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
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	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.
Abies alba	301	181	-243	45	-113	132	635	63	-474	66	138	96	610	79	-336	56	-31	283	24	360	-77	65	106	51	-243	67	146	84	442	218
Larix decidua, Larix kaempferi	-17	100	57	107	128	88	-28	100	219	92	53	128	-26	145	-69	79	-31	140	.	.	-12	388	-396	61	-44	413	214	105	47	976
Picea abies	-3125	24	-543	90	-1142	44	-57	1330	-2593	28	-364	163	-787	101	-1841	47	-117	516	-34	931	-805	56	734	54	473	196	1481	65	-8719	29
Pinus cembra	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	100	.	.	.	.	57	184	459	68	16	100	533	62
Pinus mugo subsp. uncinata	.	.	.	.	.	.	.	.	.	.	.	.	96	77	0	0	35	100	14	74	.	.	-12	350	102	203	107	69	341	70
Pinus mugo subsp. mugo	.	.	.	.	.	.	.	.	.	.	.	.	18	100	.	.	17	100	58	100	18	100	0	7490	-67	76	.	.	43	201
Pinus nigra	-35	100	2	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-33	106
Pinus strobus	35	112	.	.	56	76	0	0	0	0	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	91	64
Pinus sylvestris	-177	43	-165	54	-149	43	-129	119	-220	36	.	.	-59	76	-9	100	0	0	-12	135	-106	100	-579	29	57	296	-18	100	-1567	22
Pseudotsuga menziesii	.	.	7	424	-86	78	-6	671	3	789	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	8	100	-73	119
Taxus baccata	17	100	7	100	.	.	-34	100	58	74	.	.	0	0	39	71	0	0	.	.	0	0	17	100	.	.	20	100	124	56
autres résineux	.	.	-10	100	.	.	.	.	.	.	.	.	.	.	-7	100	0	0	.	.	.	.	.	.	.	.	.	.	-18	72
Acer campestre	117	50	1	2269	0	0	.	.	7	100	.	.	24	100	-9	100	20	100	.	.	0	0	133	72	0	0	-16	100	276	44
Acer opalus	-45	122	.	.	.	.	-19	100	.	.	.	.	.	.	.	.	-7	1064	.	.	.	.	60	95	.	.	.	.	-12	975
Acer platanoides	112	67	107	56	61	90	26	73	-4	789	21	100	-33	71	-36	109	-6	100	18	100	-15	100	6	331	-21	99	-1	100	237	56
Acer pseudoplatanus	529	46	313	60	448	66	309	41	-168	183	-91	83	128	113	125	148	353	54	90	83	17	373	322	89	-131	114	400	39	2643	27
Aesculus hippocastanum	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0
Alnus glutinosa	19	114	-10	100	-12	301	-178	106	67	165	.	.	.	.	22	100	.	.	.	.	.	.	.	.	.	.	-27	154	-120	190
Alnus incana	-55	110	-17	100	-17	100	-69	50	80	99	29	355	-7	1792	-182	109	-45	146	-227	74	-111	66	-164	74	-331	81	-279	67	-1395	35
Alnus viridis	.	.	.	.	.	.	.	.	.	.	.	.	-65	100	.	.	-18	100	.	.	.	.	.	.	.	.	.	.	-83	81
Betula pendula	-19	100	2	1226	13	164	52	155	229	47	.	.	0	0	-16	73	156	71	26	100	0	0	-28	621	-203	86	-556	83	-345	160
Betula pubescens	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	0	0	0	0	.	.	0	0	0	0	7	100	7	100
Carpinus betulus	-18	257	157	57	34	71	-22	68	12	520	.	.	.	.	-42	100	.	.	.	.	.	.	-37	100	.	.	-20	100	65	208
Castanea sativa	.	.	.	.	-17	100	.	.	-7	100	.	.	.	.	.	.	0	0	.	.	.	.	-89	101	18	100	-1931	27	-2026	26
Fagus sylvatica	-1562	37	-231	161	81	593	-439	100	188	257	-31	468	-428	90	-781	32	246	64	-49	191	-376	76	39	372	-111	99	328	75	-3125	40
Fraxinus excelsior	-171	139	-403	61	-581	32	-264	58	-1076	28	46	221	-289	77	-1131	33	-59	177	-112	86	-285	41	0	213804	-139	126	163	70	-4302	18
Fraxinus ornus	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	59	139	59	139
Ilex aquifolium	34	71	0	0	.	.	.	.	.	.	.	.	-3	100	21	100	0	0	6	100	.	.	18	100	.	.	124	46	201	34
Juglans regia	0	0	17	100	.	.	42	72	-17	100	.	.	35	97	.	.	18	100	.	.	.	.	0	0	46	100	0	0	142	50
Laburnum anagyroides	-17	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	19	94	.	.	0	0	2	1298
Malus sylvestris	-52	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-18	100	.	.	.	.	.	.	.	.	.	.	-71	78
Ostrya carpinifolia	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	66	203	66	203
Populus alba, Populus x canescens	.	.	.	.	34	100	.	.	.	.	.	.	.	.	.	.	0	0	.	.	.	.	-18	100	.	.	.	.	17	230
Populus nigra s.l.	.	.	0	100	-7	100	0	0	-32	78	.	.	.	.	-28	100	.	.	.	.	.	.	.	.	.	.	22	100	-45	97
Populus (autres)	.	.	.	.	-83	63	-4	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-7	100	.	.	-94	56
Populus tremula	8	100	.	.	-55	100	.	.	39	70	-15	100	26	102	.	.	52	100	.	.	-15	100	73	96	-51	120	-124	107	-61	302
Prunus avium	61	56	-16	188	56	127	135	75	-44	98	22	101	7	745	-40	159	-7	520	0	0	17	100	271	73	-52	100	-2	3692	410	68
Prunus padus	.	.	.	.	0	0	67	100	59	102	.	.	.	.	.	.	.	.	.	.	.	.	.	.	38	71	36	100	200	50
Pyrus communis, Pyrus pyraster	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-8	100	.	.	.	.	-8	100
Quercus cerris	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-33	102	-33	102
Quercus petraea	-211	36	-28	119	-232	72	-11	88	-76	65	.	.	-17	89	7	100	-18	100	-14	137	17	100	-43	109	0	0	-62	73	-688	30
Quercus pubescens	68	100	.	.	.	.	-19	100	0	0	.	.	.	.	.	.	.	.	.	.	.	.	103	124	.	.	74	75	227	69
Quercus robur	-85	92	25	98	-5	2631	-21	389	25	329	-2	86	-1	100	-23	66	0	0	-8	100	.	.	8	100	.	.	-73	52	-158	120
Quercus rubra	.	.	-7	224	.	.	.	.	0	0	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-7	224
Robinia pseudoacacia	-17	100	-17	100	0	0	-33	100	-69	100	.	.	.	.	.	.	.	.	.	.	.	.	-17	100	.	.	193	69	39	402
Salix (autres)	123	58	10	183	110	74	220	92	242	60	260	72	98	55	0	100	-139	59	17	100	0	0	-122	173	68	168	-65	134	822	52
Sorbus aria	48	263	-28	73	-69	100	0	0	0	0	-17	171	17	224	-3	790	-46	89	-34	71	-34	71	176	37	-37	100	291	46	264	85
Sorbus aucuparia	-24	339	-22	100	-17	100	-17	100	-17	244	-94	78	-30	151	-52	59	52	163	-16	97	-18	100	55	242	108	71	67	104	-25	942
Sorbus torminalis	.	.	-28	73	.	.	0	0	-10	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-38	60
Tilia cordata	10	305	13	441	86	100	44	69	6	1215	0	0	-40	100	-39	110	4	1533	0	100	-15	100	0	0	-9	100	125	96	185	108
Tilia platyphyllos	-68	128	69	79	0	100	-36	82	30	73	.	.	64	73	0	0	-97	100	-18	100	6	284	0	24091	7	100	7	415	-34	524
Ulmus glabra	37	98	-79	73	58	102	86	60	17	260	17	100	186	44	5	657	-24	77	0	0	-124	40	.	.	-16	328	51	129	213	82
Ulmus minor	.	.	.	.	0	0	.	.	.	.	.	.	-21	100	.	.	.	.	.	.	.	.	.	.	.	.	.	.	-21	100
autres feuillus	38	100	0	0	.	.	20	100	.	.	.	.	.	.	.	.	-118	100	.	.	.	.	.	.	.	.	18	100	-43	299
autres arbustes	2	1715	17	102	98	100	-17	100	54	106	18	100	-21	100	-62	100	11	251	.	.	.	.	18	180	1	2971	219	60	337	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	-4140	32	-1042	77	-1320	75	232	526	-3469	34	-13	5539	-518	227	-4489	25	184	428	-271	149	-1919	35	703	119	-86	1396	1038	151	-15110	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. 1269715. Birmensdorf, Swiss Federal Research Institute WSL

page précedente