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.

IFN2
nombre total de tiges
essence principale · état de l'arbre (vif/mort)
découpage régional: région biogéographique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 1993/95
		région biogéographique
		Jura		Plateau		nord des Alpes		ouest des Alpes centrales		est des Alpes centrales		Sud des Alpes		Suisse
essence principale	état de l'arbre (vif/mort)	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	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.
épicéa	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	22685	8	43240	6	69936	5	15369	11	28951	7	9282	11	189464	3
	mort	763	21	971	19	5927	10	2042	18	2487	17	620	22	12811	7
	total	23448	8	44211	6	75863	5	17412	11	31438	7	9903	11	202275	3
sapin	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	14972	8	15081	8	17869	7	845	36	1072	22	1261	27	51100	4
	mort	1516	18	418	26	1148	15	99	65	159	44	208	38	3548	10
	total	16488	7	15500	8	19017	7	944	34	1232	22	1468	26	54648	4
pin	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	2375	18	3317	14	1302	38	5523	20	4665	18	408	48	17590	9
	mort	133	46	134	47	255	51	1022	26	427	32	24	77	1997	17
	total	2509	17	3452	14	1557	34	6545	19	5092	18	433	48	19587	9
mélèze	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	204	40	932	22	507	29	7294	13	4241	13	5212	14	18391	7
	mort	39	100	0	.	0	.	960	27	419	32	444	28	1862	17
	total	243	43	932	22	507	29	8255	13	4660	13	5656	13	20253	7
arole	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	0	.	0	.	15	71	1390	24	2290	20	60	78	3755	15
	mort	0	.	0	.	7	100	43	61	149	49	0	.	199	39
	total	0	.	0	.	22	58	1432	25	2439	20	60	78	3954	15
autres résineux	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	423	27	895	28	384	46	52	58	195	55	233	97	2182	19
	mort	37	71	0	.	0	.	0	.	69	79	0	.	106	57
	total	460	28	895	28	384	46	52	58	264	51	233	97	2288	18
hêtre	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	27047	6	26764	6	24067	7	1288	39	2760	23	10636	14	92563	3
	mort	698	19	444	26	657	21	0	.	82	52	252	44	2134	12
	total	27745	6	27208	6	24725	7	1288	39	2842	22	10888	14	94696	3
érable	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	5011	9	4319	11	8247	9	420	34	851	34	532	29	19379	5
	mort	83	43	50	58	285	32	0	.	15	100	0	.	434	24
	total	5094	9	4369	11	8532	9	420	34	866	34	532	29	19814	5
frêne	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	3303	16	7446	10	5687	13	579	35	742	54	1315	25	19072	7
	mort	70	50	223	37	247	36	0	.	18	100	18	100	576	22
	total	3373	16	7669	10	5934	13	579	35	761	53	1333	25	19649	7
chêne	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	2041	25	5602	16	551	31	586	35	89	75	2203	25	11071	11
	mort	194	51	325	30	18	100	35	71	0	.	116	47	689	22
	total	2235	24	5927	16	568	32	621	35	89	75	2319	26	11760	11
châtaignier	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	17	100	0	.	15	100	161	66	0	.	11776	13	11969	13
	mort	0	.	0	.	0	.	0	.	0	.	2013	19	2013	19
	total	17	100	0	.	15	100	161	66	0	.	13789	13	13982	12
autres feuillus	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	4031	14	6695	11	7995	11	3573	18	3040	20	13494	11	38829	5
	mort	428	25	842	27	1205	19	284	31	629	32	1262	16	4650	10
	total	4459	13	7538	11	9200	10	3856	18	3669	20	14756	10	43479	5
indéterminable	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	82109	3	114292	3	136574	3	37082	8	48897	6	56412	5	475365	1
	mort	3963	10	3409	11	9750	8	4484	14	4454	12	4959	10	31018	4
	total	86071	3	117701	3	146324	3	41566	8	53351	6	61370	5	506383	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. 1279040. Birmensdorf, Swiss Federal Research Institute WSL

page précedente