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: nombre d'espèces de champignons (3 classes)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
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: nombre d'espèces de champignons (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
	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	2 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	.
	0	250	30	171	50	337	32	3286	13	365	27	1123	21	44	62	353	35	4550	10	516	26	1691	25	356	27	111	51	622	27	961	17	198	35	564	27	757	46	204	42	4136	11	588	29	1352	16	4027	13	158	40	437	21	27157	4
	1	24	76	0	.	105	67	618	24	14	71	238	32	0	.	29	62	454	23	140	37	153	30	37	71	30	72	16	72	174	31	21	58	54	66	209	33	0	.	961	18	86	53	287	26	373	22	27	75	97	39	4147	8
	2 ou plus	0	.	0	.	14	100	28	50	7	100	13	71	0	.	0	.	71	48	9	100	18	100	0	.	0	.	0	.	15	100	0	.	0	.	0	.	0	.	89	48	7	100	19	100	85	84	0	.	0	.	375	26
	total	273	30	171	50	457	33	3932	12	386	27	1374	20	44	62	382	34	5075	10	666	23	1861	24	393	26	141	44	638	27	1151	16	219	34	619	27	966	40	204	42	5185	10	681	28	1658	14	4485	12	184	40	533	19	31680	4
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	.
	0	170	36	30	100	62	76	1672	15	24	77	470	24	72	80	382	35	1685	13	286	28	535	22	159	36	97	60	293	40	430	25	7	100	214	31	134	35	68	50	1368	16	317	29	1128	17	1633	14	0	.	265	28	11503	5
	1	60	52	0	.	7	100	504	22	35	64	195	33	7	100	14	71	352	24	57	49	224	37	21	58	13	71	59	52	159	32	17	100	41	61	92	55	0	.	292	30	74	72	263	28	288	28	0	.	50	44	2823	9
	2 ou plus	51	56	0	.	0	.	81	47	0	.	57	80	0	.	0	.	43	61	37	71	72	80	0	.	18	100	0	.	27	75	0	.	0	.	7	100	0	.	14	100	0	.	51	74	54	69	0	.	7	100	520	22
	total	281	30	30	100	69	69	2257	13	59	49	723	22	79	73	396	34	2080	13	380	26	831	24	181	34	128	50	352	36	615	22	24	77	256	29	234	31	68	50	1674	16	392	30	1442	17	1975	13	0	.	321	26	14846	5
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	.
	0	166	32	0	.	97	54	1342	17	146	42	348	33	34	71	244	35	1379	14	241	39	433	25	96	53	39	62	152	43	550	30	35	70	169	35	289	33	20	100	677	23	89	49	612	22	1279	15	0	.	292	29	8728	6
	1	62	48	6	100	0	.	236	23	8	100	78	42	0	.	25	76	289	26	49	54	31	64	24	77	18	100	34	55	71	41	0	.	72	76	77	42	17	100	233	37	7	100	81	43	159	32	17	100	91	49	1685	11
	2 ou plus	0	.	0	.	0	.	38	55	0	.	0	.	0	.	0	.	18	100	0	.	17	71	0	.	0	.	0	.	15	100	0	.	9	100	0	.	17	100	19	100	0	.	17	100	18	100	0	.	34	71	203	27
	total	228	28	6	100	97	54	1616	16	153	40	426	28	34	71	269	34	1686	14	290	38	481	24	120	45	57	53	186	42	636	28	35	70	249	37	366	28	54	58	929	20	97	49	710	22	1456	14	17	100	416	27	10616	5
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
	0	585	21	201	48	496	30	6300	10	535	27	1941	19	150	53	979	25	7614	8	1043	20	2658	20	612	23	247	38	1068	24	1942	16	240	34	947	21	1180	31	292	35	6180	9	994	24	3092	12	6938	10	158	40	993	17	47388	3
	1	146	32	6	100	112	63	1358	14	56	48	512	25	7	100	68	41	1095	16	247	32	408	26	83	42	61	48	109	41	403	21	38	55	167	46	378	31	17	100	1486	15	167	42	630	20	820	17	44	60	238	27	8656	5
	2 ou plus	51	56	0	.	14	100	147	33	7	100	70	67	0	.	0	.	132	48	46	60	107	79	0	.	18	100	0	.	57	51	0	.	9	100	7	100	17	100	122	41	7	100	88	59	157	52	0	.	40	61	1098	16
	total	782	19	207	46	622	30	7805	9	598	26	2523	19	157	51	1047	24	8841	8	1336	19	3173	19	694	22	326	35	1176	23	2402	15	278	32	1124	21	1566	28	326	37	7789	9	1169	23	3810	12	7915	10	202	40	1271	16	57142	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. 1196156. Birmensdorf, Swiss Federal Research Institute WSL

page précedente