Sélectionner un thème dans la liste

page précedente

IFN4
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 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)	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	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	10	100
	0	2754	8	785	16	703	16	619	16	1070	12	1459	13	2694	12	1729	14	1820	12	718	19	836	16	4747	8	4473	8	6409	8	30815	3
	1	487	15	84	34	107	30	135	28	142	25	254	22	295	20	272	23	290	28	86	36	154	26	494	15	344	17	1048	13	4193	6
	2 ou plus	66	40	4	100	4	100	42	55	0	.	4	100	39	44	23	60	23	55	8	71	13	77	95	52	14	77	130	27	464	16
	total	3307	7	873	15	814	15	796	15	1212	11	1716	12	3028	12	2024	13	2133	12	812	18	1003	15	5345	8	4831	8	7588	7	35482	3
bois pourri	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	10	100
	0	1107	10	182	25	284	21	268	21	503	16	613	16	1150	13	665	15	1124	14	302	22	557	21	1662	10	1328	13	1886	10	11631	4
	1	303	19	28	54	129	24	114	40	100	29	177	26	352	19	193	26	259	24	58	56	61	33	273	20	266	19	411	18	2724	7
	2 ou plus	62	45	14	77	17	72	19	71	27	51	39	65	56	56	15	75	18	64	13	76	4	100	32	70	27	54	31	51	374	18
	total	1473	10	224	23	430	17	400	21	629	15	830	15	1558	12	873	13	1400	14	373	23	621	19	1977	10	1621	12	2328	9	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	749	13	185	26	262	25	298	20	340	18	404	22	748	14	431	19	730	19	313	24	467	24	1286	11	1240	11	921	14	8374	4
	1	147	29	16	62	62	36	101	29	123	28	80	32	153	30	94	28	81	31	42	42	55	41	141	26	203	22	264	23	1562	8
	2 ou plus	9	71	0	.	18	63	30	44	51	45	0	.	8	71	9	100	4	100	0	.	0	.	24	61	10	100	22	63	185	21
	total	905	13	202	24	342	24	428	17	514	16	484	20	910	14	534	17	815	18	356	24	523	23	1450	10	1453	10	1206	13	10121	4
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	20	71	0	.	0	.	20	71
	0	4610	6	1153	14	1250	13	1184	14	1912	9	2476	12	4592	9	2825	11	3674	10	1334	15	1860	13	7695	7	7040	7	9216	7	50821	2
	1	937	12	129	32	299	18	349	20	366	16	511	18	800	13	558	17	630	19	186	27	271	20	908	12	813	12	1723	11	8479	4
	2 ou plus	138	30	18	64	38	57	91	34	78	34	43	61	103	45	48	42	45	43	21	68	17	64	150	37	52	55	182	24	1023	11
	total	5686	6	1299	14	1587	12	1624	13	2356	9	3030	11	5496	9	3431	10	4348	10	1541	15	2147	13	8772	7	7905	7	11122	6	60343	2

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. 1196178. 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