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 (6 classes) #2633
Étages de végétation selon la nomenclature du guide Gestion durable des forêts de protection (NaiS; Frehner et al. 2005), ramenée à six classes. Cette variable constitue une simplification des étages altitudinaux de végétation NaiS en dix classes (NAISHSTKOMB), résultant de la fusion des classes «hyperinsubrique», «collinéen» et «collinéen avec hêtre» dans la classe «hyperinsubrique et collinéen», et des classes «montagnard inférieur», «montagnard supérieur» et «montagnard inférieur/supérieur» dans la classe «montagnard inférieur et supérieur». 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).

état de l'arbre (vif/mort) #1265
Classification des arbres et arbustes à partir de 12 cm de diamètre à hauteur de poitrine (DHP) selon qu'ils sont vifs ou morts. Source: relevé de terrain (MID 58: Bemerkungen, MID 1018: Baumzustand)

région économique #366
Découpage de la Suisse en 14 régions (2 dans le Jura, 3 sur le Plateau, 3 dans les Préalpes, 5 dans les régions alpines et 1 au sud des Alpes). Les régions économiques sont une subdivision des régions de production selon des points de vue économiques et géographiques.

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 (6 classes) · état de l'arbre (vif/mort)
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		région économique
		Ouest du Jura		Est du Jura		Ouest du Plateau		Centre du Plateau		Est du Plateau		Ouest des Préalpes		Centre des Préalpes		Est des Préalpes		Nord-ouest des Alpes		Centre des Alpes		Nord-est des Alpes		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		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	±%
pas d'indication	pas d'indication	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	.
	mort	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	.
subalpin supérieur	pas d'indication	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	.	4309	19	8509	15	4291	21	17110	10
	mort	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	531	25	1378	24	370	33	2279	17
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4840	19	9887	15	4661	21	19388	10
subalpin	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	0	.	0	.	137	100	0	.	0	.	1199	49	5003	27	322	92	4618	20	1984	34	1818	37	11784	13	18562	11	7559	15	52987	6
	mort	0	.	0	.	110	100	0	.	0	.	95	48	912	42	127	100	1253	31	219	48	133	48	2829	19	3167	16	918	27	9764	10
	total	0	.	0	.	247	100	0	.	0	.	1294	47	5915	27	449	94	5871	20	2203	33	1951	36	14613	13	21729	11	8478	15	62751	6
haut-montagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	648	64	0	.	240	75	0	.	0	.	5342	24	4907	20	2341	30	8632	15	3844	25	1530	34	23828	10	26804	9	12161	12	90278	5
	mort	15	71	0	.	23	100	0	.	0	.	1050	30	966	29	669	51	1709	21	557	33	386	48	4271	15	4215	14	2241	16	16103	7
	total	664	64	0	.	264	70	0	.	0	.	6392	24	5873	20	3010	29	10341	15	4401	24	1916	33	28100	10	31020	9	14402	12	106381	5
montagnard inférieur et supérieur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	48599	5	4519	18	4822	19	9707	15	11851	12	12786	13	31108	7	24262	8	10732	13	7093	19	8544	15	5002	21	5680	18	21575	11	206279	3
	mort	5844	9	597	31	459	29	723	25	953	21	2265	18	4648	13	4109	13	1641	19	1093	26	2128	21	883	27	746	23	2460	17	28549	5
	total	54443	5	5115	19	5280	18	10430	15	12804	12	15051	12	35756	7	28371	8	12373	13	8186	19	10672	15	5885	21	6426	18	24035	12	234828	3
submontagnard	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	10913	13	10827	12	9486	15	19391	9	23515	7	170	100	3735	24	2365	36	2058	33	1533	42	415	86	1086	43	1233	36	0	.	86728	4
	mort	1595	18	1410	19	908	25	1076	17	1742	16	21	100	238	38	405	42	400	35	82	63	111	71	273	48	78	72	0	.	8338	7
	total	12508	13	12237	12	10394	15	20467	9	25256	7	191	100	3973	24	2770	36	2457	32	1616	42	526	81	1359	43	1312	37	0	.	95066	4
hyperinsubrique et collinéen	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	169	73	0	.	866	44	0	.	318	65	0	.	0	.	0	.	0	.	0	.	0	.	3706	24	89	100	25714	8	30862	8
	mort	17	100	0	.	217	46	0	.	14	71	0	.	0	.	0	.	0	.	0	.	0	.	959	29	0	.	6978	11	8185	10
	total	186	75	0	.	1083	42	0	.	332	65	0	.	0	.	0	.	0	.	0	.	0	.	4665	24	89	100	32692	8	39048	7
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	vif	60329	4	15346	10	15551	11	29098	7	35684	6	19498	11	44753	6	29290	8	26039	8	14455	13	12307	13	49715	6	60878	5	71300	4	484244	1
	mort	7472	8	2007	16	1717	17	1799	14	2708	12	3431	15	6763	11	5310	13	5002	12	1951	18	2758	18	9747	9	9585	9	12967	7	73219	3
	total	67801	4	17353	10	17269	11	30897	7	38392	6	22929	11	51517	6	34600	8	31042	8	16406	13	15065	12	59462	6	70464	5	84268	4	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. 1194660. Birmensdorf, Swiss Federal Research Institute WSL

page précedente