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.

IFN5
volume de bois mort (bois de tige)
bois mort: résistance du bois (5 classes) · bois mort: recouvrement par de l'écorce (3 classes)
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		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 (5 classes)	bois mort: recouvrement par de l'écorce (3 classes)	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
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
	0-30%	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	.
	31-60%	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	.
	>60%	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	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	.
	0-30%	0	.	0	.	0	.	27	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8	71	0	.	0	.	0	.	0	.	12	100	47	50
	31-60%	0	.	0	.	19	100	0	.	0	.	0	.	0	.	0	.	16	100	0	.	0	.	0	.	0	.	0	.	23	100	0	.	0	.	0	.	0	.	20	80	0	.	0	.	0	.	0	.	0	.	78	48
	>60%	0	.	0	.	11	100	120	44	38	81	74	63	0	.	18	71	40	56	23	73	5	79	0	.	2	100	0	.	54	50	0	.	0	.	0	.	98	61	32	57	13	100	82	43	34	55	0	.	7	100	650	18
	total	0	.	0	.	30	73	147	38	38	81	74	63	0	.	18	71	56	60	23	73	5	79	0	.	2	100	0	.	77	55	0	.	0	.	0	.	98	61	59	42	13	100	82	43	34	55	0	.	19	72	774	16
bois 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	.
	0-30%	97	50	27	52	51	62	735	20	126	34	128	43	13	90	52	71	464	17	127	38	326	34	44	51	42	61	117	41	274	29	101	71	121	30	141	44	99	41	806	15	64	44	150	24	568	17	3	100	134	37	4810	6
	31-60%	52	58	2	100	33	62	536	22	29	74	22	44	1	100	30	58	511	21	40	56	199	36	27	66	13	82	76	60	90	46	80	98	85	45	111	49	7	74	287	19	60	63	233	27	378	24	4	100	69	44	2975	9
	>60%	366	32	23	78	182	44	1534	15	204	33	366	28	15	100	233	33	2035	13	638	27	620	33	318	40	83	35	168	34	557	24	150	48	243	31	309	28	112	54	1001	15	158	31	756	23	1292	13	39	64	211	28	11614	5
	total	515	26	52	48	266	41	2805	12	359	25	516	24	29	68	315	32	3010	12	806	24	1145	23	389	34	138	35	361	31	920	19	330	55	450	24	561	29	218	41	2095	11	282	26	1139	17	2239	12	46	56	414	23	19400	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	.
	0-30%	275	39	27	79	108	39	1121	16	107	54	563	30	2	100	65	43	806	20	188	32	388	29	71	45	71	56	149	37	350	25	17	55	143	39	190	32	17	83	323	37	119	35	531	22	827	17	69	70	325	31	6850	6
	31-60%	4	71	15	100	55	59	294	26	13	100	15	87	0	.	25	74	220	28	52	82	44	74	17	91	0	.	2	100	147	43	0	.	37	75	63	52	0	.	72	35	38	63	84	46	125	29	3	100	89	79	1414	12
	>60%	15	59	0	.	9	100	353	33	15	100	32	43	0	.	14	65	412	23	54	44	112	50	19	81	4	100	4	71	39	43	0	.	13	75	15	53	19	72	102	32	101	51	174	36	225	24	0	.	59	66	1787	11
	total	295	37	42	62	171	34	1768	14	135	49	610	29	2	100	104	35	1438	15	293	27	544	26	107	40	75	54	155	36	536	22	17	55	194	34	268	27	36	55	497	26	258	30	790	20	1176	14	72	67	473	36	10052	5
bois en décomposition	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	.
	0-30%	70	44	0	.	50	60	910	18	45	51	342	36	0	.	138	62	748	18	110	34	308	35	13	48	25	67	114	41	193	34	25	65	76	41	127	58	0	.	207	26	120	44	290	30	443	21	26	91	74	40	4456	8
	31-60%	7	100	0	.	2	100	69	48	0	.	3	100	0	.	22	100	40	60	1	100	49	60	3	100	15	100	32	100	15	74	0	.	0	.	6	100	0	.	14	65	20	100	71	69	36	51	0	.	1	100	407	22
	>60%	0	.	0	.	0	.	4	75	0	.	22	54	0	.	9	100	40	45	6	75	1	100	3	100	0	.	0	.	12	100	0	.	1	100	0	.	0	.	62	52	3	100	23	82	48	49	0	.	15	100	249	22
	total	77	43	0	.	52	57	983	18	45	51	366	34	0	.	169	56	829	17	117	32	359	34	19	47	40	56	146	47	219	31	25	65	78	40	132	56	0	.	283	23	143	43	385	31	527	19	26	91	91	45	5112	7
bois 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	.
	0-30%	4	100	0	.	0	.	155	32	3	100	31	90	0	.	6	100	78	32	16	71	41	44	0	.	19	71	15	100	8	77	0	.	13	91	0	.	0	.	86	38	23	64	39	61	44	50	5	74	19	75	605	14
	31-60%	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	5	100	0	.	0	.	0	.	0	.	0	.	5	100
	>60%	0	.	0	.	0	.	0	.	0	.	3	100	0	.	0	.	5	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8	74
	total	4	100	0	.	0	.	155	32	3	100	33	83	0	.	6	100	83	31	16	71	41	44	0	.	19	71	15	100	8	77	0	.	13	91	0	.	0	.	92	37	23	64	39	61	44	50	5	74	19	75	619	14
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
	0-30%	447	28	54	48	209	44	2948	11	281	35	1063	28	15	81	261	39	2097	13	441	25	1062	22	128	32	157	44	395	30	825	19	143	52	353	25	457	28	116	39	1431	14	326	30	1011	19	1882	12	104	66	564	23	16768	4
	31-60%	63	50	17	90	109	42	899	17	42	62	40	43	1	100	77	44	787	19	93	51	293	29	48	51	28	65	110	51	275	31	80	98	122	41	180	35	7	74	398	16	117	42	389	26	540	19	7	100	159	48	4879	7
	>60%	381	31	23	78	202	47	2011	14	257	35	496	26	15	100	274	32	2532	12	722	25	738	29	339	41	89	34	172	33	661	22	150	48	258	30	324	28	228	44	1197	14	275	26	1035	19	1598	12	39	64	292	26	14309	5
	total	891	21	94	39	519	35	5858	9	579	26	1599	21	31	64	612	26	5415	10	1256	20	2094	18	514	31	273	35	677	28	1761	15	372	50	733	21	962	22	351	35	3025	10	719	23	2435	14	4020	10	149	49	1016	22	35956	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. 1268033. Birmensdorf, Swiss Federal Research Institute WSL

page précedente