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
volume du bois fort de tige (UCB 2010)
assortiment · classes d'assortiments (USC 2010)
découpage régional: région de forêt protectrice
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
		région de forêt protectrice
		Plateau/Jura		Nord des Alpes ouest		Nord des Alpes est		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
assortiment	classes d'assortiments (USC 2010)	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	.
	petit bois	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	classes 1 et 2	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	classes 3 et 4	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	classes 5 et 6	0	0	0	0	0	0	0	0	0	0	0	0	0	0
	total	0	0	0	0	0	0	0	0	0	0	0	0	0	0
bois résineux	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	2	80	2	91	6	53	5	87	5	69	0	.	19	34
	classes 1 et 2	89	72	101	68	203	56	151	75	146	61	0	.	689	30
	classes 3 et 4	23	100	247	68	160	58	97	85	109	86	0	.	636	36
	classes 5 et 6	0	0	41	75	58	87	8	100	22	100	0	.	129	49
	total	114	75	390	67	427	51	260	71	282	71	0	.	1473	30
bois court résineux	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	378	6	369	7	209	9	222	9	311	7	119	11	1607	3
	classes 1 et 2	14058	6	14945	6	9073	8	8244	8	11413	6	4842	10	62576	3
	classes 3 et 4	17739	5	21800	6	14382	8	8889	9	14788	6	7309	11	84907	2
	classes 5 et 6	5818	9	8414	8	6409	10	2782	12	5105	9	3406	14	31933	4
	total	37992	5	45528	5	30073	7	20137	8	31616	6	15676	10	181022	2
bois mi-long résineux	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	150	17	166	19	48	35	108	27	27	48	40	45	538	11
	classes 1 et 2	1212	20	1155	19	248	32	747	24	138	43	101	50	3603	11
	classes 3 et 4	2071	17	2491	19	627	35	1579	25	435	43	295	44	7498	10
	classes 5 et 6	813	24	1452	23	523	39	435	36	239	50	83	51	3545	13
	total	4246	15	5263	18	1446	33	2869	23	840	40	519	43	15183	10
bois long résineux	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	5504	7	410	29	303	34	164	49	22	100	0	.	6402	6
	classes 1 et 2	3707	10	382	38	213	42	56	60	14	100	0	.	4373	9
	classes 3 et 4	16003	7	1108	33	1487	32	341	57	74	100	0	.	19013	7
	classes 5 et 6	4639	12	159	88	335	56	222	56	0	0	0	.	5356	11
	total	29853	6	2059	27	2338	34	783	49	110	100	0	.	35143	6
bois rond feuillus	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	222	4	66	9	61	9	16	18	14	19	114	7	493	3
	classes 1 et 2	19602	3	6553	8	5337	9	1726	14	1333	17	9365	6	43915	3
	classes 3 et 4	29442	3	7116	9	7549	9	642	25	949	24	4534	7	50232	3
	classes 5 et 6	10084	7	2091	18	1779	16	141	39	267	38	1411	18	15774	5
	total	59350	3	15826	8	14726	8	2525	15	2563	17	15424	6	110414	2
total	pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	petit bois	6257	6	1012	12	626	17	514	17	379	9	272	8	9059	4
	classes 1 et 2	38667	3	23136	5	15075	6	10924	7	13045	6	14309	5	115155	2
	classes 3 et 4	65277	2	32762	4	24204	6	11548	8	16356	6	12138	7	162285	1
	classes 5 et 6	21353	4	12157	7	9105	9	3588	11	5633	9	4900	11	56736	3
	total	131554	2	69067	4	49010	6	26574	7	35412	6	31619	5	343236	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. 1387522. Birmensdorf, Swiss Federal Research Institute WSL

page précedente