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.

IFN5
volume des arbres vifs (bois de tige)
essence (56 classes)
découpage régional: région économique
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 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	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
Abies alba	15416	8	1003	29	2287	22	7908	12	5327	14	3240	21	11587	10	6680	13	2754	21	2141	28	1273	30	1642	26	1397	24	2068	24	64723	4
Larix decidua, Larix kaempferi	75	64	81	47	326	39	137	50	611	26	25	81	19	94	192	48	423	36	0	.	274	52	9895	12	7503	10	6848	11	26409	6
Picea abies	15935	7	2497	19	4243	19	7957	12	11136	10	11562	12	18196	8	17721	10	13775	11	6430	17	6343	17	15460	9	31045	7	12778	12	175077	2
Pinus cembra	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	12	100	0	.	0	.	1082	21	1772	18	9	94	2875	13
Pinus mugo subsp. uncinata	0	.	0	.	0	.	0	.	0	.	0	.	221	81	8	100	80	48	89	67	0	.	182	40	465	25	93	76	1139	22
Pinus mugo subsp. mugo	0	.	0	.	0	.	0	.	0	.	0	.	2	71	0	.	43	81	12	71	1	100	13	60	47	32	0	.	117	34
Pinus nigra	63	81	93	84	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	157	60
Pinus strobus	88	92	0	.	16	89	85	65	19	100	0	.	37	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	246	44
Pinus sylvestris	1243	23	459	26	441	45	587	30	1333	19	0	.	463	58	103	66	0	0	245	55	58	60	1736	20	2298	19	72	54	9036	9
Pseudotsuga menziesii	0	.	318	82	62	91	791	41	503	70	0	.	81	100	0	.	0	.	0	.	0	.	0	.	0	.	81	100	1836	30
Taxus baccata	71	34	54	63	0	.	0	.	77	47	0	.	10	84	36	41	10	100	0	.	-17	117	1	100	0	.	1	100	243	25
autres résineux	0	.	28	100	0	.	0	.	0	.	0	.	0	.	0	.	13	100	0	.	0	.	0	.	0	.	0	.	41	75
Acer campestre	79	32	47	50	16	73	0	.	11	84	0	.	14	100	0	.	18	74	0	.	9	100	22	57	7	76	7	84	232	20
Acer opalus	95	44	0	.	0	.	8	100	0	.	0	.	0	.	0	.	91	41	0	.	0	.	28	54	0	.	0	.	223	26
Acer platanoides	186	51	169	41	17	72	27	65	36	94	16	88	24	78	161	40	67	62	43	73	23	168	82	91	51	100	15	100	916	20
Acer pseudoplatanus	2525	11	709	20	340	27	690	18	2166	15	660	22	1349	17	1717	16	823	20	421	29	803	25	350	28	374	32	469	26	13396	5
Aesculus hippocastanum	11	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	11	100
Alnus glutinosa	110	76	43	71	255	54	177	45	369	35	0	.	0	.	2	100	0	.	0	.	0	.	0	.	0	.	302	42	1258	20
Alnus incana	30	65	0	.	6	100	21	72	20	87	90	49	78	55	172	44	60	62	109	65	62	69	145	49	443	40	160	42	1396	17
Alnus viridis	0	.	0	.	0	.	0	.	0	.	0	.	3	100	0	.	0	0	0	.	0	.	0	.	0	.	0	0	3	100
Betula pendula	0	0	-9	100	29	60	83	66	99	56	0	.	8	77	49	68	73	63	21	68	3	100	321	33	225	32	1865	17	2767	13
Betula pubescens	0	.	0	.	0	.	0	.	0	.	0	.	8	100	0	.	0	0	2	100	0	.	47	100	5	100	5	100	66	72
Carpinus betulus	211	46	92	50	20	70	120	45	330	30	0	.	0	.	16	100	0	.	0	.	0	.	7	100	0	.	8	100	802	19
Castanea sativa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6	100	0	.	0	.	165	51	23	82	5412	13	5605	12
Fagus sylvatica	14990	6	6063	12	4118	17	7562	11	10026	9	1823	23	7861	13	6571	12	2692	20	1758	23	2137	21	920	30	1310	27	6788	11	74620	3
Fraxinus excelsior	1451	18	897	24	1542	25	1568	25	2970	15	640	38	847	38	1638	21	553	31	504	38	405	32	485	30	274	40	869	31	14642	7
Fraxinus ornus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	43	70	43	70
Ilex aquifolium	5	78	4	100	0	.	0	.	0	.	0	.	6	100	3	71	2	100	2	100	0	.	2	100	0	.	60	50	84	38
Juglans regia	0	0	10	83	0	.	6	77	11	72	0	.	4	70	0	.	2	100	0	.	0	.	13	92	37	52	8	100	91	30
Laburnum anagyroides	8	81	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	4	71	0	.	17	87	28	57
Malus sylvestris	0	.	0	.	0	.	5	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	5	100
Ostrya carpinifolia	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	540	38	540	38
Populus alba, Populus x canescens	0	.	0	.	151	100	0	.	0	.	0	.	0	.	0	.	283	100	0	.	0	.	0	0	0	.	0	.	435	74
Populus nigra s.l.	0	.	40	100	243	77	16	100	180	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	32	100	511	45
Populus (autres)	0	.	0	.	119	77	66	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	185	61
Populus tremula	10	100	0	.	83	55	0	.	5	74	13	91	18	76	0	.	9	75	0	.	11	100	123	50	82	94	271	72	625	36
Prunus avium	57	40	45	61	24	58	219	33	165	28	11	62	27	56	43	50	41	57	8	100	31	56	78	32	22	62	256	29	1027	13
Prunus padus	0	.	0	.	2	100	6	100	43	55	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3	72	3	100	57	44
Pyrus communis, Pyrus pyraster	0	.	0	.	2	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	100
Quercus cerris	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	102	63	102	63
Quercus petraea	862	27	414	43	578	39	219	42	667	29	0	.	63	91	13	71	85	53	86	72	2	100	72	44	149	71	681	26	3891	12
Quercus pubescens	33	100	0	.	0	.	21	100	5	100	0	.	0	.	0	.	0	.	0	.	0	.	171	47	0	.	112	43	341	30
Quercus robur	324	48	183	51	496	40	656	26	1214	37	62	67	61	72	68	71	0	.	19	100	0	.	33	100	0	.	122	51	3237	17
Quercus rubra	0	.	140	92	0	.	0	.	161	75	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	301	59
Robinia pseudoacacia	0	.	32	100	0	0	19	100	6	100	0	.	0	.	0	.	0	.	0	.	0	.	15	88	0	.	426	50	498	44
Salix (autres)	96	43	1	100	24	76	41	60	91	39	60	48	21	61	20	100	24	53	1	100	3	74	109	38	155	41	128	34	774	15
Sorbus aria	197	30	46	47	0	.	5	100	32	56	33	45	17	57	4	71	32	51	32	43	52	72	75	30	20	56	103	24	648	14
Sorbus aucuparia	63	33	0	.	6	100	0	.	5	73	31	65	54	51	11	77	83	41	17	56	6	80	49	37	53	42	36	47	412	15
Sorbus torminalis	0	.	9	100	0	.	19	100	10	85	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	38	60
Tilia cordata	63	46	15	62	50	62	86	54	162	34	5	100	3	100	145	66	261	51	111	59	28	100	6	78	27	79	672	28	1634	17
Tilia platyphyllos	53	65	150	72	14	100	21	100	75	71	0	.	26	76	82	54	-3	100	10	100	93	64	201	47	19	100	9	87	750	24
Ulmus glabra	38	47	119	52	48	67	62	51	116	43	19	65	229	28	120	34	25	52	22	67	29	69	0	.	4	71	39	64	869	15
Ulmus minor	0	.	0	.	27	100	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	0	.	0	.	0	.	27	100
autres feuillus	74	80	0	.	0	.	2	100	0	.	0	.	0	.	0	.	0	0	0	.	6	100	5	100	0	.	36	75	122	53
autres arbustes	8	55	4	76	8	84	6	78	9	55	10	100	0	.	2	100	18	69	0	.	0	.	11	52	14	53	82	32	172	20
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
total	54467	4	13755	10	15592	11	29195	7	37989	5	18300	10	41336	6	35578	7	22357	9	12082	13	11634	13	33548	6	47824	5	41627	4	415285	1

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. 1217694. Birmensdorf, Swiss Federal Research Institute WSL

page précedente