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.

IFN3
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
état 2004/06
		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	.	7233	12	0	.	0	.	0	.	0	.	18	100	0	.	0	.	0	.	0	.	0	.	1030	24	125	100	0	.	4326	14	0	.	0	.	12732	8
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1028	28	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	63	36	0	.	0	.	343	25	0	.	0	.	1435	21
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8261	12	0	.	0	.	0	.	0	.	18	100	0	.	0	.	0	.	0	.	0	.	1093	24	125	100	0	.	4669	14	0	.	0	.	14166	8
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	.	5138	14	0	.	260	100	0	.	569	46	20983	8	0	.	152	77	0	.	587	67	1384	40	1145	33	0	.	0	.	175	52	0	.	4333	15	491	45	880	31	12551	11	0	.	0	.	48647	5
	mort	0	.	0	.	0	.	1174	24	0	.	0	.	0	.	117	50	2601	11	0	.	67	71	0	.	36	67	247	63	167	49	0	.	0	.	38	81	0	.	364	23	21	82	158	41	1929	16	0	.	0	.	6918	8
	total	0	.	0	.	0	.	6312	14	0	.	260	100	0	.	686	43	23583	8	0	.	220	70	0	.	623	67	1630	40	1312	32	0	.	0	.	213	51	0	.	4698	15	511	43	1037	30	14480	11	0	.	0	.	55565	5
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	.	83	100	0	.	8428	14	0	.	2342	25	0	.	536	41	30500	6	0	.	1531	30	0	.	310	49	2389	23	1094	30	0	.	0	.	1647	23	0	.	8848	11	2567	22	3620	20	21287	8	0	.	0	.	85181	4
	mort	0	.	20	100	0	.	1788	18	0	.	568	37	0	.	98	63	3306	11	0	.	169	47	0	.	74	73	334	32	541	34	0	.	0	.	471	50	0	.	987	21	429	33	432	25	2799	13	13	100	0	.	12029	6
	total	0	.	103	100	0	.	10215	13	0	.	2910	25	0	.	634	40	33806	6	0	.	1699	30	0	.	384	45	2723	23	1634	26	0	.	0	.	2118	26	0	.	9835	11	2996	22	4051	19	24086	8	13	100	0	.	97210	4
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	2610	21	2910	22	4533	17	41008	5	2521	21	11000	11	0	.	5903	18	8606	12	11753	10	12695	10	11057	9	2159	27	4541	18	18732	9	1287	29	7227	13	9144	11	2660	23	18645	8	3422	21	24449	7	6082	15	2090	23	6989	13	222020	2
	mort	220	30	179	40	451	25	3327	9	254	33	1263	17	0	.	719	22	1329	17	868	17	1538	20	339	24	200	30	379	29	1548	14	92	52	542	22	933	18	121	66	1875	15	251	29	1946	13	749	21	130	43	475	22	19727	4
	total	2830	21	3089	21	4984	17	44335	5	2775	22	12263	11	0	.	6622	18	9934	12	12621	10	14233	10	11395	10	2359	26	4919	17	20280	9	1379	29	7769	13	10077	11	2780	23	20520	8	3673	21	26394	7	6830	15	2220	22	7464	13	241746	2
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	14614	9	0	.	0	.	16021	8	4597	15	4639	16	0	.	24	100	929	35	3666	17	5156	16	1047	28	121	76	958	44	4690	18	3954	18	5918	13	592	45	8276	13	0	.	770	43	11747	10	1471	31	510	44	10537	10	100237	3
	mort	794	16	0	.	0	.	589	18	378	25	393	25	0	.	0	.	24	61	264	29	209	32	13	76	0	.	78	82	367	33	102	32	372	26	60	63	364	36	0	.	49	72	842	18	297	35	0	.	486	18	5681	7
	total	15408	9	0	.	0	.	16610	8	4975	15	5033	16	0	.	24	100	952	35	3930	17	5365	15	1060	28	121	76	1036	46	5058	18	4057	18	6289	13	653	46	8640	13	0	.	819	43	12590	10	1768	31	510	44	11023	10	105918	3
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	.	841	36	0	.	2728	24	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	95	100	22140	7	0	.	285	63	3159	19	0	.	194	74	29442	6
	mort	0	.	0	.	0	.	0	.	0	.	0	.	168	53	0	.	336	39	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	100	3725	11	0	.	9	100	567	26	0	.	10	100	4818	9
	total	0	.	0	.	0	.	0	.	0	.	0	.	1009	35	0	.	3064	23	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	99	100	25865	7	0	.	293	64	3726	19	0	.	204	75	34260	6
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	17224	8	2994	21	4533	17	70595	4	7118	12	18241	8	841	36	7032	16	70978	4	15419	8	19534	8	12104	9	3176	23	9289	13	25661	7	5242	15	13145	9	11558	10	11030	11	54997	4	7375	13	40980	5	48875	5	2600	20	17721	7	498258	1
	mort	1014	14	199	37	451	25	6877	8	632	20	2225	14	168	53	934	19	8622	7	1133	15	1983	16	352	23	310	27	1038	22	2624	12	194	30	913	17	1503	20	489	31	7014	7	750	22	3387	10	6684	8	143	40	970	14	50607	3
	total	18238	8	3193	21	4984	17	77472	4	7749	12	20466	8	1009	35	7966	16	79600	4	16552	8	21516	8	12456	9	3487	22	10327	13	28284	7	5436	15	14058	9	13061	10	11519	11	62011	4	8124	13	44366	5	55559	5	2743	20	18691	7	548866	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. 1194601. Birmensdorf, Swiss Federal Research Institute WSL

page précedente