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 (accroissement brut)
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	461	9	32	31	85	22	270	12	165	16	75	33	363	12	192	15	61	25	32	45	17	38	41	30	26	33	41	30	1864	5
Larix decidua, Larix kaempferi	1	81	3	82	15	48	4	60	14	53	1	71	1	79	5	53	14	40	0	0	0	371	125	18	148	14	139	16	469	8
Picea abies	315	10	64	18	131	21	308	12	428	10	227	14	350	11	396	12	292	13	115	22	140	20	328	11	758	8	239	13	4089	3
Pinus cembra	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	100	0	.	0	.	16	36	38	30	0	87	56	23
Pinus mugo subsp. uncinata	0	.	0	.	0	.	0	.	0	.	0	.	4	82	0	100	2	63	3	67	0	.	1	145	14	38	1	107	25	28
Pinus mugo subsp. mugo	0	.	0	.	0	.	0	.	0	.	0	.	0	86	0	.	0	110	0	100	0	100	0	100	1	39	0	.	1	31
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	13	46	13	62	5	65	6	68	24	26	0	.	10	71	2	99	0	0	3	67	-1	112	20	32	36	32	-2	179	128	16
Pseudotsuga menziesii	0	.	11	75	7	72	28	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	72	1	78	0	.	0	78	0	.	0	100	0	.	0	112	0	.	0	100	2	66	0	89	0	75	9	35
Acer opalus	2	69	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	113	0	.	0	.	0	55	0	.	0	.	4	50
Acer platanoides	2	349	0	6844	1	88	1	61	5	56	0	77	1	72	2	51	1	124	0	1464	1	431	4	98	2	100	0	100	19	53
Acer pseudoplatanus	76	19	20	26	18	35	36	23	67	23	8	59	17	46	59	31	20	49	10	47	23	34	14	37	14	42	21	31	403	9
Aesculus hippocastanum	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100
Alnus glutinosa	2	62	1	95	5	48	12	48	8	65	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	10	53	38	26
Alnus incana	0	280	0	.	-2	105	0	53	2	89	2	57	5	56	8	58	1	57	1	236	2	83	4	56	23	42	8	48	55	23
Alnus viridis	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	107
Betula pendula	0	95	-1	108	2	77	8	67	5	43	0	0	0	87	1	180	1	71	1	76	0	100	10	44	10	39	56	26	94	18
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	150	4	31	1	62	2	186	11	35	0	.	0	.	0	71	0	0	0	.	0	.	1	100	0	.	0	86	20	31
Castanea sativa	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	2	56	0	89	103	21	105	20
Fagus sylvatica	283	9	131	14	94	22	235	12	293	11	42	31	151	18	128	19	49	31	25	40	58	27	8	88	21	35	145	17	1665	4
Fraxinus excelsior	30	23	25	35	46	41	30	33	90	20	26	42	23	30	40	28	9	66	13	44	14	39	16	40	11	50	28	42	400	9
Fraxinus ornus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	161	0	161
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	1	102	0	.	0	64	0	.	0	100	0	0	0	.	0	100	1	160	0	100	4	45
Laburnum anagyroides	0	141	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	0	104	0	.	0	100	0	72
Malus sylvestris	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	0	0	93
Ostrya carpinifolia	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4	112	4	112
Populus alba, Populus x canescens	0	.	0	.	6	100	0	.	0	.	0	.	0	.	0	.	5	100	0	.	0	.	0	100	0	.	0	.	11	71
Populus nigra s.l.	0	.	0	100	3	73	1	100	0	6262	0	.	0	.	2	100	0	.	0	.	0	.	0	.	0	.	1	100	6	133
Populus (autres)	0	.	0	.	5	68	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	100	0	.	7	56
Populus tremula	0	100	0	.	3	52	0	.	1	74	1	99	0	15314	0	.	1	89	0	.	0	100	2	145	10	79	16	86	33	49
Prunus avium	1	56	1	59	2	39	4	113	7	41	0	67	1	68	2	74	1	59	-1	100	1	71	4	43	5	79	9	37	37	21
Prunus padus	0	.	0	.	0	100	1	100	3	58	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	72	0	100	4	43
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	9	47	7	46	17	55	2	116	15	32	0	.	4	96	0	100	0	725	1	65	0	100	3	65	2	78	11	46	71	19
Quercus pubescens	1	100	0	.	0	.	0	100	0	100	0	.	0	.	0	.	0	.	0	.	0	.	5	49	0	.	3	58	9	35
Quercus robur	5	44	3	68	13	45	16	34	18	49	2	78	1	74	3	77	0	0	0	77	0	.	0	100	0	.	2	52	64	19
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	2	100	1	100	0	.	0	.	0	.	0	.	0	.	0	.	0	214	0	.	25	50	29	45
Salix (autres)	3	39	0	82	3	75	5	57	6	48	5	56	2	60	0	100	-3	129	0	100	0	90	6	48	9	48	6	54	43	21
Sorbus aria	5	42	0	83	0	100	0	100	0	251	0	950	1	78	0	92	0	69	0	58	0	112	3	28	1	48	4	28	15	18
Sorbus aucuparia	1	120	0	100	0	178	0	100	0	71	-1	161	2	71	1	104	3	37	0	696	0	100	2	53	2	45	1	40	13	24
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	54	4	49	3	66	0	100	-1	103	1	270	4	301	28	47
Tilia platyphyllos	0	774	2	71	0	100	1	83	1	114	0	.	2	68	2	69	1	173	0	72	1	68	10	51	1	100	0	100	21	29
Ulmus glabra	2	50	3	49	2	113	4	57	4	38	1	65	10	45	6	41	-1	192	0	65	1	46	0	.	0	56	2	58	36	20
Ulmus minor	0	.	0	.	3	100	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3	99
autres feuillus	1	100	0	.	0	.	0	100	0	.	0	.	0	.	0	.	0	100	0	.	0	.	0	.	0	.	1	82	2	54
autres arbustes	0	53	0	81	1	96	0	89	1	58	0	100	0	100	0	113	1	68	0	.	0	.	0	74	0	134	4	40	8	25
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	1237	5	342	11	468	12	983	7	1198	6	390	12	951	7	856	9	465	11	210	17	258	15	629	9	1133	6	887	6	10005	2

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. 1281939. Birmensdorf, Swiss Federal Research Institute WSL

page précedente