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

IFN5
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, sous-réseaux 1 à 5
état 2018/26
		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	.	0	.	0	.	0	.	0	.	0	.	1	.	10	.	73	.	0	.	0	.	0	.	0	.	0	.	0	.	34	.	0	.	0	.	0	.	19	90	119	100	0	.	13	100	248	62	197	48	17	.	0	.	0	.	4	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	111	88	0	.	0	.	11	.	0	.	0	.	0	.	0	.	10	.	0	.	0	.	59	81	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	52	.	170	.	0	.	0	.	0	.	52	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	37	73	8	.	10	.	0	.	0	.	0	.	0	.	0	.	3	.	0	.	0	.	0	.	1255	25
	privée	0	.	0	.	0	.	0	.	0	.	36	.	193	84	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	68	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	68	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	115	.	16	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	16	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	511	44
	total	0	.	0	.	0	.	0	.	0	.	36	.	194	83	10	.	73	100	0	.	0	.	0	.	0	.	0	.	0	.	34	.	0	.	0	.	0	.	19	90	119	100	0	.	81	85	248	62	197	48	17	.	0	.	0	.	4	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	68	.	0	.	0	.	111	88	0	.	0	.	11	.	0	.	0	.	0	.	115	.	25	73	0	.	0	.	59	81	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	52	.	170	.	0	.	16	.	0	.	52	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	37	73	8	.	10	.	0	.	0	.	0	.	0	.	0	.	3	.	0	.	0	.	0	.	1766	22
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	315	71	254	61	707	52	869	50	950	55	1459	44	2448	32	3141	26	1031	35	1287	39	0	.	81	89	64	.	252	.	493	71	1400	34	1526	36	2230	35	0	.	2348	32	5370	19	3762	20	5471	19	11544	12	13324	10	2105	38	592	52	800	63	1063	40	134	71	789	59	358	87	612	58	505	71	788	59	1775	33	1738	34	0	.	750	52	1509	36	843	57	808	69	420	57	502	68	111	.	94	64	269	.	1584	33	1761	31	961	49	132	.	159	.	0	.	1571	32	3887	37	1646	30	412	49	4	.	0	.	1794	26	425	36	996	45	634	57	759	45	1764	35	1205	46	1750	37	287	65	457	60	71	.	1323	34	107	.	89	.	1012	34	899	47	841	46	612	46	155	82	273	77	0	.	258	.	8209	14	5307	18	6470	17	377	61	0	.	86	.	164	.	187	.	0	.	263	72	304	72	0	.	126084	3
	privée	0	.	0	.	0	.	0	.	468	71	969	59	12604	13	4661	20	5154	22	642	46	0	.	0	.	0	.	0	.	233	.	1080	46	907	46	426	71	0	.	0	.	2571	27	1042	49	2031	31	1716	33	797	53	390	71	1249	44	2834	26	2329	28	228	.	996	39	0	.	22	.	1334	40	773	51	193	.	1166	59	815	69	293	.	580	53	0	.	807	51	102	.	0	.	0	.	0	.	0	.	0	.	672	58	358	74	241	.	105	.	627	51	0	.	48	.	317	73	0	.	0	.	0	.	0	.	0	.	0	.	202	72	679	74	395	66	124	.	311	66	2152	36	0	.	0	.	278	76	0	.	0	.	524	47	215	.	0	.	336	72	0	.	0	.	0	.	68	.	3263	29	2268	28	1771	34	314	.	117	.	0	.	794	59	500	58	137	.	0	.	197	.	0	.	66427	5
	total	315	71	254	61	707	52	869	50	1418	44	2428	35	15052	12	7802	16	6185	19	1929	30	0	.	81	89	64	.	252	.	726	58	2480	28	2433	28	2656	31	0	.	2348	32	7942	15	4804	19	7502	16	13260	11	14121	10	2496	34	1841	34	3633	25	3391	23	362	68	1785	33	358	87	634	56	1838	35	1561	39	1968	31	2904	31	815	69	1043	46	2089	30	843	57	1615	43	523	50	502	68	111	.	94	64	269	.	1584	33	2434	28	1319	41	373	74	264	72	627	51	1571	32	3935	36	1963	28	412	49	4	.	0	.	1794	26	425	36	996	45	836	46	1438	42	2159	31	1329	43	2061	33	2439	33	457	60	71	.	1601	31	107	.	89	.	1535	27	1114	43	841	46	948	39	155	82	273	77	0	.	326	82	11472	13	7576	15	8241	15	691	56	117	.	86	.	957	52	687	50	137	.	263	72	501	59	0	.	192510	3
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	161	71	462	50	518	54	1058	39	321	71	325	100	1445	40	881	44	3004	24	3775	23	51	.	542	59	655	65	0	.	357	71	291	100	775	50	358	77	128	.	1525	38	794	47	1141	40	266	69	846	48	43	91	2628	27	286	65	958	44	220	.	367	77	700	46	571	50	481	62	855	40	261	.	37	.	779	48	1342	42	449	59	758	47	884	46	1095	46	1116	48	511	55	508	62	301	72	214	71	1437	44	287	80	799	47	558	68	460	51	472	62	26	80	0	.	326	74	126	95	0	.	0	.	757	45	395	71	585	59	605	54	0	.	257	70	322	66	118	.	384	72	582	54	125	.	917	50	113	60	287	71	1087	37	488	60	858	41	424	61	247	.	413	59	0	.	0	.	212	58	587	49	1575	32	550	59	0	.	448	50	354	65	399	67	233	72	116	.	111	.	0	.	53083	6
	privée	0	.	123	.	0	.	252	.	1389	52	1057	51	2242	28	4191	22	2599	28	501	61	0	.	0	.	255	66	0	.	0	.	582	83	702	58	344	56	0	.	203	.	253	.	167	.	74	91	204	72	34	.	1284	38	805	45	865	43	2646	32	191	.	479	69	125	.	348	72	926	53	534	64	0	.	0	.	894	54	462	.	489	71	1560	47	2170	33	116	.	0	.	0	.	0	.	0	.	68	.	517	67	23	.	791	46	626	54	183	71	0	.	0	.	0	.	0	.	1	.	0	.	0	.	0	.	0	.	43	.	495	71	0	.	424	67	249	.	0	.	152	.	0	.	264	71	76	.	0	.	79	.	0	.	0	.	0	.	0	.	155	.	0	.	297	.	0	.	0	.	228	.	412	74	232	.	276	72	1945	32	1191	47	60	.	144	.	277	73	0	.	38275	7
	total	161	71	586	45	518	54	1310	37	1710	44	1382	46	3687	23	5072	20	5603	18	4276	21	51	.	542	59	910	51	0	.	357	71	873	65	1477	38	701	48	128	.	1728	36	1047	43	1308	37	340	58	1051	41	77	67	3912	22	1092	37	1822	31	2866	30	558	61	1179	39	696	45	829	47	1781	34	794	54	37	.	779	48	2236	33	911	59	1247	40	2444	34	3265	27	1232	44	511	55	508	62	301	72	214	71	1505	42	805	52	822	46	1349	39	1086	38	656	49	26	80	0	.	326	74	126	95	1	.	0	.	757	45	395	71	585	59	649	50	495	71	257	70	746	48	367	75	384	72	734	47	125	.	1180	42	189	54	287	71	1167	35	488	60	858	41	424	61	247	.	568	51	0	.	297	.	212	58	587	49	1803	31	962	46	232	.	725	41	2300	29	1590	39	292	61	260	71	388	59	0	.	91358	4
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	602	47	293	50	436	48	549	48	0	.	449	89	839	45	874	40	1069	31	2653	24	157	.	187	76	644	52	0	.	442	68	122	.	242	62	149	.	0	.	340	67	160	89	117	95	138	62	645	48	150	73	1715	30	615	51	400	84	37	.	175	90	88	71	276	59	24	.	178	82	167	.	23	.	771	48	319	84	151	71	987	47	0	.	276	58	1096	33	1517	37	670	43	303	60	913	41	199	74	141	72	742	53	0	.	124	.	620	53	85	80	217	73	0	.	146	72	71	.	45	.	462	46	685	47	205	73	145	84	143	71	0	.	500	62	128	71	182	.	18	.	0	.	589	51	321	.	173	53	0	.	131	.	214	71	224	80	184	72	160	71	534	61	44	.	68	84	86	58	568	43	55	.	1096	41	112	.	200	63	305	54	284	73	292	55	41	.	0	.	32500	6
	privée	338	74	105	.	0	.	84	79	266	.	198	.	1576	32	1383	38	578	46	992	42	0	.	62	.	543	57	0	.	0	.	103	.	242	64	438	72	0	.	304	74	164	77	121	78	343	.	0	.	113	.	1251	42	249	74	806	55	662	42	0	.	132	71	125	.	0	.	131	.	210	82	0	.	395	71	489	66	449	75	424	59	267	77	1803	35	563	57	194	.	56	.	143	.	1166	39	96	91	0	.	247	.	986	46	268	76	448	56	90	.	0	.	0	.	0	.	0	.	177	71	185	.	0	.	0	.	637	71	0	.	161	.	96	.	194	63	54	.	729	74	206	.	247	71	0	.	0	.	0	.	149	.	210	.	218	.	0	.	147	.	0	.	179	.	102	64	209	58	354	65	0	.	274	.	579	67	562	61	543	52	191	80	0	.	96	71	0	.	26104	8
	total	940	40	398	45	436	48	633	43	266	.	647	69	2415	26	2257	28	1648	26	3645	21	157	.	250	62	1188	38	0	.	442	68	225	71	484	45	587	60	0	.	644	50	324	59	239	61	481	73	645	48	263	60	2967	25	864	42	1206	46	699	40	175	90	220	51	401	51	24	.	309	64	377	64	23	.	1165	40	808	52	601	59	1411	37	267	77	2079	31	1660	29	1711	34	727	40	446	52	2079	28	295	58	141	72	989	47	986	46	392	60	1068	39	174	64	217	73	0	.	146	72	71	.	222	60	647	44	685	47	205	73	782	60	143	71	161	100	596	54	323	48	236	80	748	72	206	.	836	42	321	.	173	53	0	.	280	71	424	61	443	64	184	72	306	61	534	61	223	83	169	51	295	44	922	36	55	.	1370	38	691	59	762	48	848	38	475	54	292	55	137	58	0	.	58603	5
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	1015	29	726	45	460	51	388	55	357	.	35	.	274	43	624	43	2105	25	534	49	582	43	428	47	472	49	0	.	85	.	358	72	759	43	163	81	34	58	868	45	268	53	243	55	301	45	1734	25	277	78	1855	28	378	52	233	84	0	.	150	51	0	.	47	.	74	74	0	.	332	97	57	.	544	58	52	.	266	74	633	52	705	58	115	.	1173	35	452	51	261	58	806	40	311	51	398	64	206	.	0	.	318	62	144	79	374	62	87	69	1272	40	342	49	1279	26	685	36	1195	33	1371	26	1051	30	863	35	0	.	35	.	99	98	169	74	411	78	130	74	0	.	168	96	196	74	0	.	261	56	82	.	382	48	329	68	280	71	337	64	90	73	10	.	0	.	191	49	274	87	749	30	235	71	449	58	377	58	0	.	389	43	556	44	301	51	695	44	0	.	38314	5
	privée	735	47	282	54	0	.	1396	41	0	.	222	73	2324	33	1050	50	1464	35	56	76	94	71	288	.	284	66	0	.	84	.	721	62	567	53	1184	40	323	71	409	54	433	64	104	.	146	100	276	64	177	74	717	50	1139	45	0	.	345	70	149	78	0	.	0	.	0	.	0	.	274	71	0	.	0	.	291	85	668	62	240	86	0	.	848	58	156	.	505	72	0	.	265	.	106	119	338	78	21	.	340	77	131	71	609	71	454	51	0	.	63	83	169	.	300	55	1812	27	2624	22	511	63	448	53	1630	29	387	71	0	.	6	.	207	77	154	.	22	100	300	.	152	.	0	.	176	.	0	.	0	.	71	.	137	84	172	.	479	52	0	.	0	.	253	.	279	49	420	53	304	57	93	.	120	90	182	75	103	66	305	62	270	.	188	98	182	71	0	.	32733	7
	total	1749	26	1008	35	460	51	1784	34	357	.	257	65	2598	29	1674	35	3570	20	590	45	676	38	716	49	757	39	0	.	169	71	1079	48	1326	33	1347	37	357	64	1276	35	701	45	346	49	447	45	2010	23	453	56	2572	24	1517	36	233	84	345	70	299	47	0	.	47	.	74	74	0	.	606	62	57	.	544	58	343	73	934	49	872	44	705	58	963	52	1329	33	957	45	261	58	1071	39	417	49	736	50	227	91	340	77	449	49	753	59	828	40	87	69	1336	39	512	46	1579	23	2497	22	3819	17	1882	26	1499	26	2493	22	387	71	35	.	105	93	376	54	565	63	153	65	300	.	319	69	196	74	176	.	261	56	82	.	454	43	466	54	452	58	815	40	90	73	10	.	253	.	470	35	695	47	1053	27	329	58	569	49	559	46	103	66	695	36	825	44	489	49	876	38	0	.	71047	4
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	2093	23	1735	26	2121	26	2864	24	1628	41	2267	36	5007	21	5530	18	7283	14	8249	14	790	37	1239	33	1835	32	252	.	1377	39	2204	29	3301	23	2900	29	162	80	5099	20	6712	16	5263	17	6190	17	15017	10	13991	10	8320	15	1871	27	2390	32	1324	36	826	42	1576	36	1251	36	1192	39	1538	33	1548	42	1892	31	3832	22	1714	36	1617	32	3887	22	2432	31	2294	34	3806	21	2982	25	1661	29	1505	28	1707	30	3629	24	2395	27	2503	29	1008	44	887	37	1476	34	1768	29	5376	28	2373	24	1963	21	760	34	1240	32	4384	16	2556	21	2650	24	1385	36	937	38	2120	30	2196	31	2460	30	1153	37	1057	39	363	59	3025	24	592	59	809	34	2181	24	1900	30	2241	26	1540	30	922	41	936	37	544	60	302	87	8716	13	6262	16	9372	13	1217	35	1545	33	1023	33	718	43	1279	31	1075	33	972	32	1150	34	0	.	251235	2
	privée	1072	40	510	43	0	.	1732	36	2123	39	2483	33	18939	10	11284	13	9796	15	2191	27	94	71	350	84	1083	37	0	.	317	78	2486	33	2419	28	2391	28	323	71	916	41	3421	23	1434	39	2662	28	2196	28	1121	41	3643	23	3442	25	4504	21	5982	19	567	56	1607	32	250	71	370	68	2390	31	1790	32	193	.	1561	47	2489	34	1872	41	1732	33	1827	41	5696	20	937	42	699	59	56	.	408	74	1272	37	502	57	1211	43	968	46	2149	29	1723	35	1728	28	90	.	111	64	486	59	300	55	1813	27	2801	21	696	53	448	53	1630	29	1269	43	1174	52	562	54	851	43	908	42	2229	35	1181	54	374	68	789	42	252	76	0	.	603	43	436	62	348	69	727	51	479	52	302	71	0	.	796	54	3644	26	2898	23	2657	26	819	55	742	53	1037	44	3404	25	2539	28	658	52	332	70	752	42	0	.	164049	3
	total	3166	20	2245	22	2121	26	4596	20	3751	28	4750	24	23946	9	16814	10	17079	10	10439	12	884	34	1589	32	2918	24	252	.	1694	35	4690	22	5719	17	5291	20	485	54	6015	18	10133	13	6697	16	8852	15	17213	9	15112	10	11963	12	5313	19	6895	17	7305	16	1393	33	3184	23	1501	32	1562	34	3928	22	3339	26	2086	29	5392	21	4202	25	3489	26	5619	18	4259	25	7990	17	4744	18	3681	23	1717	28	1913	27	2980	23	4130	22	3607	23	3470	24	3157	24	2610	26	3204	21	1857	28	5487	28	2859	22	2264	20	2573	21	4041	17	5080	15	3004	19	4280	19	2654	28	2111	34	2682	26	3047	25	3368	25	3382	26	2238	34	738	45	3813	21	845	47	809	34	2784	21	2336	27	2589	24	2267	26	1401	32	1238	33	544	60	1098	46	12360	12	9160	13	12028	12	2036	30	2287	28	2060	28	4122	22	3819	21	1733	29	1304	30	1903	26	0	.	415285	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. 2276410. Birmensdorf, Swiss Federal Research Institute WSL

page précedente