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.

IFN4
nombre de tiges de bois mort
bois mort: résistance du bois (3 classes) · bois mort: régénération (3 classes)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 2009/17
		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
bois mort: résistance du bois (3 classes)	bois mort: régénération (3 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	±%	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	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	pas de plante	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 plante	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	.
	2 plantes ou plus	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	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	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	.
	pas de plante	427	19	160	35	357	28	4107	8	440	21	1268	15	34	52	442	25	5873	7	761	16	1550	19	417	19	124	36	604	21	1454	13	251	25	616	19	762	26	244	28	6416	8	528	22	2297	9	5286	8	190	29	559	15	35165	3
	1 plante	0	.	0	.	0	.	29	52	0	.	0	.	0	.	0	.	57	38	0	.	4	100	0	.	0	.	4	100	8	71	0	.	0	.	4	100	0	.	0	.	0	.	10	100	36	46	0	.	0	.	152	22
	2 plantes ou plus	4	100	0	.	0	.	43	46	0	.	0	.	0	.	0	.	59	35	0	.	0	.	0	.	0	.	0	.	13	76	0	.	0	.	4	100	0	.	14	77	0	.	4	100	23	57	0	.	0	.	165	22
	total	431	19	160	35	357	28	4179	8	440	21	1268	15	34	52	442	25	5989	7	761	16	1554	19	417	19	124	36	608	21	1475	13	251	25	616	19	770	26	244	28	6429	8	528	22	2310	9	5345	8	190	29	559	15	35482	3
bois pourri	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	.
	pas de plante	288	22	84	48	86	42	2086	11	91	38	517	18	44	73	352	25	1983	10	386	19	651	18	190	27	124	36	339	27	642	17	23	61	240	25	390	21	72	38	1829	11	253	26	1259	12	1917	10	15	100	301	19	14161	4
	1 plante	0	.	0	.	0	.	87	32	0	.	33	52	0	.	0	.	58	39	10	100	4	100	0	.	10	100	10	100	9	100	0	.	4	100	4	100	0	.	10	100	5	100	14	77	27	48	0	.	4	100	289	17
	2 plantes ou plus	0	.	0	.	12	74	51	36	0	.	12	58	0	.	4	100	54	37	0	.	4	100	0	.	4	100	17	62	34	58	0	.	0	.	24	48	0	.	16	50	5	100	12	58	34	45	0	.	7	71	290	15
	total	288	22	84	48	98	39	2223	10	91	38	561	18	44	73	356	25	2095	10	397	19	659	18	190	27	138	37	367	26	685	17	23	61	244	25	419	20	72	38	1854	10	262	26	1286	12	1977	10	15	100	312	19	14739	4
bois en décomposition ou vermoulu	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	.
	pas de plante	229	22	14	79	65	49	1311	12	178	27	273	24	19	71	212	33	1501	11	293	25	436	21	67	45	65	40	221	32	498	21	20	71	171	32	281	25	62	43	880	14	159	39	639	17	1342	11	19	71	280	24	9235	4
	1 plante	0	.	0	.	11	100	61	38	0	.	0	.	0	.	0	.	55	46	4	100	9	100	0	.	0	.	19	64	8	71	0	.	24	61	4	100	0	.	8	71	0	.	38	54	46	39	0	.	4	100	289	18
	2 plantes ou plus	8	71	0	.	8	71	95	24	0	.	39	48	0	.	20	71	187	21	4	100	26	62	0	.	0	.	8	71	31	54	0	.	0	.	17	79	0	.	28	64	4	100	43	41	62	33	0	.	18	100	597	12
	total	237	21	14	79	84	42	1467	12	178	27	312	23	19	71	232	32	1743	10	301	25	470	20	67	45	65	40	248	31	537	21	20	71	194	30	302	24	62	43	916	14	163	38	720	16	1450	10	19	71	301	23	10121	4
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	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
	pas de plante	944	14	258	30	508	24	7503	7	710	19	2058	14	97	47	1006	19	9357	6	1440	13	2637	15	674	17	313	27	1164	17	2594	11	294	25	1027	16	1433	18	377	23	9125	7	940	19	4195	8	8544	7	224	28	1139	12	58561	2
	1 plante	0	.	0	.	11	100	177	25	0	.	33	52	0	.	0	.	170	24	14	77	17	62	0	.	10	100	33	52	24	54	0	.	28	54	12	58	0	.	18	81	5	100	63	41	108	25	0	.	8	71	730	11
	2 plantes ou plus	12	58	0	.	20	65	189	20	0	.	51	39	0	.	24	62	300	17	4	100	30	55	0	.	4	100	25	48	78	35	0	.	0	.	45	40	0	.	57	39	8	71	59	37	120	25	0	.	25	86	1052	9
	total	956	14	258	30	539	24	7869	7	710	19	2141	14	97	47	1030	19	9827	6	1459	13	2684	15	674	17	327	28	1222	17	2697	11	294	25	1055	16	1490	18	377	23	9200	7	953	19	4317	8	8772	7	224	28	1172	12	60343	2

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. 1322103. Birmensdorf, Swiss Federal Research Institute WSL

page précedente