Sélectionner un thème dans la liste

Que représentent les chiffres ?
À quoi sert l'erreur standard ?
Quand deux résultats sont-ils statistiquement différents ?
Quand ne suffit-il pas de considérer uniquement l'erreur standard ?
Deux types d’évolutions ?
Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?
Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?
Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?
Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

1. Que représentent les chiffres ?

La plupart des tableaux présentent des résultats calculés à l'aide de méthodes statistiques à partir des données de l'inventaire par échantillonnage de l'Inventaire forestier national (IFN). Ces résultats se composent toujours de deux chiffres: 1) la valeur estimée et 2) l'erreur d'échantillonnage, appelée erreur standard.

Exemple 1 : Valeur estimée et erreur standard

IFN5

volume de bois mort (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	30	10	17	13	37	9	36	6	26	10	30	4
privée	27	17	20	12	50	10	32	8	39	13	34	5
total	29valeur estimée	9erreur standard	19	9	44	7	35	5	29	8	32	3

La plupart du temps, les tableaux indiquent l'erreur standard relative (en pourcentage « ±% »), mais parfois – pour les pourcentages estimés – l'erreur standard absolue (« ± »).

haut

2. À quoi sert l'erreur standard ?

L'erreur standard permet de délimiter des intervalles de confiance autour de la valeur estimée, qui contiennent la vraie valeur de la population avec un certain niveau de certitude statistique.

La certitude statistique est de

68% si l'intervalle de confiance est calculé à l'aide de l'erreur standard simple
(intervalle de confiance à 68% = valeur estimée ± erreur standard), et
95% si l'intervalle de confiance est calculé avec l’erreur standard double
(intervalle de confiance à 95% = valeur estimée ± 2 × erreur standard*)

Exemple 2 : Calculer les intervalles de confiance

IFN5
volume de bois mort (bois de tige)
propriété (2 classes)
découpage régional: région de production
unité: m³/ha
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	région de production
	Jura
propriété (2 classes)	m³/ha	±%
publique	30	10
privée	27	17
total	29	9

Question
Quel est l'intervalle de confiance à 68% et à 95% des estimations ci-dessus ?

Procédure

Calculer l'erreur standard absolue (= erreur standard relative × valeur estimée / 100)
Calculer les intervalles de confiance
- intervalle de confiance à 68% = estimation ± erreur standard absolue
- intervalle de confiance à 95% = estimation ± 2 × erreur standard absolue

Réponse

			étape 1	étape 2

propriété (2 classes)	volume de bois mort Jura IFN5
	valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha
publique	30	10	3	27-33	24-36
privée	27	17	5	22-32	17-37
total	29	9	3	26-32calculé avec l'erreur standard simple, c'est-à-dire 29 ± 3	23-25calculé avec l'erreur standard double, soit 29 ± 2 × 3

Dans le Jura, le volume de bois mort se situe avec une certitude statistique de 68% entre 26 et 32 m³/ha et avec une certitude statistique de 95% entre 23 et 35 m³/ha.

L'intervalle de confiance à 95% est plus grand que l'intervalle de confiance à 68%. C'est ce qui explique la plus grande certitude statistique.

Exemple 3 : Visualisation de l'intervalle de confiance à 68% et à 95%

Données : voir exemple 2

Lors de l'interprétation des résultats, il faut à chaque fois déterminer le niveau de certitude avec lequel on souhaite faire une déclaration.

Dans l'Inventaire forestier national (IFN), on se base en général sur l'intervalle de confiance à 68%.

haut

3. Quand deux résultats sont-ils statistiquement différents ?*

On peut le déterminer en comparant les intervalles de confiance de deux estimations :

Si les intervalles de confiance à 68% de deux estimations ne se chevauchent pas, on peut supposer avec une certaine certitude que les deux populations sont différentes.
Si les intervalles de confiance à 95% de deux estimations ne se chevauchent pas, on peut supposer avec une grande certitude que les deux populations sont différentes.

Exemple 4 : Interprétation de deux résultats du même inventaire

IFN5

volume des arbres vifs (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	331	3	311	3	405	4	300	3	256	5	314	2
privée	387	5	432	4	454	4	348	4	285	6	398	2
total	345	2	363	2	431	2	314	2	262	4	343	1

	cas 2						cas 1

cas 1

Question
Le volume des arbres vifs par hectare est-il plus élevé dans les Alpes qu'au Sud des Alpes ?

Procédure

Calculer les erreurs standard absolues
Calculer les intervalles de confiance en fonction du niveau de certitude souhaité :
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
Vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Alpes					Sud des Alpes
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	314	2	6	308-320	302-326	262	4	10	252-272	242-282

Ni les intervalles de confiance à 68% ni les intervalles de confiance à 95% ne se chevauchent (chiffres ).

Dans ce cas, le niveau de certitude choisi n'a aucune influence sur le résultat.

Dans l'ensemble, cela signifie qu'il existe une grande certitude statistique que le volume des arbres vifs par hectare est plus élevé dans les Alpes qu'au Sud des Alpes.

cas 2

Question
Le volume des arbres vifs par hectare est-il plus élevé sur le Plateau que dans le Jura ?

Procédure

Voir cas 1.

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Jura					Plateau
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	345	2	7	338-352	331-359	363	2	7	356-370	349-377

Les intervalles de confiance à 68% ne se chevauchent pas (paires de chiffres ).
En revanche, les intervalles de confiance à 95% se chevauchent (paires de chiffres ).

Dans ce cas, le niveau de certitude choisi a une influence sur l'interprétation des résultats : au niveau de l'intervalle de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura. Au niveau de l'intervalle de confiance à 95%, on ne peut en revanche pas tirer cette conclusion.

En considérant les deux niveaux de certitude, on peut dire qu'il existe statistiquement une certaine, mais pas une grande certitude, que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura.

Les intervalles de confiance permettent également de vérifier si une valeur estimée à l'aide de l'échantillon de l’Inventaire forestier national (IFN) s'écarte d'une valeur cible (issue par exemple de la politique forestière) ou si une évolution entre deux inventaires est statistiquement certaine.

Exemple 5 : Interprétation de deux résultats d'inventaires différents

propriété (2 classes)	volume des arbres vifs sur Plateau*
	IFN4		IFN5
	m³/ha	±%	m³/ha	±%
publique	340	3	309	3
privée	447	4	432	4
total	386	2	363	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

calculer les erreurs standard absolues
calculer les intervalles de confiance en fonction du niveau de certitude souhaité
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs sur le Plateau*
	IFN4					IFN5
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±	m³/ha	m³/ha	m³/ha	±%	±	m³/ha	m³/ha
publique	340	3	11	329-351	318-362	309	3	11	298-320	287-331
privée	447	4	16	431-463	415-479	432	4	17	415-449	398-466
total	386	2	8	378-394	370-402	363	2	9	354-372	345-381
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Les intervalles de confiance à 68% ne se chevauchent pas pour les forêts publiques (paires de chiffres ), mais ils le font pour les forêts privées et le total (paires de chiffres ). Au niveau de certitude des intervalles de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare a diminué dans les forêts publiques du Plateau. Pour les forêts privées comme pour le total, la diminution n'est pas statistiquement certaine.

Les intervalles de confiance à 95% se chevauchent dans chacune des trois catégories. Au niveau de certitude des intervalles de confiance à 95%, il n'est donc pas statistiquement certain que le volume des arbres vifs ait diminué, même pour les forêts publiques.

Voir toutefois les exemples 6 et 7, dans lesquels les évolutions entre deux inventaires sont interprétées à l'aide du bilan, qui est plus sensible.

Pour de nombreuses variables cibles, l'IFN permet de vérifier si une évolution entre deux inventaires est statistiquement certaine, non seulement en comparant les états dans les deux inventaires (voir exemple 5), mais aussi en analysant le bilan entre les deux inventaires.

Pour ce faire, il faut là aussi commencer par définir le niveau de certitude qui doit s'appliquer à l'énoncé :

Une évolution a eu lieu avec une certaine certitude si l'erreur standard relative simple du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec l'erreur standard absolue simple (intervalle de confiance à 68%) n'inclut pas la valeur 0.
Une évolution a eu lieu avec une grande certitude si la double erreur standard relative du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec la double erreur standard absolue (intervalle de confiance à 95%) n'inclut pas la valeur 0.

Exemple 6 : Interprétation des évolutions (bilans) avec l'erreur standard relative

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	m³/ha	±%
publique	-34	30
privée	-9	147
total	-23	34
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbre vifs par hectare a-t-il diminué entre l’IFN4 et l’IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Vérifier si
- l'erreur standard relative simple est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 68%)
- l'erreur standard relative double est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 95%)

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
		simple	double
	m³/ha	±%	±%
publique	-34	30	60
privée	-9	147	294
total	-23	34	68
* forêt accessible sans la forêt buissonnante IFN4/IFN5

L'erreur standard relative simple est inférieure à 100% pour les forêts publiques comme pour le total (chiffres ). En revanche, elle est supérieure à 100% (chiffres ) pour les forêts privées. Au niveau de certitude de l'intervalle de confiance à 68%, on conclut que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées.

On arrive à la même conclusion dans cet exemple avec le niveau de certitude de l’intervalle de confiance à 95%, car l’erreur standard relative double pour la forêt publique et le total est également inférieure à 100%.

Dans l'ensemble, cela signifie que la certitude statistique est élevée que le volume par hectare a diminué sur le Plateau dans les forêts publiques comme dans l'ensemble. En revanche, pour les forêts privées, la diminution du volume n'est pas statistiquement certaine (car l'erreur standard relative double et l'erreur standard relative simple sont toutes les deux inférieures à 100%).

Exemple 7 : Interprétation des évolutions (bilans) avec l'erreur standard absolue

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	%	±
publique	-10	3
privée	-2	3
total	-6	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Calculer l'intervalle de confiance sur la base du niveau de certitude défini
- intervalle de confiance à 68% avec l'erreur standard absolue simple
- intervalle de confiance à 95% avec l'erreur standard absolue double
Vérifier si l'intervalle de confiance correspondant n'inclut pas la valeur 0

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard		intervalle de confiance
		simple	double	68%	95%
	%	±	±	%	%
publique	-10	3	6	-13 à -7	-16 à -4
privée	-2	3	6	-5 à +1	-8 à +4
total	-6	2	4	-8 à -4	-10 à -2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Pour les forêts publiques comme pour le total, tant l'intervalle de confiance à 68% que celui à 95% n'incluent pas la valeur 0. Pour les deux niveaux de certitude, on arrive ainsi à la conclusion que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées (car les intervalles de confiance incluent la valeur 0).

Les évolutions (bilans) peuvent être interprétées à l'aide de l'erreur standard absolue ou relative (voir les exemples 6 et 7). Il est recommandé d'utiliser l'erreur standard absolue lorsque la valeur estimée est indiquée en pourcentage (%) dans le tableau (comme dans l'exemple 7) et l'erreur standard relative lorsque la valeur estimée est indiquée en chiffres absolus (m³, m³/ha, pc, m2) dans le tableau (comme dans l'exemple 6). Ainsi, l'erreur standard peut être directement extraite du tableau et ne doit donc pas être convertie.

Pour vérifier si une évolution est statistiquement assurée, il est recommandé d'analyser, dans la mesure du possible, le bilan entre les deux inventaires. Les bilans sont plus sensibles que les comparaisons d'état, ce qui permet de mieux détecter les différences sur le plan statistique (voir les exemples 5, 6 et 7).

haut

4. Quand ne suffit-il pas de considérer uniquement l'erreur standard ?

L'Inventaire forestier national (IFN) est un inventaire à grande échelle basé sur des échantillons, dont les placettes d'échantillonnage sont disposées sur une grille dont les mailles mesurent 1,4 km × 1,4 km. L'IFN a été conçu de manière à pouvoir prédire le volume des arbres vifs pour l'ensemble de la Suisse avec une erreur standard maximale de 1%.

Lorsque les résultats sont calculés pour des régions ou des classes individuelles, l'erreur standard augmente rapidement. Cela s'explique par le fait que pour la combinaison d'expressions de variables* choisie, le nombre de placettes d'échantillonnage et d'objets examinés (c'est-à-dire d'arbres échantillons, de plantes de la jeune forêt, de morceaux de bois mort, etc.) est nettement plus faible que pour le total.

Exemple 8 : Erreur standard et combinaison d’expression de variables

région	volume des arbres vifs
	total		érable		érable sycomore		érable plane
	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard
	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
Suisse	343	1	12	5	11	5	1	20
région de production "Plateau"	363	2	15	10	14	11	0	50
canton d'Argovie	289	7	15	20	13	20	1	63

L'erreur standard augmente avec le niveau de détail.

On peut s'attendre à des erreurs standard importantes si

les arrondissements forestiers ont été choisis comme découpage régional ou que les résultats sont calculés pour de petits cantons (p. ex. Appenzell Rhodes-Intérieures, Nidwald),
une variable de classification comportant de nombreuses classes a été choisie (p. ex. l'essence dans 56 classes),
plusieurs variables de classification ont été combinées (par exemple, l'essence principale et le stade de développement).

Des erreurs standard importantes indiquent qu'une estimation a peut-être été réalisée sur la base d'un nombre trop faible de placettes d'échantillonnage ou d'objets et que, par conséquent, le résultat de l'estimation pourrait ne pas être fiable.

Pour la variable cible « nombre de tiges de la jeune forêt avec abroutissement » (intensité de l'abroutissement), l'incertitude de l'estimation ne se traduit pas nécessairement par une erreur standard élevée. Cela s'explique par le fait que cette variable cible est une estimation sous forme de quotient** qui, en raison de la méthode de relevé, ne repose pour les essences relativement rares (p. ex. pin, mélèze, arole, chêne, châtaignier) que sur un petit nombre d’individus examinés. En conséquence, pour la valeur cible « nombre de tiges de la jeune forêt avec abroutissement », il faudrait toujours vérifier le nombre de plantes examinées sur lequel se basent les différentes valeurs estimées. En règle générale, pour chaque valeur estimée, au moins 30 plantes de la jeune forêt devraient être examinées quant à l’abroutissement pour obtenir une estimation fiable.

haut

5. Deux types d’évolutions ?

L'Inventaire forestier national (IFN) distingue deux types d’évolutions:

Le premier type concerne des variables cibles spécifiques pour des composantes d’évolution telles que l'accroissement, l'exploitation ou la mortalité. Ces variables cibles ne sont disponibles que pour deux cycles de mesure successifs, par exemple IFN4-IFN5. Lors de l'évaluation des composantes d’évolution, l’expression de la variable de classification du second cycle de mesure est généralement attribuée au premier cycle de mesure. Ces évaluations ne tiennent donc pas compte du changement de l'expression d'une variable de classification (par exemple de la propriété privée à la propriété publique) entre deux inventaires successifs.
Dans le deuxième type, la différence entre des variables cibles telles que le nombre de tiges, le volume des arbres vifs ou la surface forestière est utilisée pour dresser le bilan de l’évolution entre deux cycles de mesure. Ces variables cibles sont généralement utilisées pour représenter des états, par exemple l'IFN5, mais peuvent montrer le bilan entre deux cycles de mesure successifs ou non, par exemple l'IFN1 et l'IFN5. Dans ces évaluations, le changement de l'expression est pris en compte pour une partie des variables de classification. Il s'agit par exemple des variables de classification « état des arbres » ou « forêt, non forêt ». Ainsi, on peut voir par exemple que la surface forestière a augmenté. Pour l'autre partie des variables de classification, les expressions sont considérées comme statiques. Cela signifie que l'état le plus actuel – qu'il ait été relevé dans un cycle de mesure (p. ex. fonction prioritaire IFN5) ou qu'il provienne d'une source de données externe (p. ex. forêt protectrice [2022]) – est attribué à tous les cycles de mesure.

haut

6. Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?

Les résultats sont

additifs lorsqu'ils sont présentés en tant qu’évolution totale entre deux points de mesure. Par exemple, les exploitations indiquées en mètres cubes (m³) pour les différentes régions de production peuvent être additionnées pour obtenir l'exploitation pour la Suisse.
ne sont pas additifs s’il sont présentés en tant qu’évolution par année (p. ex. m³/an). En conséquence, les exploitations indiquées en mètres cubes par an (m³/an) pour les différentes régions de production, par exemple, ne peuvent pas être additionnées pour obtenir l'exploitation pour la Suisse.

Exemple 9 : Additivité/non-additivité des évolutions

	volume des abres vifs: évolution totale IFN4–IFN5 (1000 m³)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
zones inférieures	-3759.0	28	-4909.1	36	-1025.2	133	-317.1	195	3464.1	31	-6546.3	42
zones supérieures	574.3	117	-328.0	62	1093.0	123	7128.4	21	666.7	93	9134.3	24
total	-3184.7	40	-5237.1	34	67.9	2805	6811.3	23	4130.8	30	2588.1	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	additif

	volume des arbres vifs: évolutions par an IFN4–IFN5 (in 1000 m³/an)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
zones inférieures	-421.1	28	-560.6	36	-115.7	133	-35.9	195	389.5	31	-740.7	42
zones supérieures	64.7	117	-38.3	62	122.4	123	810.4	21	74.9	93	1032.7	24
total	-357.3	40	-598.4	34	7.6	2805	773.8	23	464.4	30	292.7	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	non additif

La non-additivité des évolutions par année provient du fait que l’évolution totale est divisée par le nombre moyen d'années qui s'écoule entre les deux mesures dans le domaine* considérée et que le nombre moyen d'années varie légèrement selon le domaine*.

Exemple 10 : Nombre moyen d'années par région

domaine		nombre moyen d’années
région de production	zones supérieures/inférieures
Plateau	-	8.75
Plateau	zones supérieures	8.56
Plateau	zones inférieures	8.76
Sud des Alpes	-	8.90
Sud des Alpes	zones supérieures	8.90
Sud des Alpes	zones inférieures	8.89
* entre les mesures de l’IFN4 et de l’IFN5 dans la forêt accessible sans la forêt buissonnante

haut

7. Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?

Lors du calcul d'un tableau de résultats, les données ne sont pas toujours disponibles pour toutes les combinaisons d'expressions de variables de classification*. Dans la plupart des cas, cela indique que le paramètre estimé à l'aide de la variable cible n'existe pas ou n'existe que très rarement. Généralement, on introduit alors la valeur 0. Mais comme cette valeur ne repose sur aucune mesure directe, l'erreur standard correspondante est représentée par un point (« . »). Si le calcul se réfère à la valeur supposée de 0, par exemple pour les pourcentages ou certaines estimations d’évolution, aucune valeur ne peut être utilisée. Dans ce cas, la valeur estimée et l'erreur standard sont représentées par un point (« . »).

Par exemple, aucun arole n'a été trouvé et mesuré jusqu'à présent par l’Inventaire forestier national (IFN) sur le Plateau (volume des aroles vifs par région de production). On peut donc supposer que les valeurs manquent parce que l'arole n'est effectivement pas présent sur le Plateau et que le volume doit donc y être nul.

haut

8. Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?

Les données de ces tableaux proviennent d'un relevé exhaustif et non d'un inventaire par échantillonnage. En conséquence, il n'est pas nécessaire d'indiquer une erreur standard puisqu'il n'y a pas d'incertitude liée à l'échantillonnage.

Par exemple, le relevé de desserte que l'Inventaire forestier national (IFN) effectue périodiquement auprès des services forestiers locaux est un relevé exhaustif.

haut

Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

Des valeurs négatives sont possibles si le résultat n'a pu être calculé qu'à partir de quelques arbres. L'estimation n'est donc pas fiable. Cela se reflète également dans l'erreur standard, qui est en général particulièrement élevée lorsque les valeurs de volume, d'accroissement ou d'exploitation sont négatives.

Les valeurs négatives sont dues au fait que, lors de la détermination du volume de bois de tige des arbres échantillons, le volume estimé uniquement sur la base du diamètre à hauteur de poitrine (DHP) est ajusté avec le volume des arbres échantillons de tarif estimé sur la base du DHP, du diamètre à 7 m de hauteur et de la hauteur des arbres. Cette procédure permet un calcul non biaisé et plus précis du volume de bois de tige. Elle peut toutefois conduire à des valeurs négatives pour toutes les variables cibles basées sur le volume de bois de tige des arbres d'échantillonnage (p. ex. volume des arbres vifs, accroissement, exploitation) si le nombre d'arbres d'échantillonnage dans une combinaison d’expressions de variables* est faible.

haut

IFN4
volume du bois fort de tige (UCB 2010)
classes d'assortiments (USC 2010) · essence principale
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
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
classes d'assortiments (USC 2010)	essence principale	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	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	sapin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	indéterminable	0	.	0	.	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	.
petit bois	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	.
	épicéa	143	25	49	48	75	30	700	10	21	44	379	19	0	0	53	23	330	6	392	19	135	26	640	14	10	35	56	17	298	19	49	41	58	39	101	26	158	28	54	15	39	24	820	15	221	14	35	59	226	21	5043	4
	sapin	143	35	13	51	74	40	613	12	14	38	184	25	0	.	5	54	15	25	454	14	153	23	527	14	1	40	9	31	143	20	3	57	38	31	31	31	67	40	11	24	9	28	375	13	21	24	20	70	65	24	2987	5
	pin	7	34	0	0	0	100	43	30	7	44	22	46	0	70	0	.	81	15	82	46	6	68	6	60	0	.	2	77	6	36	1	56	6	28	2	53	10	46	4	42	2	45	8	46	50	15	0	.	13	27	360	12
	mélèze	5	37	0	78	4	100	7	35	0	100	11	64	0	.	0	100	80	15	3	74	0	67	1	100	0	.	1	100	6	39	0	68	1	62	3	92	1	51	40	13	0	0	28	42	114	20	0	0	3	49	309	10
	arole	0	.	0	.	0	.	0	77	0	.	0	.	0	.	0	.	33	26	0	.	0	.	0	.	0	.	0	100	0	100	0	.	0	.	0	.	0	.	0	96	0	100	0	.	14	26	0	.	0	.	48	19
	autres résineux	2	40	0	100	1	84	5	33	4	71	3	100	0	.	0	100	16	39	3	65	11	91	0	100	0	100	0	100	30	88	0	100	1	47	0	78	2	73	0	100	0	59	16	64	1	57	0	100	3	45	100	31
	hêtre	17	12	1	42	3	36	43	9	12	16	11	18	0	.	4	30	7	22	14	14	12	17	7	17	2	35	5	29	16	13	7	20	21	12	6	20	4	20	32	10	3	36	26	14	4	28	1	37	12	14	269	3
	érable	2	30	0	62	1	51	9	14	1	32	2	29	0	94	2	34	2	25	2	28	2	26	2	34	1	51	2	43	4	22	0	69	2	26	2	29	2	39	2	29	1	44	5	16	2	28	0	52	2	22	52	6
	frêne	3	23	0	70	1	52	4	23	2	34	4	24	0	100	1	47	2	50	2	24	3	30	0	72	1	74	0	49	4	20	1	47	1	29	1	36	2	26	4	27	0	47	6	18	1	38	1	48	5	21	50	7
	chêne	4	21	0	.	0	100	2	29	1	42	1	38	2	42	0	.	1	60	1	37	1	51	1	66	0	0	0	0	2	48	1	33	2	35	0	100	2	30	7	24	0	74	6	20	2	38	0	100	3	33	38	8
	châtaignier	0	100	0	.	0	.	0	0	0	.	0	.	0	.	0	.	4	35	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	31	11	0	.	0	79	1	52	0	.	0	.	37	10
	autres feuillus	3	24	0	78	0	63	7	18	1	32	1	41	0	73	1	49	8	18	2	24	1	36	1	43	1	61	0	69	2	25	0	62	1	33	0	41	1	33	23	11	1	48	5	23	9	19	0	94	2	22	71	6
	indéterminable	0	0	0	.	0	100	0	61	0	100	0	0	0	.	0	0	0	0	0	100	0	0	0	0	0	.	0	0	0	100	0	.	0	100	0	100	0	100	0	100	0	0	0	84	0	100	0	0	0	0	1	31
	total	329	20	64	47	158	29	1434	8	65	20	617	16	2	43	66	20	579	5	955	12	324	17	1185	11	17	26	75	15	511	17	63	34	131	20	147	20	249	22	209	5	54	19	1296	11	440	10	57	48	335	16	9364	3
classes 1 et 2	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	.
	épicéa	1219	16	586	24	755	23	8848	6	211	26	2711	12	1	100	983	20	11634	5	649	18	2311	11	672	20	486	31	1586	15	2811	11	478	26	675	18	1729	12	1050	21	1719	11	1265	17	3896	8	5587	7	332	29	2089	13	54281	2
	sapin	401	23	97	36	200	30	3525	8	208	25	553	20	0	.	97	41	376	17	753	16	1481	13	358	19	55	38	246	29	756	15	28	66	514	19	454	17	339	27	320	24	295	28	1414	11	522	19	175	32	416	19	13584	3
	pin	158	28	5	75	0	0	342	24	122	28	111	43	42	84	0	.	1162	14	160	45	73	47	65	47	0	.	86	76	133	46	111	37	202	28	95	47	106	42	150	47	88	42	109	37	1220	13	0	.	288	19	4827	6
	mélèze	123	42	6	72	8	100	109	31	4	71	21	81	0	.	2	100	2208	8	2	100	13	58	0	0	0	.	8	75	147	31	26	56	12	59	3	91	37	57	1300	10	0	0	139	26	2724	8	2	100	59	32	6952	4
	arole	0	.	0	.	0	.	7	58	0	.	0	.	0	.	0	.	582	15	0	.	0	.	0	.	0	.	25	100	9	100	0	.	0	.	0	.	0	.	5	69	12	100	0	.	455	16	0	.	0	.	1095	11
	autres résineux	54	33	4	100	2	100	109	35	31	71	0	0	0	.	1	100	73	29	2	100	13	50	3	100	4	100	2	100	49	43	13	92	22	48	1	72	49	87	3	81	11	57	90	44	14	54	2	100	63	41	615	14
	hêtre	1244	13	57	43	203	31	3801	7	700	17	963	14	0	.	307	24	608	17	1032	15	890	15	497	15	180	35	338	26	1449	13	579	19	1183	13	464	18	460	17	2426	10	222	34	1926	10	465	21	76	33	1019	11	21089	3
	érable	369	15	67	70	97	50	968	10	203	21	284	21	7	78	174	27	225	25	277	20	246	19	222	25	64	30	189	40	566	15	57	42	238	17	218	21	233	32	256	20	74	37	736	14	225	19	20	51	489	18	6504	4
	frêne	306	19	21	53	131	38	579	15	168	28	388	23	15	100	89	32	318	29	313	21	252	22	37	38	104	63	41	33	529	18	56	40	175	29	208	30	254	23	606	16	74	47	587	15	309	30	50	41	435	17	6044	5
	chêne	182	27	0	.	1	100	140	25	92	52	46	32	97	47	0	.	47	40	36	53	30	40	41	63	2	100	1	100	39	54	64	32	88	35	3	72	71	29	415	18	8	58	507	21	127	24	1	72	69	33	2106	8
	châtaignier	1	100	0	.	0	.	1	100	0	.	0	.	0	.	0	.	229	38	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2453	10	0	.	23	92	54	59	0	.	0	.	2761	9
	autres feuillus	420	26	14	59	27	50	672	11	137	20	184	30	29	50	71	30	1048	12	239	17	123	23	70	25	33	46	89	33	304	20	21	36	188	27	194	25	211	22	2588	8	134	31	587	16	853	12	15	52	266	19	8519	4
	indéterminable	6	52	0	.	0	100	21	47	2	93	0	0	0	.	7	74	13	69	1	72	1	100	3	100	0	.	3	100	11	84	0	.	14	71	0	0	0	100	16	43	0	0	9	48	2	61	0	0	1	100	110	20
	total	4483	9	857	21	1426	18	19123	4	1878	12	5260	9	191	39	1730	15	18523	4	3463	9	5433	8	1968	11	928	22	2615	12	6802	8	1432	15	3312	10	3369	10	2809	12	12256	4	2183	14	10023	6	12556	5	673	21	5194	8	128488	1
classes 3 et 4	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	.
	épicéa	1575	16	892	26	1471	21	13906	6	323	25	3601	12	6	100	1571	16	14119	5	1439	16	3270	12	2114	12	383	30	1756	15	4747	10	655	23	1095	19	2878	13	1141	22	2210	11	1448	17	6988	8	5997	7	602	34	2896	12	77083	2
	sapin	1032	20	287	31	662	29	7321	8	332	37	1280	18	0	.	238	39	840	16	1735	16	2552	13	2016	14	110	52	339	28	2020	13	58	51	755	21	828	20	384	35	537	22	203	32	3039	11	635	22	211	33	1053	17	28469	3
	pin	241	29	12	100	9	100	556	28	279	33	183	42	23	71	0	.	1084	14	170	32	65	40	94	56	0	.	39	65	208	37	85	35	216	22	48	59	217	30	149	42	74	46	79	32	683	19	0	.	582	19	5096	7
	mélèze	114	34	2	100	36	100	107	34	6	76	19	64	0	.	6	76	3017	9	15	72	36	100	16	100	0	.	10	100	116	37	27	75	41	55	41	71	11	64	1336	10	0	0	229	32	3633	8	14	100	138	33	8970	5
	arole	0	.	0	.	0	.	25	64	0	.	0	.	0	.	0	.	578	15	0	.	0	.	0	.	0	.	15	100	5	100	0	.	0	.	0	.	0	.	3	100	12	100	0	.	364	18	0	.	0	.	1002	11
	autres résineux	57	48	0	0	0	0	94	55	104	74	15	100	0	.	0	0	0	0	0	0	62	67	0	0	0	0	0	0	52	100	28	80	0	0	0	0	10	100	17	100	0	0	101	54	0	0	0	0	15	68	552	24
	hêtre	2463	12	188	35	478	32	5840	8	1651	15	1985	15	0	.	523	23	615	21	2083	12	1452	15	928	15	201	38	555	29	2663	12	974	17	2562	11	847	21	700	18	1826	10	218	38	3455	10	278	24	175	41	1952	12	34610	3
	érable	245	20	11	62	45	43	668	13	147	30	115	29	0	0	171	26	119	33	231	21	119	27	133	27	40	34	32	36	451	16	14	64	319	22	100	30	172	35	111	40	45	38	346	15	72	46	54	39	255	18	4013	5
	frêne	597	20	33	75	85	43	518	18	155	33	405	24	0	0	128	39	47	35	431	23	328	49	33	50	88	50	33	68	524	17	51	46	163	23	166	42	410	21	198	25	15	64	640	18	74	43	104	46	606	16	5832	6
	chêne	241	24	0	.	5	100	314	22	125	48	100	35	200	46	0	.	115	42	143	33	123	43	41	62	0	0	7	100	73	52	122	38	135	43	16	77	183	30	264	24	27	58	513	21	42	35	9	72	263	22	3061	8
	châtaignier	2	100	0	.	0	.	0	0	0	.	0	.	0	.	0	.	62	38	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	999	11	0	.	22	89	20	43	0	.	0	.	1106	10
	autres feuillus	268	42	2	100	16	71	314	29	53	37	84	57	2	100	43	64	266	20	148	40	60	46	28	52	26	71	4	100	134	29	11	64	74	45	39	47	163	37	668	13	22	57	425	30	173	24	6	100	208	27	3237	8
	indéterminable	0	0	0	.	0	0	5	71	6	100	0	0	0	.	0	0	6	100	0	0	0	0	0	0	0	.	0	0	0	0	0	.	4	100	7	100	0	0	0	0	0	0	17	72	3	100	0	0	5	100	54	34
	total	6834	8	1426	22	2807	18	29667	4	3181	13	7787	9	231	43	2681	14	20868	4	6395	9	8067	9	5402	9	848	23	2790	14	10992	7	2023	15	5365	9	4971	11	3390	13	8318	5	2064	14	15854	6	11975	5	1176	24	7973	8	173084	1
classes 5 et 6	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	.
	épicéa	355	30	162	41	401	32	4570	8	149	50	935	17	13	100	737	25	5223	8	404	29	914	18	501	22	101	44	675	23	2224	15	169	34	238	30	999	20	229	36	1297	16	628	26	2185	12	1956	13	112	39	670	19	25848	3
	sapin	394	30	60	51	251	36	2811	11	75	62	356	27	0	.	166	50	482	21	244	31	693	18	557	23	28	60	169	41	780	20	9	73	217	29	410	27	77	87	359	31	73	55	883	17	205	29	89	60	409	21	9799	5
	pin	73	43	0	0	0	0	114	35	25	59	12	76	0	0	0	.	196	27	49	69	4	100	16	74	0	.	4	100	25	59	3	100	16	55	5	100	21	71	11	60	6	71	0	0	74	38	0	.	80	38	733	13
	mélèze	6	100	0	0	0	0	10	100	0	0	0	0	0	.	13	100	988	13	0	0	25	100	0	0	0	.	0	0	26	68	7	100	14	100	0	0	6	100	521	19	0	0	39	58	1141	12	11	100	15	60	2822	8
	arole	0	.	0	.	0	.	15	71	0	.	0	.	0	.	0	.	188	23	0	.	0	.	0	.	0	.	0	0	5	100	0	.	0	.	0	.	0	.	0	0	5	100	0	.	137	28	0	.	0	.	351	17
	autres résineux	29	71	0	0	0	0	41	63	20	100	21	100	0	.	0	0	0	0	0	0	56	73	0	0	0	0	0	0	85	100	21	100	0	0	0	0	0	0	4	100	0	0	71	96	0	0	0	0	4	100	353	36
	hêtre	1195	16	37	49	142	39	1831	13	699	26	606	24	0	.	132	42	185	29	424	22	548	25	153	40	18	71	197	50	718	18	178	34	975	19	321	35	292	29	481	27	68	54	861	15	57	45	67	56	1245	19	11429	5
	érable	22	67	0	0	0	0	121	48	36	78	6	71	0	0	30	55	14	60	20	51	3	100	11	61	5	100	3	100	60	40	0	0	5	100	0	0	31	69	4	100	2	100	30	47	0	0	4	100	100	40	506	17
	frêne	94	35	3	100	4	100	139	38	40	53	56	41	0	0	16	63	12	100	58	40	33	50	0	0	30	69	0	0	83	46	10	100	4	100	27	71	78	38	31	57	0	0	149	35	0	0	21	88	115	35	1004	12
	chêne	248	30	0	.	5	100	90	36	81	51	71	51	32	88	0	.	11	58	20	60	25	58	0	0	0	0	0	0	53	58	99	62	62	48	28	90	194	64	21	64	7	100	172	45	6	100	8	100	189	32	1423	14
	châtaignier	0	0	0	.	0	.	0	0	0	.	0	.	0	.	0	.	8	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1053	23	0	.	3	100	30	66	0	.	0	.	1094	22
	autres feuillus	88	51	0	0	0	0	108	64	46	92	46	74	0	0	5	100	49	60	0	0	13	76	82	100	0	0	0	0	22	100	3	100	7	72	12	73	203	98	50	51	0	0	103	56	43	72	0	0	27	48	906	28
	indéterminable	0	0	0	.	0	0	0	0	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	.	0	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	2505	11	262	32	803	27	9849	6	1171	19	2111	14	45	69	1098	20	7354	7	1219	15	2314	12	1320	16	182	31	1049	19	4081	11	499	24	1538	15	1801	16	1131	26	3833	9	789	23	4498	9	3649	9	313	30	2855	12	56268	2
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	.
	épicéa	3293	14	1689	24	2702	20	28025	5	705	23	7626	10	20	100	3344	16	31306	5	2883	14	6631	11	3926	11	980	28	4073	13	10080	10	1352	20	2065	16	5707	12	2578	17	5280	10	3380	16	13888	7	13761	7	1081	29	5880	10	162254	2
	sapin	1971	18	456	30	1187	27	14270	7	630	32	2374	17	0	.	506	35	1713	16	3186	14	4879	12	3459	13	194	45	763	26	3699	13	98	47	1524	18	1723	18	866	25	1228	21	580	27	5710	9	1383	19	495	29	1944	15	54840	3
	pin	479	25	17	91	9	100	1054	22	433	31	328	40	65	73	0	.	2523	12	461	31	148	39	181	46	0	.	131	70	371	36	199	31	441	22	150	49	354	28	315	42	170	42	196	31	2026	13	0	.	964	17	11015	6
	mélèze	248	32	8	71	48	100	233	27	10	73	51	47	0	.	22	83	6294	8	20	69	74	90	17	100	0	.	19	74	296	31	60	68	68	52	46	70	56	52	3197	9	0	0	435	26	7612	7	27	100	214	29	19053	4
	arole	0	.	0	.	0	.	48	64	0	.	0	.	0	.	0	.	1381	13	0	.	0	.	0	.	0	.	40	100	19	100	0	.	0	.	0	.	0	.	8	68	29	100	0	.	970	16	0	.	0	.	2495	10
	autres résineux	142	34	4	100	4	79	249	35	158	74	38	100	0	.	1	100	89	29	5	56	142	64	3	100	4	100	2	100	216	76	61	71	22	48	2	73	60	88	24	97	11	57	279	43	15	53	2	100	86	39	1620	18
	hêtre	4919	11	283	34	825	29	11515	7	3063	15	3565	14	0	.	966	22	1415	17	3553	11	2902	14	1585	15	400	30	1095	27	4845	11	1738	16	4741	10	1638	18	1456	17	4763	9	510	33	6269	9	804	20	319	36	4229	11	67397	2
	érable	637	14	78	62	143	42	1765	10	387	22	407	19	7	78	376	22	360	24	529	16	371	17	367	23	111	26	225	35	1081	13	71	44	564	18	320	20	437	28	374	22	121	30	1117	12	299	20	79	37	846	14	11076	4
	frêne	1000	17	57	59	220	38	1240	15	364	27	852	21	15	100	234	35	379	27	805	20	615	34	71	39	224	52	74	40	1140	15	118	35	344	22	403	29	743	19	840	16	89	48	1383	16	384	27	176	43	1161	14	12930	5
	chêne	674	19	0	.	11	100	546	18	299	39	219	32	330	43	0	.	173	39	200	36	178	39	83	57	2	100	8	100	168	49	286	36	287	31	47	84	450	38	707	16	42	55	1199	18	176	23	19	80	524	20	6628	7
	châtaignier	2	100	0	.	0	.	1	100	0	.	0	.	0	.	0	.	303	34	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4537	9	0	.	49	91	105	54	0	.	0	.	4997	9
	autres feuillus	779	28	17	62	44	55	1100	16	238	25	315	34	31	50	119	35	1371	12	388	23	197	24	181	55	60	47	94	32	461	20	34	40	270	25	246	24	578	44	3328	8	157	30	1121	19	1078	12	21	58	504	19	12734	5
	indéterminable	6	52	0	.	0	100	25	48	8	83	0	0	0	.	7	74	19	58	1	72	1	100	3	100	0	.	3	100	11	85	0	.	18	77	7	100	0	100	16	43	0	0	26	51	6	81	0	0	6	100	165	19
	total	14151	7	2609	21	5194	17	60073	4	6294	12	15775	8	469	40	5575	13	47325	4	12031	8	16138	8	9876	9	1975	20	6528	12	22386	7	4016	14	10346	9	10289	10	7579	11	24616	3	5089	13	31671	5	28620	5	2219	22	16357	7	367203	1

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. 1197736. Birmensdorf, Swiss Federal Research Institute WSL

page précedente