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
nombre de tiges
stade de développement · résineux et feuillus
découpage régional: région économique
unité: n/ha
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
stade de développement	résineux et feuillus	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%	n/ha	±%
pas d'indication	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	59	48	0	.	5	87	5	86	81	79	41	65	34	31	20	82	83	24	20	0	0	.	16	22	95	30	65	38	53	20
	feuillus	198	54	0	.	11	49	28	67	17	59	58	65	0	.	40	82	4	89	0	.	149	57	0	.	0	.	0	.	24	39
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	257	52	0	.	16	28	33	70	98	61	99	65	34	31	60	47	88	21	20	0	149	57	16	22	95	30	65	38	76	18
recrû/fourré	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	94	54	20	35	37	53	111	30	27	32	90	37	94	21	69	28	76	23	16	94	23	59	23	38	100	16	50	37	65	11
	feuillus	31	28	59	27	30	36	29	27	56	24	22	53	58	25	53	32	61	46	27	49	41	53	22	39	18	48	39	32	38	10
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	125	44	79	21	67	29	141	23	83	17	112	30	152	16	123	23	137	20	43	40	64	44	45	25	118	15	89	21	103	8
perchis	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	200	21	151	33	266	27	366	16	234	16	338	35	386	21	353	22	240	20	335	20	111	34	206	16	478	10	108	20	257	5
	feuillus	329	14	409	11	331	21	226	17	226	10	223	28	190	21	224	25	326	17	172	42	289	34	274	12	142	24	453	9	288	5
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	529	9	560	9	597	13	591	9	460	8	561	19	575	12	576	12	566	9	507	16	400	24	481	8	620	7	561	7	546	3
jeune futaie	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	188	18	168	30	233	22	322	17	251	15	438	26	498	22	347	22	357	23	298	22	365	22	528	14	467	11	113	26	313	6
	feuillus	299	14	308	18	204	25	172	16	218	14	229	36	223	36	337	38	208	28	368	25	268	27	80	29	84	40	509	8	255	6
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	488	9	476	9	436	13	494	10	469	8	668	17	721	14	684	15	565	12	666	16	633	17	608	11	550	9	622	6	568	3
futaie moyenne	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	207	11	101	22	108	28	172	15	116	15	452	23	239	18	257	13	283	18	440	27	165	25	395	12	350	9	195	18	232	5
	feuillus	234	8	263	13	316	19	146	17	176	10	127	28	225	22	185	13	153	25	214	44	134	20	82	43	18	39	229	15	177	5
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	442	6	364	10	423	13	318	9	292	8	578	18	464	10	443	8	435	14	654	15	300	10	477	9	368	8	424	7	409	3
vieille futaie	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	162	8	64	27	122	17	126	13	96	11	295	16	262	7	213	8	215	11	289	17	209	24	314	9	277	7	177	11	199	3
	feuillus	145	9	164	11	188	13	162	10	171	9	64	30	137	13	120	14	106	22	143	22	95	23	28	31	29	26	121	18	118	4
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	307	6	228	10	310	9	288	6	266	6	359	14	399	6	333	6	321	8	432	11	304	16	342	8	306	6	298	7	318	2
mélangé	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	232	6	104	33	135	32	217	18	80	20	294	16	306	8	207	17	302	9	401	15	247	21	316	7	369	7	215	15	269	3
	feuillus	151	9	338	16	210	21	152	17	215	13	187	20	124	14	212	19	120	23	134	33	197	24	80	20	46	29	216	11	142	5
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	383	5	442	11	345	17	369	11	295	9	482	11	430	6	420	12	422	8	535	14	445	12	396	6	415	6	431	9	411	2
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	résineux	194	5	101	14	152	13	216	8	143	8	308	10	292	6	227	7	248	7	308	10	196	12	302	6	343	4	154	8	231	2
	feuillus	195	5	259	7	221	10	160	7	186	5	132	13	145	8	166	9	155	11	166	15	165	13	102	10	53	14	296	5	169	2
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	389	3	360	6	373	7	376	5	329	4	440	7	438	4	393	5	403	5	474	8	361	8	403	4	396	4	449	4	400	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. 1325273. Birmensdorf, Swiss Federal Research Institute WSL

page précedente