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

IFN1
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
réseau: réseau 1,4 km
état 1983/85
		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	81	.	69	64	27	.	106	100	7	.	0	.	208	58	170	72	238	65	48	75	115	67	43	.	15	.	0	.	0	.	85	80	196	99	1	.	0	.	86	67	142	66	71	64	180	.	132	73	165	55	103	58	0	.	0	.	0	.	0	.	0	.	0	.	0	.	45	.	0	.	286	57	31	73	0	.	0	.	108	67	86	97	1	.	208	59	49	79	154	64	0	.	0	.	50	64	7	.	-1	.	131	.	0	.	29	.	0	.	20	73	5	95	8	100	0	.	0	.	4	.	40	78	0	.	18	100	0	.	0	.	0	.	28	.	54	82	0	.	0	.	0	.	0	.	46	.	13	.	15	.	0	.	24	.	38	.	21	71	40	.	75	100	100	63	24	100	256	54	50	.	48	.	0	.	117	.	0	.	0	.	103	.	0	.	0	.	4618	13
	privée	107	65	0	.	36	.	75	.	0	.	0	.	784	30	500	44	0	.	67	71	0	.	65	.	149	72	0	.	0	.	53	72	259	53	0	.	0	.	173	72	34	.	0	.	52	80	4	71	11	88	168	51	81	69	149	71	45	80	142	.	0	.	0	.	17	.	83	.	0	.	0	.	0	.	43	.	152	100	18	.	27	95	145	71	0	.	0	.	29	.	0	.	0	.	106	60	21	.	0	.	114	79	0	.	0	.	0	.	0	.	4	.	31	74	0	.	24	70	0	.	85	93	0	.	0	.	0	.	0	.	0	.	0	.	56	.	0	.	0	.	91	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	42	.	0	.	70	.	80	72	70	61	10	148	1	.	136	.	0	.	9	.	0	.	101	.	77	.	0	.	0	.	4596	12
	total	188	57	69	64	63	72	181	71	7	.	0	.	993	27	671	37	238	65	115	52	115	67	108	72	164	66	0	.	0	.	138	56	455	52	1	.	0	.	259	53	176	56	71	64	232	80	136	71	176	52	271	39	81	69	149	71	45	80	142	.	0	.	0	.	17	100	127	74	0	.	286	57	31	73	43	.	152	100	126	59	112	77	147	70	208	59	49	79	183	56	0	.	0	.	156	46	27	79	-1	.	245	65	0	.	29	.	0	.	20	73	10	69	40	62	0	.	24	70	4	.	124	68	0	.	18	100	0	.	0	.	0	.	28	.	110	65	0	.	0	.	91	71	0	.	46	.	13	.	15	.	0	.	24	.	38	.	63	71	40	.	144	71	180	47	94	52	266	53	50	99	184	79	0	.	125	93	0	.	101	100	180	71	0	.	0	.	9214	9
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	675	41	732	38	703	37	2840	21	803	41	1041	38	6791	13	4102	16	4311	17	1878	27	126	100	259	65	367	52	73	.	938	38	952	33	2819	23	1470	30	0	.	2505	22	3973	16	4079	15	5297	14	10834	9	10206	9	2496	20	976	33	965	38	854	33	360	45	282	57	519	45	550	42	1155	28	426	44	1989	24	1254	24	679	46	1111	41	2940	21	761	37	907	40	1054	34	812	37	278	61	725	42	0	.	924	27	2209	22	1416	30	595	46	275	77	245	68	941	26	1905	19	1213	23	34	94	96	90	0	.	613	26	288	43	553	44	692	39	605	42	1433	26	670	39	828	34	577	42	1071	35	89	100	853	31	305	51	788	39	781	27	500	45	568	39	989	30	0	.	681	48	129	71	804	42	7386	10	4620	13	5502	12	718	41	453	60	454	57	328	65	485	50	317	60	571	51	823	38	0	.	134192	2
	privée	230	66	340	74	135	72	122	.	719	42	1579	32	8150	12	7914	13	5478	15	963	32	0	.	0	.	174	95	0	.	91	.	1179	34	536	39	747	38	0	.	67	.	1558	27	384	40	811	32	749	33	372	42	962	38	1863	30	3159	20	3284	19	13	.	1379	25	321	72	108	73	1741	27	367	50	104	.	592	65	1347	33	29	71	264	55	275	77	2314	28	7	.	0	.	0	.	0	.	0	.	307	60	862	39	213	63	796	40	869	40	329	51	0	.	55	.	52	.	0	.	0	.	0	.	32	.	0	.	94	.	69	72	312	65	205	60	350	52	312	53	1006	32	269	71	388	60	37	72	36	.	0	.	353	42	70	.	0	.	157	61	0	.	142	71	0	.	308	77	1413	24	682	29	701	33	361	59	319	71	999	33	1221	30	1057	33	262	59	464	51	458	59	0	.	65988	4
	total	905	35	1072	35	838	33	2962	20	1522	29	2620	24	14941	9	12016	10	9789	11	2841	21	126	100	259	65	541	47	73	.	1029	36	2131	24	3355	20	2217	23	0	.	2572	21	5531	14	4463	14	6108	13	11583	9	10578	8	3458	18	2839	23	4124	18	4138	17	373	43	1661	23	841	39	658	37	2896	20	794	33	2092	23	1846	27	2026	27	1140	40	3204	20	1036	34	3221	23	1061	34	812	37	278	61	725	42	0	.	1231	25	3071	19	1629	27	1391	30	1144	36	574	41	941	26	1960	18	1266	22	34	94	96	90	0	.	645	25	288	43	647	40	761	36	918	35	1638	24	1020	31	1140	28	1583	25	1340	32	477	52	890	30	341	46	788	39	1134	22	570	41	568	39	1146	27	0	.	823	42	129	71	1112	37	8800	9	5302	12	6203	12	1078	34	772	46	1454	29	1549	27	1543	28	579	42	1034	36	1281	32	0	.	200180	2
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	418	54	797	35	436	43	847	36	107	73	618	50	912	32	1123	35	1916	23	2533	18	0	.	332	51	149	58	0	.	438	58	279	60	658	41	418	55	26	.	938	37	311	39	721	33	201	49	178	46	53	92	2682	19	349	61	276	51	278	61	323	60	182	57	298	48	250	50	243	55	443	54	119	71	586	38	433	48	364	51	839	37	400	61	470	47	561	40	1255	31	557	39	220	59	477	42	673	42	117	55	304	60	42	81	117	75	582	41	6	.	38	74	145	73	41	.	87	97	119	.	530	35	376	45	158	53	54	.	0	.	129	71	275	51	62	74	305	47	208	79	0	.	488	44	151	79	438	45	688	28	558	35	849	31	514	39	286	59	99	72	267	59	0	.	133	54	71	50	610	33	554	46	237	61	438	49	159	.	927	40	658	40	284	59	187	68	0	.	38979	5
	privée	58	.	543	43	0	.	205	75	776	46	1145	34	1136	29	2979	19	2629	21	750	32	234	71	42	.	0	.	0	.	241	77	158	71	453	48	830	43	0	.	322	71	256	58	130	75	96	78	169	49	0	.	670	40	328	50	821	33	1265	35	47	.	272	54	112	.	50	.	220	62	120	.	0	.	54	.	685	38	187	58	196	57	635	38	1390	30	149	60	350	73	0	.	0	.	338	51	172	68	445	52	304	67	676	41	413	50	420	47	0	.	0	.	19	.	0	.	0	.	59	.	0	.	19	.	0	.	71	.	11	94	0	.	78	88	99	80	721	40	299	75	3	.	80	100	202	74	0	.	300	54	159	72	103	.	13	.	0	.	0	.	0	.	0	.	26	.	52	70	349	41	172	95	64	.	344	64	1253	29	593	41	191	72	332	58	224	72	0	.	29306	6
	total	476	49	1340	27	436	43	1052	32	882	41	1763	28	2048	22	4102	17	4545	15	3283	16	234	71	374	46	149	58	0	.	680	46	437	46	1111	31	1247	34	26	.	1260	33	567	34	851	30	297	42	347	33	53	92	3352	17	676	40	1096	28	1543	30	370	53	454	40	409	44	301	45	464	41	563	47	119	71	640	36	1117	29	551	39	1035	32	1036	33	1860	25	710	34	1605	29	557	39	220	59	816	32	845	36	562	43	608	45	718	39	531	42	1002	31	6	.	38	74	164	65	41	.	87	97	178	75	530	35	394	43	158	53	125	71	11	94	129	71	353	44	161	57	1026	31	507	55	3	.	568	40	354	54	438	45	987	25	717	32	952	29	527	38	286	59	99	72	267	59	0	.	160	48	123	41	960	26	727	41	301	52	782	39	1412	28	1520	29	849	35	616	41	410	50	0	.	68284	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	301	47	108	73	333	42	409	46	55	.	0	.	663	37	314	46	1288	27	1247	25	173	63	273	58	621	35	0	.	66	.	114	.	483	54	352	58	0	.	301	51	53	87	62	.	22	.	183	52	1	.	1674	22	536	39	7	.	44	.	253	47	126	74	60	.	151	56	16	.	101	.	129	75	416	50	294	70	168	59	402	59	202	61	291	68	508	35	630	38	613	37	270	53	797	32	327	59	0	.	447	47	0	.	202	62	325	51	44	73	56	72	54	.	85	60	0	.	66	.	92	48	133	67	169	66	43	.	0	.	9	66	80	.	4	.	135	71	208	75	101	.	154	63	303	58	115	75	0	.	244	41	341	53	202	59	86	81	0	.	58	.	138	71	50	78	33	71	156	56	46	100	259	56	147	71	77	.	600	39	84	99	163	74	115	88	0	.	21061	6
	privée	328	51	215	58	105	.	115	.	14	.	101	100	768	34	407	46	635	43	590	45	16	.	17	.	244	62	0	.	0	.	434	57	320	53	218	65	0	.	0	.	30	.	76	89	27	100	16	.	35	84	814	30	305	52	335	55	356	50	0	.	92	.	0	.	0	.	0	.	152	90	34	.	287	59	308	51	0	.	322	65	144	77	433	41	158	76	136	.	126	61	0	.	178	60	91	77	0	.	22	.	269	61	138	.	206	83	0	.	0	.	0	.	0	.	0	.	21	.	24	.	0	.	13	.	196	61	0	.	53	.	88	66	208	62	5	.	104	.	0	.	244	53	289	71	0	.	0	.	101	74	0	.	0	.	0	.	34	.	0	.	299	52	36	.	45	.	139	56	76	.	140	69	78	.	488	45	77	74	0	.	216	74	54	.	0	.	12648	8
	total	628	35	323	46	438	40	524	42	69	82	101	100	1431	25	721	33	1923	23	1838	22	189	58	290	55	865	31	0	.	66	.	548	50	803	38	571	44	0	.	301	51	83	66	138	67	49	71	199	49	36	82	2488	18	841	31	342	54	400	45	253	47	218	60	60	.	151	56	16	.	253	67	162	63	702	38	602	43	168	59	724	44	346	48	723	37	667	32	766	36	739	32	270	53	976	28	418	49	0	.	468	45	269	61	339	55	531	45	44	72	56	72	54	.	85	60	0	.	87	80	116	43	133	67	183	61	239	53	0	.	62	86	169	59	213	61	140	68	312	60	101	.	398	41	592	46	115	75	0	.	345	36	341	53	202	59	86	81	34	.	58	.	437	42	86	62	78	65	294	40	122	73	399	44	225	58	566	41	677	36	84	99	379	53	170	68	0	.	33709	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	2021	20	974	29	710	33	537	35	0	.	0	.	438	44	271	46	2123	22	792	32	688	37	567	37	670	31	0	.	182	78	136	67	188	49	181	56	81	71	457	44	207	55	0	.	108	45	504	31	51	62	1613	23	260	65	125	.	0	.	119	58	22	.	248	59	0	.	0	.	294	47	52	.	598	47	67	89	361	48	351	41	312	45	65	.	867	28	134	71	673	33	687	30	629	31	230	52	145	.	103	.	123	56	151	57	269	48	54	66	304	40	124	54	642	23	335	30	610	24	872	24	466	26	444	28	134	60	25	.	63	.	155	63	63	51	94	71	344	45	24	88	193	59	339	47	218	49	0	.	118	70	367	44	429	43	288	50	83	90	0	.	322	44	127	52	67	45	438	31	162	76	502	46	702	38	10	77	99	79	154	80	121	61	290	52	0	.	30166	5
	privée	604	40	144	59	0	.	350	53	47	.	449	53	827	36	525	48	855	32	0	.	159	73	258	60	168	71	0	.	286	58	237	58	0	.	542	55	262	50	241	53	266	74	0	.	97	86	244	36	22	77	1000	31	361	52	200	72	187	66	88	71	0	.	0	.	0	.	50	.	280	58	0	.	100	100	232	71	370	59	115	88	326	54	271	66	125	72	315	73	13	.	137	71	619	39	222	68	0	.	98	73	146	69	108	72	321	52	7	.	176	50	51	100	190	40	1121	22	1388	18	508	41	218	44	817	26	76	.	31	.	0	.	112	71	92	.	0	.	95	.	40	.	21	.	0	.	37	.	0	.	0	.	382	46	106	74	176	50	90	.	0	.	19	.	88	52	108	57	127	67	134	62	118	.	10	.	80	73	277	50	328	49	23	.	212	73	0	.	19524	6
	total	2625	18	1118	26	710	33	888	30	47	100	449	53	1265	28	796	35	2978	18	792	32	847	33	825	32	838	29	0	.	468	47	373	44	188	49	723	43	343	42	698	34	473	48	0	.	206	47	748	24	73	49	2614	18	621	41	325	59	187	66	208	45	22	.	248	59	0	.	50	.	574	37	52	.	697	43	298	59	731	38	466	38	638	35	336	56	992	26	448	56	686	33	824	28	1248	25	452	43	145	.	201	62	268	45	259	45	590	36	61	59	479	31	175	48	832	20	1456	18	1999	14	1380	21	684	22	1261	20	209	53	56	71	63	.	266	47	155	63	94	71	439	42	64	71	214	54	339	47	255	45	0	.	118	70	749	32	535	37	464	36	173	68	0	.	341	42	215	37	174	39	565	28	296	50	620	42	711	38	90	65	376	42	482	42	145	54	503	43	0	.	49690	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	3495	16	2679	18	2209	19	4739	15	971	35	1659	30	9013	11	5981	13	9875	10	6499	12	1102	28	1473	24	1823	20	73	.	1625	29	1566	25	4344	18	2422	22	107	59	4286	16	4685	14	4933	14	5809	13	11831	8	10475	9	8569	10	2120	22	1372	30	1176	28	1055	27	612	35	1125	28	951	29	1458	24	1265	27	2574	20	2885	18	1472	29	2004	26	4640	16	1762	24	1735	27	3198	16	2880	19	2275	19	1903	22	1904	20	2204	20	2478	21	2269	23	890	35	745	37	1451	25	1045	24	2322	16	1541	20	811	20	519	30	794	25	2112	15	1302	20	1324	23	941	31	630	41	1634	24	1180	27	985	29	1166	26	1832	26	215	64	1688	22	1098	28	1606	24	1482	19	1435	23	2125	19	2157	19	697	33	884	39	495	39	1339	29	7797	10	4814	12	6962	11	1530	27	1498	28	1741	25	692	43	2111	24	1213	29	1242	30	1415	27	0	.	229016	2
	privée	1328	25	1242	30	277	53	867	35	1556	30	3275	21	11665	10	12325	10	9597	11	2369	20	410	50	381	46	735	37	0	.	618	43	2062	25	1568	24	2337	24	262	50	803	37	2145	23	589	33	1084	27	1181	23	441	36	3615	16	2938	22	4664	16	5137	15	290	56	1743	22	433	59	175	54	2095	24	919	33	137	79	1032	42	2614	22	738	39	915	32	1407	27	4553	17	440	40	801	46	168	49	137	71	1135	28	897	31	1327	31	636	40	2001	24	1528	28	1276	27	7	95	231	45	127	60	221	36	1121	22	1493	17	564	37	321	39	924	25	411	40	355	58	258	52	628	35	712	34	1787	24	765	43	431	54	473	36	527	49	37	.	652	33	330	46	484	42	277	45	176	50	308	47	0	.	696	42	1644	21	957	23	1325	22	743	39	778	40	1431	28	3051	18	2004	22	882	32	1112	32	948	37	0	.	132062	2
	total	4822	13	3921	16	2486	18	5607	14	2528	23	4933	17	20678	7	18306	8	19472	7	8868	10	1512	25	1855	21	2558	18	73	.	2243	24	3627	18	5912	14	4759	16	369	39	5089	15	6830	12	5523	13	6892	12	13012	8	10916	8	12184	8	5058	15	6036	14	6314	13	1346	24	2355	18	1558	26	1127	26	3553	17	2184	21	2711	20	3917	17	4086	17	2742	22	5555	14	3168	18	6287	15	3638	15	3681	18	2443	18	2040	21	3039	16	3102	17	3805	17	2905	20	2891	19	2273	23	2727	18	1052	24	2553	15	1668	19	1032	18	1640	18	2287	14	2676	14	1623	17	2248	17	1352	25	985	33	1892	22	1808	21	1697	22	2953	18	2597	22	645	42	2161	19	1625	25	1643	24	2134	16	1765	20	2609	18	2434	18	874	28	1192	31	495	39	2035	24	9441	9	5770	11	8287	10	2274	22	2276	23	3172	19	3743	17	4115	16	2095	22	2354	22	2363	22	0	.	361078	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. 2293013. Birmensdorf, Swiss Federal Research Institute WSL

zurück