Sélectionner un thème dans la liste

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)
propriété (2 classes) · essence principale
découpage régional: canton
unité: 1000 m³/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN3/IFN4
réseau: réseau 1,4 km
évolution 2004/06–2009/17
		canton
		AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
propriété (2 classes)	essence principale	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	sapin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
publique	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	137	16	15	49	16	40	280	10	9	55	182	15	1	100	61	22	615	7	57	26	67	22	47	18	21	43	97	18	136	17	38	34	85	20	117	17	39	26	149	13	53	24	292	10	269	10	18	33	113	18	2937	3
	sapin	66	21	4	67	16	46	193	13	11	43	62	24	0	.	11	41	54	22	69	16	35	25	71	19	6	56	11	45	36	23	4	57	35	24	35	22	10	59	29	30	15	32	132	12	47	24	14	36	22	26	1013	5
	pin	7	35	0	100	0	100	10	42	5	46	2	50	1	100	0	.	28	32	7	43	3	65	0	208	0	.	3	97	0	3279	5	57	3	106	-1	103	2	55	7	56	5	71	9	56	44	24	0	.	4	67	137	13
	mélèze	5	52	0	100	0	.	7	70	-1	106	4	59	0	.	1	91	131	14	0	68	0	73	0	100	0	.	1	72	8	56	2	87	4	61	1	75	3	91	72	18	0	100	16	33	143	12	0	100	3	43	378	7
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	29	21	0	.	0	.	0	.	0	.	0	100	0	100	0	.	0	.	0	.	0	.	0	62	1	100	0	.	15	30	0	.	0	.	44	16
	autres résineux	7	33	0	100	0	.	4	57	7	71	3	100	0	.	0	.	1	38	-1	137	4	62	0	100	0	.	0	100	0	2051	1	100	-1	154	0	95	3	99	1	94	0	100	16	43	0	107	0	.	-1	292	47	25
	hêtre	89	13	1	178	3	83	186	11	33	25	54	21	0	.	13	31	25	35	83	16	36	33	37	20	8	41	29	34	48	25	53	24	92	16	26	29	38	25	73	28	3	49	119	17	28	32	5	64	76	16	1196	4
	érable	21	30	3	94	-2	85	34	21	9	41	13	35	0	.	6	42	3	171	14	34	6	33	4	93	1	36	8	56	3	156	3	50	8	50	8	38	15	63	11	39	-1	154	19	29	7	45	2	51	22	33	223	10
	frêne	39	24	0	100	2	93	20	27	9	43	27	38	0	.	3	114	4	90	16	31	5	49	3	61	4	84	3	56	16	29	4	37	9	52	5	53	13	34	16	30	1	46	30	26	4	49	4	52	22	35	266	9
	chêne	19	29	0	.	0	.	16	36	3	45	7	47	4	87	0	.	0	211	3	67	2	86	1	161	0	.	1	100	1	100	7	50	6	39	-2	100	2	101	4	41	0	100	17	37	4	28	0	100	11	31	107	13
	châtaignier	0	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	4	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	50	28	0	.	0	62	1	85	0	.	0	.	50	25
	autres feuillus	26	25	0	81	0	100	27	37	6	47	19	47	1	79	6	71	47	24	12	37	4	61	2	41	2	68	0	356	5	80	2	40	10	28	3	36	13	51	64	16	3	79	28	24	25	22	0	68	13	29	318	8
	indéterminable	0	0	0	.	0	0	0	0	0	.	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	.	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	.	0	0	0	0
	total	417	9	23	41	35	36	779	7	92	17	373	12	7	68	101	19	940	6	259	12	162	16	165	13	42	29	154	15	253	13	118	18	252	12	192	14	138	18	476	8	81	20	678	7	588	7	43	26	283	11	6716	2
privée	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	17	45	20	38	61	29	509	8	2	58	81	22	0	.	8	63	158	17	32	27	138	15	83	24	8	58	14	45	121	18	10	42	3	74	26	27	83	23	8	65	15	39	97	18	55	23	11	43	109	16	1672	4
	sapin	10	62	9	45	21	48	338	10	4	57	30	34	0	.	2	75	2	64	30	26	170	14	43	23	2	67	3	72	60	23	0	.	16	45	18	37	31	31	0	100	8	46	51	26	-1	576	6	46	51	22	924	6
	pin	0	248	-1	100	0	.	4	40	-3	132	2	102	0	98	0	.	1	47	0	100	0	91	0	100	0	.	0	.	-2	124	1	107	2	56	0	.	4	59	1	114	1	71	0	60	6	63	0	.	7	31	24	30
	mélèze	0	411	0	100	0	100	3	74	0	.	0	72	0	.	0	.	12	74	0	.	3	96	0	.	0	.	0	.	1	60	0	72	0	.	0	100	1	63	2	123	0	.	4	64	47	24	0	.	2	123	70	21
	arole	0	.	0	.	0	.	1	280	0	.	0	.	0	.	0	.	0	79	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	88	0	.	0	.	3	103
	autres résineux	0	100	0	.	0	76	6	46	0	.	0	.	0	.	0	100	0	100	0	80	1	84	0	.	0	100	0	.	1	668	0	100	0	.	0	.	0	99	0	.	0	0	1	100	0	100	0	100	1	64	11	59
	hêtre	41	25	4	61	16	34	165	13	12	60	70	24	0	.	10	50	12	39	25	33	48	20	18	36	0	518	7	59	58	24	2	138	23	44	10	38	29	26	26	38	12	57	64	20	8	51	2	127	69	21	737	6
	érable	3	100	-2	105	2	91	14	44	0	300	11	35	0	72	2	65	3	65	3	54	10	35	2	120	0	269	2	64	8	94	0	100	1	168	6	36	9	47	10	57	2	54	11	38	4	44	0	59	8	40	110	14
	frêne	4	55	5	69	6	43	20	28	5	49	10	61	-1	100	-1	133	7	82	10	33	24	31	1	68	2	127	0	55	8	98	0	100	6	41	5	86	12	66	26	29	2	51	23	39	9	86	2	59	17	32	202	12
	chêne	8	47	0	.	0	100	3	33	0	79	-1	113	4	78	0	.	3	98	1	89	4	43	0	100	0	100	0	.	6	66	3	90	0	458	0	100	8	57	18	31	0	688	11	38	0	275	0	.	0	3257	71	17
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	58	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	54	34	0	.	4	100	0	560	0	.	0	.	56	32
	autres feuillus	11	37	1	280	1	56	23	24	0	102	7	46	1	76	1	68	21	30	3	39	5	41	1	43	1	80	1	59	8	37	0	100	0	111	1	205	14	45	71	20	4	68	20	34	28	26	0	129	6	47	220	9
	indéterminable	0	0	0	.	0	0	0	0	0	0	0	0	0	.	0	.	0	0	0	.	0	0	0	0	0	.	0	.	0	0	0	.	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	.	0	0
	total	94	19	37	33	108	25	1084	6	21	51	209	16	4	80	21	42	222	14	105	18	402	10	148	18	13	49	27	36	268	14	16	50	51	29	66	21	191	17	216	13	45	29	285	13	159	15	22	35	269	12	4100	3
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	153	15	35	30	77	25	785	6	11	45	264	12	1	100	68	21	771	7	89	19	205	12	131	17	29	35	111	17	257	12	48	29	88	19	142	15	121	18	156	13	69	21	389	9	325	9	29	26	221	12	4606	2
	sapin	76	20	13	37	37	34	529	8	15	35	92	19	0	.	14	36	57	21	98	13	205	12	114	14	8	46	14	39	96	17	4	57	51	22	53	19	40	28	29	30	23	26	183	11	46	26	20	29	73	17	1934	4
	pin	7	37	0	114	0	100	14	33	2	179	4	53	1	95	0	.	29	31	7	42	3	62	0	8877	0	.	3	97	-2	264	6	52	4	65	-1	103	6	46	8	50	6	63	9	54	51	22	0	.	11	32	162	12
	mélèze	6	52	0	3377	1	100	10	55	-1	106	5	55	0	.	1	91	143	14	0	68	3	86	0	100	0	.	1	72	9	50	3	75	4	61	1	68	5	68	73	18	0	100	19	30	190	11	0	100	4	53	448	7
	arole	0	.	0	.	0	.	1	280	0	.	0	.	0	.	0	.	29	21	0	.	0	.	0	.	0	.	0	100	0	100	0	.	0	.	0	.	0	.	0	62	1	100	0	.	17	28	0	.	0	.	46	16
	autres résineux	7	33	0	100	0	76	10	36	7	71	3	100	0	.	0	100	1	36	0	168	5	56	0	100	0	100	0	100	1	672	1	95	-1	154	0	95	4	92	1	94	0	100	17	41	0	86	0	100	0	4676	58	23
	hêtre	131	12	5	63	19	31	353	9	45	24	123	16	0	.	24	28	37	27	109	14	84	18	55	18	8	50	36	30	106	17	55	23	116	15	36	23	68	18	100	23	16	46	181	13	36	28	7	59	144	13	1932	3
	érable	24	29	1	492	1	296	49	20	9	46	24	25	0	72	8	36	6	84	16	30	15	25	6	74	2	65	10	48	11	81	3	50	9	48	15	26	23	44	21	34	2	102	30	23	11	33	2	41	30	26	334	8
	frêne	43	22	6	66	8	39	40	19	14	33	38	32	-1	100	1	228	11	61	26	23	29	27	4	50	6	70	4	52	24	39	4	36	15	35	9	51	25	36	43	21	3	37	52	22	13	60	6	39	39	24	468	7
	chêne	27	25	0	.	0	100	19	30	3	43	6	54	8	58	0	.	3	119	4	54	6	39	1	197	0	100	1	100	7	58	10	44	7	46	-2	105	10	50	23	26	0	196	28	27	4	37	0	100	11	33	178	10
	châtaignier	0	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	6	35	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	105	22	0	.	4	91	1	346	0	.	0	.	106	20
	autres feuillus	38	21	1	238	1	55	51	23	7	45	26	37	2	57	7	61	67	19	15	30	9	35	3	34	3	57	1	136	13	39	2	40	10	27	5	56	26	34	136	13	7	52	47	20	53	17	1	64	19	25	537	6
	indéterminable	0	0	0	.	0	0	0	0	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	.	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	511	8	60	26	144	21	1861	5	113	17	584	9	11	52	122	17	1160	5	363	9	563	9	313	11	56	25	180	14	522	10	134	17	303	11	258	12	328	12	694	7	126	16	961	6	747	6	65	21	553	8	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. 1284359. Birmensdorf, Swiss Federal Research Institute WSL

page précedente