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 de tiges
essence principale
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
essence principale	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	0	.	0	.	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	2679	21	1649	30	1493	29	27313	7	770	39	7719	17	52	74	2826	25	40832	6	1106	22	7398	14	3674	16	1950	44	5970	21	8477	14	1090	33	1754	32	4699	17	2567	22	8869	17	4970	19	12355	11	19382	9	663	39	4925	18	175182	3
sapin	1039	30	283	39	929	39	13453	9	759	30	2226	24	34	100	238	42	1044	23	3876	16	6044	16	3634	19	231	38	1172	29	1829	16	142	60	1634	29	1466	25	1228	30	1227	29	1461	28	5897	13	1532	24	488	44	1137	19	53003	4
pin	115	60	0	.	0	.	1210	28	259	33	164	46	59	100	0	.	4802	19	187	42	151	52	113	59	66	100	530	90	203	71	251	40	324	36	273	65	149	39	331	54	271	54	136	47	4670	21	0	.	461	28	14724	10
mélèze	350	50	0	.	0	.	185	37	14	71	121	68	0	.	7	100	8562	11	7	100	73	57	7	100	0	.	52	100	433	50	31	64	7	100	14	100	211	70	6612	14	0	.	1058	45	9587	12	7	100	159	43	27496	6
arole	0	.	0	.	0	.	10	100	0	.	0	.	0	.	0	.	3971	20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	49	100	0	.	0	.	1860	22	0	.	0	.	5889	15
autres résineux	188	45	0	.	54	74	658	38	98	100	0	.	0	.	18	100	696	32	51	74	112	47	17	100	0	.	35	71	237	39	21	100	195	54	76	80	34	71	44	70	87	100	328	49	173	56	0	.	420	56	3543	14
hêtre	4159	14	235	51	400	36	15290	8	3034	20	3458	19	0	.	873	27	2902	20	3439	18	3812	16	1980	17	909	42	1517	28	6396	15	2288	22	4902	15	1936	19	1581	19	11778	13	1239	32	7440	12	2313	27	224	40	4448	14	86553	3
érable	1083	21	28	79	530	42	4686	12	943	26	1007	25	20	100	852	30	983	25	857	23	968	20	1280	30	336	32	542	64	2063	17	232	51	1454	28	887	31	923	26	1611	29	455	34	3694	17	1997	24	149	53	2030	19	29611	5
frêne	814	26	0	.	235	47	1701	19	401	34	1312	25	34	100	311	37	1055	34	612	29	493	30	242	36	521	67	166	56	1459	22	214	43	539	28	682	37	685	23	2156	24	444	42	1767	20	1508	27	101	73	849	21	18301	6
chêne	385	36	0	.	0	.	541	25	243	47	258	40	266	58	0	.	168	60	163	45	119	44	245	89	22	100	0	.	88	49	192	42	341	66	6	100	337	30	2103	25	61	75	2038	31	1142	32	7	100	345	27	9071	11
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	758	54	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9735	14	0	.	7	100	238	67	0	.	0	.	10739	13
autres feuillus	1591	19	0	.	163	56	5271	14	485	28	1285	25	167	67	375	49	7141	18	1088	27	1135	27	388	37	388	42	313	36	1478	26	123	51	752	30	1044	31	1122	35	14748	10	1054	44	2976	19	5314	14	70	61	1662	20	50132	5
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
total	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

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. 1325479. Birmensdorf, Swiss Federal Research Institute WSL

page précedente