Sélectionner un thème dans la liste

page précedente

IFN3
nombre de tiges de bois mort
résistance du bois (3 classes) · nombre de champignons sur le bois mort (3 classes)
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 x 1,4 km
état 2004/06
		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)	nombre de champignons sur le bois mort (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	±%
bois frais/encore dur	pas d'indication	180	33	239	38	10	100	54	49	206	41	66	55	150	36	958	27	9	100	0	.	336	33	511	17	346	29	188	42	3253	11
	0	2691	8	423	19	922	16	766	18	1357	14	1781	13	3186	11	1533	14	1859	14	794	20	788	21	3021	11	3699	9	4872	9	27692	3
	1	273	21	126	29	90	31	112	26	302	20	370	20	342	20	166	26	310	26	66	46	165	42	359	19	422	15	891	13	3994	6
	2 ou plus	4	100	13	100	21	54	15	60	21	55	63	39	64	50	4	100	66	68	0	.	0	.	22	55	38	56	61	41	394	19
	total	3148	7	801	17	1044	15	947	16	1886	12	2280	12	3742	10	2662	13	2244	13	861	20	1288	16	3913	9	4505	8	6013	8	35334	3
bois pourri	pas d'indication	53	45	24	85	0	.	0	.	0	.	74	67	21	85	88	33	26	59	0	.	45	51	144	29	125	32	81	44	682	15
	0	421	18	104	60	259	26	91	40	173	25	419	20	538	21	335	22	639	19	111	28	274	29	1274	12	1071	13	1156	12	6867	5
	1	103	33	41	44	48	47	68	44	106	39	105	32	81	42	117	31	155	28	52	56	85	45	261	24	230	21	423	17	1875	8
	2 ou plus	0	.	0	.	24	84	4	100	18	64	0	.	4	100	4	100	26	60	0	.	8	71	23	61	12	58	28	74	150	26
	total	577	15	169	40	330	25	164	31	297	23	598	18	644	20	544	17	847	19	164	29	412	28	1701	11	1438	11	1689	10	9574	4
bois en décomposition ou vermoulu	pas d'indication	10	100	20	71	0	.	10	100	13	100	29	74	0	.	30	57	33	100	0	.	18	64	122	35	142	43	46	47	473	20
	0	364	20	53	50	128	29	95	32	127	27	149	29	236	22	203	30	433	20	167	29	104	37	823	16	814	17	562	14	4256	6
	1	83	34	14	78	19	71	14	76	14	77	34	52	31	49	12	76	161	28	0	.	27	54	125	33	176	27	209	27	919	12
	2 ou plus	0	.	0	.	0	.	0	.	4	100	0	.	0	.	4	100	0	.	0	.	0	.	0	.	20	71	24	62	52	41
	total	457	19	86	40	146	26	119	31	158	25	212	25	267	21	248	26	628	19	167	29	149	33	1070	14	1151	15	841	13	5700	6
total	pas d'indication	242	28	282	34	10	100	64	45	219	39	170	61	171	37	1076	24	69	63	0	.	399	30	777	16	613	26	315	29	4408	9
	0	3476	7	580	19	1309	15	952	16	1657	12	2349	12	3960	10	2071	13	2931	12	1073	17	1166	17	5117	9	5584	8	6590	8	38815	3
	1	460	17	181	26	156	26	194	22	422	18	509	20	454	19	295	21	626	18	118	40	276	31	745	15	828	12	1523	11	6788	5
	2 ou plus	4	100	13	100	45	51	19	52	43	39	63	39	67	47	12	58	93	55	0	.	8	71	45	41	70	39	114	36	596	15
	total	4183	7	1056	15	1519	14	1229	14	2341	10	3091	12	4653	10	3454	11	3719	12	1192	17	1849	15	6684	8	7094	7	8543	7	50607	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. 1196124. 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