Sélectionner un thème dans la liste

page précedente

nombre total de tiges #3
Nombre de tiges de tous les arbres et arbustes vifs et morts (sur pied et à terre) d'au moins 12 cm de diamètre à hauteur de poitrine (DHP). Le nombre total de tiges est la somme du nombre de tiges et du nombre de tiges de bois mort.

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).

état de l'arbre (vif/mort) #1265
Classification des arbres et arbustes à partir de 12 cm de diamètre à hauteur de poitrine (DHP) selon qu'ils sont vifs ou morts. Source: relevé de terrain (MID 58: Bemerkungen, MID 1018: Baumzustand)

région économique #366
Découpage de la Suisse en 14 régions (2 dans le Jura, 3 sur le Plateau, 3 dans les Préalpes, 5 dans les régions alpines et 1 au sud des Alpes). Les régions économiques sont une subdivision des régions de production selon des points de vue économiques et géographiques.

forêt accessible sans la forêt buissonnante #434
Forêt couverte à moins des deux tiers d'arbustes et accessible à pied.

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.

IFN4
nombre total de tiges
étages de végétation NaiS (6 classes) · état de l'arbre (vif/mort)
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 2009/17
		région économique
		Ouest du Jura		Est du Jura		Ouest du Plateau		Centre du Plateau		Est du Plateau		Ouest des Préalpes		Centre des Préalpes		Est des Préalpes		Nord-ouest des Alpes		Centre des Alpes		Nord-est des Alpes		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
étages de végétation NaiS (6 classes)	état de l'arbre (vif/mort)	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	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mort	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	.
subalpin supérieur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	18	100	0	.	0	.	159	100	0	.	5018	13	7283	12	3123	16	15601	8
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	25	100	0	.	532	19	1142	26	148	29	1846	17
	total	0	.	0	.	0	.	0	.	0	.	0	.	18	100	0	.	0	.	183	100	0	.	5549	13	8425	12	3271	16	17447	8
subalpin	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	0	.	0	.	87	100	0	.	0	.	1004	36	3554	22	465	57	4409	16	947	33	1763	26	12426	10	20970	8	6896	12	52521	5
	mort	0	.	0	.	50	100	0	.	0	.	146	39	568	30	60	100	933	25	75	42	213	36	2314	14	2737	12	763	17	7858	7
	total	0	.	0	.	137	100	0	.	0	.	1150	35	4122	21	525	58	5342	16	1021	33	1976	25	14741	10	23707	8	7659	12	60380	5
haut-montagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	361	34	0	.	285	57	0	.	0	.	4731	18	5186	15	2339	19	7886	12	3372	19	1391	26	21663	7	27196	7	13448	9	87857	3
	mort	40	58	0	.	26	58	0	.	0	.	931	23	1010	24	589	36	1675	17	574	26	401	37	3711	11	3280	10	2298	15	14535	6
	total	401	32	0	.	311	56	0	.	0	.	5661	17	6196	15	2928	20	9561	12	3945	19	1792	25	25374	7	30476	7	15747	9	102392	3
montagnard inférieur et supérieur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	53760	4	4689	14	6047	14	8262	12	11634	10	13044	9	30968	5	27240	6	10176	11	7525	14	9945	11	5871	15	6475	13	21442	7	217080	2
	mort	4478	7	501	23	409	23	746	23	848	16	1943	14	3658	11	2519	10	1487	16	814	20	1381	16	1064	20	714	17	2323	13	22885	4
	total	58239	4	5191	14	6456	14	9008	12	12482	10	14988	9	34626	5	29759	6	11663	11	8340	14	11327	11	6935	15	7189	13	23765	7	239965	2
submontagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	11509	9	11631	9	10801	10	17844	7	28991	5	407	51	3918	19	2810	23	2716	25	1131	36	557	50	1647	30	670	35	0	.	94632	3
	mort	1167	13	798	18	986	16	878	13	1508	10	10	100	260	36	263	34	253	30	53	64	152	51	311	36	14	76	0	.	6654	6
	total	12676	9	12429	9	11788	10	18722	7	30499	5	418	51	4179	19	3072	23	2969	24	1184	36	709	47	1959	30	683	35	0	.	101286	3
hyperinsubrique et collinéen	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	144	71	0	.	832	35	0	.	215	61	0	.	0	.	0	.	0	.	0	.	0	.	3308	19	274	62	24514	6	29287	6
	mort	0	.	0	.	115	42	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	840	23	19	100	5590	10	6563	9
	total	144	71	0	.	947	34	0	.	215	61	0	.	0	.	0	.	0	.	0	.	0	.	4147	19	293	61	30104	6	35850	6
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	65774	3	16320	8	18052	7	26106	6	40841	4	19186	8	43645	4	32853	6	25187	7	13133	10	13656	9	49933	5	62869	4	69424	3	496978	1
	mort	5686	6	1299	14	1587	12	1624	13	2356	9	3030	11	5496	9	3431	10	4348	10	1541	15	2147	13	8772	7	7905	7	11122	6	60343	2
	total	71459	3	17619	8	19639	7	27730	6	43196	4	22217	8	49140	4	36284	6	29535	7	14674	10	15803	9	58705	4	70774	4	80545	3	557321	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. 1194639. Birmensdorf, Swiss Federal Research Institute WSL

page précedente