Sélectionner un thème dans la liste

page précedente

IFN4
nombre de tiges de bois mort
résistance du bois (3 classes) · régénération sur le bois mort
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 x 1,4 km
état 2009/17
		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
résistance du bois (3 classes)	régénération sur le bois 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	±%
bois frais/encore dur	pas de plante	2731	10	769	21	618	25	740	19	929	16	1624	18	3050	17	2219	19	1947	18	810	24	700	22	3911	13	3495	11	5660	10	29204	4
	1 plante	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6	100	18	100	0	.	7	100	37	67	84	43	8	100	160	31
	2 plantes ou plus	0	.	0	.	0	.	0	.	0	.	0	.	22	100	9	100	25	77	0	.	7	100	19	100	69	43	18	100	168	30
	total	2731	10	769	21	618	25	740	19	929	16	1624	18	3072	17	2234	20	1990	17	810	24	714	22	3968	13	3647	11	5686	10	29532	4
bois pourri	pas de plante	1583	13	175	35	411	22	409	22	605	19	775	21	1596	17	694	19	1322	21	378	28	452	31	1722	14	1311	15	1946	14	13378	5
	1 plante	0	.	7	100	0	.	0	.	16	100	52	59	55	58	9	100	72	49	9	100	0	.	32	61	54	49	18	100	323	22
	2 plantes ou plus	0	.	0	.	7	100	0	.	14	71	18	70	37	53	42	70	64	40	9	100	38	55	46	53	61	52	8	100	342	19
	total	1583	13	182	34	417	22	409	22	634	20	844	20	1689	16	744	19	1458	20	395	29	490	29	1800	14	1426	15	1972	14	14043	5
bois en décomposition ou vermoulu	pas de plante	857	19	203	32	375	31	457	23	561	21	511	28	772	18	571	23	808	24	219	37	412	29	1259	15	1082	16	923	18	9010	6
	1 plante	44	62	0	.	17	100	7	100	7	100	6	100	40	59	22	100	65	48	0	.	7	100	13	71	89	50	7	100	324	22
	2 plantes ou plus	8	100	7	100	0	.	0	.	33	100	75	45	63	41	33	81	69	38	13	71	42	72	43	41	113	35	44	70	543	17
	total	909	18	210	31	391	30	464	22	601	20	592	26	875	17	626	21	942	23	232	36	461	29	1315	15	1285	16	974	18	9877	6
total	pas de plante	5172	8	1147	19	1404	18	1605	15	2095	12	2909	16	5418	13	3484	15	4077	15	1407	20	1564	19	6892	11	5888	10	8529	8	51592	3
	1 plante	44	62	7	100	17	100	7	100	23	76	58	54	95	42	37	66	155	39	9	100	14	100	83	40	227	28	33	80	807	15
	2 plantes ou plus	8	100	7	100	7	100	0	.	47	87	93	39	122	32	84	49	157	30	22	58	87	43	108	36	243	25	69	53	1054	12
	total	5224	8	1161	19	1427	18	1612	15	2165	12	3059	16	5636	13	3604	15	4390	14	1437	20	1665	18	7083	11	6359	10	8631	8	53452	3

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.

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. 1322059. Birmensdorf, Swiss Federal Research Institute WSL

page précedente

Sélectionner un thème dans la liste

Estimation et erreur standard de l’estimation

Intervalle de confiance de l’estimation

Significativité de l’estimation

Traitement de valeurs manquantes

Changements

Table citation