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 IFN4/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	.	2	100	98	61	32	57	13	100	82	43	38	50	0	.	7	100	656	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	.	2	100	98	61	59	42	13	100	82	43	38	50	0	.	19	72	780	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	767	19	126	34	128	43	18	71	52	71	589	18	127	38	326	34	44	51	42	61	117	41	306	27	101	71	121	30	145	43	99	41	835	15	64	44	160	23	652	16	3	100	157	35	5153	6
	31-60%	52	58	2	100	33	62	545	22	29	74	22	44	1	100	30	58	548	20	40	56	199	36	27	66	13	82	76	60	90	46	80	98	85	45	111	49	7	74	327	19	60	63	237	27	385	24	4	100	69	44	3073	8
	>60%	366	32	25	74	182	44	1812	14	204	33	368	28	15	100	257	31	2180	12	638	27	620	33	318	40	83	35	168	34	585	23	150	48	243	31	322	27	112	54	1113	14	168	30	816	21	1389	13	39	64	211	28	12382	5
	total	515	26	53	47	266	41	3124	12	359	25	517	24	34	60	338	30	3317	11	806	24	1145	23	389	34	138	35	361	31	980	18	330	55	450	24	579	28	218	41	2276	10	292	25	1212	16	2425	11	46	56	437	23	20607	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	1138	16	107	54	563	30	2	100	65	43	833	19	188	32	399	28	71	45	71	56	151	37	393	23	17	55	143	39	236	29	17	83	348	35	119	35	535	22	922	15	69	70	325	31	7122	6
	31-60%	4	71	15	100	55	59	295	26	13	100	27	66	0	.	25	74	252	26	52	82	44	74	17	91	0	.	2	100	160	40	0	.	37	75	63	52	0	.	73	35	38	63	97	42	136	28	3	100	118	64	1526	11
	>60%	15	59	0	.	9	100	393	31	15	100	32	43	0	.	14	65	451	22	54	44	112	50	19	81	10	72	4	71	39	43	0	.	13	75	31	57	19	72	138	28	107	48	176	36	236	23	0	.	59	66	1943	10
	total	295	37	42	62	171	34	1825	13	135	49	622	28	2	100	104	35	1536	14	293	27	554	25	107	40	81	50	157	36	592	20	17	55	194	34	330	24	36	55	559	23	264	29	808	20	1293	13	72	67	501	35	10590	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	912	18	45	51	342	36	0	.	138	62	800	17	110	34	342	33	13	48	25	67	114	41	213	32	25	65	76	41	132	56	0	.	214	25	120	44	290	30	473	20	26	91	74	40	4605	7
	31-60%	7	100	0	.	2	100	69	48	0	.	3	100	0	.	22	100	41	59	1	100	49	60	3	100	15	100	32	100	15	74	0	.	0	.	7	87	0	.	14	65	20	100	71	69	40	47	0	.	1	100	412	21
	>60%	0	.	0	.	0	.	5	61	0	.	22	54	0	.	9	100	40	45	6	75	1	100	3	100	0	.	0	.	12	100	0	.	1	100	0	.	0	.	66	49	5	76	23	82	51	46	0	.	15	100	260	21
	total	77	43	0	.	52	57	987	18	45	51	366	34	0	.	169	56	881	16	117	32	392	33	19	47	40	56	146	47	239	29	25	65	78	40	138	54	0	.	294	22	145	43	385	31	565	18	26	91	91	45	5277	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	101	30	16	71	41	44	0	.	19	71	15	100	8	77	0	.	13	91	0	.	0	.	97	36	25	61	39	61	47	47	5	74	19	75	644	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	106	29	16	71	41	44	0	.	19	71	15	100	8	77	0	.	13	91	0	.	0	.	102	34	25	61	39	61	47	47	5	74	19	75	657	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	2999	11	281	35	1063	28	20	65	261	39	2323	12	441	25	1107	21	128	32	157	44	397	30	920	18	143	52	353	25	513	25	116	39	1502	14	328	30	1025	19	2094	11	104	66	587	22	17570	4
	31-60%	63	50	17	90	109	42	909	17	42	62	52	41	1	100	77	44	856	18	93	51	293	29	48	51	28	65	110	51	288	30	80	98	122	41	181	35	7	74	439	16	117	42	405	25	561	19	7	100	188	43	5093	7
	>60%	381	31	25	74	202	47	2330	13	257	35	498	26	15	100	298	30	2716	11	722	25	738	29	339	41	95	32	172	33	689	21	150	48	258	30	355	26	228	44	1349	13	293	25	1096	18	1713	11	39	64	292	26	15249	4
	total	891	21	95	39	519	35	6238	9	579	26	1613	21	36	57	635	25	5895	9	1256	20	2138	18	514	31	279	34	679	28	1897	15	372	50	733	21	1049	21	351	35	3291	10	738	23	2526	14	4368	9	149	49	1067	21	37911	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. 1268038. Birmensdorf, Swiss Federal Research Institute WSL

page précedente