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: région économique
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		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
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	±%
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
	0-30%	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	.
	>60%	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
bois frais	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	0-30%	13	100	0	.	0	.	0	.	0	.	0	.	14	100	12	100	0	.	0	.	0	.	0	.	0	.	8	71	47	50
	31-60%	0	.	0	.	0	.	0	.	0	.	0	.	0	.	19	100	0	.	0	.	23	100	0	.	16	100	20	80	78	48
	>60%	64	46	38	81	102	52	46	70	105	57	12	55	55	69	52	51	26	56	15	87	33	51	38	50	40	56	32	57	659	18
	total	78	42	38	81	102	52	46	70	105	57	12	55	69	59	83	42	26	56	15	87	57	65	38	50	56	60	59	42	783	16
bois dur	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	0-30%	471	17	262	34	70	35	156	47	307	25	184	34	522	23	323	28	486	25	117	34	243	31	652	16	484	20	940	13	5218	6
	31-60%	410	24	160	55	38	90	71	43	118	36	51	43	400	25	208	33	250	26	62	61	61	41	385	24	472	22	422	17	3107	8
	>60%	1896	15	654	23	386	27	421	24	497	21	395	30	1386	19	1017	17	565	20	278	32	354	24	1398	13	1657	12	1673	14	12576	5
	total	2777	12	1075	22	494	23	648	21	922	17	630	23	2309	15	1548	16	1301	16	456	24	658	20	2435	11	2613	11	3035	10	20901	4
bois pourri	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	0-30%	618	17	257	40	149	37	276	28	496	24	726	25	972	19	644	19	630	20	146	31	239	26	922	15	661	21	532	27	7269	6
	31-60%	171	37	16	84	33	80	40	62	132	59	50	45	129	39	196	35	159	36	81	45	72	46	136	28	223	28	103	30	1538	11
	>60%	202	32	25	64	10	62	57	54	83	50	78	41	307	38	77	33	163	30	107	48	18	53	236	23	336	25	263	25	1963	10
	total	991	16	299	36	191	32	373	24	711	26	854	23	1408	16	917	16	952	17	334	25	330	23	1293	13	1220	16	898	18	10770	5
bois en décomposition	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	0-30%	276	20	65	43	100	45	307	30	141	30	460	29	674	20	349	29	450	31	141	38	192	47	473	20	646	19	370	23	4645	7
	31-60%	102	53	0	.	2	100	0	.	8	85	61	95	111	44	23	54	26	73	21	95	22	100	40	47	40	60	14	62	470	22
	>60%	37	53	0	.	0	.	1	100	15	100	22	54	1	100	0	.	0	.	5	76	21	71	51	46	30	50	81	42	264	20
	total	416	25	65	43	102	44	309	30	164	32	542	27	786	20	372	28	477	30	166	38	235	42	565	18	716	18	465	20	5379	7
bois vermoulu	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	0-30%	55	39	4	100	20	100	13	77	19	75	68	53	101	32	11	65	73	52	25	61	9	77	47	47	87	33	111	33	644	14
	31-60%	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	5	100	5	100
	>60%	0	.	0	.	0	.	0	.	0	.	3	100	0	.	0	.	0	.	0	.	0	.	0	.	5	100	0	.	8	74
	total	55	39	4	100	20	100	13	77	19	75	71	51	101	32	11	65	73	52	25	61	9	77	47	47	93	32	116	31	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
	0-30%	1434	12	588	26	340	27	753	21	964	16	1438	22	2283	13	1339	16	1639	16	428	25	684	21	2094	11	1879	13	1960	12	17823	4
	31-60%	684	21	176	51	72	59	111	36	258	34	161	46	640	19	445	23	435	21	164	34	178	30	561	19	750	19	564	15	5198	7
	>60%	2199	14	717	23	497	27	526	21	701	20	509	25	1750	17	1146	16	755	18	405	26	426	23	1723	11	2068	11	2049	12	15470	4
	total	4317	10	1481	19	909	21	1390	16	1922	14	2108	18	4673	11	2930	13	2829	13	997	19	1287	16	4377	9	4697	10	4573	8	38491	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. 1268045. Birmensdorf, Swiss Federal Research Institute WSL

page précedente