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.

IFN5
nombre total de tiges
étages de végétation NaiS (6 classes) · état de l'arbre (vif/mort)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
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
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	±%	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	.
	vif	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	.
	mort	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	.
subalpin supérieur	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	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10250	13	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2551	29	0	.	0	.	4309	19	0	.	0	.	17110	10
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1549	22	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	199	38	0	.	0	.	531	25	0	.	0	.	2279	17
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	11798	13	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2750	28	0	.	0	.	4840	19	0	.	0	.	19388	10
subalpin	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	.
	vif	0	.	0	.	0	.	6690	17	0	.	511	100	0	.	950	55	19997	10	0	.	31	100	0	.	974	82	2221	44	1191	44	0	.	0	.	372	61	0	.	6124	18	1303	43	839	38	11784	13	0	.	0	.	52987	6
	mort	0	.	0	.	0	.	1619	28	0	.	0	.	0	.	21	75	3609	15	0	.	0	.	0	.	95	93	454	64	239	59	0	.	0	.	53	75	0	.	476	24	148	65	220	61	2829	19	0	.	0	.	9764	10
	total	0	.	0	.	0	.	8309	17	0	.	511	100	0	.	971	54	23607	10	0	.	31	100	0	.	1069	83	2676	45	1429	43	0	.	0	.	425	62	0	.	6600	17	1451	41	1059	38	14613	13	0	.	0	.	62751	6
haut-montagnard	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	.
	vif	0	.	0	.	0	.	8572	15	0	.	2410	35	0	.	772	48	31001	8	0	.	1314	43	38	100	273	71	2620	29	1677	35	0	.	0	.	1730	35	0	.	7964	16	3536	26	4543	26	23828	10	0	.	0	.	90278	5
	mort	0	.	0	.	0	.	1884	20	0	.	516	48	0	.	239	70	5275	13	0	.	430	54	0	.	30	100	314	35	380	43	0	.	0	.	466	67	0	.	1181	21	496	36	589	34	4271	15	31	100	0	.	16103	7
	total	0	.	0	.	0	.	10456	14	0	.	2926	34	0	.	1011	47	36276	8	0	.	1744	41	38	100	303	71	2934	29	2057	33	0	.	0	.	2196	34	0	.	9145	16	4032	26	5132	26	28100	10	31	100	0	.	106381	5
montagnard inférieur et supérieur	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	.
	vif	1220	33	2195	28	3803	24	39223	7	2650	26	10749	14	0	.	3779	20	8244	15	8541	14	13217	13	9629	12	3175	29	4894	22	17141	11	1286	36	7327	17	8344	15	2013	30	19010	13	4169	26	21833	9	5002	21	1501	31	7333	16	206279	3
	mort	195	40	317	40	736	28	4820	11	284	44	1672	20	0	.	1208	31	1210	21	1710	21	2430	20	716	22	303	36	532	34	2258	16	65	60	766	27	1467	21	57	52	1996	19	754	35	2856	15	883	27	262	37	1049	35	28549	5
	total	1416	33	2513	28	4540	22	44043	7	2934	26	12421	13	0	.	4987	20	9455	15	10251	14	15648	13	10345	12	3478	28	5427	22	19399	11	1351	37	8093	17	9810	15	2070	30	21006	13	4922	26	24689	9	5885	21	1763	31	8383	16	234828	3
submontagnard	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	.
	vif	11183	12	0	.	0	.	15835	10	4355	20	3880	23	0	.	0	.	1233	36	2846	22	5743	18	1913	35	0	.	562	78	2655	35	3298	23	4576	21	635	66	6637	16	0	.	1034	48	10080	15	1086	43	209	77	8969	13	86728	4
	mort	931	20	0	.	0	.	928	19	714	27	467	38	0	.	0	.	78	72	400	39	357	27	278	39	0	.	35	70	480	38	401	33	642	31	36	100	515	36	0	.	82	63	1024	21	273	48	0	.	698	25	8338	7
	total	12114	11	0	.	0	.	16762	10	5069	20	4346	23	0	.	0	.	1312	37	3246	22	6100	18	2190	33	0	.	597	77	3135	34	3699	23	5218	20	671	64	7153	16	0	.	1116	48	11104	15	1359	43	209	77	9667	13	95066	4
hyperinsubrique et collinéen	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	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	632	48	0	.	2190	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	186	100	23613	9	0	.	403	66	3706	24	0	.	132	71	30862	8
	mort	0	.	0	.	0	.	0	.	0	.	0	.	150	49	0	.	523	42	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	6455	12	0	.	84	82	959	29	0	.	7	100	8185	10
	total	0	.	0	.	0	.	0	.	0	.	0	.	782	44	0	.	2714	39	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	193	100	30068	9	0	.	487	68	4665	24	0	.	139	71	39048	7
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	.
	vif	12403	11	2195	28	3803	24	70319	5	7005	16	17550	11	632	48	5501	18	72916	5	11387	12	20305	10	11580	11	4422	28	10298	16	22663	10	4584	19	11903	13	11081	13	8836	14	59262	5	10041	16	37697	7	49715	6	1710	29	16434	10	484244	1
	mort	1126	18	317	40	736	28	9251	9	998	23	2655	17	150	49	1468	28	12245	8	2110	19	3217	17	994	19	428	34	1335	27	3358	13	467	30	1408	20	2021	22	579	32	10308	8	1480	22	4773	11	9747	9	293	35	1754	23	73219	3
	total	13529	11	2513	28	4540	22	79570	5	8003	16	20205	11	782	44	6970	17	85161	5	13497	12	23522	10	12574	11	4850	28	11633	16	26021	10	5050	19	13311	13	13102	13	9415	14	69570	5	11521	16	42470	7	59462	6	2003	29	18188	10	557462	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. 1194657. Birmensdorf, Swiss Federal Research Institute WSL

page précedente