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
nombre de tiges
type de forêt (17 classes)
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 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
type de forêt (17 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	±%	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	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	.
forêt inaccessible	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	.
forêt buissonnante	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	.
surface forestière en permanence non boisée	392	71	26	100	0	.	721	44	176	100	650	57	0	.	0	.	282	55	216	100	357	55	94	100	0	.	0	.	207	74	111	100	66	100	35	100	139	72	54	100	0	.	702	53	1003	57	0	.	43	100	5274	19
surface forestière temporairement non boisée	0	.	0	.	43	100	180	47	0	.	7	100	0	.	36	100	504	38	24	100	15	100	0	.	0	.	0	.	21	100	0	.	159	96	7	100	117	89	92	71	0	.	104	67	21	58	0	.	17	100	1348	22
tranchée, talus	66	100	0	.	0	.	506	72	53	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	24	100	0	.	0	.	0	.	0	.	0	.	0	.	14	100	171	100	0	.	0	.	45	100	879	47
peuplement clairsemé	0	.	0	.	0	0	1117	45	46	100	50	100	0	.	257	66	1132	28	71	83	263	89	211	61	0	.	149	100	312	49	0	.	20	100	312	72	0	.	333	44	0	.	1039	32	1467	35	0	.	0	.	6780	14
selve, culture d'arbres	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	148	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1490	41	0	.	154	100	0	.	0	.	0	.	1792	36
taillis	0	.	0	.	0	.	0	.	0	.	313	75	0	.	121	100	2301	36	199	91	166	100	0	.	219	100	0	.	353	100	403	77	0	.	0	.	177	100	14317	15	0	.	281	85	1449	38	0	.	0	.	20300	12
taillis-sous-futaie	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	114	100	0	.	0	.	217	100	0	.	0	.	0	.	188	100	283	84	0	.	0	.	3120	26	0	.	380	100	0	.	0	.	83	100	4385	22
futaie d'aspect jardiné	193	95	0	.	0	.	6801	17	0	.	1188	44	0	.	107	100	7232	18	80	100	2292	27	2092	27	784	100	438	50	710	54	0	.	702	61	346	58	198	74	846	40	486	71	1938	27	4741	20	293	71	114	71	31579	8
futaie irrégulière	962	39	136	100	174	73	9391	13	621	46	1424	39	0	.	1705	39	9177	15	2728	27	3165	26	3105	24	261	83	2860	32	3839	27	136	100	795	42	529	47	571	47	9336	21	1860	37	4774	20	8645	16	0	.	1273	29	67468	6
recrû/fourré	370	33	0	0	201	72	2020	21	35	82	284	44	32	79	67	100	1110	27	172	59	793	42	562	85	0	.	58	79	259	48	76	91	55	58	372	57	54	100	87	67	49	100	432	35	111	65	95	73	319	37	7613	12
perchis	3921	23	0	.	832	63	10487	15	2489	30	2186	34	0	.	375	54	8933	19	1445	36	5020	26	1592	34	321	100	1181	58	2315	36	909	53	3006	32	2175	37	2353	31	6570	20	1448	43	8167	20	5762	21	267	71	5000	21	76753	5
jeune futaie	2213	29	197	100	375	75	8147	17	733	51	2806	29	0	.	600	58	7448	19	1603	34	1745	33	357	62	726	77	2426	39	3852	30	928	44	1513	35	504	81	1417	38	6685	20	1585	43	5041	21	8451	20	258	100	3422	25	63033	6
futaie moyenne	1772	26	605	57	753	61	9545	15	1754	33	3507	27	335	71	651	39	9018	14	1665	32	1455	32	1129	36	1155	47	588	56	3617	22	1327	33	3500	23	1765	30	1090	40	3891	22	1621	43	5974	18	4228	22	309	61	2856	20	64107	5
vieille futaie	2345	19	1039	39	1425	33	15865	9	768	36	3285	19	148	100	932	44	11093	11	3183	22	4212	20	2134	24	677	46	1870	30	4580	17	505	43	1543	26	3035	21	2589	23	3461	20	1378	38	6003	17	6442	15	203	71	2865	19	81582	4
relevé incomplet	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	12234	11	2003	29	3803	24	64780	5	6674	16	15699	11	515	54	4852	19	58492	6	11387	12	19483	10	11493	11	4143	30	9593	17	20065	11	4584	19	11641	13	9080	14	8705	14	50282	6	8442	17	35159	8	42322	7	1426	32	16036	10	432892	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. 1302570. Birmensdorf, Swiss Federal Research Institute WSL

page précedente