Sélectionner un thème dans la liste

Que représentent les chiffres ?
À quoi sert l'erreur standard ?
Quand deux résultats sont-ils statistiquement différents ?
Quand ne suffit-il pas de considérer uniquement l'erreur standard ?
Deux types d’évolutions ?
Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?
Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?
Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?
Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

1. Que représentent les chiffres ?

La plupart des tableaux présentent des résultats calculés à l'aide de méthodes statistiques à partir des données de l'inventaire par échantillonnage de l'Inventaire forestier national (IFN). Ces résultats se composent toujours de deux chiffres: 1) la valeur estimée et 2) l'erreur d'échantillonnage, appelée erreur standard.

Exemple 1 : Valeur estimée et erreur standard

IFN5

volume de bois mort (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	30	10	17	13	37	9	36	6	26	10	30	4
privée	27	17	20	12	50	10	32	8	39	13	34	5
total	29valeur estimée	9erreur standard	19	9	44	7	35	5	29	8	32	3

La plupart du temps, les tableaux indiquent l'erreur standard relative (en pourcentage « ±% »), mais parfois – pour les pourcentages estimés – l'erreur standard absolue (« ± »).

haut

2. À quoi sert l'erreur standard ?

L'erreur standard permet de délimiter des intervalles de confiance autour de la valeur estimée, qui contiennent la vraie valeur de la population avec un certain niveau de certitude statistique.

La certitude statistique est de

68% si l'intervalle de confiance est calculé à l'aide de l'erreur standard simple
(intervalle de confiance à 68% = valeur estimée ± erreur standard), et
95% si l'intervalle de confiance est calculé avec l’erreur standard double
(intervalle de confiance à 95% = valeur estimée ± 2 × erreur standard*)

Exemple 2 : Calculer les intervalles de confiance

IFN5
volume de bois mort (bois de tige)
propriété (2 classes)
découpage régional: région de production
unité: m³/ha
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	région de production
	Jura
propriété (2 classes)	m³/ha	±%
publique	30	10
privée	27	17
total	29	9

Question
Quel est l'intervalle de confiance à 68% et à 95% des estimations ci-dessus ?

Procédure

Calculer l'erreur standard absolue (= erreur standard relative × valeur estimée / 100)
Calculer les intervalles de confiance
- intervalle de confiance à 68% = estimation ± erreur standard absolue
- intervalle de confiance à 95% = estimation ± 2 × erreur standard absolue

Réponse

			étape 1	étape 2

propriété (2 classes)	volume de bois mort Jura IFN5
	valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha
publique	30	10	3	27-33	24-36
privée	27	17	5	22-32	17-37
total	29	9	3	26-32calculé avec l'erreur standard simple, c'est-à-dire 29 ± 3	23-25calculé avec l'erreur standard double, soit 29 ± 2 × 3

Dans le Jura, le volume de bois mort se situe avec une certitude statistique de 68% entre 26 et 32 m³/ha et avec une certitude statistique de 95% entre 23 et 35 m³/ha.

L'intervalle de confiance à 95% est plus grand que l'intervalle de confiance à 68%. C'est ce qui explique la plus grande certitude statistique.

Exemple 3 : Visualisation de l'intervalle de confiance à 68% et à 95%

Données : voir exemple 2

Lors de l'interprétation des résultats, il faut à chaque fois déterminer le niveau de certitude avec lequel on souhaite faire une déclaration.

Dans l'Inventaire forestier national (IFN), on se base en général sur l'intervalle de confiance à 68%.

haut

3. Quand deux résultats sont-ils statistiquement différents ?*

On peut le déterminer en comparant les intervalles de confiance de deux estimations :

Si les intervalles de confiance à 68% de deux estimations ne se chevauchent pas, on peut supposer avec une certaine certitude que les deux populations sont différentes.
Si les intervalles de confiance à 95% de deux estimations ne se chevauchent pas, on peut supposer avec une grande certitude que les deux populations sont différentes.

Exemple 4 : Interprétation de deux résultats du même inventaire

IFN5

volume des arbres vifs (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	331	3	311	3	405	4	300	3	256	5	314	2
privée	387	5	432	4	454	4	348	4	285	6	398	2
total	345	2	363	2	431	2	314	2	262	4	343	1

	cas 2						cas 1

cas 1

Question
Le volume des arbres vifs par hectare est-il plus élevé dans les Alpes qu'au Sud des Alpes ?

Procédure

Calculer les erreurs standard absolues
Calculer les intervalles de confiance en fonction du niveau de certitude souhaité :
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
Vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Alpes					Sud des Alpes
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	314	2	6	308-320	302-326	262	4	10	252-272	242-282

Ni les intervalles de confiance à 68% ni les intervalles de confiance à 95% ne se chevauchent (chiffres ).

Dans ce cas, le niveau de certitude choisi n'a aucune influence sur le résultat.

Dans l'ensemble, cela signifie qu'il existe une grande certitude statistique que le volume des arbres vifs par hectare est plus élevé dans les Alpes qu'au Sud des Alpes.

cas 2

Question
Le volume des arbres vifs par hectare est-il plus élevé sur le Plateau que dans le Jura ?

Procédure

Voir cas 1.

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Jura					Plateau
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	345	2	7	338-352	331-359	363	2	7	356-370	349-377

Les intervalles de confiance à 68% ne se chevauchent pas (paires de chiffres ).
En revanche, les intervalles de confiance à 95% se chevauchent (paires de chiffres ).

Dans ce cas, le niveau de certitude choisi a une influence sur l'interprétation des résultats : au niveau de l'intervalle de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura. Au niveau de l'intervalle de confiance à 95%, on ne peut en revanche pas tirer cette conclusion.

En considérant les deux niveaux de certitude, on peut dire qu'il existe statistiquement une certaine, mais pas une grande certitude, que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura.

Les intervalles de confiance permettent également de vérifier si une valeur estimée à l'aide de l'échantillon de l’Inventaire forestier national (IFN) s'écarte d'une valeur cible (issue par exemple de la politique forestière) ou si une évolution entre deux inventaires est statistiquement certaine.

Exemple 5 : Interprétation de deux résultats d'inventaires différents

propriété (2 classes)	volume des arbres vifs sur Plateau*
	IFN4		IFN5
	m³/ha	±%	m³/ha	±%
publique	340	3	309	3
privée	447	4	432	4
total	386	2	363	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

calculer les erreurs standard absolues
calculer les intervalles de confiance en fonction du niveau de certitude souhaité
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs sur le Plateau*
	IFN4					IFN5
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±	m³/ha	m³/ha	m³/ha	±%	±	m³/ha	m³/ha
publique	340	3	11	329-351	318-362	309	3	11	298-320	287-331
privée	447	4	16	431-463	415-479	432	4	17	415-449	398-466
total	386	2	8	378-394	370-402	363	2	9	354-372	345-381
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Les intervalles de confiance à 68% ne se chevauchent pas pour les forêts publiques (paires de chiffres ), mais ils le font pour les forêts privées et le total (paires de chiffres ). Au niveau de certitude des intervalles de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare a diminué dans les forêts publiques du Plateau. Pour les forêts privées comme pour le total, la diminution n'est pas statistiquement certaine.

Les intervalles de confiance à 95% se chevauchent dans chacune des trois catégories. Au niveau de certitude des intervalles de confiance à 95%, il n'est donc pas statistiquement certain que le volume des arbres vifs ait diminué, même pour les forêts publiques.

Voir toutefois les exemples 6 et 7, dans lesquels les évolutions entre deux inventaires sont interprétées à l'aide du bilan, qui est plus sensible.

Pour de nombreuses variables cibles, l'IFN permet de vérifier si une évolution entre deux inventaires est statistiquement certaine, non seulement en comparant les états dans les deux inventaires (voir exemple 5), mais aussi en analysant le bilan entre les deux inventaires.

Pour ce faire, il faut là aussi commencer par définir le niveau de certitude qui doit s'appliquer à l'énoncé :

Une évolution a eu lieu avec une certaine certitude si l'erreur standard relative simple du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec l'erreur standard absolue simple (intervalle de confiance à 68%) n'inclut pas la valeur 0.
Une évolution a eu lieu avec une grande certitude si la double erreur standard relative du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec la double erreur standard absolue (intervalle de confiance à 95%) n'inclut pas la valeur 0.

Exemple 6 : Interprétation des évolutions (bilans) avec l'erreur standard relative

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	m³/ha	±%
publique	-34	30
privée	-9	147
total	-23	34
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbre vifs par hectare a-t-il diminué entre l’IFN4 et l’IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Vérifier si
- l'erreur standard relative simple est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 68%)
- l'erreur standard relative double est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 95%)

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
		simple	double
	m³/ha	±%	±%
publique	-34	30	60
privée	-9	147	294
total	-23	34	68
* forêt accessible sans la forêt buissonnante IFN4/IFN5

L'erreur standard relative simple est inférieure à 100% pour les forêts publiques comme pour le total (chiffres ). En revanche, elle est supérieure à 100% (chiffres ) pour les forêts privées. Au niveau de certitude de l'intervalle de confiance à 68%, on conclut que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées.

On arrive à la même conclusion dans cet exemple avec le niveau de certitude de l’intervalle de confiance à 95%, car l’erreur standard relative double pour la forêt publique et le total est également inférieure à 100%.

Dans l'ensemble, cela signifie que la certitude statistique est élevée que le volume par hectare a diminué sur le Plateau dans les forêts publiques comme dans l'ensemble. En revanche, pour les forêts privées, la diminution du volume n'est pas statistiquement certaine (car l'erreur standard relative double et l'erreur standard relative simple sont toutes les deux inférieures à 100%).

Exemple 7 : Interprétation des évolutions (bilans) avec l'erreur standard absolue

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	%	±
publique	-10	3
privée	-2	3
total	-6	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Calculer l'intervalle de confiance sur la base du niveau de certitude défini
- intervalle de confiance à 68% avec l'erreur standard absolue simple
- intervalle de confiance à 95% avec l'erreur standard absolue double
Vérifier si l'intervalle de confiance correspondant n'inclut pas la valeur 0

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard		intervalle de confiance
		simple	double	68%	95%
	%	±	±	%	%
publique	-10	3	6	-13 à -7	-16 à -4
privée	-2	3	6	-5 à +1	-8 à +4
total	-6	2	4	-8 à -4	-10 à -2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Pour les forêts publiques comme pour le total, tant l'intervalle de confiance à 68% que celui à 95% n'incluent pas la valeur 0. Pour les deux niveaux de certitude, on arrive ainsi à la conclusion que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées (car les intervalles de confiance incluent la valeur 0).

Les évolutions (bilans) peuvent être interprétées à l'aide de l'erreur standard absolue ou relative (voir les exemples 6 et 7). Il est recommandé d'utiliser l'erreur standard absolue lorsque la valeur estimée est indiquée en pourcentage (%) dans le tableau (comme dans l'exemple 7) et l'erreur standard relative lorsque la valeur estimée est indiquée en chiffres absolus (m³, m³/ha, pc, m2) dans le tableau (comme dans l'exemple 6). Ainsi, l'erreur standard peut être directement extraite du tableau et ne doit donc pas être convertie.

Pour vérifier si une évolution est statistiquement assurée, il est recommandé d'analyser, dans la mesure du possible, le bilan entre les deux inventaires. Les bilans sont plus sensibles que les comparaisons d'état, ce qui permet de mieux détecter les différences sur le plan statistique (voir les exemples 5, 6 et 7).

haut

4. Quand ne suffit-il pas de considérer uniquement l'erreur standard ?

L'Inventaire forestier national (IFN) est un inventaire à grande échelle basé sur des échantillons, dont les placettes d'échantillonnage sont disposées sur une grille dont les mailles mesurent 1,4 km × 1,4 km. L'IFN a été conçu de manière à pouvoir prédire le volume des arbres vifs pour l'ensemble de la Suisse avec une erreur standard maximale de 1%.

Lorsque les résultats sont calculés pour des régions ou des classes individuelles, l'erreur standard augmente rapidement. Cela s'explique par le fait que pour la combinaison d'expressions de variables* choisie, le nombre de placettes d'échantillonnage et d'objets examinés (c'est-à-dire d'arbres échantillons, de plantes de la jeune forêt, de morceaux de bois mort, etc.) est nettement plus faible que pour le total.

Exemple 8 : Erreur standard et combinaison d’expression de variables

région	volume des arbres vifs
	total		érable		érable sycomore		érable plane
	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard
	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
Suisse	343	1	12	5	11	5	1	20
région de production "Plateau"	363	2	15	10	14	11	0	50
canton d'Argovie	289	7	15	20	13	20	1	63

L'erreur standard augmente avec le niveau de détail.

On peut s'attendre à des erreurs standard importantes si

les arrondissements forestiers ont été choisis comme découpage régional ou que les résultats sont calculés pour de petits cantons (p. ex. Appenzell Rhodes-Intérieures, Nidwald),
une variable de classification comportant de nombreuses classes a été choisie (p. ex. l'essence dans 56 classes),
plusieurs variables de classification ont été combinées (par exemple, l'essence principale et le stade de développement).

Des erreurs standard importantes indiquent qu'une estimation a peut-être été réalisée sur la base d'un nombre trop faible de placettes d'échantillonnage ou d'objets et que, par conséquent, le résultat de l'estimation pourrait ne pas être fiable.

Pour la variable cible « nombre de tiges de la jeune forêt avec abroutissement » (intensité de l'abroutissement), l'incertitude de l'estimation ne se traduit pas nécessairement par une erreur standard élevée. Cela s'explique par le fait que cette variable cible est une estimation sous forme de quotient** qui, en raison de la méthode de relevé, ne repose pour les essences relativement rares (p. ex. pin, mélèze, arole, chêne, châtaignier) que sur un petit nombre d’individus examinés. En conséquence, pour la valeur cible « nombre de tiges de la jeune forêt avec abroutissement », il faudrait toujours vérifier le nombre de plantes examinées sur lequel se basent les différentes valeurs estimées. En règle générale, pour chaque valeur estimée, au moins 30 plantes de la jeune forêt devraient être examinées quant à l’abroutissement pour obtenir une estimation fiable.

haut

5. Deux types d’évolutions ?

L'Inventaire forestier national (IFN) distingue deux types d’évolutions:

Le premier type concerne des variables cibles spécifiques pour des composantes d’évolution telles que l'accroissement, l'exploitation ou la mortalité. Ces variables cibles ne sont disponibles que pour deux cycles de mesure successifs, par exemple IFN4-IFN5. Lors de l'évaluation des composantes d’évolution, l’expression de la variable de classification du second cycle de mesure est généralement attribuée au premier cycle de mesure. Ces évaluations ne tiennent donc pas compte du changement de l'expression d'une variable de classification (par exemple de la propriété privée à la propriété publique) entre deux inventaires successifs.
Dans le deuxième type, la différence entre des variables cibles telles que le nombre de tiges, le volume des arbres vifs ou la surface forestière est utilisée pour dresser le bilan de l’évolution entre deux cycles de mesure. Ces variables cibles sont généralement utilisées pour représenter des états, par exemple l'IFN5, mais peuvent montrer le bilan entre deux cycles de mesure successifs ou non, par exemple l'IFN1 et l'IFN5. Dans ces évaluations, le changement de l'expression est pris en compte pour une partie des variables de classification. Il s'agit par exemple des variables de classification « état des arbres » ou « forêt, non forêt ». Ainsi, on peut voir par exemple que la surface forestière a augmenté. Pour l'autre partie des variables de classification, les expressions sont considérées comme statiques. Cela signifie que l'état le plus actuel – qu'il ait été relevé dans un cycle de mesure (p. ex. fonction prioritaire IFN5) ou qu'il provienne d'une source de données externe (p. ex. forêt protectrice [2022]) – est attribué à tous les cycles de mesure.

haut

6. Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?

Les résultats sont

additifs lorsqu'ils sont présentés en tant qu’évolution totale entre deux points de mesure. Par exemple, les exploitations indiquées en mètres cubes (m³) pour les différentes régions de production peuvent être additionnées pour obtenir l'exploitation pour la Suisse.
ne sont pas additifs s’il sont présentés en tant qu’évolution par année (p. ex. m³/an). En conséquence, les exploitations indiquées en mètres cubes par an (m³/an) pour les différentes régions de production, par exemple, ne peuvent pas être additionnées pour obtenir l'exploitation pour la Suisse.

Exemple 9 : Additivité/non-additivité des évolutions

	volume des abres vifs: évolution totale IFN4–IFN5 (1000 m³)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
zones inférieures	-3759.0	28	-4909.1	36	-1025.2	133	-317.1	195	3464.1	31	-6546.3	42
zones supérieures	574.3	117	-328.0	62	1093.0	123	7128.4	21	666.7	93	9134.3	24
total	-3184.7	40	-5237.1	34	67.9	2805	6811.3	23	4130.8	30	2588.1	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	additif

	volume des arbres vifs: évolutions par an IFN4–IFN5 (in 1000 m³/an)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
zones inférieures	-421.1	28	-560.6	36	-115.7	133	-35.9	195	389.5	31	-740.7	42
zones supérieures	64.7	117	-38.3	62	122.4	123	810.4	21	74.9	93	1032.7	24
total	-357.3	40	-598.4	34	7.6	2805	773.8	23	464.4	30	292.7	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	non additif

La non-additivité des évolutions par année provient du fait que l’évolution totale est divisée par le nombre moyen d'années qui s'écoule entre les deux mesures dans le domaine* considérée et que le nombre moyen d'années varie légèrement selon le domaine*.

Exemple 10 : Nombre moyen d'années par région

domaine		nombre moyen d’années
région de production	zones supérieures/inférieures
Plateau	-	8.75
Plateau	zones supérieures	8.56
Plateau	zones inférieures	8.76
Sud des Alpes	-	8.90
Sud des Alpes	zones supérieures	8.90
Sud des Alpes	zones inférieures	8.89
* entre les mesures de l’IFN4 et de l’IFN5 dans la forêt accessible sans la forêt buissonnante

haut

7. Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?

Lors du calcul d'un tableau de résultats, les données ne sont pas toujours disponibles pour toutes les combinaisons d'expressions de variables de classification*. Dans la plupart des cas, cela indique que le paramètre estimé à l'aide de la variable cible n'existe pas ou n'existe que très rarement. Généralement, on introduit alors la valeur 0. Mais comme cette valeur ne repose sur aucune mesure directe, l'erreur standard correspondante est représentée par un point (« . »). Si le calcul se réfère à la valeur supposée de 0, par exemple pour les pourcentages ou certaines estimations d’évolution, aucune valeur ne peut être utilisée. Dans ce cas, la valeur estimée et l'erreur standard sont représentées par un point (« . »).

Par exemple, aucun arole n'a été trouvé et mesuré jusqu'à présent par l’Inventaire forestier national (IFN) sur le Plateau (volume des aroles vifs par région de production). On peut donc supposer que les valeurs manquent parce que l'arole n'est effectivement pas présent sur le Plateau et que le volume doit donc y être nul.

haut

8. Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?

Les données de ces tableaux proviennent d'un relevé exhaustif et non d'un inventaire par échantillonnage. En conséquence, il n'est pas nécessaire d'indiquer une erreur standard puisqu'il n'y a pas d'incertitude liée à l'échantillonnage.

Par exemple, le relevé de desserte que l'Inventaire forestier national (IFN) effectue périodiquement auprès des services forestiers locaux est un relevé exhaustif.

haut

Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

Des valeurs négatives sont possibles si le résultat n'a pu être calculé qu'à partir de quelques arbres. L'estimation n'est donc pas fiable. Cela se reflète également dans l'erreur standard, qui est en général particulièrement élevée lorsque les valeurs de volume, d'accroissement ou d'exploitation sont négatives.

Les valeurs négatives sont dues au fait que, lors de la détermination du volume de bois de tige des arbres échantillons, le volume estimé uniquement sur la base du diamètre à hauteur de poitrine (DHP) est ajusté avec le volume des arbres échantillons de tarif estimé sur la base du DHP, du diamètre à 7 m de hauteur et de la hauteur des arbres. Cette procédure permet un calcul non biaisé et plus précis du volume de bois de tige. Elle peut toutefois conduire à des valeurs négatives pour toutes les variables cibles basées sur le volume de bois de tige des arbres d'échantillonnage (p. ex. volume des arbres vifs, accroissement, exploitation) si le nombre d'arbres d'échantillonnage dans une combinaison d’expressions de variables* est faible.

haut

IFN5
nombre de tiges de la jeune forêt
classe de grandeur (jeune forêt; 5 classes) · essence principale de la jeune forêt (comptage)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante, apte au boisement
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		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
classe de grandeur (jeune forêt; 5 classes)	essence principale de la jeune forêt (comptage)	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
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	.
	espèces non relevées dans tous les inventaires	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	.
hauteur 10-39 cm	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	33920	64	2806	100	7025	72	226305	22	1334	100	16130	50	0	.	7040	60	85656	26	2739	100	39650	34	40371	65	6803	84	13834	48	42056	47	8203	75	5478	61	40264	47	14866	67	2835	100	7081	53	66944	25	67543	25	4108	75	15785	37	758775	10
	sapin	54645	33	8206	72	13186	45	167004	16	4073	75	38803	30	0	.	3864	73	6680	53	50758	43	60221	32	30256	29	1191	100	9039	50	30719	34	1369	100	22299	34	98133	52	43106	39	6870	52	1209	100	126392	22	10115	74	30433	48	95694	32	914261	9
	pin	0	.	0	.	0	.	1360	100	0	.	1537	100	0	.	0	.	6827	45	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1497	100	1360	100	0	.	0	.	12582	33
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	5354	62	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1391	100	0	.	0	.	47087	97	0	.	0	.	53831	85
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6834	73	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6930	100	0	.	0	.	13764	62
	autres résineux	0	.	0	.	0	.	12276	51	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1403	100	0	.	0	.	0	.	5368	80	0	.	0	.	0	.	0	.	0	.	0	.	19047	40
	hêtre	264834	29	23851	78	4975	77	384774	34	141898	37	193361	58	0	.	34445	54	54883	38	72623	29	88777	69	96783	48	2806	100	5612	79	392774	37	81955	43	307968	40	32297	36	55661	39	138161	37	14512	61	420486	24	21522	53	0	.	165293	27	3000249	10
	érable	444213	30	23638	59	20356	70	429076	21	307844	47	93757	50	10762	100	19702	63	55482	37	193264	47	95480	45	128595	36	25399	52	2381	71	304967	34	109537	82	306523	36	61534	37	230111	35	42835	28	12674	57	352210	29	23714	36	11932	66	696207	32	4002196	10
	frêne	147113	36	0	.	57200	62	338691	32	242910	34	91986	42	9487	100	51758	46	139814	34	172220	35	86023	41	66058	64	19890	73	15181	63	224834	32	23261	40	154964	38	31210	49	233817	29	431265	30	41799	51	148003	25	394550	57	26534	48	249011	23	3397576	10
	chêne	31246	72	0	.	0	.	13737	47	35433	96	7900	62	46077	57	0	.	1418	100	1369	100	1302	100	7322	84	1633	100	0	.	10003	43	0	.	30256	68	0	.	16263	71	48152	58	0	.	178210	46	44335	29	0	.	60094	53	534750	20
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2775	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	13479	43	0	.	1209	100	0	.	0	.	0	.	17463	36
	autres feuillus	31183	41	1403	100	1191	100	172477	20	41163	59	72755	35	28460	95	19464	62	190496	16	19058	49	39720	34	52492	35	2594	71	29199	48	22498	33	2726	100	10949	50	27302	34	22152	38	43844	29	25546	34	95270	27	263600	38	3896	58	65256	65	1284692	10
	espèces non relevées dans tous les inventaires	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	1007154	21	59903	46	103932	53	1745698	15	774654	29	516229	28	94786	49	136272	33	556219	14	512032	27	411173	25	421876	25	60315	52	75247	29	1029255	24	227052	49	838437	34	290740	25	621341	25	728831	21	102821	32	1390221	14	880756	30	76904	38	1347340	20	14009186	5
hauteur 40-129 cm	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	38814	52	1515	100	505	100	102268	20	2590	68	9287	39	0	.	1478	58	113982	22	493	100	62927	54	5613	51	3521	87	7096	40	26402	26	984	71	3927	53	6665	43	1937	61	4056	43	8543	35	54719	31	40288	29	2469	82	13580	51	513659	11
	sapin	40452	44	429	100	1013	100	94946	22	1970	79	4954	38	0	.	490	100	499	100	19686	46	16306	41	1509	73	0	.	982	100	10824	46	0	.	6422	44	4635	44	10923	48	2429	60	499	100	20682	37	3015	53	2366	82	24514	42	269542	12
	pin	0	.	0	.	0	.	1469	58	0	.	938	100	0	.	0	.	9456	63	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	458	100	0	.	1008	71	6384	86	0	.	0	.	19712	42
	mélèze	553	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	13077	35	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	458	100	0	.	0	.	14281	87	0	.	0	.	28370	47
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4955	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	917	100	0	.	0	.	3521	52	0	.	0	.	9393	30
	autres résineux	942	71	0	.	0	.	469	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1410	58
	hêtre	122789	28	37927	78	11406	51	255289	19	153403	47	126306	35	0	.	11274	35	26405	44	77767	30	37884	77	74659	42	7576	94	4578	55	68902	25	56567	40	111318	25	8213	44	44080	33	28644	60	13656	72	215429	21	7403	49	2020	79	114750	20	1618245	8
	érable	108114	45	1439	58	6843	58	81461	20	61140	65	39060	58	0	.	1968	61	3494	48	29660	35	8277	41	7361	42	505	100	1806	60	48070	41	6400	55	34454	62	2007	61	56881	46	5432	37	4499	53	71195	47	4974	49	11719	100	105082	26	701840	13
	frêne	28533	35	1010	100	3970	69	63914	26	19744	42	18156	47	0	.	6595	59	19890	42	12318	40	22261	53	1519	58	1017	72	4775	76	23235	38	1965	61	13039	29	5380	62	48345	38	55178	47	5923	78	37851	31	13012	35	2930	58	52937	28	463496	10
	chêne	473	100	0	.	0	.	2673	45	0	.	469	100	12685	100	0	.	3043	58	0	.	488	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1425	74	1938	71	0	.	1975	50	7024	39	0	.	957	71	33150	40
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	564	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3062	47	0	.	0	.	0	.	0	.	0	.	3626	43
	autres feuillus	30813	40	0	.	2297	64	95410	19	10377	53	31178	57	7318	58	3250	50	64239	27	13797	37	16433	31	20100	36	505	100	5796	44	12448	26	3934	59	2005	61	11528	33	21419	32	21244	21	9843	43	39473	26	39560	24	4742	64	18388	26	486099	8
	espèces non relevées dans tous les inventaires	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	371483	24	42320	71	26033	45	697898	11	249223	41	230347	26	20003	78	25055	30	259604	15	153721	22	164576	31	110761	30	13124	61	25033	26	189881	19	69849	35	171166	23	38428	24	185009	25	123817	26	42964	35	442331	15	139462	18	26246	68	330208	17	4148541	5
DHP 0-3.9 cm	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	4418	37	518	76	889	82	38524	15	1164	100	7593	27	0	.	2292	86	43260	20	353	100	7712	27	2124	45	884	100	4969	38	7821	25	883	66	1430	59	2641	42	2954	35	4325	39	2322	45	20658	25	16926	24	2354	58	3793	37	180805	8
	sapin	10708	54	0	.	223	100	37585	26	7631	98	1537	48	0	.	176	100	730	62	4753	30	4754	30	938	52	0	.	530	74	2742	53	0	.	2168	50	4692	44	2455	50	2859	33	552	58	6770	38	3822	39	769	60	6690	61	103085	14
	pin	177	100	0	.	0	.	176	100	0	.	0	.	0	.	0	.	6396	36	0	.	0	.	0	.	0	.	0	.	176	100	0	.	0	.	529	100	0	.	844	81	0	.	363	71	2485	48	0	.	0	.	11145	25
	mélèze	399	100	0	.	0	.	187	100	177	100	0	.	0	.	0	.	7948	27	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2370	52	0	.	537	73	5232	40	0	.	0	.	16850	20
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2515	30	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1081	47	0	.	0	.	3595	25
	autres résineux	0	.	0	.	0	.	0	0	0	.	199	100	0	.	0	.	0	0	177	100	199	100	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	184	100	0	.	0	0	0	0	0	.	852	66	1612	42
	hêtre	76049	18	3526	53	7856	65	124526	18	74006	34	51296	48	0	.	3974	36	23282	46	47782	44	23654	39	26177	22	19274	93	6333	44	37997	26	23347	35	88098	23	8542	42	67848	37	11531	39	30569	90	90596	19	3791	55	7908	65	110781	22	968743	8
	érable	33520	30	182	100	4645	65	49962	25	5746	43	5580	31	176	100	333	71	1986	62	12712	38	5596	29	2182	33	182	100	565	58	8273	47	2659	64	11795	43	2061	43	13053	33	1635	48	2936	78	13703	23	3902	39	9191	89	49687	28	242259	10
	frêne	5737	55	0	.	0	0	16548	45	2326	51	897	67	878	100	2465	55	4154	48	527	58	9443	94	346	70	545	74	2843	66	956	45	177	100	3991	38	403	71	4700	59	2409	36	1159	71	3455	28	3803	43	177	100	7607	31	75547	18
	chêne	508	74	0	.	0	.	1057	41	194	100	0	.	3843	78	0	.	176	100	0	.	199	100	0	.	0	.	177	100	0	.	0	.	0	.	0	.	569	76	165	100	0	.	767	62	2115	70	0	.	0	.	9770	35
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3489	29	0	.	199	100	188	100	0	.	0	.	3876	27
	autres feuillus	10164	27	154	100	728	50	51598	16	5390	53	8184	28	7013	73	1761	45	15235	24	4665	34	6650	28	5460	43	1309	73	4101	49	8128	28	0	0	11225	47	3433	31	6362	28	12166	21	7826	28	18185	22	20783	22	4396	71	14287	41	229202	7
	espèces non relevées dans tous les inventaires	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	0	0	0	0
	total	141679	15	4381	52	14341	56	320163	11	96634	29	75286	34	11910	61	11001	39	105682	15	70970	32	58207	24	37226	20	22194	82	19517	25	66093	18	27066	32	118707	20	22300	23	97941	28	41977	15	45363	62	155232	15	64129	14	24795	45	193697	17	1846490	5
DHP 4-7.9 cm	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	1786	34	181	100	552	100	17422	14	573	62	4584	28	0	.	1655	72	19831	18	138	71	3824	24	2117	51	428	53	2331	32	5026	25	276	100	728	52	1793	30	1961	39	4081	28	2248	29	6441	19	8123	18	381	71	1190	39	87670	6
	sapin	1758	56	0	.	165	100	8182	19	1247	74	1344	33	0	.	61	100	344	45	2852	26	2200	30	416	57	71	100	486	51	426	41	69	100	1150	39	2041	46	611	46	1073	50	278	61	3402	23	1922	37	655	52	288	63	31042	9
	pin	156	70	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3739	40	0	.	0	.	0	.	0	.	138	100	0	.	0	.	0	.	72	100	0	.	774	71	0	.	76	100	1741	36	0	.	0	.	6695	26
	mélèze	380	84	0	.	0	.	207	74	0	.	0	.	0	.	0	.	2450	26	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1915	30	0	.	211	75	2375	28	0	.	66	100	7604	15
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1677	37	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	64	100	0	.	0	.	991	36	0	.	0	.	2733	26
	autres résineux	156	70	0	.	0	.	69	100	0	.	156	100	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	0	0	.	0	0	0	.	0	.	0	0	0	.	66	100	446	47
	hêtre	10445	25	334	60	158	71	9745	17	2797	33	966	37	0	.	332	54	1257	38	1456	50	3074	30	2976	30	71	100	1010	39	4089	25	1168	40	5875	27	1500	38	2131	26	4226	36	423	59	4871	19	1107	66	850	84	4750	25	65609	7
	érable	3466	28	0	.	461	52	3888	22	766	37	334	54	0	.	207	74	709	38	1889	32	486	43	890	47	87	100	246	58	411	51	276	79	1252	46	280	79	1296	48	427	41	213	58	1932	27	1331	29	0	.	2249	28	23094	9
	frêne	507	53	0	.	87	100	2088	40	214	74	631	66	137	100	275	61	354	66	301	61	286	50	281	71	568	100	784	89	465	62	69	100	201	58	87	100	866	60	668	40	0	.	640	33	563	66	71	100	804	41	10950	15
	chêne	0	0	0	.	0	.	78	100	0	.	78	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	69	100	0	.	144	71	280	62	0	.	78	100	278	61	0	.	146	71	1151	28
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	676	36	0	.	0	.	0	.	0	.	0	.	676	36
	autres feuillus	1802	28	0	.	71	100	7786	15	564	46	2312	40	146	71	416	57	4925	28	1478	43	1801	31	1062	37	211	75	409	53	1445	30	413	47	626	46	907	35	713	42	8117	18	2215	35	3722	20	7300	27	623	89	2186	29	51251	7
	espèces non relevées dans tous les inventaires	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	0	0	0
	total	20456	17	514	66	1495	51	49464	9	6160	27	10403	19	284	61	2946	46	35285	12	8113	20	11671	16	7743	22	1436	48	5403	24	11861	17	2271	33	9901	21	6680	22	7721	21	22302	13	5377	26	21372	11	25732	12	2582	46	11747	16	288921	3
DHP 8-11.9 cm	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	1125	37	0	.	294	76	8883	14	203	100	1951	31	0	.	346	60	11797	14	0	.	2036	26	488	47	147	72	1353	32	3435	24	206	58	524	66	988	35	535	47	2818	29	1259	39	2742	22	3709	18	240	78	588	40	45666	6
	sapin	533	55	0	.	71	100	3931	22	554	50	283	50	0	.	61	100	214	58	1744	29	1473	33	1001	37	60	100	288	50	757	49	0	.	484	38	1017	52	133	100	643	48	408	41	1515	36	996	39	71	100	438	60	16675	10
	pin	291	63	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1806	32	0	.	78	100	0	.	0	.	0	.	0	.	0	.	0	.	72	100	0	.	709	73	217	100	0	.	1405	35	0	.	0	.	4579	21
	mélèze	225	76	0	.	0	.	426	69	0	.	174	100	0	.	0	.	1546	29	0	.	0	.	0	.	0	.	0	.	60	100	0	.	68	100	0	.	0	.	1751	35	0	.	150	71	1772	22	0	.	0	.	6172	15
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1477	30	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	354	60	0	.	0	.	1831	27
	autres résineux	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	0	0	.	78	100	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	0	0	.	69	100	0	.	0	.	0	0	147	71
	hêtre	2778	25	142	100	71	100	5233	16	1367	35	607	47	0	.	70	100	373	60	1129	34	1215	34	855	33	0	.	552	66	1761	32	958	44	1456	49	495	43	685	37	3491	23	281	50	2486	23	122	100	154	71	1877	28	28160	7
	érable	1141	32	71	100	0	.	1828	25	412	47	427	100	0	.	344	53	510	88	661	46	278	50	709	44	0	.	0	.	434	47	0	.	66	100	0	0	497	47	491	47	69	100	1285	33	849	31	0	.	626	37	10699	11
	frêne	268	61	0	.	0	0	1095	46	0	.	573	80	0	.	0	.	138	100	149	71	0	.	0	.	0	.	174	100	138	71	0	.	68	100	70	100	200	74	442	41	0	.	690	63	424	47	71	100	66	100	4567	20
	chêne	367	45	0	.	0	.	71	100	0	.	78	100	0	.	0	.	0	.	138	100	78	100	0	.	0	.	0	.	0	0	0	.	76	100	0	.	0	.	136	71	0	.	743	100	628	46	0	.	389	82	2703	33
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	365	45	0	.	0	.	0	.	0	.	0	.	365	45
	autres feuillus	1189	34	0	.	71	100	2842	20	69	100	549	44	0	.	413	47	2366	37	490	42	1065	40	230	75	276	100	385	45	610	50	0	.	351	45	221	58	647	41	5122	17	1060	47	1771	27	3306	20	71	100	835	35	23940	8
	espèces non relevées dans tous les inventaires	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	0
	total	7918	16	213	75	508	50	24310	9	2605	26	4642	22	0	.	1234	33	20227	11	4311	20	6301	19	3283	21	484	62	2752	25	7195	16	1164	38	3093	34	2864	25	2697	22	15968	11	3293	27	11451	14	13566	11	607	44	4820	19	145505	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	80063	50	5020	87	9265	57	393402	17	5864	62	39545	26	0	.	12810	45	274526	17	3723	76	116148	39	50712	55	11783	76	29583	31	84740	29	10552	59	12087	36	52351	39	22252	50	18116	32	21452	29	151504	21	136589	19	9553	50	34935	33	1586575	7
	sapin	108095	30	8634	68	14658	46	311648	15	15474	67	46921	26	0	.	4652	62	8467	43	79793	33	84954	27	34119	26	1322	90	11324	43	45468	28	1438	95	32523	28	110518	47	57227	38	13875	32	2946	49	158760	19	19871	41	34294	47	127624	28	1334606	8
	pin	623	57	0	.	0	.	3005	54	0	.	2475	73	0	.	0	.	28223	33	0	.	78	100	0	.	0	.	138	100	176	100	0	.	0	.	674	80	0	.	2785	66	217	100	2943	80	13375	57	0	.	0	.	54713	23
	mélèze	1557	92	0	.	0	.	820	61	177	100	174	100	0	.	0	.	30374	23	0	.	0	.	0	.	0	.	0	.	60	100	0	.	68	100	0	.	0	.	7885	31	0	.	898	56	70747	82	0	.	66	100	112827	52
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	17458	36	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	981	100	0	.	0	.	12877	56	0	.	0	.	31317	31
	autres résineux	1097	61	0	.	0	.	12813	49	0	.	355	100	0	.	0	.	0	0	177	100	277	77	0	.	0	.	0	.	1403	100	0	.	0	.	0	0	5368	80	184	100	0	.	69	100	0	0	0	.	919	62	22662	34
	hêtre	476895	21	65780	73	24467	42	779568	21	373471	31	372536	42	0	.	50094	40	106200	30	200757	27	154604	53	201451	38	29727	86	18085	38	505523	30	163996	34	514715	28	51047	31	170404	26	186052	33	59440	64	733868	18	33946	43	10932	68	397451	17	5681006	7
	érable	590455	28	25330	56	32305	51	566213	17	375908	47	139158	49	10938	98	22554	55	62181	34	238186	40	110116	40	139737	33	26173	51	4998	54	362154	30	118871	78	354091	34	65882	35	301838	33	50820	25	20391	42	440325	28	34771	29	32843	66	853851	27	4980088	9
	frêne	182158	31	1010	100	61257	59	422337	27	265194	33	112243	38	10502	100	61093	40	164350	32	185515	33	118013	35	68204	62	22020	67	23759	58	249627	29	25472	38	172262	35	37149	43	287928	29	489963	31	48881	52	190640	22	412352	55	29783	48	310425	22	3952135	9
	chêne	32594	69	0	.	0	.	17616	38	35627	96	8524	58	62606	54	0	.	4637	66	1507	91	2067	69	7322	84	1633	100	177	100	10003	43	0	.	30401	68	0	.	18401	63	50671	55	0	.	181772	45	54380	29	0	.	61586	52	581524	19
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3339	61	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	21071	30	0	.	1409	87	188	100	0	.	0	.	26007	26
	autres feuillus	75150	28	1557	91	4358	46	330113	16	57562	47	114977	36	42937	71	25304	49	277261	15	39487	33	65670	26	79345	31	4895	52	39889	40	45130	21	7073	56	25156	32	43392	29	51292	26	90493	17	46491	27	158421	21	334549	31	13729	46	100953	44	2075185	7
	espèces non relevées dans tous les inventaires	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	0	0	0	0
	total	1548689	18	107332	52	146309	45	2837534	11	1129278	27	836908	24	126982	46	176508	28	977018	11	749147	22	651927	21	580889	22	97553	44	127952	22	1304284	20	327401	39	1141303	27	361012	22	914710	22	932894	19	199819	29	2020607	12	1123644	25	131133	41	1887810	17	20438644	4

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. 1196520. Birmensdorf, Swiss Federal Research Institute WSL

page précedente