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
volume des arbres vifs (bois de tige)
degré de mélange (terrestre) · propriété (2 classes)
découpage régional: arrondissement forestier (2024)
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante
réseau: réseau 1,4 km
état 2009/17
		arrondissement forestier (2024)
		AG01		AG02		AG03		AG04		AI01		AR01		BE01		BE02		BE03		BE04		BSBL01		BSBL02		BSBL03		BSBL04		FR01		FR02		FR03		FR04		GE01		GL01		GR01		GR02		GR03		GR04		GR05		JU01		LU01		LU02		LU03		NE01		NE02		NE03		NE04		NE06		NW01		OW01		OW02		SG01		SG02		SG03		SG04		SG05		SH01		SO01		SO02		SO03		SO04		SZ01		SZ02		SZ03		TG01		TG02		TG03		TI01		TI02		TI03		TI04		TI05		TI06		TI07		TI08		TI09		UR01		UR02		UR03		VD02		VD03		VD04		VD05		VD06		VD07		VD08		VD09		VD11		VD12		VD14		VD15		VD16		VD18		VD20		VD22		VS01		VS02		VS03		ZG01		ZH01		ZH02		ZH03		ZH04		ZH05		ZH06		ZH07		lacs		Suisse
degré de mélange (terrestre)	propriété (2 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	±%	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	±%	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	±%	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	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	0	.	17	101	0	.	0	.	0	.	0	.	119	69	93	71	0	.	5	.	0	.	0	.	0	.	0	.	15	72	0	.	82	96	0	.	5	.	0	.	25	.	13	.	43	71	518	42	54	63	0	.	17	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9	.	11	.	4	76	0	.	0	.	3	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	57	100	0	.	0	.	0	.	0	.	3	100	0	.	0	.	0	.	15	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	-11	.	0	.	0	.	7	.	0	.	38	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	142	55	3	100	97	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1385	21
	privée	0	.	0	.	0	.	0	.	0	.	0	.	297	43	3	.	14	.	8	.	0	.	0	.	0	.	0	.	0	.	0	.	58	.	0	.	0	.	0	.	0	.	0	.	0	.	61	.	0	.	0	.	0	.	8	.	31	73	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	13	.	0	.	0	.	0	.	1	.	0	.	0	.	0	.	0	.	0	.	0	.	81	85	46	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	19	.	0	.	0	.	0	.	0	.	0	.	641	28
	total	0	.	17	101	0	.	0	.	0	.	0	.	416	36	96	68	14	100	13	72	0	.	0	.	0	.	0	.	15	72	0	.	141	70	0	.	5	.	0	.	25	.	13	.	43	71	579	39	54	63	0	.	17	.	8	.	31	73	0	.	0	.	0	.	0	.	0	.	9	.	11	.	4	76	13	100	0	.	3	100	0	.	1	.	0	.	0	.	0	.	0	.	0	.	0	.	137	65	46	.	0	.	0	.	0	.	3	100	0	.	0	.	0	.	15	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	-11	.	0	.	0	.	7	.	0	.	38	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	142	55	3	100	97	71	0	.	0	.	0	.	19	.	0	.	0	.	0	.	0	.	0	.	2025	17
forêt résineuse pure	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	162	68	406	42	795	36	1286	30	798	41	638	49	3395	20	2609	21	2318	22	1635	30	98	.	276	84	0	.	101	.	448	50	1268	32	2106	27	1538	30	0	.	2396	24	5225	15	4462	15	5946	13	12331	9	13420	9	2536	23	493	41	881	46	652	37	241	51	463	49	415	52	450	46	962	33	586	41	2003	23	1711	23	46	98	797	38	2076	22	714	45	1042	44	606	39	327	68	359	49	72	104	0	.	1284	29	1665	24	1441	32	48	.	162	73	228	62	1224	24	2572	18	2339	20	158	42	108	.	0	.	1439	20	341	34	752	38	622	43	676	39	1612	28	874	42	1156	32	758	42	237	56	150	.	1029	33	19	.	391	44	1563	23	935	34	626	36	891	31	124	80	634	44	563	53	233	62	8840	10	5875	13	7072	12	672	38	311	60	72	90	70	99	309	59	263	83	248	73	215	59	0	.	131888	2
	privée	84	.	0	.	270	76	0	.	789	41	1636	33	11414	11	7492	14	4075	19	688	56	0	.	0	.	7	.	0	.	234	71	788	41	1178	31	231	52	0	.	15	129	2009	23	403	47	1776	25	1380	28	528	46	863	36	1436	33	1677	26	3015	23	120	.	944	30	0	.	117	91	1381	39	386	52	110	.	595	59	994	41	158	.	275	58	78	77	1416	35	104	73	109	.	0	.	0	.	0	.	472	61	796	47	157	78	466	77	351	56	699	41	51	.	0	.	144	65	0	.	83	80	0	.	0	.	0	.	0	.	153	58	583	47	232	69	414	61	319	50	1901	30	0	.	50	.	77	71	143	.	0	.	543	36	106	.	0	.	382	61	0	.	0	.	0	.	16	.	3059	20	1724	24	796	34	460	54	563	54	396	57	652	44	416	51	84	.	59	73	94	.	0	.	65216	4
	total	246	56	406	42	1065	33	1286	30	1586	29	2274	27	14810	9	10100	12	6393	14	2323	27	98	.	276	84	7	.	101	.	682	41	2056	25	3284	20	1769	27	0	.	2411	24	7234	13	4865	14	7722	12	13710	9	13948	9	3399	19	1930	27	2558	23	3667	20	361	47	1407	25	415	52	567	41	2343	27	972	32	2113	22	2307	23	1040	39	955	36	2351	21	792	42	2458	27	710	35	436	57	359	49	72	104	0	.	1757	27	2461	22	1599	30	515	70	513	45	927	34	1275	23	2572	18	2483	19	158	42	191	67	0	.	1439	20	341	34	752	38	775	36	1258	30	1844	26	1288	34	1475	27	2658	24	237	56	200	79	1105	31	162	89	391	44	2106	19	1041	32	626	36	1273	28	124	80	634	44	563	53	249	58	11899	9	7599	11	7868	11	1132	32	874	41	468	50	721	41	725	39	347	67	307	61	309	51	0	.	197104	2
forêt résineuse mélangée	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	407	42	945	37	706	35	1518	27	140	75	676	50	1367	32	1749	26	1616	23	3248	18	96	100	440	53	625	43	0	.	310	58	505	51	496	49	574	55	78	.	1752	27	609	48	902	34	309	47	660	37	90	71	2505	20	294	66	565	43	243	59	403	54	266	53	308	51	509	45	781	35	284	63	160	69	1135	33	737	39	199	62	1463	36	1014	36	323	53	1465	29	1045	32	811	37	402	51	441	49	1525	29	130	56	629	47	250	71	224	60	618	47	40	.	617	46	61	.	99	75	0	.	0	.	474	35	442	45	446	39	305	58	0	.	174	61	299	42	516	46	405	60	640	47	149	68	901	38	88	78	315	56	643	34	616	42	901	30	539	48	265	87	176	53	146	92	179	75	189	40	180	38	1041	30	265	54	437	63	369	46	225	66	429	49	265	62	264	71	667	39	0	.	52313	4
	privée	304	74	59	.	0	.	191	98	929	41	1878	35	2029	23	3818	20	2394	24	1337	31	139	.	0	.	0	.	0	.	0	.	477	57	551	53	722	54	0	.	536	51	123	101	505	60	193	75	234	69	0	.	1565	26	423	47	1500	28	2168	27	0	.	819	38	423	66	167	71	871	36	356	55	0	.	33	.	1244	32	440	55	402	51	825	43	2386	28	106	.	0	.	93	71	0	.	463	53	329	58	363	50	35	.	1242	30	372	70	153	76	151	75	0	.	0	.	0	.	0	.	92	.	0	.	0	.	57	.	105	.	116	.	0	.	396	52	144	91	786	41	138	77	0	.	635	61	275	72	0	.	197	73	223	80	0	.	53	.	0	.	0	.	0	.	292	68	120	75	103	65	360	52	211	72	102	.	257	58	1059	32	1304	33	326	60	376	55	347	75	0	.	41421	6
	total	711	40	1004	35	706	35	1709	27	1069	37	2554	29	3396	19	5567	16	4011	17	4585	16	234	72	440	53	625	43	0	.	310	58	981	38	1046	36	1296	38	78	.	2288	24	732	43	1407	30	502	41	894	33	90	71	4071	16	716	39	2065	23	2411	25	403	54	1085	31	731	44	676	38	1653	25	640	41	160	69	1168	32	1981	25	639	42	1865	30	1839	28	2709	25	1570	28	1045	32	905	34	402	51	904	36	1854	26	493	40	664	45	1492	28	597	49	770	40	191	63	617	46	61	.	99	75	0	.	92	.	474	35	442	45	502	36	410	50	116	.	174	61	695	35	660	41	1191	34	778	41	149	68	1536	33	363	57	315	56	840	31	839	37	901	30	592	44	265	87	176	53	146	92	471	51	308	38	283	34	1401	26	476	44	539	55	626	36	1284	29	1733	27	592	43	640	43	1014	36	0	.	93734	3
forêt feuillue mélangée	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	798	31	392	44	481	40	342	46	54	.	264	94	949	33	269	57	1356	27	2166	21	286	58	384	45	749	39	0	.	172	73	17	.	630	44	384	53	0	.	360	62	264	39	446	43	125	47	134	54	85	57	2074	22	447	44	15	.	109	60	191	72	176	56	301	51	30	.	20	.	42	99	135	84	536	48	105	92	559	39	310	49	350	52	410	61	806	31	957	31	633	33	246	47	958	28	119	77	47	69	314	45	123	80	435	51	172	62	4	89	174	47	20	98	225	51	33	73	30	.	797	31	348	48	298	51	127	73	0	.	14	88	371	52	117	73	338	51	105	72	19	.	239	59	356	58	353	40	55	.	108	71	225	58	170	69	65	.	0	.	53	.	198	68	73	53	166	42	210	46	221	71	513	42	357	48	195	59	428	38	269	58	290	50	181	75	0	.	29473	5
	privée	405	45	40	.	0	.	148	.	0	.	561	44	2031	28	1441	29	764	35	595	37	0	.	53	.	519	44	0	.	0	.	509	54	333	52	563	56	0	.	104	.	244	50	255	59	143	68	177	64	59	.	844	33	560	44	406	56	350	51	92	.	125	.	0	.	0	.	371	55	0	.	0	.	243	71	440	50	0	.	203	64	282	55	1601	32	331	59	234	69	358	52	226	71	640	42	190	65	119	75	249	59	624	42	139	72	451	44	63	.	0	.	9	.	0	.	0	.	116	74	0	.	23	.	55	108	371	58	0	.	84	.	188	71	130	75	140	55	448	62	144	73	249	60	125	.	0	.	0	.	174	71	270	77	70	.	100	.	217	71	0	.	315	73	87	70	78	77	376	45	202	65	292	71	354	52	819	37	208	63	282	71	136	.	254	71	0	.	24405	7
	total	1204	25	432	41	481	40	489	44	54	.	825	42	2979	22	1710	26	2119	21	2761	18	286	58	437	41	1269	29	0	.	172	73	526	52	963	34	947	40	0	.	464	53	508	32	701	35	268	42	311	43	144	53	2918	18	1007	31	421	54	459	42	282	59	301	53	301	51	30	100	391	53	42	99	135	84	779	40	545	44	559	39	513	39	632	38	2011	28	1137	28	1191	28	991	28	473	42	1599	24	309	50	165	57	563	36	748	37	574	42	624	36	66	95	174	47	29	74	225	51	33	73	145	63	797	31	372	46	353	46	498	47	0	.	97	87	559	42	247	52	479	40	554	52	163	66	488	42	481	50	353	40	55	.	281	52	495	50	239	57	165	72	217	71	53	.	514	52	160	45	245	38	587	33	424	48	806	37	711	35	1014	32	637	33	550	46	426	47	436	52	0	.	53878	4
forêt feuillue pure	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	1219	23	648	37	527	33	1012	28	52	.	-1	.	276	43	473	35	2112	19	1100	27	458	40	560	35	984	30	0	.	435	60	423	47	447	45	657	43	142	67	632	32	225	45	85	72	207	38	1371	22	110	52	2497	19	412	54	330	64	0	.	355	37	0	.	201	71	131	65	0	.	331	55	110	100	400	53	100	73	216	45	404	36	541	51	124	76	1228	25	440	39	386	41	1083	27	559	37	398	44	129	100	320	72	194	48	189	54	728	44	151	41	743	26	239	40	1495	23	786	27	1105	23	1321	19	813	24	848	26	22	67	99	59	87	92	239	58	293	63	222	61	311	48	69	80	356	45	581	48	131	84	0	.	269	43	667	39	421	39	292	50	156	61	34	.	204	72	156	44	181	53	971	29	171	55	511	41	618	45	105	75	265	41	416	41	245	55	554	34	0	.	42110	4
	privée	1163	32	444	40	222	70	921	42	70	.	389	68	1634	28	700	40	1691	22	123	89	310	58	393	55	557	53	0	.	337	61	278	68	403	47	655	40	314	56	493	41	240	74	0	.	228	49	392	38	259	53	917	33	1134	39	185	84	612	45	157	74	0	.	0	.	126	.	0	.	229	58	0	.	232	84	254	66	527	52	280	56	253	60	527	43	231	76	259	71	0	.	1	.	467	54	218	69	0	.	204	82	343	61	502	60	315	59	0	.	75	.	205	57	382	42	1774	23	2095	16	884	33	829	34	1105	28	212	72	0	.	29	90	104	.	53	94	50	71	155	74	0	.	84	.	145	78	64	.	0	.	50	.	311	53	329	62	312	46	337	72	0	.	126	.	167	43	308	38	408	38	114	100	0	.	62	81	473	49	297	50	172	84	248	69	51	.	0	.	32201	5
	total	2382	20	1093	27	750	31	1933	25	122	72	387	68	1910	25	1173	27	3803	14	1223	26	769	33	953	31	1541	27	0	.	772	43	701	39	850	32	1312	29	456	43	1125	25	465	44	85	72	435	31	1763	19	369	41	3414	16	1547	32	515	51	612	45	512	34	0	.	201	71	257	59	0	.	560	40	110	100	632	45	355	52	744	39	684	31	794	40	652	38	1459	24	699	36	386	41	1084	27	1026	32	616	38	129	100	524	54	537	43	691	46	1043	35	151	41	818	25	444	34	1877	20	2560	18	3200	13	2206	17	1641	20	1953	19	233	66	99	59	117	73	343	50	346	55	272	51	466	40	69	80	439	41	725	42	195	65	0	.	320	39	978	31	750	35	605	34	493	53	34	.	330	59	323	31	488	31	1379	23	285	52	511	41	681	42	578	43	562	32	588	38	493	44	605	32	0	.	74312	3
total	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	publique	2587	16	2408	20	2510	18	4159	16	1044	34	1577	33	6106	14	5193	14	7401	11	8154	11	938	30	1661	25	2358	21	101	.	1380	30	2213	24	3761	19	3152	21	225	55	5140	16	6348	13	5908	13	6630	12	15013	8	13759	9	9612	10	1663	24	1791	29	1004	29	1189	26	905	31	1225	28	1121	28	1763	24	1252	28	2420	20	3787	17	988	32	1772	23	4256	17	2619	22	1900	29	4105	15	2769	19	2189	20	1803	21	1958	20	3327	18	2026	21	2704	22	616	37	1011	30	1746	26	1422	21	4106	14	2658	18	1977	19	942	25	1135	23	4031	12	1945	17	2343	18	1076	31	775	35	1887	25	1783	25	2082	23	1723	27	1282	29	386	49	2524	21	1051	34	1190	26	2299	18	1927	22	2419	19	2021	21	746	39	966	32	796	42	814	34	9399	9	6405	12	9392	10	1330	26	1773	25	1417	26	595	36	1432	24	1212	29	1046	31	1617	23	0	.	257169	1
	privée	1956	24	544	35	492	52	1260	36	1788	28	4463	21	17405	8	13454	10	8939	12	2751	22	449	50	446	50	1083	34	0	.	571	46	2052	26	2523	21	2171	26	314	56	1148	31	2616	20	1163	33	2339	21	2245	21	846	33	4189	16	3553	20	3776	18	6176	15	368	52	1888	23	423	66	410	49	2624	25	971	32	110	.	1103	40	2946	21	1125	35	1160	28	1437	29	5932	17	772	38	602	45	451	44	228	70	1570	28	1209	33	1358	32	691	38	2676	23	1364	33	1618	25	265	53	75	.	358	42	382	42	1857	22	2302	16	884	33	852	33	1217	26	840	35	699	42	345	53	1102	33	647	36	2876	23	741	43	194	60	1045	41	687	43	64	.	740	32	553	44	581	46	834	38	412	43	554	52	0	.	749	44	3433	18	2213	20	1940	21	988	34	957	40	1070	31	3021	19	2226	23	864	38	820	37	747	45	0	.	163884	2
	total	4543	14	2952	17	3002	17	5418	14	2832	22	6041	17	23510	7	18647	8	16340	8	10906	10	1387	26	2107	22	3441	18	101	.	1951	25	4265	17	6285	14	5324	16	539	39	6288	14	8964	11	7070	12	8969	10	17257	7	14606	8	13802	8	5216	16	5567	15	7180	14	1558	23	2793	18	1648	26	1531	25	4387	17	2223	21	2530	20	4890	16	3934	18	2897	19	5416	15	4057	18	7831	14	4876	14	3370	17	2641	18	2031	20	3528	16	4536	16	3385	18	3395	19	3292	20	2375	23	3364	18	1687	20	4181	14	3016	17	2359	17	2799	17	3437	12	4916	11	2797	16	3560	15	1916	23	1474	27	2233	22	2885	20	2729	19	4599	17	2024	24	580	38	3569	19	1738	27	1254	25	3039	16	2480	20	3000	17	2855	18	1159	29	1520	28	796	42	1563	27	12832	8	8618	10	11333	9	2317	21	2730	21	2487	20	3617	17	3657	17	2077	23	1866	24	2363	21	0	.	421054	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. 2292702. Birmensdorf, Swiss Federal Research Institute WSL

page précedente