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 IFN4/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	34	181	-27	45	-13	132	73	63	-54	66	15	96	68	79	-38	56	-3	283	3	360	-9	65	12	51	-28	67	16	84	50	218
Larix decidua, Larix kaempferi	-2	100	6	107	15	88	-3	100	25	92	6	128	-3	145	-8	79	-4	140	.	.	-1	388	-46	61	-5	413	24	105	5	976
Picea abies	-350	24	-61	90	-131	44	-6	1330	-295	28	-40	163	-88	101	-208	47	-13	516	-4	931	-90	56	84	54	54	196	166	65	-986	29
Pinus cembra	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	100	.	.	.	.	7	184	52	68	2	100	60	62
Pinus mugo subsp. uncinata	.	.	.	.	.	.	.	.	.	.	.	.	11	77	0	0	4	100	2	74	.	.	-1	350	12	203	12	69	39	70
Pinus mugo subsp. mugo	.	.	.	.	.	.	.	.	.	.	.	.	2	100	.	.	2	100	6	100	2	100	0	7490	-8	76	.	.	5	201
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	-1	135	-12	100	-67	29	6	296	-2	100	-177	22
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	.	.	.	.	.	.	.	.	.	.	-1	100	0	0	.	.	.	.	.	.	.	.	.	.	-2	72
Acer campestre	13	50	0	2269	0	0	.	.	1	100	.	.	3	100	-1	100	2	100	.	.	0	0	15	72	0	0	-2	100	31	44
Acer opalus	-5	122	.	.	.	.	-2	100	.	.	.	.	.	.	.	.	-1	1064	.	.	.	.	7	95	.	.	.	.	-1	975
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	59	46	35	60	52	66	35	41	-19	183	-10	83	14	113	14	148	40	54	10	83	2	373	37	89	-15	114	45	39	299	27
Aesculus hippocastanum	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0
Alnus glutinosa	2	114	-1	100	-1	301	-20	106	8	165	.	.	.	.	2	100	.	.	.	.	.	.	.	.	.	.	-3	154	-14	190
Alnus incana	-6	110	-2	100	-2	100	-8	50	9	99	3	355	-1	1792	-21	109	-5	146	-25	74	-12	66	-19	74	-38	81	-31	67	-158	35
Alnus viridis	.	.	.	.	.	.	.	.	.	.	.	.	-7	100	.	.	-2	100	.	.	.	.	.	.	.	.	.	.	-9	81
Betula pendula	-2	100	0	1226	1	164	6	155	26	47	.	.	0	0	-2	73	18	71	3	100	0	0	-3	621	-23	86	-62	83	-39	160
Betula pubescens	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	0	0	0	0	.	.	0	0	0	0	1	100	1	100
Carpinus betulus	-2	257	18	57	4	71	-3	68	1	520	.	.	.	.	-5	100	.	.	.	.	.	.	-4	100	.	.	-2	100	7	208
Castanea sativa	.	.	.	.	-2	100	.	.	-1	100	.	.	.	.	.	.	0	0	.	.	.	.	-10	101	2	100	-217	27	-229	26
Fagus sylvatica	-175	37	-26	161	9	593	-50	100	21	257	-4	468	-48	90	-88	32	28	64	-5	191	-42	76	4	372	-13	99	37	75	-353	40
Fraxinus excelsior	-19	139	-46	61	-67	32	-30	58	-122	28	5	221	-32	77	-128	33	-7	177	-12	86	-32	41	0	213804	-16	126	18	70	-487	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	.	.	4	97	.	.	2	100	.	.	.	.	0	0	5	100	0	0	16	50
Laburnum anagyroides	-2	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	2	94	.	.	0	0	0	1298
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	-1	100	0	0	-4	78	.	.	.	.	-3	100	.	.	.	.	.	.	.	.	.	.	2	100	-5	97
Populus (autres)	.	.	.	.	-10	63	0	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	100	.	.	-11	56
Populus tremula	1	100	.	.	-6	100	.	.	4	70	-2	100	3	102	.	.	6	100	.	.	-2	100	8	96	-6	120	-14	107	-7	302
Prunus avium	7	56	-2	188	6	127	15	75	-5	98	2	101	1	745	-5	159	-1	520	0	0	2	100	31	73	-6	100	0	3692	46	68
Prunus padus	.	.	.	.	0	0	8	100	7	102	.	.	.	.	.	.	.	.	.	.	.	.	.	.	4	71	4	100	23	50
Pyrus communis, Pyrus pyraster	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	100	.	.	.	.	-1	100
Quercus cerris	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-4	102	-4	102
Quercus petraea	-24	36	-3	119	-27	72	-1	88	-9	65	.	.	-2	89	1	100	-2	100	-2	137	2	100	-5	109	0	0	-7	73	-78	30
Quercus pubescens	8	100	.	.	.	.	-2	100	0	0	.	.	.	.	.	.	.	.	.	.	.	.	12	124	.	.	8	75	26	69
Quercus robur	-9	92	3	98	-1	2631	-2	389	3	329	0	86	0	100	-3	66	0	0	-1	100	.	.	1	100	.	.	-8	52	-18	120
Quercus rubra	.	.	-1	224	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-1	224
Robinia pseudoacacia	-2	100	-2	100	0	0	-4	100	-8	100	.	.	.	.	.	.	.	.	.	.	.	.	-2	100	.	.	22	69	4	402
Salix (autres)	14	58	1	183	13	74	25	92	28	60	29	72	11	55	0	100	-16	59	2	100	0	0	-14	173	8	168	-7	134	93	52
Sorbus aria	5	263	-3	73	-8	100	0	0	0	0	-2	171	2	224	0	790	-5	89	-4	71	-4	71	20	37	-4	100	33	46	30	85
Sorbus aucuparia	-3	339	-2	100	-2	100	-2	100	-2	244	-10	78	-3	151	-6	59	6	163	-2	97	-2	100	6	242	12	71	8	104	-3	942
Sorbus torminalis	.	.	-3	73	.	.	0	0	-1	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-4	60
Tilia cordata	1	305	2	441	10	100	5	69	1	1215	0	0	-5	100	-4	110	0	1533	0	100	-2	100	0	0	-1	100	14	96	21	108
Tilia platyphyllos	-8	128	8	79	0	100	-4	82	3	73	.	.	7	73	0	0	-11	100	-2	100	1	284	0	24091	1	100	1	415	-4	524
Ulmus glabra	4	98	-9	73	7	102	10	60	2	260	2	100	21	44	1	657	-3	77	0	0	-14	40	.	.	-2	328	6	129	24	82
Ulmus minor	.	.	.	.	0	0	.	.	.	.	.	.	-2	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-2	100
autres feuillus	4	100	0	0	.	.	2	100	.	.	.	.	.	.	.	.	-13	100	.	.	.	.	.	.	.	.	2	100	-5	299
autres arbustes	0	1715	2	102	11	100	-2	100	6	106	2	100	-2	100	-7	100	1	251	.	.	.	.	2	180	0	2971	25	60	38	59
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	-464	32	-118	77	-152	75	27	526	-395	34	-1	5539	-58	227	-507	25	21	428	-30	149	-214	35	81	119	-10	1396	117	151	-1709	25

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. 1269695. Birmensdorf, Swiss Federal Research Institute WSL

page précedente