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.

IFN2
nombre de tiges
altitude (par classes de 200 m) · nombre de dégâts
découpage régional: région biogéographique
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 1993/95
		région biogéographique
		Jura		Plateau		nord des Alpes		ouest des Alpes centrales		est des Alpes centrales		Sud des Alpes		Suisse
altitude (par classes de 200 m)	nombre de dégâts	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	un dégât visible	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	deux dégâts visibles ou plus	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	arbre mort ou à terre	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	total	0	.	0	.	0	.	0	.	0	.	0	.	0	.
>1800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	0	.	0	.	902	47	4617	17	9240	13	1827	25	16586	9
	un dégât visible	0	.	0	.	106	49	1774	17	2286	14	395	35	4561	10
	deux dégâts visibles ou plus	0	.	0	.	55	72	591	25	274	30	117	38	1038	17
	arbre mort ou à terre	0	.	0	.	0	0	59	67	213	53	97	62	369	36
	total	0	.	0	.	1064	46	7041	16	12013	13	2436	25	22554	9
1601-1800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	0	.	0	.	6371	20	5861	21	6851	16	3817	18	22900	9
	un dégât visible	0	.	0	.	1627	20	1835	22	1395	20	972	23	5828	11
	deux dégâts visibles ou plus	0	.	0	.	657	36	391	30	496	31	275	25	1819	17
	arbre mort ou à terre	0	.	0	.	66	74	32	63	47	62	105	70	251	38
	total	0	.	0	.	8722	18	8119	20	8789	15	5168	17	30798	9
1401-1600 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	1142	33	0	.	12464	12	4020	19	7212	15	5522	18	30361	7
	un dégât visible	249	36	0	.	3812	14	1368	20	1815	16	1375	21	8619	8
	deux dégâts visibles ou plus	35	52	0	.	1217	20	505	25	510	22	268	28	2535	12
	arbre mort ou à terre	0	0	0	.	65	71	92	53	40	71	36	71	232	33
	total	1427	31	0	.	17557	11	5984	18	9577	14	7201	17	41746	7
1201-1400 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	5129	15	9	100	19081	10	4225	24	4467	20	5256	18	38166	7
	un dégât visible	1138	21	22	100	5024	10	1291	25	1565	22	1074	21	10114	7
	deux dégâts visibles ou plus	371	31	0	.	2109	17	316	37	341	33	400	26	3537	12
	arbre mort ou à terre	0	0	0	.	93	52	31	81	0	0	8	100	132	41
	total	6638	15	31	100	26306	9	5863	21	6374	19	6738	17	51949	6
1001-1200 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	14706	10	1781	36	21346	9	2751	25	2829	28	6084	20	49497	6
	un dégât visible	3022	11	599	38	6006	10	792	28	1019	28	1050	19	12490	7
	deux dégâts visibles ou plus	743	18	114	52	2068	14	439	39	423	34	385	38	4172	10
	arbre mort ou à terre	19	100	0	0	138	48	17	100	18	100	64	58	257	32
	total	18491	9	2493	35	29558	9	3999	23	4290	26	7584	18	66415	6
801-1000 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	15126	11	7260	16	23764	10	2832	27	2780	24	5382	20	57145	6
	un dégât visible	4014	12	1946	19	6511	11	957	35	697	25	1542	24	15668	7
	deux dégâts visibles ou plus	1624	19	358	25	2283	15	277	36	435	32	650	27	5627	9
	arbre mort ou à terre	0	0	0	0	59	59	17	100	95	61	62	73	233	36
	total	20764	10	9565	16	32618	9	4083	26	4007	22	7636	18	78674	5
601-800 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	16250	10	30835	7	11995	13	685	40	2814	25	5757	19	68336	5
	un dégât visible	3871	12	5477	8	2347	16	392	38	632	27	1742	24	14461	6
	deux dégâts visibles ou plus	1061	20	1380	14	840	23	208	39	261	53	1104	25	4853	10
	arbre mort ou à terre	34	71	0	0	0	0	35	100	68	91	18	100	155	50
	total	21215	9	37692	7	15182	12	1320	36	3775	23	8621	18	87805	5
=600 m	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	10801	12	54231	5	4065	23	500	53	72	100	7774	16	77443	5
	un dégât visible	2181	16	8344	7	1135	37	172	62	0	.	2076	19	13907	6
	deux dégâts visibles ou plus	574	22	1839	13	351	39	0	.	0	.	1107	23	3871	10
	arbre mort ou à terre	17	100	98	63	17	100	0	0	0	.	72	85	204	44
	total	13574	12	64512	5	5568	23	671	50	72	100	11029	15	95425	4
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	pas de dégât visible	63154	4	94116	3	99988	4	25491	8	36266	6	41419	5	360434	2
	un dégât visible	14476	5	16388	5	26568	5	8581	9	9410	7	10225	7	85648	2
	deux dégâts visibles ou plus	4409	9	3690	9	9580	7	2726	12	2740	12	4305	10	27451	4
	arbre mort ou à terre	71	50	98	63	437	26	284	29	481	31	462	28	1833	14
	total	82109	3	114292	3	136574	3	37082	8	48897	6	56412	5	475365	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. 1198711. Birmensdorf, Swiss Federal Research Institute WSL

page précedente