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 IFN4/IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 2018/26
	canton
	AG		AI		AR		BE		BL/BS		FR		GE		GL		GR		JU		LU		NE		NW		OW		SG		SH		SO		SZ		TG		TI		UR		VD		VS		ZG		ZH		Suisse
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	269	41	300	36	5230	13	180	45	1389	24	0	0	532	37	5546	11	368	48	1687	26	302	26	228	48	673	32	1406	22	202	48	222	43	926	36	306	47	823	19	618	29	1841	17	4014	14	134	40	657	49	28097	5
sapin	187	33	15	100	130	64	1129	16	135	46	205	35	0	0	43	87	283	47	446	33	386	24	221	41	40	82	160	48	222	34	0	0	209	32	216	41	33	100	81	43	275	43	464	23	161	35	117	58	87	41	5247	8
pin	0	0	0	.	0	.	338	31	56	52	34	100	7	100	0	.	1258	26	108	55	0	0	58	76	0	0	126	87	68	73	22	58	144	55	70	66	7	100	76	56	18	100	105	67	1451	20	0	.	122	44	4070	12
mélèze	0	0	0	.	0	.	54	75	0	0	7	100	0	.	0	0	1597	17	0	0	0	0	0	0	0	.	17	100	110	62	0	0	0	0	0	0	17	100	586	22	0	.	114	54	1736	17	0	0	0	0	4239	10
arole	0	.	0	.	0	.	0	0	0	.	0	.	0	.	0	.	205	48	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	0	0	.	0	.	219	34	0	.	0	.	424	29
autres résineux	0	0	0	.	0	0	52	58	0	0	0	.	0	.	0	0	283	49	0	0	0	0	0	0	0	.	0	0	18	100	0	0	0	0	0	0	0	0	0	0	35	100	37	71	35	71	0	.	0	0	459	33
hêtre	238	30	33	71	61	67	725	20	243	38	323	39	0	.	470	58	240	31	291	45	388	32	91	42	43	61	231	58	620	24	152	41	405	31	164	42	17	100	654	26	57	65	754	21	266	45	7	100	183	32	6655	8
érable	24	77	0	0	84	81	219	36	95	45	18	100	0	0	111	66	0	0	118	46	73	50	85	82	18	100	0	0	52	58	17	100	17	100	34	71	67	100	108	60	17	100	53	58	162	46	0	0	84	66	1456	15
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	201	36	56	58	115	44	217	50	54	52	208	44	15	100	200	32	162	47	0	0	378	42	3679	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	94	45	0	0	24	77	1376	16
châtaignier	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	305	59	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	4754	15	0	.	0	0	73	71	0	.	0	.	5131	14
autres feuillus	180	35	0	.	33	71	636	23	129	49	383	40	55	100	187	59	1769	19	277	37	207	43	126	55	0	0	87	51	385	31	0	0	126	45	377	52	62	60	2416	15	394	53	809	23	1137	20	35	100	169	37	9979	7
indéterminable	0	.	0	.	22	75	214	29	45	86	40	71	0	.	0	.	390	25	34	71	89	45	36	71	13	71	25	77	110	39	0	.	69	71	0	.	17	100	75	50	14	100	141	35	162	33	0	.	51	58	1546	11
total	1126	18	317	40	736	28	8996	9	998	23	2655	17	150	49	1468	28	12018	8	2110	19	3187	17	994	19	428	34	1335	27	3247	14	467	30	1408	20	2003	22	579	32	10199	8	1462	23	4755	11	9672	9	293	35	1754	23	72357	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. 1411913. Birmensdorf, Swiss Federal Research Institute WSL

page précedente