Sélectionner un thème dans la liste

Estimation et erreur standard de l’estimation

Les résultats publiés dans les tableaux IFN sont des estimations portant sur des paramètres de la forêt suisse (paramètres de population) dont les valeurs réelles ne sont pas connues et qui sont donc extrapolées (estimées) à partir des données de l’échantillon de l’IFN. Les extrapolations contiennent des incertitudes. Cependant, la précision de l’extrapolation opérée à partir de l’échantillon aléatoire de l’IFN peut être estimée de façon fiable. Pour ce faire, tous les tableaux IFN indiquent une seconde valeur à côté de l’estimation: l’erreur standard de l’estimation.

La plupart des tableaux indiquent l’erreur standard relative (« ±% »), mais parfois, surtout pour les pourcentages estimés, c’est l’erreur standard absolue (« ± ») qui est indiquée. Le rapport entre l’erreur standard absolue et relative est le suivant:

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

Les données sur la desserte sont issues d’un recensement complet des routes forestières. Dans ce cas, il n’est pas nécessaire d’indiquer d’erreur standard puisqu’il n’existe pas d’incertitude liée à l’échantillonnage.

Intervalle de confiance de l’estimation

À l’aide de l’estimation et de son erreur standard, il est possible de calculer l’intervalle de confiance de l’estimation en indiquant:

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

Si le calcul se fait avec l’erreur standard simple (tQ = 1), on obtient l’«intervalle de confiance à 68%». On peut alors admettre que la valeur réelle du paramètre de la population se situe avec une probabilité de 68% dans cet intervalle de confiance. Si l’on utilise l’erreur standard double pour le calcul (tQ = 2), la valeur réelle du paramètre se situe avec une probabilité de 95% dans l’intervalle de confiance, à savoir l’«intervalle de confiance à 95%».

Significativité de l’estimation

L’intervalle de confiance permet d’examiner statistiquement si le paramètre de population estimé est plus grand ou plus petit qu’une certaine valeur de référence, respectivement si deux paramètres de population estimés se distinguent effectivement (dans la population réelle). Dans la pratique, le processus adopté est le suivant: lorsqu’une valeur de référence est située hors de l’intervalle de confiance, on admet que la valeur estimée pour la population se distingue significativement de la référence; si la valeur de référence se situe à l’intérieur de l’intervalle, on interprète la différence entre valeur estimée et valeur de référence comme aléatoire et donc non significative. Pour comparer deux paramètres de population, on considère qu’ils se distinguent de façon significative lorsque leurs intervalles de confiances ne se superposent pas.

Traitement de valeurs manquantes

Lors du calcul des résultats, on ne dispose pas toujours de données pour toutes les combinaisons de catégories des variables de classification et du découpage régional^*. Cela indique dans la plupart des cas que le paramètre estimé à l’aide de la variable cible n’apparaît pas ou seulement très rarement. Généralement, on introduit (« impute ») alors la valeur 0. Mais comme cette valeur n’est pas issue de mesures directes, l’erreur standard correspondante est représentée par un point [.]. Lorsqu’on se réfère à la valeur supposée de 0 lors d’un calcul, par exemple pour indiquer des pourcentages ou certaines estimations de changements, il n’est pas possible d’indiquer une valeur. Dans ce cas, on introduit un point [.] pour la valeur estimée et l’erreur standard.

Par exemple, on n’a jusqu’ici ni trouvé ni mesuré d’arole sur le Plateau (volume des aroles selon les régions de production). On peut donc admettre que si les valeurs manquent, c’est que l’arole n’est effectivement pas présent dans cette région et que son volume doit y être de 0.

^* p. ex. combinaison de la catégorie « arole» de la variable de classification « essence » et de la catégorie « Plateau » du découpage régional

Changements

L’IFN distingue deux types de changements:

Le premier concerne des variables cibles spécifiques pour des composantes de changement telles que l’accroissement, l’exploitation, la mortalité ou les disparitions. Ces variables cibles ne sont disponibles que pour deux cycles d’inventaires successifs, p. ex. IFN3-IFN4. Lors de leur évaluation, la catégorie de la variable de classification du second cycle d'inventaire est attribuée à celle du premier cycle d'inventaire. Ces évaluations ne tiennent donc pas compte du changement de la catégorie d’un inventaire à l'autre (p. ex. de la propriété privée à la propriété publique).

Pour le second type de changements, on utilise les différences de variables cibles telles que le nombre de tiges, le volume sur pied ou la surface forestière afin d’établir un bilan du changement entre deux cycles d’inventaire. Ces variables cibles sont habituellement utilisées pour représenter des états, p. ex. dans l’IFN4, mais peuvent aussi révéler les changements entre deux inventaires quels qu’ils soient, p. ex. LFI1-LFI4. Lors de leur évaluation, on tient compte du changement d’une catégorie de la variable de classification. Ainsi, il est possible de constater p. ex. que la surface de la forêt sans la forêt buissonnante a augmenté. Cela n’a d’effet que pour les variables de classification qui peuvent effectivement changer de caractéristiques, p. ex. l’appartenance à la surface forestière ou l’état de l’arbre.

IFN5
volume total de bois (bois de tige)
propriété (2 classes) · essence principale
découpage régional: canton
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
		canton
		AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
propriété (2 classes)	essence principale	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	.
	épicéa	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
publique	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	.
	épicéa	2380	22	1344	41	1011	39	9792	11	685	38	5398	18	1	100	3487	24	31626	7	1964	27	2491	23	2367	23	868	54	3655	22	6250	18	1342	31	1786	26	4713	18	933	33	7805	19	3202	23	9620	12	15167	10	745	39	2826	19	121457	3
	sapin	1409	28	297	65	1039	43	6762	13	415	51	1814	28	0	.	512	48	2184	23	2837	24	1165	29	2898	21	179	80	845	31	1837	25	184	59	1117	24	1938	26	599	59	1409	28	824	37	5839	14	1182	30	209	52	391	43	37882	5
	pin	116	68	0	.	0	.	1233	32	249	45	243	74	67	100	0	.	2778	18	438	39	170	65	148	60	0	.	231	80	122	53	322	42	368	31	100	73	278	57	196	49	178	71	200	53	1741	20	0	.	462	30	9640	9
	mélèze	236	47	0	.	0	.	175	46	15	100	63	92	0	.	50	100	8965	10	22	100	24	68	41	100	0	.	20	100	283	50	23	73	20	100	57	100	14	100	4840	13	0	.	444	32	6561	11	40	100	177	39	22069	6
	arole	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1825	18	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8	100	0	.	0	.	958	24	0	.	0	.	2790	14
	autres résineux	198	50	0	.	0	.	225	69	252	100	0	.	0	.	3	100	43	38	7	100	350	71	8	100	0	.	9	91	6	89	0	.	57	58	9	72	2	100	81	100	10	100	108	56	10	65	0	.	15	83	1392	30
	hêtre	2994	15	52	51	136	65	7281	11	1892	21	1388	26	0	.	843	33	1395	23	2610	18	1056	33	606	21	146	81	1198	34	2544	21	1837	23	3384	16	1611	28	733	36	4621	14	345	40	4753	14	705	33	160	58	1882	19	44174	4
	érable	460	23	0	.	118	60	1291	16	381	32	252	32	3	100	225	30	304	27	359	30	210	29	435	35	73	55	170	65	730	28	99	54	553	23	215	31	191	38	327	33	77	56	831	17	271	38	86	52	780	26	8439	6
	frêne	637	36	0	.	125	88	449	32	291	46	748	37	0	.	73	49	164	32	392	36	60	56	71	57	331	82	109	81	408	32	162	49	262	31	316	42	186	44	561	43	78	51	427	30	279	42	78	75	895	29	7099	10
	chêne	352	50	0	.	0	.	341	29	198	52	102	49	81	70	0	.	101	73	169	44	91	69	80	70	0	.	0	.	93	59	143	49	215	43	0	.	246	54	433	32	9	100	577	31	124	38	12	100	501	29	3868	11
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	443	52	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1959	21	0	.	6	100	66	61	0	.	0	.	2474	18
	autres feuillus	516	24	0	.	16	71	712	22	203	35	428	46	18	58	92	55	1846	20	297	41	100	48	62	52	47	48	63	45	349	37	37	51	286	38	239	41	333	49	2566	14	181	51	1143	34	725	19	11	61	457	32	10728	7
	indéterminable	0	.	0	.	1	100	13	60	0	.	1	100	0	.	0	.	99	35	14	89	2	100	15	100	35	72	10	87	34	55	0	.	31	86	0	.	1	100	5	60	22	100	33	54	74	42	0	.	21	100	412	18
	total	9299	12	1693	40	2445	36	28273	8	4581	19	10436	14	170	76	5284	20	51772	5	9110	15	5718	18	6730	16	1678	41	6310	18	12655	13	4150	20	8078	13	9199	15	3517	22	24811	8	4926	20	23980	8	27863	8	1341	34	8406	13	272425	2
privée	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	.
	épicéa	410	45	1542	43	1368	39	22738	8	143	80	4068	21	3	100	234	58	7963	16	615	37	5718	17	2383	22	967	41	996	47	5295	18	317	51	88	59	1480	38	1858	25	270	41	1602	40	4155	18	2588	21	368	71	3489	20	70658	5
	sapin	191	48	313	50	608	61	10863	11	201	44	694	48	4	100	2	100	198	68	1378	33	5758	15	1784	30	232	75	507	69	2389	23	0	.	346	39	361	56	786	35	34	100	224	53	1684	30	616	49	249	62	1783	21	31205	6
	pin	26	100	0	.	0	.	342	38	102	57	104	78	14	100	0	.	323	39	3	100	76	98	0	.	4	100	0	.	53	100	37	80	35	100	0	.	143	47	0	.	91	71	34	71	592	37	0	.	488	30	2468	15
	mélèze	49	71	0	.	0	.	129	75	12	100	42	83	0	.	0	.	1060	30	0	.	5	100	0	.	0	.	0	.	55	81	14	100	0	.	0	.	64	72	264	70	0	.	83	86	3701	25	0	.	108	76	5585	18
	arole	0	.	0	.	0	.	12	100	0	.	0	.	0	.	0	.	5	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	216	54	0	.	0	.	234	51
	autres résineux	0	.	0	.	14	74	342	50	0	.	0	.	0	.	0	.	11	100	4	100	2	71	0	.	0	.	0	.	343	99	66	100	0	.	0	.	3	100	1	100	0	.	0	.	15	100	0	.	59	58	860	45
	hêtre	1939	33	273	56	397	41	7184	14	908	39	2121	26	0	.	164	70	682	49	911	39	2753	20	758	28	357	50	227	63	3456	20	377	55	1377	34	394	44	1003	23	1571	29	697	44	2256	22	297	58	166	63	2515	20	32782	6
	érable	190	47	25	75	170	57	1232	17	123	43	316	35	0	.	230	59	219	51	190	36	358	29	176	40	94	57	99	73	1100	22	3	100	178	56	169	47	299	57	83	48	140	52	421	29	224	34	24	100	539	25	6602	8
	frêne	225	59	0	.	191	61	1069	28	88	70	659	40	10	100	287	49	234	52	633	42	606	47	28	78	238	74	14	59	1182	29	80	91	229	45	361	55	654	34	356	34	143	83	997	29	227	42	37	100	520	29	9068	9
	chêne	470	45	0	.	0	.	352	29	4	100	139	62	319	71	0	.	85	100	188	74	219	61	18	100	5	100	0	.	28	100	70	100	29	71	19	100	717	58	666	26	86	72	627	37	163	50	0	.	97	41	4302	15
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	127	87	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4097	16	0	.	0	.	130	77	0	.	0	.	4355	16
	autres feuillus	220	54	0	.	66	79	899	21	45	60	195	34	1	100	125	66	452	35	187	58	228	33	26	60	44	91	5	100	279	31	2	100	100	85	142	55	269	44	2209	21	113	47	595	42	639	30	0	.	284	40	7124	9
	indéterminable	0	.	0	.	10	100	152	35	16	81	7	100	0	.	0	.	43	58	0	.	16	60	8	100	0	.	0	.	3	100	0	.	0	.	0	.	0	.	2	100	0	.	11	76	21	92	0	.	8	86	297	22
	total	3720	23	2153	39	2824	31	45314	7	1642	32	8345	16	351	71	1040	39	11403	13	4109	23	15739	12	5181	18	1940	32	1848	43	14184	13	966	42	2382	29	2926	28	5795	17	9553	11	3096	30	10862	14	9429	15	844	54	9890	14	175537	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	.
	épicéa	2789	20	2886	30	2378	28	32529	7	828	35	9466	14	4	75	3720	22	39590	6	2579	22	8210	13	4750	15	1834	33	4650	20	11545	13	1660	27	1874	25	6193	16	2791	20	8075	19	4804	20	13774	10	17755	9	1114	35	6315	14	192115	2
	sapin	1600	26	610	41	1647	35	17625	8	615	37	2508	24	4	100	514	48	2382	22	4215	19	6923	14	4682	17	411	55	1352	32	4226	17	184	59	1463	21	2299	23	1385	32	1443	28	1048	31	7523	13	1797	26	457	41	2174	19	69087	4
	pin	143	58	0	.	0	.	1575	27	351	36	347	57	81	84	0	.	3101	16	441	39	246	54	148	60	4	100	231	80	176	48	359	38	403	30	100	73	420	41	196	49	270	53	233	46	2333	17	0	.	950	21	12108	8
	mélèze	286	41	0	.	0	.	304	41	27	71	105	64	0	.	50	100	10026	9	22	100	28	59	41	100	0	.	20	100	338	44	36	59	20	100	57	100	78	61	5103	13	0	.	526	30	10263	11	40	100	285	37	27654	6
	arole	0	.	0	.	0	.	12	100	0	.	0	.	0	.	0	.	1830	18	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	8	100	0	.	0	.	1174	22	0	.	0	.	3024	13
	autres résineux	198	50	0	.	14	74	567	41	252	100	0	.	0	.	3	100	54	36	11	74	352	71	8	100	0	.	9	91	349	97	66	100	57	58	9	72	5	72	82	98	10	100	108	56	25	66	0	.	75	49	2252	25
	hêtre	4932	16	325	48	534	34	14465	9	2800	19	3509	19	0	.	1006	29	2077	22	3521	17	3809	17	1363	18	503	42	1425	30	6000	14	2215	21	4761	15	2005	24	1736	20	6193	12	1042	32	7009	12	1002	29	326	43	4396	14	76955	3
	érable	650	21	25	75	288	41	2523	12	504	26	568	24	3	100	455	33	522	26	549	23	567	21	611	27	166	40	269	49	1831	17	102	53	731	22	384	27	490	38	410	28	217	39	1252	15	495	26	110	46	1319	18	15041	5
	frêne	862	31	0	.	316	51	1518	22	379	39	1407	27	10	100	360	41	398	33	1025	29	665	43	99	46	569	57	122	73	1589	23	242	45	491	27	677	35	840	28	917	30	221	57	1424	22	505	30	115	60	1414	21	16167	7
	chêne	823	34	0	.	0	.	693	20	203	50	241	42	400	58	0	.	186	60	357	44	310	47	98	60	5	100	0	.	121	51	213	47	244	39	19	100	963	45	1099	20	95	65	1204	24	287	33	12	100	598	25	8169	9
	châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	570	45	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	6056	12	0	.	6	100	196	55	0	.	0	.	6828	11
	autres feuillus	736	23	0	.	83	65	1610	15	248	30	622	33	19	55	216	44	2298	17	484	34	329	27	87	40	91	51	68	42	629	25	39	48	386	36	381	33	602	33	4775	12	294	36	1738	27	1364	17	11	61	740	25	17852	6
	indéterminable	0	.	0	.	11	93	165	32	16	81	8	88	0	.	0	.	141	30	14	89	18	55	22	74	35	72	10	87	37	51	0	.	31	86	0	.	1	100	7	51	22	100	44	45	95	39	0	.	29	76	708	14
	total	13018	11	3847	28	5270	23	73588	5	6222	16	18781	10	521	54	6325	18	63175	5	13219	12	21457	10	11911	11	3618	25	8157	17	26839	9	5116	18	10461	12	12125	13	9311	13	34364	6	8022	17	34842	7	37291	6	2186	29	18295	9	447962	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. 1308172. Birmensdorf, Swiss Federal Research Institute WSL

page précedente