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 (3 classes) #2668
Étages de végétation selon la nomenclature du guide Gestion durable des forêts de protection (NaiS; Frehner et al. 2005), ramenés à trois classes. Cette variable constitue une simplification des étages altitudinaux de végétation NaiS en six classes (NAISHSTKOMB6KL), en regroupant les classes «hyperinsubrique et collinéen» et «submontagnard» dans la classe «hyperinsubrique, collinéen et submontagnard», les classes «montagnard supérieur et inférieur» et «haut-montagnard» dans la classe «montagnard», et les classes «subalpin» et «subalpin supérieur» dans la classe «subalpin». 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).

géant (oui/non) #1282
Classification des arbres et arbustes à partir de 12 cm de diamètre à hauteur de poitrine (DHP) selon leur DHP en deux classes: «non géant» (DHP jusqu'à 80 cm) et «géant» (DHP supérieur à 80 cm). Source: relevé de terrain (MID 60: Brusthöhendurchmesser, MID 62: Umfang)

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

réseau 1,4 km, sous-réseaux 1 à 5 #1746
Sous-réseaux 1, 2, 3, 4 et 5 des relevés de terrain sur le réseau d'échantillonnage avec un maillage de 1,4 km (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.

IFN5
nombre total de tiges
étages de végétation NaiS (3 classes) · géant (oui/non)
découpage régional: région de production
unité: %, sous-total
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
étages de végétation NaiS (3 classes)	géant (oui/non)	%	±	%	±	%	±	%	±	%	±	%	±
pas d'indication	pas d'indication	.	.	.	.	.	.	.	.	.	.	.	.
	non	.	.	.	.	.	.	.	.	.	.	.	.
	oui	.	.	.	.	.	.	.	.	.	.	.	.
	total	.	.	.	.	.	.	.	.	.	.	.	.
subalpin	pas d'indication	.	.	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.
	non	.	.	100.0	0.0	99.8	0.2	99.3	0.1	99.3	0.3	99.4	0.1
	oui	.	.	0.0	.	0.2	0.2	0.7	0.1	0.7	0.3	0.6	0.1
	total	.	.	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.
montagnard	pas d'indication	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.
	non	99.7	0.1	99.3	0.1	99.6	0.1	99.6	0.1	99.4	0.1	99.6	0.0
	oui	0.3	0.1	0.7	0.1	0.4	0.1	0.4	0.1	0.6	0.1	0.4	0.0
	total	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.
hyperinsubrique, collinéen, submontagnard	pas d'indication	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.
	non	99.8	0.1	99.5	0.1	99.7	0.2	99.7	0.1	99.6	0.2	99.6	0.1
	oui	0.2	0.1	0.5	0.1	0.3	0.2	0.3	0.1	0.4	0.2	0.4	0.1
	total	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.
total	pas d'indication	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.	0.0	.
	non	99.8	0.1	99.4	0.1	99.6	0.1	99.5	0.0	99.4	0.1	99.5	0.0
	oui	0.2	0.1	0.6	0.1	0.4	0.1	0.5	0.0	0.6	0.1	0.5	0.0
	total	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.	100.0	.

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. 1210615. Birmensdorf, Swiss Federal Research Institute WSL

page précedente