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 IFN1-IFN5
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	.	2	.	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	.	23	100	8	.	10	.	0	.	0	.	0	.	0	.	0	.	3	.	0	.	0	.	0	.	1225	26
	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	.	2	.	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	.	23	100	8	.	10	.	0	.	0	.	0	.	0	.	0	.	3	.	0	.	0	.	0	.	1736	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	2418	32	3141	26	1031	35	1240	40	0	.	81	89	64	.	252	.	493	71	1246	37	1360	38	2028	37	0	.	1826	36	4729	20	3236	22	4588	21	10242	13	12282	11	2105	38	592	52	800	63	1063	40	134	71	789	59	358	87	612	58	505	71	788	59	1719	34	1738	34	0	.	447	55	1359	39	843	57	808	69	420	57	502	68	111	.	94	64	269	.	1395	35	1609	33	961	49	132	.	159	.	0	.	1320	36	3806	37	1614	31	250	60	0	.	0	.	1309	33	327	43	688	61	608	59	625	51	1746	35	1083	50	1633	40	287	65	457	60	71	.	1323	34	107	.	89	.	989	35	850	50	799	48	612	46	124	.	273	77	0	.	258	.	7641	14	5019	18	6086	18	377	61	0	.	86	.	164	.	187	.	0	.	263	72	304	72	0	.	116494	4
	privée	0	.	0	.	0	.	0	.	237	.	969	59	11175	13	4661	20	5154	22	579	50	0	.	0	.	0	.	0	.	233	.	873	52	685	52	426	71	0	.	0	.	2389	29	1042	49	1627	37	1259	41	743	56	390	71	1249	44	2834	26	2013	31	228	.	934	41	0	.	22	.	1224	43	672	57	193	.	1072	64	815	69	293	.	494	60	0	.	593	66	102	.	0	.	0	.	0	.	0	.	0	.	672	58	317	83	241	.	105	.	627	51	0	.	48	.	201	.	0	.	0	.	0	.	0	.	0	.	0	.	202	72	679	74	330	77	0	.	311	66	1870	40	0	.	0	.	84	.	0	.	0	.	437	53	215	.	0	.	336	72	0	.	0	.	0	.	68	.	2798	32	2096	30	1268	40	0	.	117	.	0	.	794	59	500	58	137	.	0	.	197	.	0	.	59835	6
	total	315	71	254	61	707	52	869	50	1187	48	2428	35	13593	12	7802	16	6185	19	1819	32	0	.	81	89	64	.	252	.	726	58	2119	30	2045	31	2454	33	0	.	1826	36	7118	16	4278	20	6215	18	11501	12	13025	11	2496	34	1841	34	3633	25	3075	24	362	68	1723	34	358	87	634	56	1729	37	1460	41	1912	32	2810	32	815	69	740	51	1853	33	843	57	1401	48	523	50	502	68	111	.	94	64	269	.	1395	35	2281	29	1279	42	373	74	264	72	627	51	1320	36	3854	37	1815	29	250	60	0	.	0	.	1309	33	327	43	688	61	809	48	1304	46	2076	32	1083	50	1943	35	2157	36	457	60	71	.	1408	33	107	.	89	.	1426	29	1064	44	799	48	948	39	124	.	273	77	0	.	326	82	10439	13	7115	15	7353	16	377	61	117	.	86	.	957	52	687	50	137	.	263	72	501	59	0	.	176329	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	1311	43	881	44	3004	24	3513	23	51	.	542	59	655	65	0	.	357	71	291	100	775	50	358	77	128	.	1525	38	672	53	863	42	259	71	837	49	4	.	2628	27	286	65	958	44	220	.	367	77	700	46	571	50	481	62	855	40	261	.	37	.	691	52	1342	42	449	59	686	51	884	46	1095	46	1116	48	511	55	508	62	301	72	214	71	1247	48	220	.	706	51	558	68	460	51	472	62	20	.	0	.	326	74	120	.	0	.	0	.	730	47	215	.	585	59	605	54	0	.	142	.	322	66	0	.	384	72	582	54	125	.	917	50	113	60	287	71	1087	37	488	60	858	41	424	61	247	.	413	59	0	.	0	.	191	64	579	50	1500	33	372	72	0	.	448	50	354	65	399	67	233	72	116	.	111	.	0	.	50988	6
	privée	0	.	123	.	0	.	252	.	1389	52	1057	51	1273	33	4103	23	2501	29	501	61	0	.	0	.	255	66	0	.	0	.	582	83	702	58	344	56	0	.	203	.	253	.	167	.	74	91	81	.	34	.	1284	38	805	45	865	43	2646	32	191	.	446	74	125	.	348	72	926	53	470	71	0	.	0	.	894	54	462	.	489	71	1560	47	1473	41	116	.	0	.	0	.	0	.	0	.	68	.	517	67	23	.	791	46	626	54	183	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	43	.	277	.	0	.	424	67	0	.	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	.	35735	8
	total	161	71	586	45	518	54	1310	37	1710	44	1382	46	2584	27	4984	20	5506	18	4015	22	51	.	542	59	910	51	0	.	357	71	873	65	1477	38	701	48	128	.	1728	36	924	47	1031	38	333	59	918	45	38	90	3912	22	1092	37	1822	31	2866	30	558	61	1145	40	696	45	829	47	1781	34	730	58	37	.	691	52	2236	33	911	59	1175	42	2444	34	2568	30	1232	44	511	55	508	62	301	72	214	71	1315	46	738	56	729	50	1349	39	1086	38	656	49	20	.	0	.	326	74	120	.	0	.	0	.	730	47	215	.	585	59	649	50	277	.	142	.	746	48	0	.	384	72	734	47	125	.	1180	42	189	54	287	71	1167	35	488	60	858	41	424	61	247	.	568	51	0	.	297	.	191	64	579	50	1728	32	784	52	232	.	725	41	2300	29	1590	39	292	61	260	71	388	59	0	.	86723	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	769	49	874	40	1069	31	2653	24	157	.	187	76	371	74	0	.	442	68	122	.	242	62	149	.	0	.	296	75	160	89	117	95	109	74	560	53	116	90	1715	30	436	58	400	84	37	.	175	90	88	71	276	59	24	.	178	82	167	.	23	.	771	48	319	84	73	.	965	48	0	.	276	58	1096	33	1148	36	670	43	303	60	913	41	68	.	58	.	742	53	0	.	124	.	620	53	85	80	217	73	0	.	146	72	71	.	45	.	396	52	685	47	205	73	145	84	73	.	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	544	45	55	.	1096	41	112	.	97	76	305	54	284	73	292	55	41	.	0	.	30839	7
	privée	338	74	105	.	0	.	84	79	266	.	198	.	1544	33	1383	38	578	46	992	42	0	.	62	.	502	61	0	.	0	.	103	.	218	71	438	72	0	.	304	74	164	77	33	.	343	.	0	.	113	.	1251	42	249	74	806	55	662	42	0	.	132	71	125	.	0	.	131	.	210	82	0	.	313	86	489	66	449	75	268	74	267	77	1340	39	563	57	194	.	56	.	143	.	816	47	96	91	0	.	247	.	986	46	268	76	448	56	90	.	0	.	0	.	0	.	0	.	177	71	0	.	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	189	63	260	81	0	.	274	.	579	67	562	61	543	52	191	80	0	.	96	71	0	.	24570	9
	total	940	40	398	45	436	48	633	43	266	.	647	69	2313	27	2257	28	1648	26	3645	21	157	.	250	62	873	47	0	.	442	68	225	71	460	47	587	60	0	.	600	53	324	59	151	77	452	78	560	53	228	67	2967	25	685	46	1206	46	699	40	175	90	220	51	401	51	24	.	309	64	377	64	23	.	1084	42	808	52	522	66	1233	41	267	77	1617	34	1660	29	1342	34	727	40	446	52	1729	31	163	67	58	.	989	47	986	46	392	60	1068	39	174	64	217	73	0	.	146	72	71	.	222	60	396	52	685	47	205	73	782	60	73	.	161	.	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	275	47	804	40	55	.	1370	38	691	59	659	53	848	38	475	54	292	55	137	58	0	.	55408	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	.	238	47	624	43	2105	25	424	56	582	43	428	47	472	49	0	.	85	.	358	72	759	43	163	81	24	71	868	45	268	53	184	65	267	49	1543	27	277	78	1855	28	366	53	233	84	0	.	150	51	0	.	47	.	74	74	0	.	323	.	57	.	544	58	52	.	266	74	354	53	705	58	115	.	1173	35	452	51	261	58	806	40	311	51	398	64	206	.	0	.	318	62	144	79	251	81	80	74	1162	44	221	67	1124	29	610	40	1182	33	1222	28	940	33	738	38	0	.	0	.	97	100	169	74	411	78	85	.	0	.	168	96	196	74	0	.	261	56	82	.	382	48	329	68	280	71	337	64	90	73	10	.	0	.	151	59	266	90	634	33	235	71	438	59	377	58	0	.	389	43	556	44	301	51	695	44	0	.	36330	6
	privée	735	47	282	54	0	.	1203	45	0	.	222	73	1709	33	1021	51	1423	36	56	76	94	71	288	.	265	71	0	.	84	.	721	62	496	59	1184	40	323	71	402	55	364	74	104	.	146	100	276	64	177	74	717	50	1050	48	0	.	345	70	149	78	0	.	0	.	0	.	0	.	274	71	0	.	0	.	291	85	668	62	240	86	0	.	804	61	156	.	505	72	0	.	265	.	125	.	338	78	21	.	340	77	131	71	609	71	454	51	0	.	63	83	169	.	200	73	1772	27	2623	22	511	63	401	58	1593	30	387	71	0	.	0	.	149	.	154	.	0	.	300	.	152	.	0	.	0	.	0	.	0	.	71	.	112	.	172	.	479	52	0	.	0	.	253	.	210	62	166	78	135	87	93	.	120	90	182	75	103	66	305	62	270	.	184	.	182	71	0	.	30564	7
	total	1749	26	1008	35	460	51	1591	37	357	.	257	65	1947	29	1645	35	3528	21	480	50	676	38	716	49	738	40	0	.	169	71	1079	48	1254	35	1347	37	348	66	1270	35	632	48	288	55	413	48	1818	25	453	56	2572	24	1416	38	233	84	345	70	299	47	0	.	47	.	74	74	0	.	596	63	57	.	544	58	343	73	934	49	594	47	705	58	918	55	1329	33	957	45	261	58	1071	39	436	46	736	50	227	91	340	77	449	49	753	59	705	44	80	74	1225	42	391	57	1324	26	2381	23	3805	18	1732	27	1342	28	2331	24	387	71	0	.	97	100	318	61	565	63	85	.	300	.	319	69	196	74	0	.	261	56	82	.	454	43	441	56	452	58	815	40	90	73	10	.	253	.	362	43	432	63	769	32	329	58	557	50	559	46	103	66	695	36	825	44	485	49	876	38	0	.	66893	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	4739	22	5530	18	7283	14	7830	14	790	37	1239	33	1563	36	252	.	1377	39	2051	30	3135	23	2698	30	152	85	4517	22	5948	17	4401	18	5236	19	13429	11	12876	11	8320	15	1680	29	2390	32	1324	36	826	42	1576	36	1251	36	1192	39	1538	33	1538	42	1837	32	3743	22	1714	36	1235	34	3364	24	2432	31	2294	34	3806	21	2613	25	1661	29	1505	28	1707	30	3118	26	2093	29	2410	29	1008	44	887	37	1353	36	1504	32	5184	29	2220	25	1640	23	680	37	1226	32	3657	18	2167	24	2217	28	1358	37	699	47	1985	32	2074	32	2224	33	1107	38	1057	39	363	59	3025	24	592	59	809	34	2159	24	1851	30	2200	26	1540	30	891	42	936	37	544	60	302	87	8074	14	5956	17	8773	14	1039	38	1534	34	1023	33	615	47	1279	31	1075	33	972	32	1150	34	0	.	235875	2
	privée	1072	40	510	43	0	.	1539	39	1892	42	2483	33	15894	11	11167	13	9656	15	2127	28	94	71	350	84	1022	39	0	.	317	78	2279	35	2101	30	2391	28	323	71	909	41	3169	25	1346	41	2258	31	1616	34	1067	43	3643	23	3353	25	4504	21	5666	19	567	56	1511	34	250	71	370	68	2281	32	1626	35	193	.	1385	53	2489	34	1872	41	1490	36	1827	41	4278	23	937	42	699	59	56	.	408	74	941	43	502	57	1211	43	927	48	2149	29	1723	35	1728	28	90	.	111	64	371	71	200	73	1772	27	2800	21	511	63	401	58	1593	30	1269	43	956	60	491	61	670	50	659	43	1924	39	1181	54	374	68	595	45	76	.	0	.	516	48	436	62	323	74	727	51	479	52	302	71	0	.	796	54	3110	29	2451	26	1891	32	505	63	742	53	1037	44	3404	25	2539	28	658	52	327	71	752	42	0	.	151214	3
	total	3166	20	2245	22	2121	26	4404	20	3520	29	4750	24	20632	9	16697	10	16939	10	9958	12	884	34	1589	32	2585	26	252	.	1694	35	4330	23	5236	18	5089	21	475	55	5426	19	9118	14	5748	17	7494	16	15046	10	13943	10	11963	12	5033	19	6895	17	6990	17	1393	33	3088	24	1501	32	1562	34	3819	23	3164	27	2030	30	5129	22	4202	25	3108	28	4855	20	4259	25	6573	19	4744	18	3312	23	1717	28	1913	27	2648	24	3620	24	3304	24	3337	25	3157	24	2610	26	3080	22	1593	31	5295	29	2591	24	1840	22	2452	22	4026	17	4168	18	2569	22	3810	20	2627	28	1655	40	2476	28	2743	27	2883	27	3031	29	2238	34	738	45	3620	21	669	53	809	34	2675	22	2286	27	2523	25	2267	26	1370	33	1238	33	544	60	1098	46	11185	13	8408	14	10664	13	1544	33	2276	28	2060	28	4019	22	3819	21	1733	29	1299	30	1903	26	0	.	387089	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. 2276435. Birmensdorf, Swiss Federal Research Institute WSL

page précedente