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
nombre de tiges
altitude (par classes de 200 m) · nombre de dégâts
découpage régional: région de forêt protectrice
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 de forêt protectrice
		Plateau/Jura		Nord des Alpes ouest		Nord des Alpes est		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
altitude (par classes de 200 m)	nombre de dégâts	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	.
	pas de dégât visible	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	un dégât visible	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	deux dégâts visibles ou plus	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arbre mort ou à terre	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.
>1800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	0	.	1289	45	378	75	6606	16	12457	12	4383	17	25114	8
	un dégât visible	0	.	237	39	53	74	1208	18	2514	13	911	21	4924	9
	deux dégâts visibles ou plus	0	.	116	58	0	.	553	22	675	18	440	24	1784	12
	arbre mort ou à terre	0	.	0	0	0	0	202	41	499	48	32	64	733	35
	total	0	.	1642	42	432	73	8569	15	16146	11	5766	16	32555	8
1601-1800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	0	.	6564	20	1700	35	7178	19	8734	13	4819	17	28995	8
	un dégât visible	0	.	1224	20	402	38	1272	20	1727	18	895	26	5520	10
	deux dégâts visibles ou plus	0	.	395	25	48	53	570	23	434	30	376	31	1823	13
	arbre mort ou à terre	0	.	42	85	22	100	89	53	81	46	39	61	272	28
	total	0	.	8225	19	2172	33	9108	17	10976	13	6130	17	36610	8
1401-1600 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	1259	30	11306	13	3993	20	6100	17	11336	14	8155	16	42148	7
	un dégât visible	246	37	2585	14	895	23	1230	18	2082	17	1471	19	8509	8
	deux dégâts visibles ou plus	48	61	1149	19	218	38	648	27	692	23	324	29	3080	11
	arbre mort ou à terre	0	0	65	53	117	48	300	55	17	100	58	59	558	33
	total	1554	29	15104	12	5223	19	8278	16	14127	13	10009	15	54295	6
1201-1400 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	6702	14	11880	12	8808	14	6331	18	4758	19	5699	18	44178	6
	un dégât visible	803	19	2449	14	2125	19	1116	20	1184	22	1455	18	9133	8
	deux dégâts visibles ou plus	167	29	1076	22	644	24	597	28	237	37	712	23	3434	11
	arbre mort ou à terre	53	75	40	73	117	47	43	61	18	100	130	62	401	29
	total	7726	14	15445	11	11694	14	8087	17	6197	19	7997	16	57146	6
1001-1200 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	15763	10	13852	12	10581	14	4503	19	3392	23	6756	18	54847	6
	un dégât visible	2245	13	2864	13	2489	15	760	24	979	25	1843	19	11180	7
	deux dégâts visibles ou plus	803	17	1278	18	701	20	303	32	561	32	523	28	4169	9
	arbre mort ou à terre	17	100	242	49	0	0	136	57	7	100	34	71	437	33
	total	18829	9	18237	11	13770	13	5702	19	4939	21	9156	16	70633	5
801-1000 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	20917	9	13851	11	11787	13	2935	25	2691	25	6295	18	58477	5
	un dégât visible	3674	13	2151	14	3066	16	647	36	687	27	2220	19	12446	7
	deux dégâts visibles ou plus	1289	16	887	22	1093	22	337	32	232	38	800	27	4638	10
	arbre mort ou à terre	52	58	109	47	72	50	69	61	53	74	133	43	488	22
	total	25931	9	16999	11	16018	12	3987	24	3663	23	9450	17	76048	5
601-800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	39339	6	8871	13	6401	18	1180	44	2188	23	5546	19	63524	5
	un dégât visible	6115	8	1726	18	1129	21	291	34	709	27	1992	22	11962	7
	deux dégâts visibles ou plus	2059	12	510	25	439	24	237	41	242	38	1315	23	4802	9
	arbre mort ou à terre	73	56	18	100	69	59	18	100	25	77	96	85	299	35
	total	47587	6	11125	13	8038	17	1725	37	3164	22	8949	17	80587	5
=600 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	53233	5	2060	38	2664	26	1560	37	111	100	7594	16	67222	4
	un dégât visible	7700	7	244	64	1098	43	117	46	0	.	2714	19	11873	8
	deux dégâts visibles ou plus	2057	12	73	72	299	52	131	62	0	.	1473	22	4033	11
	arbre mort ou à terre	165	36	0	0	38	71	0	0	0	.	92	53	295	27
	total	63155	4	2377	37	4099	27	1808	36	111	100	11873	15	83423	4
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	137214	2	69673	5	46311	6	36393	7	45666	6	49248	5	384504	2
	un dégât visible	20784	4	13480	6	11258	8	6640	8	9881	7	13503	6	75547	2
	deux dégâts visibles ou plus	6423	6	5485	8	3442	11	3376	10	3074	11	5963	9	27763	3
	arbre mort ou à terre	360	25	516	28	435	23	856	25	701	35	615	24	3483	12
	total	164782	2	89155	4	61445	6	47265	6	59321	5	69328	4	491296	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. 1198770. Birmensdorf, Swiss Federal Research Institute WSL

page précedente