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.

IFN3
volume des arbres vifs (bois de tige)
type de forêt (17 classes)
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2004/06
	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 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	±%	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	.	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	810	45	48	100	172	100	698	43	210	100	917	41	0	.	0	.	221	49	172	100	1354	55	147	100	0	.	839	48	313	74	0	.	77	100	0	.	109	76	118	82	0	.	1004	50	355	63	0	.	254	73	7818	16
surface forestière temporairement non boisée	51	100	0	.	0	.	470	43	0	0	359	56	0	.	150	95	433	52	132	100	293	54	0	.	0	.	83	100	38	100	11	100	0	.	192	71	30	100	0	.	130	100	168	98	-4	100	24	100	65	100	2626	20
tranchée, talus	0	.	0	.	0	.	-15	100	49	100	65	100	0	.	164	100	241	61	62	100	0	.	0	.	0	.	11	88	0	.	0	.	271	79	0	.	0	.	126	88	0	.	68	100	79	100	0	.	0	.	1122	32
peuplement clairsemé	0	.	0	.	66	100	1362	39	8	100	96	100	0	.	0	.	2437	22	207	69	117	85	442	65	18	100	218	72	373	62	0	.	0	.	492	53	0	.	430	40	71	100	1306	30	882	36	0	.	0	.	8525	12
selve, culture d'arbres	0	.	0	.	0	.	0	.	0	.	65	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	522	58	0	.	245	100	0	.	0	.	0	.	833	48
taillis	0	.	0	.	0	.	203	60	209	100	31	100	0	.	59	82	475	50	18	100	26	100	48	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	3577	17	0	.	109	78	160	64	0	.	0	.	4916	14
taillis-sous-futaie	275	69	0	.	0	.	0	.	0	.	0	.	0	.	0	.	181	71	60	100	0	.	0	.	0	.	0	.	0	.	160	100	0	.	14	100	0	.	1654	28	115	100	409	62	0	.	0	.	75	100	2944	21
futaie d'aspect jardiné	0	.	0	.	0	.	7151	14	128	100	873	49	0	.	257	67	6379	13	324	71	471	56	3271	22	0	.	1783	30	413	54	0	.	0	.	404	55	152	100	1725	26	703	44	1996	32	3140	19	175	100	45	100	29389	7
futaie irrégulière	1640	50	0	.	486	71	4356	22	591	45	709	47	0	.	458	61	1968	25	122	100	1320	37	397	60	0	.	0	.	745	43	94	100	465	51	0	.	523	61	3393	20	301	68	1413	29	3120	25	0	.	1030	39	23131	9
recrû/fourré	775	36	0	.	13	100	1275	31	371	57	147	69	0	.	134	96	645	37	0	0	302	58	43	100	0	.	0	.	209	71	208	63	163	71	7	100	62	100	164	56	169	72	353	52	388	39	16	100	847	36	6292	12
perchis	1211	28	0	.	193	75	2349	22	131	82	1231	31	0	.	162	68	2742	18	563	56	1428	30	330	57	125	100	138	82	949	36	386	49	518	38	669	42	1628	33	2245	18	182	61	1194	29	2147	24	157	80	1971	26	22650	7
jeune futaie	698	38	0	.	570	71	6917	15	908	41	2259	29	355	59	2238	51	2877	21	1861	31	1814	34	446	53	625	51	176	100	3939	23	1788	33	1483	29	334	63	899	38	2305	22	584	49	3008	22	3647	18	147	100	1873	26	41751	6
futaie moyenne	3286	23	649	45	966	47	15950	11	2387	31	4082	22	148	100	1261	40	10946	13	4668	20	3290	25	1681	27	1305	38	124	100	5290	22	1509	34	4186	19	2097	30	2069	31	3301	21	1890	37	9065	14	5794	17	267	60	5759	18	91970	4
vieille futaie	5912	19	2417	34	2889	32	26609	9	1032	39	4513	23	258	100	2113	37	18315	11	4114	22	10566	16	3832	23	334	73	2824	31	10256	16	955	48	3235	28	5970	19	4477	22	3197	22	1626	34	9597	15	7069	16	623	59	6884	17	139616	3
total	14658	11	3114	28	5355	22	67325	5	6026	17	15347	11	760	48	6997	22	47860	5	12303	12	20980	11	10637	11	2407	27	6196	18	22527	10	5111	18	10400	13	10179	14	9948	14	22758	6	5770	18	29935	8	26778	7	1409	34	18803	9	383583	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. 1232805. Birmensdorf, Swiss Federal Research Institute WSL

page précedente