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: canton
unité: 1000 m³/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
	canton
	AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		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	±%	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
Abies alba	37	38	17	43	29	50	382	12	14	38	51	44	1	100	3	157	25	53	87	25	197	20	127	19	6	69	29	37	77	35	6	62	37	38	54	29	43	41	20	40	-5	161	200	16	37	31	11	45	47	29	1536	6
Larix decidua, Larix kaempferi	2	387	0	.	0	.	5	57	0	94	3	62	0	.	-1	100	93	26	0	100	1	58	0	100	0	.	0	100	3	59	1	86	0	100	1	100	4	86	63	27	0	0	20	42	82	25	2	100	6	39	283	13
Picea abies	120	23	39	42	32	64	453	13	17	40	149	18	0	75	29	62	516	14	17	84	108	24	69	25	27	49	60	35	183	18	0	170234	39	36	56	36	76	26	65	45	58	40	210	17	162	25	21	41	145	23	2652	5
Pinus cembra	0	.	0	.	0	.	2	100	0	.	0	.	0	.	0	.	26	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	8	69	0	.	0	.	37	33
Pinus mugo subsp. uncinata	0	.	0	.	0	.	2	69	0	.	0	.	0	.	0	.	5	137	0	.	0	.	0	.	0	100	4	90	0	.	0	.	0	.	2	96	0	.	0	100	0	80	0	.	0	977	0	.	0	.	13	57
Pinus mugo subsp. mugo	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	-1	119	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	100	0	.	0	.	0	207
Pinus nigra	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	0	0	.	0	.	1	100	0	.	0	.	0	.	2	97	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	66
Pinus strobus	0	.	0	.	0	.	2	78	1	100	0	100	0	.	0	.	0	.	6	98	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	100	10	67
Pinus sylvestris	-2	179	0	.	0	100	0	3212	7	58	3	100	-2	100	0	.	27	44	1	182	5	71	2	90	0	.	0	.	2	71	4	164	-2	150	0	.	4	87	-2	164	2	89	-3	94	-3	287	0	.	6	63	51	44
Pseudotsuga menziesii	8	61	0	.	0	.	19	40	7	100	0	.	0	.	0	.	0	.	0	.	9	65	0	.	0	.	0	.	5	100	4	100	0	.	0	.	0	100	2	100	0	.	7	72	0	.	0	.	1	81	61	25
Taxus baccata	1	76	0	.	1	71	0	83	0	.	0	.	0	.	0	100	0	.	2	90	0	100	0	100	0	.	0	100	3	89	0	.	4	69	0	100	0	100	0	100	0	.	2	50	0	100	0	.	3	62	16	30
autres résineux	1	100	0	.	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	74
Acer campestre	1	71	0	.	0	.	0	100	0	260	0	.	0	.	0	100	0	89	0	157	0	.	0	.	0	100	0	.	0	.	0	100	1	60	0	.	0	.	0	100	0	.	2	52	0	89	0	.	0	100	5	31
Acer opalus	0	.	0	.	0	.	-2	76	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1	156	0	70	0	.	0	.	0	989
Acer platanoides	-1	86	0	.	0	.	4	51	0	10032	0	77	0	.	-2	100	2	130	-7	78	0	196	1	78	-1	100	0	.	3	122	0	100	1	84	0	373	2	100	0	.	0	100	6	63	3	97	0	.	4	69	12	84
Acer pseudoplatanus	21	27	1	99	4	166	54	23	2	155	11	44	0	.	9	68	12	46	11	44	7	72	20	39	0	1003	-1	219	44	40	3	52	22	39	10	36	9	105	8	62	3	85	32	31	9	41	1	105	43	25	334	10
Aesculus hippocastanum	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	100
Alnus glutinosa	2	83	0	.	0	.	6	73	1	100	0	.	0	.	0	.	2	100	0	100	3	104	0	.	0	.	0	.	0	.	0	.	1	100	0	100	-1	553	6	75	0	.	3	72	0	.	0	.	4	67	28	33
Alnus incana	0	0	0	100	0	100	-2	119	0	.	-1	219	0	.	-1	83	10	79	-2	100	4	69	0	100	0	.	0	100	1	281	0	.	0	312	0	10301	2	89	0	4965	-4	100	-1	95	-1	348	0	100	0	0	3	322
Alnus viridis	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	.
Betula pendula	1	187	0	.	1	98	3	62	0	.	2	85	0	.	0	.	-1	598	0	.	0	100	-2	100	0	.	0	100	0	120	0	100	5	100	0	100	2	81	-1	846	1	76	0	100	-2	127	0	.	2	72	11	104
Betula pubescens	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	100	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	100	0	.	0	.	1	100	0	.	0	.	1	87
Carpinus betulus	6	41	0	.	0	.	0	860	2	43	0	100	1	79	0	.	0	.	-1	149	1	71	0	.	0	.	0	.	0	71	0	72	1	230	0	.	1	154	0	390	0	.	2	102	0	100	0	.	5	56	18	35
Castanea sativa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8	50	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	-5	536	0	.	0	106	1	64	0	.	0	.	4	630
Fagus sylvatica	82	26	11	58	4	149	297	12	23	68	64	29	0	.	5	203	26	36	42	28	77	27	32	31	8	93	-3	243	112	24	29	38	55	28	23	38	49	23	107	22	16	54	114	19	-5	174	8	62	111	17	1287	6
Fraxinus excelsior	14	39	0	.	-4	191	16	54	0	2798	29	60	1	100	1	516	5	134	-15	80	5	115	3	39	4	141	5	92	11	156	4	86	1	509	2	260	10	75	18	65	7	56	32	45	6	66	6	57	22	32	182	22
Fraxinus ornus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	2232	0	.	0	.	0	.	0	.	0	.	0	2232
Ilex aquifolium	0	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	85	0	.	2	44	0	100	0	100	0	100	0	.	0	.	3	32
Juglans regia	0	100	0	.	0	.	1	65	0	100	0	.	0	.	0	.	1	111	0	.	0	100	0	.	0	.	0	100	0	.	0	100	0	.	0	.	0	100	0	.	0	.	0	0	0	100	0	.	1	100	3	53
Laburnum anagyroides	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	92	0	100	0	.	0	.	0	259
Malus sylvestris	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	464
Ostrya carpinifolia	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	-2	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	87	0	.	0	.	0	.	0	.	0	.	2	252
Populus alba, Populus x canescens	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	77	0	100	0	.	0	.	9	79
Populus nigra s.l.	0	100	0	.	0	.	1	100	0	.	2	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	100	0	.	0	.	0	.	6	100	0	.	0	.	0	.	0	.	0	.	0	.	10	60
Populus (autres)	0	.	0	.	0	.	1	100	0	.	-13	117	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	-11	134
Populus tremula	0	100	0	.	0	.	1	91	0	.	2	72	0	.	0	.	1	1801	0	100	-1	100	0	.	0	.	1	100	-1	100	0	.	0	.	0	.	0	.	0	512	0	.	1	60	0	1437	0	.	0	100	5	336
Prunus avium	2	39	0	.	0	.	1	395	0	0	1	46	0	0	1	84	7	65	1	80	1	55	0	.	0	.	0	.	-1	358	0	0	3	74	0	0	1	69	7	40	-1	100	0	265	3	56	0	100	4	67	30	27
Prunus padus	0	0	0	.	0	.	1	100	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	69	0	.	0	.	0	100	0	.	0	.	1	84	4	47
Pyrus communis, Pyrus pyraster	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	2	74	0	.	0	.	0	.	0	.	0	.	2	74
Quercus petraea	3	49	0	.	0	.	6	65	0	192	2	100	13	69	0	.	2	78	-2	62	-1	100	0	157	0	.	0	.	0	100	3	87	-2	239	0	.	4	75	3	194	0	10741	5	71	0	199	0	.	8	41	44	31
Quercus pubescens	0	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1	225	0	.	1	100	4	53	0	.	0	.	6	61
Quercus robur	4	56	0	.	0	.	9	43	0	96	6	44	-1	100	0	.	0	.	-1	252	5	68	0	100	0	100	0	.	3	69	0	100	2	65	0	100	9	88	-7	74	0	.	11	47	0	100	0	.	2	57	44	30
Quercus rubra	9	93	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	93
Robinia pseudoacacia	1	100	0	.	0	.	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	21	50	0	.	0	.	-1	127	0	.	0	.	22	49
Salix (autres)	2	71	0	.	0	100	5	60	2	91	5	53	0	.	0	.	0	38043	1	100	1	82	0	71	0	100	0	100	0	840	0	.	1	58	0	0	0	659	2	102	0	100	-5	124	1	287	0	.	3	55	17	60
Sorbus aria	0	100	0	.	0	.	1	59	0	977	0	1041	0	.	-1	157	-1	120	0	69	0	100	1	52	0	.	0	74	0	100	0	100	0	146	0	100	0	.	2	50	0	100	0	194	2	34	0	.	0	251	5	52
Sorbus aucuparia	0	0	0	0	0	.	1	149	0	.	0	0	0	.	0	.	1	51	0	100	1	76	0	850	0	71	0	78	0	264	0	.	0	.	0	96	0	.	0	94	0	100	0	227	1	280	0	.	0	100	3	82
Sorbus torminalis	0	.	0	.	0	.	1	100	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	100	1	63
Tilia cordata	7	54	0	.	0	100	5	43	0	.	0	100	0	0	0	.	-4	127	1	247	-1	100	0	100	0	.	0	.	2	69	1	95	0	100	2	100	2	83	-4	209	0	70	2	77	-1	103	0	0	1	70	12	95
Tilia platyphyllos	2	89	0	.	0	.	1	239	0	.	0	100	0	.	1	78	1	100	0	.	0	.	-1	100	0	.	0	.	1	70	0	.	-3	100	1	98	1	100	0	100	0	100	-1	100	5	76	0	.	0	.	8	71
Ulmus glabra	-1	242	0	.	0	100	7	74	-2	177	3	68	0	.	-4	96	-1	87	1	55	1	83	0	.	0	683	1	55	0	3098	0	.	3	62	2	73	0	100	1	214	0	65	-2	72	0	.	1	77	1	157	13	70
Ulmus minor	0	.	0	.	0	.	0	100	0	.	3	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	110
autres feuillus	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	-2	100	0	.	0	.	0	.	-1	202
autres arbustes	0	175	0	.	0	.	0	273	0	100	0	100	0	.	0	.	1	63	0	71	0	100	0	100	0	.	0	.	-1	98	0	.	0	0	0	.	0	100	1	203	0	.	0	65	0	231	0	.	0	71	1	180
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	0	0	0	0	0	0	0	0	0	0	0	0	0	0	.	0	0	0	0
total	322	14	67	32	67	53	1283	8	74	33	322	16	12	61	40	68	759	11	143	24	425	15	255	14	46	41	97	29	448	15	57	51	169	20	154	19	224	16	317	17	79	33	649	10	315	17	50	33	421	11	6794	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. 1403623. Birmensdorf, Swiss Federal Research Institute WSL

page précedente