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.

IFN4—IFN5
évolution: nombre de tiges
essence (56 classes)
découpage régional: région économique
unité: 1000 n/an
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
évolution 2009/17–2018/26
	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
essence (56 classes)	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%	1000 n/an	±%
pas d'indication	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.
Abies alba	26	234	-27	45	-13	132	73	63	-54	66	12	125	68	80	-35	56	-3	283	5	186	-9	65	10	59	-28	67	13	104	37	295
Larix decidua, Larix kaempferi	-2	100	6	107	15	88	-3	100	25	92	6	128	-3	145	-8	79	-4	140	.	.	-1	466	-51	50	-43	33	-20	72	-81	54
Picea abies	-357	24	-61	90	-114	48	-6	1330	-299	27	-95	54	-64	137	-159	59	0	148568	-13	264	-66	72	66	66	-9	1028	87	117	-1095	25
Pinus cembra	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	100	.	.	.	.	3	381	20	156	0	0	23	145
Pinus mugo subsp. uncinata	.	.	.	.	.	.	.	.	.	.	.	.	11	77	0	0	4	100	1	111	.	.	-1	351	12	201	1	100	27	96
Pinus mugo subsp. mugo	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	0	0	2	100	0	7490	-8	76	.	.	-6	119
Pinus nigra	-4	100	0	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-4	106
Pinus strobus	4	112	.	.	6	76	0	0	0	0	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	10	64
Pinus sylvestris	-20	43	-19	54	-17	43	-15	119	-25	36	.	.	-7	76	-1	100	0	0	0	380	.	.	-64	31	-8	160	-2	100	-176	19
Pseudotsuga menziesii	.	.	1	424	-10	78	-1	671	0	789	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	1	100	-8	119
Taxus baccata	2	100	1	100	.	.	-4	100	7	74	.	.	0	0	4	71	0	0	.	.	0	0	2	100	.	.	2	100	14	56
autres résineux	.	.	-1	100	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	-1	100
Acer campestre	13	50	0	1313	0	0	.	.	1	100	.	.	3	100	-1	100	2	100	.	.	0	0	2	100	0	0	0	0	20	42
Acer opalus	-5	122	.	.	.	.	-2	100	.	.	.	.	.	.	.	.	-1	1064	.	.	.	.	2	100	.	.	.	.	-6	183
Acer platanoides	13	67	12	56	7	90	3	73	0	789	2	100	-4	71	-4	109	-1	100	2	100	-2	100	1	331	-2	99	0	100	27	56
Acer pseudoplatanus	58	46	42	50	49	69	35	41	-25	137	-8	101	13	118	18	116	39	52	3	200	0	3307	15	76	-2	378	24	57	259	28
Aesculus hippocastanum	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0
Alnus glutinosa	3	77	-1	100	-1	301	-20	106	8	165	.	.	.	.	2	100	.	.	.	.	.	.	.	.	.	.	-1	420	-11	241
Alnus incana	-6	110	-2	100	-2	100	-6	58	9	99	8	122	-3	427	-17	76	-5	146	-13	92	-12	66	-19	74	-44	68	-22	89	-134	36
Alnus viridis	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.
Betula pendula	-2	100	0	1226	1	164	6	155	26	47	.	.	0	0	-2	73	0	0	3	100	0	0	-17	92	-8	91	-44	77	-37	113
Betula pubescens	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	0	0	0	0	.	.	0	0	0	0	1	100	1	100
Carpinus betulus	0	8037	18	57	4	71	-3	68	-1	980	.	.	.	.	-5	100	.	.	.	.	.	.	-4	100	.	.	-2	100	7	207
Castanea sativa	.	.	.	.	-2	100	.	.	-1	100	.	.	.	.	.	.	0	0	.	.	.	.	0	194	2	100	-188	26	-189	26
Fagus sylvatica	-174	37	0	242912	9	593	-50	100	11	496	-4	468	-46	95	-83	33	26	68	-5	215	-47	68	3	643	-13	99	21	126	-354	39
Fraxinus excelsior	-21	126	-39	70	-67	32	-30	58	-133	25	5	221	-32	77	-104	33	-2	569	-8	101	-18	46	-12	267	-25	75	22	47	-463	18
Fraxinus ornus	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	7	139	7	139
Ilex aquifolium	4	71	0	0	.	.	.	.	.	.	.	.	0	100	2	100	0	0	1	100	.	.	2	100	.	.	14	46	23	34
Juglans regia	0	0	2	100	.	.	5	72	-2	100	.	.	1	215	.	.	2	100	.	.	.	.	0	0	5	100	0	0	13	57
Laburnum anagyroides	-2	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	0	100	.	.	0	0	-2	108
Malus sylvestris	-6	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-2	100	.	.	.	.	.	.	.	.	.	.	-8	78
Ostrya carpinifolia	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	7	203	7	203
Populus alba, Populus x canescens	.	.	.	.	4	100	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	-2	100	.	.	.	.	2	230
Populus nigra s.l.	.	.	0	100	0	0	0	0	-1	100	.	.	.	.	-3	100	.	.	.	.	.	.	.	.	.	.	.	.	-4	79
Populus (autres)	.	.	.	.	-7	76	0	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	100	.	.	-9	65
Populus tremula	1	100	.	.	0	0	.	.	4	70	-2	100	3	102	.	.	6	100	.	.	-2	100	8	103	-8	81	-14	107	-4	563
Prunus avium	7	56	2	101	3	274	15	75	-5	98	2	101	-4	78	-5	159	0	1771	0	0	2	100	26	86	-6	100	2	563	39	78
Prunus padus	.	.	.	.	0	0	8	100	7	102	.	.	.	.	.	.	.	.	.	.	.	.	.	.	2	100	.	.	16	64
Pyrus communis, Pyrus pyraster	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	100	.	.	.	.	-1	100
Quercus cerris	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-2	202	-2	202
Quercus petraea	-24	36	-3	119	-27	72	-1	88	-9	65	.	.	-2	89	1	100	-2	100	-2	137	.	.	-3	149	0	0	-7	73	-78	30
Quercus pubescens	8	100	.	.	.	.	-2	100	0	0	.	.	.	.	.	.	.	.	.	.	.	.	15	98	.	.	5	122	25	70
Quercus robur	-9	92	3	98	-1	2631	-1	730	3	320	0	86	0	100	-2	72	0	0	0	0	.	.	1	100	.	.	-8	52	-16	138
Quercus rubra	.	.	-1	224	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	224
Robinia pseudoacacia	-2	100	-2	100	.	.	.	.	-8	100	.	.	.	.	.	.	.	.	.	.	.	.	-2	100	.	.	22	69	8	212
Salix (autres)	10	77	1	183	13	74	25	92	24	67	10	80	9	63	0	100	-14	66	2	100	0	0	-13	189	8	143	-11	80	63	68
Sorbus aria	-3	254	-2	100	-8	100	0	0	0	0	0	2908	-2	103	0	790	-5	98	-4	71	-4	71	12	47	-4	100	31	48	11	199
Sorbus aucuparia	-7	113	.	.	-2	100	-2	100	-2	244	-3	74	-3	151	-6	59	-2	322	0	0	-2	100	2	624	4	100	0	0	-23	92
Sorbus torminalis	.	.	-3	73	.	.	0	0	-1	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-4	60
Tilia cordata	1	305	2	441	10	100	5	69	0	4014	0	0	-5	100	-4	110	0	1533	0	0	-2	100	0	0	-1	100	14	95	20	112
Tilia platyphyllos	-8	128	8	79	0	100	-4	82	2	97	.	.	5	100	0	0	0	0	-2	100	1	284	0	24091	1	100	1	415	3	512
Ulmus glabra	4	98	-9	73	7	102	10	60	2	260	0	0	21	44	1	657	-3	77	0	0	-14	40	.	.	-2	328	6	129	22	89
Ulmus minor	.	.	.	.	0	0	.	.	.	.	.	.	-2	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-2	100
autres feuillus	4	100	0	0	.	.	2	100	.	.	.	.	.	.	.	.	-13	100	.	.	.	.	.	.	.	.	0	0	-7	208
autres arbustes	0	1715	2	102	0	0	-2	100	4	152	.	.	-2	100	-7	100	0	1002	.	.	.	.	2	180	0	2971	21	64	18	103
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
total	-495	29	-72	119	-143	78	33	417	-432	31	-66	99	-47	279	-418	28	23	368	-31	134	-173	39	-18	482	-157	76	-21	792	-2021	20

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. 1269688. Birmensdorf, Swiss Federal Research Institute WSL

page précedente