas connues et qui sont donc extrapolées (estimées) à partir des données de l’échantillon de l’IFN. Les extrapolations contiennent des incertitudes. Cependant, la précision de l’extrapolation opérée à partir de l’échantillon aléatoire de l’IFN peut être estimée de façon fiable. Pour ce faire, tous les tableaux IFN indiquent une seconde valeur à côté de l’estimation: l’erreur standard de l’estimation.

La plupart des tableaux indiquent l’erreur standard relative (« ±% »), mais parfois, surtout pour les pourcentages estimés, c’est l’erreur standard absolue (« ± ») qui est indiquée. Le rapport entre l’erreur standard absolue et relative est le suivant:

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

Les données sur la desserte sont issues d’un recensement complet des routes forestières. Dans ce cas, il n’est pas nécessaire d’indiquer d’erreur standard puisqu’il n’existe pas d’incertitude liée à l’échantillonnage.

Intervalle de confiance de l’estimation

À l’aide de l’estimation et de son erreur standard, il est possible de calculer l’intervalle de confiance de l’estimation en indiquant:

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

Si le calcul se fait avec l’erreur standard simple (tQ = 1), on obtient l’«intervalle de confiance à 68%». On peut alors admettre que la valeur réelle du paramètre de la population se situe avec une probabilité de 68% dans cet intervalle de confiance. Si l’on utilise l’erreur standard double pour le calcul (tQ = 2), la valeur réelle du paramètre se situe avec une probabilité de 95% dans l’intervalle de confiance, à savoir l’«intervalle de confiance à 95%».

Significativité de l’estimation

L’intervalle de confiance permet d’examiner statistiquement si le paramètre de population estimé est plus grand ou plus petit qu’une certaine valeur de référence, respectivement si deux paramètres de population estimés se distinguent effectivement (dans la population réelle). Dans la pratique, le processus adopté est le suivant: lorsqu’une valeur de référence est située hors de l’intervalle de confiance, on admet que la valeur estimée pour la population se distingue significativement de la référence; si la valeur de référence se situe à l’intérieur de l’intervalle, on interprète la différence entre valeur estimée et valeur de référence comme aléatoire et donc non significative. Pour comparer deux paramètres de population, on considère qu’ils se distinguent de façon significative lorsque leurs intervalles de confiances ne se superposent pas.

Traitement de valeurs manquantes

Lors du calcul des résultats, on ne dispose pas toujours de données pour toutes les combinaisons de catégories des variables de classification et du découpage régional^*. Cela indique dans la plupart des cas que le paramètre estimé à l’aide de la variable cible n’apparaît pas ou seulement très rarement. Généralement, on introduit (« impute ») alors la valeur 0. Mais comme cette valeur n’est pas issue de mesures directes, l’erreur standard correspondante est représentée par un point [.]. Lorsqu’on se réfère à la valeur supposée de 0 lors d’un calcul, par exemple pour indiquer des pourcentages ou certaines estimations de changements, il n’est pas possible d’indiquer une valeur. Dans ce cas, on introduit un point [.] pour la valeur estimée et l’erreur standard.

Par exemple, on n’a jusqu’ici ni trouvé ni mesuré d’arole sur le Plateau (volume des aroles selon les régions de production). On peut donc admettre que si les valeurs manquent, c’est que l’arole n’est effectivement pas présent dans cette région et que son volume doit y être de 0.

^* p. ex. combinaison de la catégorie « arole» de la variable de classification « essence » et de la catégorie « Plateau » du découpage régional

Changements

L’IFN distingue deux types de changements:

Le premier concerne des variables cibles spécifiques pour des composantes de changement telles que l’accroissement, l’exploitation, la mortalité ou les disparitions. Ces variables cibles ne sont disponibles que pour deux cycles d’inventaires successifs, p. ex. IFN3-IFN4. Lors de leur évaluation, la catégorie de la variable de classification du second cycle d'inventaire est attribuée à celle du premier cycle d'inventaire. Ces évaluations ne tiennent donc pas compte du changement de la catégorie d’un inventaire à l'autre (p. ex. de la propriété privée à la propriété publique).

Pour le second type de changements, on utilise les différences de variables cibles telles que le nombre de tiges, le volume sur pied ou la surface forestière afin d’établir un bilan du changement entre deux cycles d’inventaire. Ces variables cibles sont habituellement utilisées pour représenter des états, p. ex. dans l’IFN4, mais peuvent aussi révéler les changements entre deux inventaires quels qu’ils soient, p. ex. LFI1-LFI4. Lors de leur évaluation, on tient compte du changement d’une catégorie de la variable de classification. Ainsi, il est possible de constater p. ex. que la surface de la forêt sans la forêt buissonnante a augmenté. Cela n’a d’effet que pour les variables de classification qui peuvent effectivement changer de caractéristiques, p. ex. l’appartenance à la surface forestière ou l’état de l’arbre.

IFN3–IFN4
accroissement (accroissement brut)
étages de végétation NaiS (6 classes) · essence principale
découpage régional: région de production
unité: 1000 m³/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN3/IFN4
réseau: réseau 1,4 km
évolution 2004/06–2009/17
		région de production
		Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
étages de végétation NaiS (6 classes)	essence principale	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
pas d'indication	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.
	sapin	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	0	.	0	.	0	.
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.
	arole	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	.	0	.	0	.
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.
subalpin supérieur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	0	.	1	100	5	52	3	37	9	33
	sapin	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	5	48	0	73	5	47
	mélèze	0	.	0	.	0	.	70	17	27	39	96	16
	arole	0	.	0	.	0	.	37	18	0	62	37	18
	autres résineux	0	.	0	.	0	.	1	37	0	.	1	37
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	82	0	100	0	73
	indéterminable	0	.	0	.	0	.	0	0	0	.	0	0
	total	0	.	0	.	1	100	117	13	30	35	149	12
subalpin	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	1	100	56	24	460	8	55	20	574	7
	sapin	0	.	0	.	-2	100	1	47	4	71	3	97
	pin	0	.	0	.	4	96	8	32	0	.	12	38
	mélèze	0	.	0	.	0	.	121	14	45	24	165	12
	arole	0	.	0	.	1	71	11	36	0	100	12	33
	autres résineux	0	.	0	.	0	100	1	72	0	.	2	69
	hêtre	0	.	0	.	0	.	0	.	0	101	0	101
	érable	0	.	0	.	0	0	1	70	1	70	2	50
	frêne	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	71	5	28	0	53	5	26
	indéterminable	0	.	0	.	0	0	0	0	0	0	0	0
	total	0	.	1	100	60	24	608	7	105	17	774	7
haut-montagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	10	47	6	50	232	12	683	7	173	13	1107	5
	sapin	0	100	0	.	22	35	68	21	11	37	102	16
	pin	0	.	0	.	2	94	47	27	7	51	56	24
	mélèze	0	.	0	.	1	100	89	16	25	31	113	14
	arole	0	.	0	.	0	.	-1	103	0	.	-1	103
	autres résineux	0	.	0	.	0	110	0	51	0	100	1	56
	hêtre	0	.	0	.	0	100	2	56	0	472	2	104
	érable	0	62	0	102	4	49	17	28	0	4422	22	27
	frêne	0	.	0	.	0	.	5	131	14	43	19	48
	chêne	0	.	0	.	0	.	1	42	0	100	1	39
	châtaignier	0	.	0	.	0	.	0	.	1	59	1	59
	autres feuillus	0	85	0	.	3	36	80	18	23	29	105	15
	indéterminable	0	0	0	.	0	0	0	0	0	0	0	0
	total	10	47	6	49	264	11	993	6	254	11	1526	5
montagnard inférieur et supérieur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	457	8	326	10	815	6	369	10	34	39	2007	4
	sapin	378	7	222	11	600	7	107	15	28	33	1349	4
	pin	15	39	3	131	0	1194	8	82	0	.	27	36
	mélèze	0	276	6	43	4	65	19	42	11	47	38	26
	arole	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	4	93	20	42	0	321	0	98	0	.	26	38
	hêtre	322	7	202	13	314	9	139	15	105	22	1086	5
	érable	39	20	18	45	60	17	33	25	6	46	154	11
	frêne	35	17	47	24	62	19	20	38	3	70	168	11
	chêne	2	168	4	50	4	41	0	429	-2	98	8	65
	châtaignier	0	.	0	.	0	.	-1	100	3	193	1	477
	autres feuillus	27	24	13	29	18	30	39	20	37	21	131	11
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0
	total	1279	4	861	7	1877	4	731	7	225	14	4995	2
submontagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	101	15	733	7	36	31	11	57	0	.	887	6
	sapin	66	15	326	9	36	29	7	39	0	.	436	8
	pin	11	52	31	17	2	100	4	60	0	.	48	17
	mélèze	4	59	39	23	3	47	3	79	0	.	49	20
	arole	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	10	53	16	43	1	85	0	87	0	.	27	32
	hêtre	195	11	490	6	50	23	35	26	0	.	770	5
	érable	29	25	93	15	3	208	6	56	0	.	132	13
	frêne	59	17	152	12	13	37	18	42	0	.	241	9
	chêne	38	19	77	15	0	2260	6	44	0	.	121	12
	châtaignier	0	.	4	88	0	.	2	80	0	.	5	69
	autres feuillus	41	20	132	13	9	38	16	28	0	.	197	10
	indéterminable	0	0	0	0	0	.	0	0	0	.	0	0
	total	553	7	2093	4	152	17	108	18	0	.	2913	3
hyperinsubrique et collinéen	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	2	57	0	.	3	58	12	77	17	55
	sapin	0	.	0	100	0	.	0	64	0	100	1	108
	pin	0	.	2	68	0	.	13	34	1	114	16	30
	mélèze	0	.	0	.	0	.	2	46	0	269	2	71
	arole	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	1	100	1	100
	hêtre	0	.	1	266	0	.	0	100	14	43	15	45
	érable	0	.	0	72	0	.	3	75	14	48	17	41
	frêne	0	.	-5	64	0	.	2	40	31	29	27	34
	chêne	4	74	9	53	0	.	3	57	27	23	45	20
	châtaignier	0	.	0	.	0	.	1	148	108	21	108	21
	autres feuillus	0	100	3	52	0	.	4	47	91	16	98	15
	indéterminable	0	.	0	0	0	.	0	0	0	0	0	0
	total	4	74	13	58	0	.	31	21	297	10	346	10
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	570	7	1068	5	1139	5	1532	4	280	10	4606	2
	sapin	445	6	547	7	656	6	185	11	42	24	1934	4
	pin	26	31	36	18	7	62	84	18	9	46	162	12
	mélèze	4	68	45	21	8	40	304	8	108	16	448	7
	arole	0	.	0	.	1	71	47	17	0	53	46	16
	autres résineux	14	46	36	30	1	107	3	39	1	94	58	23
	hêtre	515	6	693	5	365	8	176	13	118	20	1932	3
	érable	68	15	111	15	67	19	60	17	20	37	334	8
	frêne	93	12	195	11	75	17	45	28	48	23	468	7
	chêne	43	19	91	14	4	76	9	38	25	26	178	10
	châtaignier	0	.	4	88	0	.	1	325	111	21	106	20
	autres feuillus	67	15	149	12	30	21	144	12	152	12	537	6
	indéterminable	0	0	0	0	0	0	0	0	0	0	0	0
	total	1845	3	2974	3	2354	3	2590	3	913	5	10810	1

Table citation

Abegg, M.; Ahles, P.; Allgaier Leuch, B.; Cioldi, F.; Didion, M.; Düggelin, C.; Fischer, C.; Herold, A.; Meile, R.; Rohner, B.; Rösler, E.; Speich, S.; Temperli, C.; Traub, B.,
2023: Swiss national forest inventory - Result table No. 1383104. Birmensdorf, Swiss Federal Research Institute WSL

page précedente