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 de bois mort
bois mort: résistance du bois (3 classes) · bois mort: colonisation par des arbustes (5 classes)
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
bois mort: résistance du bois (3 classes)	bois mort: colonisation par des arbustes (5 classes)	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	0	0	0	0
	0-1	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	2-10	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	>50	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	0	0	0	0
bois frais ou dur	pas d'indication	3194	10	900	21	812	22	673	20	1035	19	976	21	2510	15	2140	15	1553	18	674	20	837	23	3258	13	3313	12	6352	10	28229	4
	0-1	1355	16	616	25	325	27	276	39	556	18	451	21	1220	18	761	19	1134	19	308	35	956	33	2732	11	2844	15	3067	13	16601	5
	2-10	0	.	0	.	0	.	0	.	7	100	0	.	0	.	18	100	0	.	0	.	0	.	0	.	7	100	0	.	32	64
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	7	100
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	>50	0	.	0	.	0	.	0	.	0	.	0	.	15	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	15	100
	total	4550	9	1517	17	1137	20	950	19	1598	15	1427	18	3745	14	2919	14	2687	15	982	20	1793	22	5990	10	6171	10	9419	9	44884	3
bois pourri	pas d'indication	502	20	62	45	58	56	132	34	194	32	198	36	665	25	722	20	393	22	371	26	199	37	425	21	290	24	757	16	4968	7
	0-1	1246	15	321	25	306	28	362	26	517	24	811	19	1116	16	905	26	1107	21	278	32	491	21	2058	13	1839	15	1309	15	12666	5
	2-10	17	100	0	.	0	.	17	100	0	.	6	100	0	.	0	.	0	.	0	.	0	.	0	.	14	71	6	100	61	46
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	48	73	0	.	0	.	0	.	0	.	0	.	0	.	0	.	48	73
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	1766	13	383	24	364	26	512	21	711	20	1015	18	1829	14	1627	18	1499	17	649	27	689	21	2483	13	2142	14	2072	11	17742	4
bois en décomposition ou vermoulu	pas d'indication	176	42	7	100	20	74	37	77	7	100	33	52	185	34	116	46	89	43	110	47	39	61	79	45	51	55	283	33	1232	14
	0-1	981	15	101	46	196	34	301	22	375	25	950	24	970	17	630	22	699	29	211	32	229	29	1194	16	1183	14	1193	16	9212	6
	2-10	0	.	0	.	0	.	0	.	17	100	6	100	34	65	9	100	21	100	0	.	7	100	0	.	38	55	0	.	132	32
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	100	7	100	0	.	0	.	0	.	0	.	0	.	16	71
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	>50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	1156	14	108	44	216	33	337	21	399	25	989	23	1189	16	764	21	816	26	320	29	275	29	1274	15	1272	13	1476	15	10592	5
total	pas d'indication	3873	10	969	21	890	21	843	17	1236	17	1207	18	3361	14	2978	13	2035	15	1155	18	1075	22	3763	12	3654	11	7392	9	34429	4
	0-1	3582	10	1038	19	827	20	939	19	1448	14	2212	17	3306	12	2296	18	2940	16	797	24	1676	21	5984	10	5866	11	5569	9	38479	4
	2-10	17	100	0	.	0	.	17	100	24	77	12	71	34	65	27	75	21	100	0	.	7	100	0	.	59	41	6	100	224	24
	11-20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	100	7	100	0	.	0	.	0	.	7	100	0	.	23	58
	21-50	0	.	0	.	0	.	0	.	0	.	0	.	48	73	0	.	0	.	0	.	0	.	0	.	0	.	0	.	48	73
	>50	0	.	0	.	0	.	0	.	0	.	0	.	15	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	15	100
	total	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

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. 1411561. Birmensdorf, Swiss Federal Research Institute WSL

page précedente