Résultats IFN

Estimation et erreur standard de l’estimation

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

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

erreur standard relative = erreur standard absolue / estimation x 100

erreur standard absolue = erreur standard relative × estimation / 100

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

Intervalle de confiance de l’estimation

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

sa limite inférieure
estimation - tQ × erreur standard absolue

et sa limite supérieure
estimation + tQ × erreur standard absolue

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

Significativité de l’estimation

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

Traitement de valeurs manquantes

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

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

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

Changements

L’IFN distingue deux types de changements:

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

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

IFN5
nombre de tiges de bois mort
essence principale
découpage régional: canton
unité: 1000 n
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	canton
	AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
essence principale	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%	1000 n	±%
pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
épicéa	244	32	251	43	300	36	4928	13	180	45	1372	24	0	0	411	39	5077	12	368	48	1669	26	302	26	221	50	655	33	1316	23	202	48	222	43	919	37	306	47	705	21	601	30	1740	17	3644	15	134	40	642	50	26408	5
sapin	187	33	15	100	130	64	1112	16	135	46	205	35	0	0	43	87	265	49	446	33	386	24	221	41	40	82	160	48	222	34	0	0	209	32	209	42	33	100	81	43	275	43	464	23	161	35	117	58	87	41	5205	8
pin	0	0	0	.	0	.	303	33	56	52	34	100	7	100	0	.	1118	28	108	55	0	0	58	76	0	0	126	87	0	0	22	58	144	55	24	100	7	100	69	62	18	100	105	67	1416	21	0	.	122	44	3739	13
mélèze	0	0	0	.	0	.	54	75	0	0	7	100	0	.	0	0	1116	19	0	0	0	0	0	0	0	.	17	100	110	62	0	0	0	0	0	0	17	100	391	28	0	.	114	54	1365	20	0	0	0	0	3192	12
arole	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	82	53	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	187	38	0	.	0	.	268	31
autres résineux	0	0	0	.	0	0	17	100	0	0	0	.	0	.	0	0	283	49	0	0	0	0	0	0	0	.	0	0	0	0	0	0	0	0	0	0	0	0	0	0	35	100	37	71	35	71	0	.	0	0	406	36
hêtre	238	30	33	71	61	67	725	20	243	38	323	39	0	.	470	58	222	33	291	45	388	32	91	42	43	61	231	58	613	24	152	41	405	31	145	45	17	100	654	26	57	65	754	21	248	48	7	100	183	32	6593	8
érable	24	77	0	0	84	81	202	38	95	45	18	100	0	.	94	76	0	0	118	46	73	50	85	82	18	100	0	0	52	58	17	100	17	100	34	71	67	100	76	80	17	100	53	58	127	52	0	0	84	66	1354	16
frêne	216	47	0	.	107	62	324	35	80	65	231	48	17	100	125	54	123	55	410	38	339	40	0	0	86	74	15	100	166	38	56	58	115	44	147	65	54	52	160	49	15	100	200	32	77	46	0	0	378	42	3441	11
chêne	38	100	0	.	0	.	74	46	35	100	25	78	71	50	0	.	18	100	58	52	19	100	74	80	0	0	0	.	54	100	17	100	101	51	0	0	0	0	416	35	18	100	238	44	70	50	0	.	24	77	1352	17
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	305	59	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4718	15	0	.	0	0	37	100	0	.	0	.	5059	14
autres feuillus	180	35	0	.	33	71	468	26	129	49	366	42	0	0	187	59	1635	20	277	37	207	43	126	55	0	0	87	51	385	31	0	0	126	45	250	69	62	60	2028	16	253	61	741	25	1082	21	35	100	169	37	8826	8
indéterminable	0	.	0	.	22	75	201	30	45	86	40	71	0	.	0	.	248	31	34	71	89	45	36	71	13	71	25	77	75	46	0	.	69	71	0	.	17	100	59	57	14	100	141	35	126	37	0	.	51	58	1305	12
total	1126	18	299	42	736	28	8409	9	998	23	2620	17	95	52	1330	29	10492	9	2110	19	3169	17	994	19	421	34	1317	27	2993	14	467	30	1408	20	1727	25	579	32	9357	9	1304	23	4587	11	8577	10	293	35	1739	23	67148	3

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. 1411908. Birmensdorf, Swiss Federal Research Institute WSL

page précedente