Sélectionner un thème dans la liste

Que représentent les chiffres ?
À quoi sert l'erreur standard ?
Quand deux résultats sont-ils statistiquement différents ?
Quand ne suffit-il pas de considérer uniquement l'erreur standard ?
Deux types d’évolutions ?
Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?
Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?
Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?
Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

1. Que représentent les chiffres ?

La plupart des tableaux présentent des résultats calculés à l'aide de méthodes statistiques à partir des données de l'inventaire par échantillonnage de l'Inventaire forestier national (IFN). Ces résultats se composent toujours de deux chiffres: 1) la valeur estimée et 2) l'erreur d'échantillonnage, appelée erreur standard.

Exemple 1 : Valeur estimée et erreur standard

IFN5

volume de bois mort (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	30	10	17	13	37	9	36	6	26	10	30	4
privée	27	17	20	12	50	10	32	8	39	13	34	5
total	29valeur estimée	9erreur standard	19	9	44	7	35	5	29	8	32	3

La plupart du temps, les tableaux indiquent l'erreur standard relative (en pourcentage « ±% »), mais parfois – pour les pourcentages estimés – l'erreur standard absolue (« ± »).

haut

2. À quoi sert l'erreur standard ?

L'erreur standard permet de délimiter des intervalles de confiance autour de la valeur estimée, qui contiennent la vraie valeur de la population avec un certain niveau de certitude statistique.

La certitude statistique est de

68% si l'intervalle de confiance est calculé à l'aide de l'erreur standard simple
(intervalle de confiance à 68% = valeur estimée ± erreur standard), et
95% si l'intervalle de confiance est calculé avec l’erreur standard double
(intervalle de confiance à 95% = valeur estimée ± 2 × erreur standard*)

Exemple 2 : Calculer les intervalles de confiance

IFN5
volume de bois mort (bois de tige)
propriété (2 classes)
découpage régional: région de production
unité: m³/ha
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	région de production
	Jura
propriété (2 classes)	m³/ha	±%
publique	30	10
privée	27	17
total	29	9

Question
Quel est l'intervalle de confiance à 68% et à 95% des estimations ci-dessus ?

Procédure

Calculer l'erreur standard absolue (= erreur standard relative × valeur estimée / 100)
Calculer les intervalles de confiance
- intervalle de confiance à 68% = estimation ± erreur standard absolue
- intervalle de confiance à 95% = estimation ± 2 × erreur standard absolue

Réponse

			étape 1	étape 2

propriété (2 classes)	volume de bois mort Jura IFN5
	valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha
publique	30	10	3	27-33	24-36
privée	27	17	5	22-32	17-37
total	29	9	3	26-32calculé avec l'erreur standard simple, c'est-à-dire 29 ± 3	23-25calculé avec l'erreur standard double, soit 29 ± 2 × 3

Dans le Jura, le volume de bois mort se situe avec une certitude statistique de 68% entre 26 et 32 m³/ha et avec une certitude statistique de 95% entre 23 et 35 m³/ha.

L'intervalle de confiance à 95% est plus grand que l'intervalle de confiance à 68%. C'est ce qui explique la plus grande certitude statistique.

Exemple 3 : Visualisation de l'intervalle de confiance à 68% et à 95%

Données : voir exemple 2

Lors de l'interprétation des résultats, il faut à chaque fois déterminer le niveau de certitude avec lequel on souhaite faire une déclaration.

Dans l'Inventaire forestier national (IFN), on se base en général sur l'intervalle de confiance à 68%.

haut

3. Quand deux résultats sont-ils statistiquement différents ?*

On peut le déterminer en comparant les intervalles de confiance de deux estimations :

Si les intervalles de confiance à 68% de deux estimations ne se chevauchent pas, on peut supposer avec une certaine certitude que les deux populations sont différentes.
Si les intervalles de confiance à 95% de deux estimations ne se chevauchent pas, on peut supposer avec une grande certitude que les deux populations sont différentes.

Exemple 4 : Interprétation de deux résultats du même inventaire

IFN5

volume des arbres vifs (bois de tige)

propriété (2 classes)

découpage régional: région de production

unité: m³/ha

ensemble analysé: forêt accessible sans la forêt buissonnante

réseau: réseau 1,4 km, sous-réseaux 1 à 5

état 2018/26
	région de production
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
propriété (2 classes)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
publique	331	3	311	3	405	4	300	3	256	5	314	2
privée	387	5	432	4	454	4	348	4	285	6	398	2
total	345	2	363	2	431	2	314	2	262	4	343	1

	cas 2						cas 1

cas 1

Question
Le volume des arbres vifs par hectare est-il plus élevé dans les Alpes qu'au Sud des Alpes ?

Procédure

Calculer les erreurs standard absolues
Calculer les intervalles de confiance en fonction du niveau de certitude souhaité :
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
Vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Alpes					Sud des Alpes
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	314	2	6	308-320	302-326	262	4	10	252-272	242-282

Ni les intervalles de confiance à 68% ni les intervalles de confiance à 95% ne se chevauchent (chiffres ).

Dans ce cas, le niveau de certitude choisi n'a aucune influence sur le résultat.

Dans l'ensemble, cela signifie qu'il existe une grande certitude statistique que le volume des arbres vifs par hectare est plus élevé dans les Alpes qu'au Sud des Alpes.

cas 2

Question
Le volume des arbres vifs par hectare est-il plus élevé sur le Plateau que dans le Jura ?

Procédure

Voir cas 1.

Réponse

propriété (2 classes)	volume des arbres vifs, IFN5
	Jura					Plateau
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha	m³/ha	±%	±m³/ha	m³/ha	m³/ha
total	345	2	7	338-352	331-359	363	2	7	356-370	349-377

Les intervalles de confiance à 68% ne se chevauchent pas (paires de chiffres ).
En revanche, les intervalles de confiance à 95% se chevauchent (paires de chiffres ).

Dans ce cas, le niveau de certitude choisi a une influence sur l'interprétation des résultats : au niveau de l'intervalle de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura. Au niveau de l'intervalle de confiance à 95%, on ne peut en revanche pas tirer cette conclusion.

En considérant les deux niveaux de certitude, on peut dire qu'il existe statistiquement une certaine, mais pas une grande certitude, que le volume des arbres vifs par hectare est plus élevé sur le Plateau que dans le Jura.

Les intervalles de confiance permettent également de vérifier si une valeur estimée à l'aide de l'échantillon de l’Inventaire forestier national (IFN) s'écarte d'une valeur cible (issue par exemple de la politique forestière) ou si une évolution entre deux inventaires est statistiquement certaine.

Exemple 5 : Interprétation de deux résultats d'inventaires différents

propriété (2 classes)	volume des arbres vifs sur Plateau*
	IFN4		IFN5
	m³/ha	±%	m³/ha	±%
publique	340	3	309	3
privée	447	4	432	4
total	386	2	363	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

calculer les erreurs standard absolues
calculer les intervalles de confiance en fonction du niveau de certitude souhaité
- intervalles de confiance à 68% (certaine certitude ; erreur standard absolue simple)
- intervalles de confiance à 95% (grande certitude; erreur standard absolue double)
vérifier si les intervalles de confiance ne se chevauchent pas au niveau de certitude souhaité

Réponse

propriété (2 classes)	volume des arbres vifs sur le Plateau*
	IFN4					IFN5
	valeur estimée	erreur standard		intervalle de confiance		valeur estimée	erreur standard		intervalle de confiance
		relative	absolue	68%	95%		relative	absolue	68%	95%
	m³/ha	±%	±	m³/ha	m³/ha	m³/ha	±%	±	m³/ha	m³/ha
publique	340	3	11	329-351	318-362	309	3	11	298-320	287-331
privée	447	4	16	431-463	415-479	432	4	17	415-449	398-466
total	386	2	8	378-394	370-402	363	2	9	354-372	345-381
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Les intervalles de confiance à 68% ne se chevauchent pas pour les forêts publiques (paires de chiffres ), mais ils le font pour les forêts privées et le total (paires de chiffres ). Au niveau de certitude des intervalles de confiance à 68%, on arrive à la conclusion que le volume des arbres vifs par hectare a diminué dans les forêts publiques du Plateau. Pour les forêts privées comme pour le total, la diminution n'est pas statistiquement certaine.

Les intervalles de confiance à 95% se chevauchent dans chacune des trois catégories. Au niveau de certitude des intervalles de confiance à 95%, il n'est donc pas statistiquement certain que le volume des arbres vifs ait diminué, même pour les forêts publiques.

Voir toutefois les exemples 6 et 7, dans lesquels les évolutions entre deux inventaires sont interprétées à l'aide du bilan, qui est plus sensible.

Pour de nombreuses variables cibles, l'IFN permet de vérifier si une évolution entre deux inventaires est statistiquement certaine, non seulement en comparant les états dans les deux inventaires (voir exemple 5), mais aussi en analysant le bilan entre les deux inventaires.

Pour ce faire, il faut là aussi commencer par définir le niveau de certitude qui doit s'appliquer à l'énoncé :

Une évolution a eu lieu avec une certaine certitude si l'erreur standard relative simple du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec l'erreur standard absolue simple (intervalle de confiance à 68%) n'inclut pas la valeur 0.
Une évolution a eu lieu avec une grande certitude si la double erreur standard relative du bilan est inférieure à 100% ou si l'intervalle de confiance calculé avec la double erreur standard absolue (intervalle de confiance à 95%) n'inclut pas la valeur 0.

Exemple 6 : Interprétation des évolutions (bilans) avec l'erreur standard relative

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	m³/ha	±%
publique	-34	30
privée	-9	147
total	-23	34
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbre vifs par hectare a-t-il diminué entre l’IFN4 et l’IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Vérifier si
- l'erreur standard relative simple est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 68%)
- l'erreur standard relative double est inférieure à 100% (niveau de certitude de l'intervalle de confiance à 95%)

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
		simple	double
	m³/ha	±%	±%
publique	-34	30	60
privée	-9	147	294
total	-23	34	68
* forêt accessible sans la forêt buissonnante IFN4/IFN5

L'erreur standard relative simple est inférieure à 100% pour les forêts publiques comme pour le total (chiffres ). En revanche, elle est supérieure à 100% (chiffres ) pour les forêts privées. Au niveau de certitude de l'intervalle de confiance à 68%, on conclut que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées.

On arrive à la même conclusion dans cet exemple avec le niveau de certitude de l’intervalle de confiance à 95%, car l’erreur standard relative double pour la forêt publique et le total est également inférieure à 100%.

Dans l'ensemble, cela signifie que la certitude statistique est élevée que le volume par hectare a diminué sur le Plateau dans les forêts publiques comme dans l'ensemble. En revanche, pour les forêts privées, la diminution du volume n'est pas statistiquement certaine (car l'erreur standard relative double et l'erreur standard relative simple sont toutes les deux inférieures à 100%).

Exemple 7 : Interprétation des évolutions (bilans) avec l'erreur standard absolue

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard
	%	±
publique	-10	3
privée	-2	3
total	-6	2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Question
Sur le Plateau, le volume des arbres vifs par hectare a-t-il diminué entre l'IFN4 et l'IFN5 ?

Procédure

Définir le niveau de certitude (intervalle de confiance à 68% ou 95%)
Calculer l'intervalle de confiance sur la base du niveau de certitude défini
- intervalle de confiance à 68% avec l'erreur standard absolue simple
- intervalle de confiance à 95% avec l'erreur standard absolue double
Vérifier si l'intervalle de confiance correspondant n'inclut pas la valeur 0

Réponse

propriété (2 classes)	évolution du volume des arbres vifs IFN4–IFN5 sur le Plateau*
	valeur estimée	erreur standard		intervalle de confiance
		simple	double	68%	95%
	%	±	±	%	%
publique	-10	3	6	-13 à -7	-16 à -4
privée	-2	3	6	-5 à +1	-8 à +4
total	-6	2	4	-8 à -4	-10 à -2
* forêt accessible sans la forêt buissonnante IFN4/IFN5

Pour les forêts publiques comme pour le total, tant l'intervalle de confiance à 68% que celui à 95% n'incluent pas la valeur 0. Pour les deux niveaux de certitude, on arrive ainsi à la conclusion que le volume des arbres vifs a diminué sur le Plateau, tant dans les forêts publiques que dans le total. En revanche, la diminution du volume n'est pas statistiquement certaine pour les forêts privées (car les intervalles de confiance incluent la valeur 0).

Les évolutions (bilans) peuvent être interprétées à l'aide de l'erreur standard absolue ou relative (voir les exemples 6 et 7). Il est recommandé d'utiliser l'erreur standard absolue lorsque la valeur estimée est indiquée en pourcentage (%) dans le tableau (comme dans l'exemple 7) et l'erreur standard relative lorsque la valeur estimée est indiquée en chiffres absolus (m³, m³/ha, pc, m2) dans le tableau (comme dans l'exemple 6). Ainsi, l'erreur standard peut être directement extraite du tableau et ne doit donc pas être convertie.

Pour vérifier si une évolution est statistiquement assurée, il est recommandé d'analyser, dans la mesure du possible, le bilan entre les deux inventaires. Les bilans sont plus sensibles que les comparaisons d'état, ce qui permet de mieux détecter les différences sur le plan statistique (voir les exemples 5, 6 et 7).

haut

4. Quand ne suffit-il pas de considérer uniquement l'erreur standard ?

L'Inventaire forestier national (IFN) est un inventaire à grande échelle basé sur des échantillons, dont les placettes d'échantillonnage sont disposées sur une grille dont les mailles mesurent 1,4 km × 1,4 km. L'IFN a été conçu de manière à pouvoir prédire le volume des arbres vifs pour l'ensemble de la Suisse avec une erreur standard maximale de 1%.

Lorsque les résultats sont calculés pour des régions ou des classes individuelles, l'erreur standard augmente rapidement. Cela s'explique par le fait que pour la combinaison d'expressions de variables* choisie, le nombre de placettes d'échantillonnage et d'objets examinés (c'est-à-dire d'arbres échantillons, de plantes de la jeune forêt, de morceaux de bois mort, etc.) est nettement plus faible que pour le total.

Exemple 8 : Erreur standard et combinaison d’expression de variables

région	volume des arbres vifs
	total		érable		érable sycomore		érable plane
	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard	valeur estimée	erreur standard
	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
Suisse	343	1	12	5	11	5	1	20
région de production "Plateau"	363	2	15	10	14	11	0	50
canton d'Argovie	289	7	15	20	13	20	1	63

L'erreur standard augmente avec le niveau de détail.

On peut s'attendre à des erreurs standard importantes si

les arrondissements forestiers ont été choisis comme découpage régional ou que les résultats sont calculés pour de petits cantons (p. ex. Appenzell Rhodes-Intérieures, Nidwald),
une variable de classification comportant de nombreuses classes a été choisie (p. ex. l'essence dans 56 classes),
plusieurs variables de classification ont été combinées (par exemple, l'essence principale et le stade de développement).

Des erreurs standard importantes indiquent qu'une estimation a peut-être été réalisée sur la base d'un nombre trop faible de placettes d'échantillonnage ou d'objets et que, par conséquent, le résultat de l'estimation pourrait ne pas être fiable.

Pour la variable cible « nombre de tiges de la jeune forêt avec abroutissement » (intensité de l'abroutissement), l'incertitude de l'estimation ne se traduit pas nécessairement par une erreur standard élevée. Cela s'explique par le fait que cette variable cible est une estimation sous forme de quotient** qui, en raison de la méthode de relevé, ne repose pour les essences relativement rares (p. ex. pin, mélèze, arole, chêne, châtaignier) que sur un petit nombre d’individus examinés. En conséquence, pour la valeur cible « nombre de tiges de la jeune forêt avec abroutissement », il faudrait toujours vérifier le nombre de plantes examinées sur lequel se basent les différentes valeurs estimées. En règle générale, pour chaque valeur estimée, au moins 30 plantes de la jeune forêt devraient être examinées quant à l’abroutissement pour obtenir une estimation fiable.

haut

5. Deux types d’évolutions ?

L'Inventaire forestier national (IFN) distingue deux types d’évolutions:

Le premier type concerne des variables cibles spécifiques pour des composantes d’évolution telles que l'accroissement, l'exploitation ou la mortalité. Ces variables cibles ne sont disponibles que pour deux cycles de mesure successifs, par exemple IFN4-IFN5. Lors de l'évaluation des composantes d’évolution, l’expression de la variable de classification du second cycle de mesure est généralement attribuée au premier cycle de mesure. Ces évaluations ne tiennent donc pas compte du changement de l'expression d'une variable de classification (par exemple de la propriété privée à la propriété publique) entre deux inventaires successifs.
Dans le deuxième type, la différence entre des variables cibles telles que le nombre de tiges, le volume des arbres vifs ou la surface forestière est utilisée pour dresser le bilan de l’évolution entre deux cycles de mesure. Ces variables cibles sont généralement utilisées pour représenter des états, par exemple l'IFN5, mais peuvent montrer le bilan entre deux cycles de mesure successifs ou non, par exemple l'IFN1 et l'IFN5. Dans ces évaluations, le changement de l'expression est pris en compte pour une partie des variables de classification. Il s'agit par exemple des variables de classification « état des arbres » ou « forêt, non forêt ». Ainsi, on peut voir par exemple que la surface forestière a augmenté. Pour l'autre partie des variables de classification, les expressions sont considérées comme statiques. Cela signifie que l'état le plus actuel – qu'il ait été relevé dans un cycle de mesure (p. ex. fonction prioritaire IFN5) ou qu'il provienne d'une source de données externe (p. ex. forêt protectrice [2022]) – est attribué à tous les cycles de mesure.

haut

6. Évaluations de l’évolution : quand les résultats sont-ils (non) additifs ?

Les résultats sont

additifs lorsqu'ils sont présentés en tant qu’évolution totale entre deux points de mesure. Par exemple, les exploitations indiquées en mètres cubes (m³) pour les différentes régions de production peuvent être additionnées pour obtenir l'exploitation pour la Suisse.
ne sont pas additifs s’il sont présentés en tant qu’évolution par année (p. ex. m³/an). En conséquence, les exploitations indiquées en mètres cubes par an (m³/an) pour les différentes régions de production, par exemple, ne peuvent pas être additionnées pour obtenir l'exploitation pour la Suisse.

Exemple 9 : Additivité/non-additivité des évolutions

	volume des abres vifs: évolution totale IFN4–IFN5 (1000 m³)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
zones inférieures	-3759.0	28	-4909.1	36	-1025.2	133	-317.1	195	3464.1	31	-6546.3	42
zones supérieures	574.3	117	-328.0	62	1093.0	123	7128.4	21	666.7	93	9134.3	24
total	-3184.7	40	-5237.1	34	67.9	2805	6811.3	23	4130.8	30	2588.1	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	additif

	volume des arbres vifs: évolutions par an IFN4–IFN5 (in 1000 m³/an)*
	Jura		Plateau		Préalpes		Alpes		Sud des Alpes		Suisse
zones supérieures/inférieures	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%	1000 m³/an	±%
zones inférieures	-421.1	28	-560.6	36	-115.7	133	-35.9	195	389.5	31	-740.7	42
zones supérieures	64.7	117	-38.3	62	122.4	123	810.4	21	74.9	93	1032.7	24
total	-357.3	40	-598.4	34	7.6	2805	773.8	23	464.4	30	292.7	136
	* dans la forêt accessible sans la forêt buissonnante IFN4/IFN5
	non additif

La non-additivité des évolutions par année provient du fait que l’évolution totale est divisée par le nombre moyen d'années qui s'écoule entre les deux mesures dans le domaine* considérée et que le nombre moyen d'années varie légèrement selon le domaine*.

Exemple 10 : Nombre moyen d'années par région

domaine		nombre moyen d’années
région de production	zones supérieures/inférieures
Plateau	-	8.75
Plateau	zones supérieures	8.56
Plateau	zones inférieures	8.76
Sud des Alpes	-	8.90
Sud des Alpes	zones supérieures	8.90
Sud des Alpes	zones inférieures	8.89
* entre les mesures de l’IFN4 et de l’IFN5 dans la forêt accessible sans la forêt buissonnante

haut

7. Pourquoi l'erreur standard et la valeur estimée sont-elles parfois représentées par un point (« . ») ?

Lors du calcul d'un tableau de résultats, les données ne sont pas toujours disponibles pour toutes les combinaisons d'expressions de variables de classification*. Dans la plupart des cas, cela indique que le paramètre estimé à l'aide de la variable cible n'existe pas ou n'existe que très rarement. Généralement, on introduit alors la valeur 0. Mais comme cette valeur ne repose sur aucune mesure directe, l'erreur standard correspondante est représentée par un point (« . »). Si le calcul se réfère à la valeur supposée de 0, par exemple pour les pourcentages ou certaines estimations d’évolution, aucune valeur ne peut être utilisée. Dans ce cas, la valeur estimée et l'erreur standard sont représentées par un point (« . »).

Par exemple, aucun arole n'a été trouvé et mesuré jusqu'à présent par l’Inventaire forestier national (IFN) sur le Plateau (volume des aroles vifs par région de production). On peut donc supposer que les valeurs manquent parce que l'arole n'est effectivement pas présent sur le Plateau et que le volume doit donc y être nul.

haut

8. Pourquoi certains tableaux n'indiquent-ils pas d'erreur standard ?

Les données de ces tableaux proviennent d'un relevé exhaustif et non d'un inventaire par échantillonnage. En conséquence, il n'est pas nécessaire d'indiquer une erreur standard puisqu'il n'y a pas d'incertitude liée à l'échantillonnage.

Par exemple, le relevé de desserte que l'Inventaire forestier national (IFN) effectue périodiquement auprès des services forestiers locaux est un relevé exhaustif.

haut

Valeurs négatives en cas de volume, d'accroissement ou d'exploitation ?

Des valeurs négatives sont possibles si le résultat n'a pu être calculé qu'à partir de quelques arbres. L'estimation n'est donc pas fiable. Cela se reflète également dans l'erreur standard, qui est en général particulièrement élevée lorsque les valeurs de volume, d'accroissement ou d'exploitation sont négatives.

Les valeurs négatives sont dues au fait que, lors de la détermination du volume de bois de tige des arbres échantillons, le volume estimé uniquement sur la base du diamètre à hauteur de poitrine (DHP) est ajusté avec le volume des arbres échantillons de tarif estimé sur la base du DHP, du diamètre à 7 m de hauteur et de la hauteur des arbres. Cette procédure permet un calcul non biaisé et plus précis du volume de bois de tige. Elle peut toutefois conduire à des valeurs négatives pour toutes les variables cibles basées sur le volume de bois de tige des arbres d'échantillonnage (p. ex. volume des arbres vifs, accroissement, exploitation) si le nombre d'arbres d'échantillonnage dans une combinaison d’expressions de variables* est faible.

haut

IFN4
nombre total de tiges
gravité des dégâts · essence principale
découpage régional: région économique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2009/17
		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
gravité des dégâts	essence principale	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	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	sapin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres résineux	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hêtre	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	érable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	frêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	chêne	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	autres feuillus	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
aucun dégât	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	13826	9	2278	22	4052	21	7496	13	10893	11	8064	15	16114	10	11919	10	9915	12	4796	17	4561	18	14060	11	27416	7	9496	10	144886	3
	sapin	12571	8	1180	31	1584	24	5297	13	3449	17	2581	23	8041	10	3513	15	1518	23	1657	25	462	28	1157	25	634	30	1258	26	44901	4
	pin	1138	24	611	31	307	38	581	50	797	18	0	.	799	60	37	55	131	49	359	46	253	97	4461	22	3478	20	209	60	13160	11
	mélèze	31	64	70	44	543	66	119	44	399	29	88	100	94	93	197	78	439	40	0	.	291	54	7457	11	4905	12	6853	12	21485	6
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	1274	24	2799	19	49	100	4130	15
	autres résineux	263	38	214	50	133	71	333	30	519	43	0	.	57	52	56	58	121	74	52	100	15	100	35	71	302	38	16	100	2116	16
	hêtre	14832	7	5347	13	3422	15	5905	10	7896	8	1807	26	6941	12	5284	13	2039	25	1338	26	1997	25	1695	30	1273	25	9548	14	69325	3
	érable	3948	13	1079	19	524	30	898	25	3126	16	911	23	1785	22	2064	19	1843	21	483	32	901	27	912	26	715	41	882	27	20071	6
	frêne	1665	17	1412	25	1601	21	1279	20	3047	14	639	35	1107	28	2073	22	769	33	663	34	441	37	1018	38	580	49	1761	25	18054	7
	chêne	1886	30	507	31	1164	32	449	25	701	18	89	57	112	56	39	63	158	70	55	68	17	100	921	33	91	72	1961	26	8152	12
	châtaignier	0	.	0	.	0	.	0	.	7	100	0	.	0	.	0	.	7	100	0	.	0	.	209	73	6	100	6635	15	6865	14
	autres feuillus	2585	16	792	21	1030	25	1625	21	2610	16	983	27	1045	20	1339	25	2037	22	895	33	838	33	3375	17	3675	21	11980	12	34811	6
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	52744	4	13489	10	14360	11	23983	8	33443	6	15162	12	36094	7	26522	8	18988	10	10299	14	9777	14	36573	7	45875	6	50648	5	387957	2
dégât léger	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	1018	16	450	34	404	30	874	22	1132	15	1359	20	1569	14	1047	21	1372	15	867	21	752	21	2449	13	4464	9	1270	16	19026	4
	sapin	381	23	58	67	54	57	124	35	84	44	89	42	247	26	149	34	83	54	141	35	102	44	58	57	45	62	47	53	1661	10
	pin	90	50	7	100	0	.	24	77	14	71	0	.	0	.	0	.	42	61	25	77	0	.	209	36	139	39	7	100	558	20
	mélèze	0	.	0	.	0	.	0	.	7	100	0	.	0	.	0	.	45	73	0	.	6	100	297	28	282	25	412	27	1049	15
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	104	36	384	25	0	.	488	21
	autres résineux	17	100	7	100	0	.	17	100	36	71	0	.	0	.	0	.	17	100	0	.	0	.	0	.	53	58	0	.	147	34
	hêtre	665	21	306	25	115	37	288	27	154	35	188	56	421	36	478	26	179	33	122	57	196	38	189	61	118	44	497	24	3914	9
	érable	208	29	52	58	25	76	72	62	101	47	65	53	153	34	145	33	125	39	18	100	156	45	72	50	6	100	138	45	1336	12
	frêne	75	63	56	52	101	39	31	64	108	41	0	.	47	75	222	44	44	61	61	76	37	71	79	50	76	50	161	54	1100	16
	chêne	50	55	16	71	102	50	19	100	38	55	0	.	31	77	21	100	0	.	0	.	0	.	40	71	0	.	38	100	353	24
	châtaignier	0	.	0	.	17	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	379	27	395	27
	autres feuillus	169	36	43	61	41	61	101	42	139	56	88	60	159	40	255	48	153	61	164	60	104	43	305	29	422	34	1128	17	3270	11
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	2674	10	996	20	857	19	1550	15	1811	12	1789	17	2626	11	2315	14	2061	13	1399	18	1353	17	3802	10	5988	8	4077	8	33298	3
dégât moyen	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	683	17	66	48	148	37	354	26	349	24	582	24	798	16	736	19	849	19	364	34	359	25	758	17	1466	13	501	27	8014	5
	sapin	692	18	24	77	37	53	260	31	87	36	132	62	544	20	120	35	149	35	177	37	25	79	74	57	40	55	57	76	2419	10
	pin	7	100	14	71	27	50	7	100	20	58	0	.	13	71	9	100	0	.	24	75	0	.	197	40	345	29	16	100	678	19
	mélèze	0	.	0	.	0	.	0	.	7	100	0	.	0	.	0	.	0	.	0	.	18	100	348	27	159	30	358	23	890	15
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	42	61	148	38	0	.	190	33
	autres résineux	69	61	17	100	0	.	39	100	34	71	0	.	0	.	18	100	0	.	0	.	15	100	0	.	0	.	0	.	192	36
	hêtre	1710	18	538	21	275	30	336	26	513	19	103	44	871	21	739	24	450	29	205	39	374	32	200	39	194	33	899	20	7406	7
	érable	327	29	171	35	34	71	64	63	230	39	85	48	271	32	241	36	168	30	118	51	41	61	154	45	32	71	197	36	2133	11
	frêne	90	48	43	61	81	43	40	61	130	36	69	69	67	48	18	100	18	100	117	52	92	42	58	52	71	61	129	46	1023	14
	chêne	73	44	0	.	58	66	30	64	39	57	0	.	0	.	8	100	18	100	27	75	0	.	0	.	0	.	90	49	341	23
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	15	100	1035	18	1050	18
	autres feuillus	181	38	85	55	68	61	51	58	232	32	33	71	98	45	269	40	136	40	203	64	75	57	385	25	299	35	1380	17	3496	10
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	3832	10	958	17	729	19	1180	14	1640	12	1004	18	2661	11	2157	14	1788	14	1234	22	998	19	2216	12	2771	10	4664	8	27833	3
dégât grave	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	952	15	132	48	179	29	243	23	450	20	497	23	738	18	728	20	658	18	310	25	243	31	973	14	1308	13	622	19	8032	5
	sapin	834	18	0	.	43	54	264	28	98	31	113	39	457	21	264	30	101	40	68	69	47	55	105	38	77	39	113	35	2581	9
	pin	79	46	16	71	13	100	7	100	37	55	0	.	35	100	0	.	0	.	55	58	14	100	222	31	357	34	16	100	851	18
	mélèze	7	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	17	100	0	.	24	79	333	20	198	30	389	25	969	14
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	208	37	122	41	0	.	330	28
	autres résineux	52	74	35	70	0	.	0	.	36	71	0	.	0	.	39	71	87	100	0	.	15	100	0	.	55	58	0	.	319	35
	hêtre	1347	15	348	25	140	39	387	20	440	24	77	60	702	25	391	39	199	34	278	39	272	41	92	49	127	42	954	20	5752	8
	érable	203	29	24	77	17	100	34	82	159	32	93	51	230	33	161	45	175	34	15	100	185	31	187	41	151	43	96	42	1731	11
	frêne	165	30	21	58	41	85	43	54	77	42	40	71	117	38	170	39	112	54	56	68	32	65	72	47	154	42	109	46	1209	13
	chêne	107	50	24	77	54	49	67	44	80	47	0	.	0	.	0	.	18	100	7	100	0	.	94	42	0	.	74	47	526	18
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	68	78	6	100	2795	19	2869	19
	autres feuillus	272	31	110	41	118	53	202	44	189	31	48	58	96	42	259	41	126	37	201	51	93	50	511	27	602	25	1376	14	4203	9
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	4017	8	711	19	606	20	1247	13	1566	12	869	19	2374	12	2011	17	1492	15	990	20	925	20	2866	10	3156	10	6545	9	29374	3
dégât très grave	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	174	37	0	.	20	58	72	49	46	54	84	44	303	27	101	47	250	25	78	42	106	38	242	24	361	27	101	34	1938	10
	sapin	151	35	0	.	0	.	37	55	34	71	34	60	149	36	96	51	13	71	31	61	29	63	32	60	82	51	16	71	703	16
	pin	24	77	14	70	7	100	7	100	7	100	0	.	0	.	0	.	7	100	73	79	18	100	172	39	266	38	0	.	594	23
	mélèze	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7	100	0	.	0	.	0	.	332	25	96	37	280	28	715	17
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	105	38	36	45	0	.	141	30
	autres résineux	0	.	17	100	0	.	0	.	0	.	0	.	0	.	18	100	7	100	35	100	18	100	121	62	302	62	0	.	519	40
	hêtre	428	18	118	34	81	38	180	32	115	36	36	71	301	27	163	34	77	62	38	60	128	54	99	58	68	64	499	25	2330	10
	érable	95	45	24	77	0	.	7	100	184	32	150	73	59	58	8	100	123	43	15	100	33	55	111	56	25	79	84	65	919	19
	frêne	21	57	24	77	57	52	24	77	62	50	39	71	81	51	78	44	92	55	18	100	127	53	178	63	37	71	51	72	888	19
	chêne	60	52	7	100	0	.	32	81	63	69	0	.	0	.	0	.	0	.	0	.	0	.	18	100	0	.	111	52	292	29
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	50	85	0	.	1534	20	1585	19
	autres feuillus	73	50	29	80	0	.	17	100	78	57	17	100	242	50	98	45	183	32	52	75	98	41	348	51	260	40	719	25	2212	14
	indéterminable	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	1027	14	233	25	166	27	375	22	588	18	360	35	1135	17	569	20	751	20	341	28	556	24	1807	16	1532	19	3395	11	12834	5
mort	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	1603	14	321	27	503	33	794	22	731	18	2304	19	3371	19	2008	22	2793	19	784	26	1035	23	3465	15	3795	13	960	22	24466	5
	sapin	1322	16	66	53	107	45	353	25	245	33	205	35	864	18	416	29	289	35	356	37	125	45	154	36	112	42	119	41	4734	8
	pin	317	32	116	51	138	54	47	76	79	41	0	.	58	90	0	.	213	53	68	65	95	78	995	20	710	28	94	49	2930	12
	mélèze	34	100	0	.	41	71	0	.	0	.	0	.	17	100	0	.	91	60	0	.	61	77	1609	18	673	23	729	20	3255	11
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	87	52	266	39	0	.	353	32
	autres résineux	54	58	0	.	17	100	0	.	0	.	0	.	0	.	0	.	35	71	0	.	18	100	35	71	212	53	0	.	371	34
	hêtre	736	20	353	35	107	41	244	27	406	21	30	72	616	29	493	22	240	31	95	57	206	33	122	51	132	46	439	30	4220	9
	érable	124	38	49	63	25	76	70	61	174	41	33	71	53	58	109	65	80	52	15	100	81	51	117	52	18	100	70	50	1018	16
	frêne	125	38	52	58	33	71	47	54	179	40	18	100	162	39	113	46	74	50	22	100	22	100	128	52	94	60	231	46	1298	15
	chêne	217	38	69	61	172	38	23	77	7	100	18	100	0	.	36	100	37	71	0	.	0	.	50	58	0	.	337	44	967	20
	châtaignier	0	.	0	.	20	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	110	74	0	.	3644	15	3773	15
	autres feuillus	524	24	111	38	302	42	17	100	315	27	395	35	532	34	401	36	617	27	298	37	279	40	872	21	936	24	2629	14	8228	7
	indéterminable	168	41	24	77	17	100	17	100	51	58	115	43	163	41	93	42	218	32	39	62	22	76	172	31	231	32	197	44	1528	12
	total	5224	8	1161	19	1482	18	1612	15	2187	12	3117	16	5836	12	3668	14	4688	13	1677	18	1945	17	7915	10	7181	9	9449	7	57142	3
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	épicéa	18257	8	3247	21	5306	18	9834	12	13600	10	12890	13	22893	9	16538	10	15837	11	7199	16	7055	16	21946	10	38810	7	12950	10	206363	3
	sapin	15950	7	1328	29	1825	23	6334	12	3996	16	3154	22	10301	9	4558	14	2153	21	2430	23	789	27	1580	25	990	25	1610	25	56999	4
	pin	1654	23	777	27	491	36	672	44	954	17	0	.	905	57	46	48	393	48	604	43	380	85	6256	19	5296	18	343	54	18771	9
	mélèze	72	73	70	44	584	61	119	44	413	29	88	100	111	94	204	76	592	36	0	.	399	49	10376	11	6314	11	9023	11	28363	6
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	10	100	0	.	0	.	1821	23	3754	18	49	100	5633	14
	autres résineux	455	39	290	44	150	74	390	29	624	37	0	.	57	52	131	37	267	82	87	100	83	64	191	54	924	36	16	100	3664	15
	hêtre	19718	7	7010	12	4141	15	7339	10	9524	8	2241	26	9853	11	7547	13	3185	21	2076	24	3171	21	2396	27	1912	23	12835	13	92948	3
	érable	4905	11	1399	18	625	30	1145	23	3974	15	1338	22	2550	20	2729	17	2514	19	666	30	1396	23	1553	23	947	33	1468	26	27208	5
	frêne	2140	17	1608	23	1915	20	1465	19	3603	13	804	31	1580	24	2674	21	1108	30	937	29	751	30	1533	29	1012	41	2442	23	23572	6
	chêne	2393	28	624	31	1550	30	620	23	928	17	107	50	143	48	103	47	231	65	89	54	17	100	1124	31	91	72	2611	25	10631	11
	châtaignier	0	.	0	.	36	71	0	.	7	100	0	.	0	.	0	.	7	100	0	.	0	.	437	74	28	100	16023	12	16538	12
	autres feuillus	3803	13	1170	18	1560	23	2011	20	3563	15	1565	25	2172	18	2620	24	3253	19	1812	36	1488	29	5796	14	6194	19	19212	10	56220	5
	indéterminable	168	41	24	77	17	100	17	100	51	58	115	43	163	41	93	42	218	32	39	62	22	76	172	31	231	32	197	44	1528	12
	total	69517	4	17549	10	18199	11	29947	7	41236	6	22301	11	50727	6	37243	7	29768	9	15939	13	15553	13	55180	6	66502	5	78778	4	548438	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. 1259196. Birmensdorf, Swiss Federal Research Institute WSL

page précedente