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
accroissement net
essence (56 classes)
découpage régional: région économique
unité: 1000 m³/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 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
Abies alba	393	11	11	111	71	25	242	14	148	18	73	33	305	15	148	21	48	32	23	66	15	45	36	32	17	50	31	43	1564	6
Larix decidua, Larix kaempferi	1	81	3	82	14	47	4	60	10	87	1	78	1	67	4	51	12	50	0	0	0	371	102	22	118	18	112	24	379	11
Picea abies	170	24	33	68	113	24	281	13	357	13	190	16	211	19	286	16	223	18	88	30	100	27	196	21	588	12	132	30	2967	5
Pinus cembra	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	100	0	.	0	.	11	51	35	31	0	87	49	26
Pinus mugo subsp. uncinata	0	.	0	.	0	.	0	.	0	.	0	.	4	82	0	100	2	63	3	67	0	.	0	272	5	131	0	317	14	56
Pinus mugo subsp. mugo	0	.	0	.	0	.	0	.	0	.	0	.	0	86	0	.	-1	112	0	100	0	100	0	100	0	124	0	.	-1	109
Pinus nigra	1	79	2	97	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	4	66
Pinus strobus	7	88	0	.	1	72	1	126	0	100	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	67
Pinus sylvestris	-2	315	5	172	2	211	3	164	14	42	0	.	5	138	2	99	0	0	2	87	-1	112	-3	305	31	39	-4	109	52	43
Pseudotsuga menziesii	0	.	11	75	7	72	27	35	13	51	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	2	100	61	25
Taxus baccata	6	54	2	62	0	.	0	100	4	53	0	.	1	84	3	70	0	100	0	.	0	113	0	100	0	.	0	100	16	30
autres résineux	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	1	100	0	.	0	.	0	.	0	.	0	.	2	74
Acer campestre	2	50	4	77	1	78	0	.	0	78	0	.	0	100	0	.	0	112	0	.	0	100	2	66	0	89	0	118	9	37
Acer opalus	2	94	0	.	0	.	-2	100	0	.	0	.	0	.	0	.	-1	132	0	.	0	.	0	55	0	.	0	.	0	17328
Acer platanoides	1	672	0	642	1	88	1	61	4	74	0	77	-1	103	2	51	1	124	0	1464	-1	535	3	97	2	100	0	100	12	84
Acer pseudoplatanus	69	21	18	29	18	35	36	23	64	23	8	59	13	63	53	36	17	57	10	50	18	42	13	39	12	46	19	36	369	10
Aesculus hippocastanum	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100
Alnus glutinosa	-1	234	1	95	3	72	10	54	4	114	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	8	63	26	36
Alnus incana	-2	110	0	.	-3	82	0	2578	2	89	1	100	2	163	3	192	0	205	-6	69	0	466	-1	348	11	70	0	587	7	175
Alnus viridis	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	71
Betula pendula	-2	94	-1	108	2	77	8	67	5	43	0	0	0	87	1	180	1	71	1	76	0	100	3	154	6	55	2	490	27	53
Betula pubescens	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	0	0	100	0	.	1	100	0	100	0	100	1	87
Carpinus betulus	2	178	2	61	1	62	2	186	11	35	0	.	0	.	0	71	0	0	0	.	0	.	0	100	0	.	0	390	18	35
Castanea sativa	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	-2	155	0	89	8	300	7	371
Fagus sylvatica	218	13	67	34	84	24	220	14	259	13	38	33	116	25	97	24	42	35	24	42	42	39	-4	187	17	43	126	20	1345	6
Fraxinus excelsior	-3	419	9	78	36	51	27	37	61	30	21	53	4	194	-6	251	0	5087	9	59	3	241	-1	1330	6	101	19	61	187	22
Fraxinus ornus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	2232	0	2232
Ilex aquifolium	0	71	0	100	0	.	0	.	0	.	0	.	0	100	0	85	0	100	0	100	0	.	0	100	0	.	2	44	3	32
Juglans regia	0	0	0	70	0	.	0	71	0	198	0	.	0	64	0	.	0	100	0	0	0	.	0	100	1	160	0	100	3	50
Laburnum anagyroides	0	92	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	104	0	.	0	100	0	177
Malus sylvestris	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	0	0	464
Ostrya carpinifolia	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	252	2	252
Populus alba, Populus x canescens	0	.	0	.	6	100	0	.	0	.	0	.	0	.	0	.	3	100	0	.	0	.	0	100	0	.	0	.	9	79
Populus nigra s.l.	0	.	0	100	2	107	1	100	0	6262	0	.	0	.	2	100	0	.	0	.	0	.	0	.	0	.	1	100	5	166
Populus (autres)	0	.	0	.	-14	108	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	-13	122
Populus tremula	0	100	0	.	3	52	0	.	1	74	1	99	0	15314	0	.	1	89	0	.	-1	100	1	258	2	366	7	234	14	127
Prunus avium	1	56	1	59	0	192	3	118	7	41	0	67	1	68	-1	552	0	120	-1	100	1	71	4	43	5	82	9	38	32	25
Prunus padus	0	.	0	.	0	100	1	100	3	56	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	72	0	100	4	42
Pyrus communis, Pyrus pyraster	0	0	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	101
Quercus cerris	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	70	2	70
Quercus petraea	2	266	3	72	14	64	2	116	14	34	0	.	4	99	0	100	0	102	0	10741	0	100	2	115	2	78	5	119	47	29
Quercus pubescens	1	100	0	.	0	.	0	100	0	100	0	.	0	.	0	.	0	.	0	.	0	.	3	73	0	.	1	182	5	70
Quercus robur	0	854	3	68	13	45	16	35	18	49	2	78	1	74	3	77	0	0	0	77	0	.	0	100	0	.	-7	74	50	27
Quercus rubra	0	.	8	98	0	.	0	.	1	136	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	93
Robinia pseudoacacia	0	100	1	100	0	0	0	100	1	100	0	.	0	.	0	.	0	.	0	.	0	.	-1	127	0	.	21	50	23	48
Salix (autres)	3	39	2	91	3	80	5	57	4	86	5	58	2	58	0	100	-7	96	0	100	0	840	2	230	6	68	2	169	28	41
Sorbus aria	4	48	0	262	0	100	0	100	0	251	0	151	1	78	0	563	0	653	0	87	-1	136	3	28	-1	141	2	49	9	38
Sorbus aucuparia	1	259	0	100	0	93	0	100	0	71	-1	110	1	108	0	841	2	47	0	99	0	100	1	196	1	56	1	53	6	48
Sorbus torminalis	0	.	0	100	0	.	1	100	0	86	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1	63
Tilia cordata	2	92	1	65	2	74	3	50	9	43	0	100	-1	110	2	55	2	106	3	66	0	100	-1	103	-2	75	-3	328	16	78
Tilia platyphyllos	-3	96	2	71	0	100	-1	108	1	114	0	.	2	68	2	69	-11	96	0	114	1	63	5	76	1	100	0	100	-1	1026
Ulmus glabra	2	68	-3	126	2	113	4	57	3	70	1	65	7	66	6	42	-3	104	0	65	-6	61	0	.	-1	87	1	214	14	69
Ulmus minor	0	.	0	.	3	100	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	110
autres feuillus	1	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	-2	100	0	.	0	.	0	.	0	.	1	82	0	1329
autres arbustes	0	3974	0	81	1	96	0	82	0	120	0	100	0	100	-1	98	0	99	0	.	0	.	0	231	0	134	1	139	3	97
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	877	8	190	24	384	15	897	8	1017	7	340	13	682	11	608	12	334	16	157	22	171	22	379	15	864	9	504	14	7398	3

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. 1363189. Birmensdorf, Swiss Federal Research Institute WSL

page précedente