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
volume total de bois (bois de tige)
état de l'arbre · diamètre à hauteur de poitrine (≤ ou >30 cm)
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
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
état de l'arbre	diamètre à hauteur de poitrine (≤ ou >30 cm)	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
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	.
	=30 cm	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	.
	>30 cm	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	.
sec sur pied	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	.
	=30 cm	64	31	24	46	63	39	503	15	94	37	156	24	1	100	84	42	695	13	211	27	325	30	36	28	47	47	103	30	259	23	40	49	116	39	214	32	90	42	818	13	142	26	418	22	451	15	35	65	109	33	5099	5
	>30 cm	301	31	62	51	221	51	2044	15	145	33	507	29	14	100	241	43	1234	17	548	30	788	25	342	41	103	45	164	40	796	21	258	64	228	33	339	38	132	45	837	22	333	28	958	22	1019	16	55	64	384	41	12055	6
	total	365	27	86	42	284	43	2547	13	239	26	663	24	15	100	326	34	1929	13	759	24	1113	20	378	38	150	36	266	32	1055	18	298	59	344	26	553	27	222	39	1655	13	475	24	1376	18	1471	13	91	47	493	33	17154	4
vif sur pied	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	.
	=30 cm	2346	14	322	40	765	33	11741	7	1215	19	3166	16	114	69	689	27	9211	7	1817	15	3591	13	2239	15	798	34	1657	20	3779	14	909	23	2032	15	1519	20	1832	17	9030	7	1596	19	6112	9	6989	9	306	37	3073	13	76853	2
	>30 cm	9528	12	3175	29	3911	25	52422	5	4082	19	13177	12	361	54	4703	20	42070	6	10121	13	15310	11	9124	12	2357	28	5465	19	19132	10	3807	20	7534	13	8718	15	7012	15	19135	8	5160	19	24615	8	23155	8	1238	34	13951	10	309260	1
	total	11875	11	3497	29	4676	24	64163	5	5298	17	16343	11	475	55	5392	19	51281	5	11937	12	18901	10	11363	11	3155	27	7122	17	22911	10	4716	18	9566	12	10237	14	8844	14	28166	7	6756	18	30727	7	30144	7	1544	33	17024	9	386113	1
mort à terre	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	.
	=30 cm	131	25	8	68	100	38	866	14	84	36	249	25	15	82	97	33	923	13	179	26	276	20	86	28	55	49	66	29	235	19	37	38	200	31	150	34	27	56	599	14	98	31	395	18	746	12	15	52	255	33	5894	5
	>30 cm	394	35	0	.	135	45	2445	13	256	39	687	35	0	.	189	35	2564	12	318	30	704	27	50	61	69	54	345	35	471	24	38	71	189	35	258	38	102	64	771	21	146	44	664	21	1803	14	43	100	268	32	12909	5
	total	525	28	8	68	235	39	3311	11	340	33	936	28	15	82	286	28	3487	11	497	24	981	23	136	28	123	37	411	31	706	18	75	43	389	25	408	29	129	52	1370	14	244	29	1059	16	2549	11	59	84	523	25	18802	4
vif à terre	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	.
	=30 cm	12	45	0	.	22	71	46	47	12	100	5	100	0	.	17	64	42	32	9	100	16	81	0	.	9	100	10	87	12	57	10	73	15	71	0	.	3	71	124	30	2	100	5	59	83	32	0	.	10	74	465	14
	>30 cm	48	76	23	100	52	66	18	80	0	.	0	.	0	.	17	72	24	72	17	100	0	.	0	.	0	.	27	100	72	86	18	100	9	100	25	74	0	.	55	40	0	.	0	.	29	59	0	.	76	100	510	25
	total	60	62	23	100	74	65	64	41	12	100	5	100	0	.	34	48	66	33	26	73	16	81	0	.	9	100	37	96	84	74	28	88	24	58	25	74	3	71	179	26	2	100	5	59	113	28	0	.	86	89	975	15
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	.
	=30 cm	2553	14	354	38	951	29	13156	6	1405	18	3576	15	131	64	888	24	10871	7	2216	14	4209	12	2362	15	909	33	1836	20	4286	13	995	22	2364	15	1884	19	1952	17	10572	7	1838	19	6930	9	8270	9	357	36	3446	13	88311	2
	>30 cm	10272	12	3260	29	4319	24	56929	5	4483	18	14372	11	375	54	5150	19	45892	5	11003	13	16802	11	9515	12	2528	28	6000	19	20471	10	4121	19	7959	13	9339	15	7246	15	20798	8	5639	19	26237	8	26007	8	1337	33	14679	10	334734	1
	total	12825	11	3614	29	5270	23	70085	5	5889	17	17948	11	506	55	6038	19	56763	5	13219	12	21012	10	11877	11	3437	27	7836	17	24757	10	5116	18	10324	12	11223	14	9198	13	31370	6	7477	17	33167	7	34276	7	1693	31	18125	9	423045	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. 1329408. Birmensdorf, Swiss Federal Research Institute WSL

page précedente