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.

IFN1
volume des arbres vifs (bois de tige)
type de forêt (17 classes)
découpage régional: région économique
unité: 1000 m³
ensemble analysé: forêt accessible sans la forêt buissonnante IFN1-IFN5
réseau: réseau 1,4 km, sous-réseaux 1 à 5
état 1983/85
	région économique
	Ouest du Jura		Est du Jura		Ouest du Plateau		Centre du Plateau		Est du Plateau		Ouest des Préalpes		Centre des Préalpes		Est des Préalpes		Nord-ouest des Alpes		Centre des Alpes		Nord-est des Alpes		Sud-ouest des Alpes		Sud-est des Alpes		Sud des Alpes		Suisse
type de forêt (17 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	±%
pas d'indication	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
forêt inaccessible	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
forêt buissonnante	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
surface forestière en permanence non boisée	823	42	730	40	207	68	427	50	1249	37	992	42	940	36	163	80	441	39	45	79	265	73	546	43	531	37	64	54	7422	13
surface forestière temporairement non boisée	56	71	95	100	0	.	63	93	0	.	0	.	0	.	351	81	16	100	0	.	34	100	0	.	0	.	3	100	618	50
tranchée, talus	0	.	0	.	82	100	0	.	18	100	0	.	0	.	8	100	0	.	7	100	5	100	76	100	31	100	0	.	228	52
peuplement clairsemé	1726	26	16	100	90	100	0	.	27	100	623	37	507	37	747	39	1093	27	159	64	527	41	1022	30	1815	27	984	35	9334	11
selve, culture d'arbres	0	.	0	.	36	100	0	.	0	.	0	.	0	.	0	.	197	87	0	.	0	.	123	100	0	.	48	100	404	54
taillis	236	81	192	100	197	70	111	100	25	100	0	.	77	100	0	.	31	100	9	100	0	.	59	72	26	100	2709	16	3671	15
taillis-sous-futaie	1155	31	1970	26	351	46	320	71	2123	25	8	100	246	71	260	72	454	45	146	100	237	59	375	41	394	49	3323	15	11361	10
futaie d'aspect jardiné	3393	18	0	.	0	.	731	45	208	75	615	39	6829	15	1143	37	1975	34	375	56	536	45	4361	16	6955	14	1954	25	29075	7
futaie irrégulière	4957	16	352	51	952	36	1731	29	2266	23	1644	32	1896	26	2745	26	1241	33	366	56	887	44	4193	17	3742	19	2354	20	29327	7
recrû/fourré	200	50	334	46	50	90	428	36	425	35	255	56	243	45	445	42	697	39	4	100	124	99	300	38	675	38	126	41	4307	13
perchis	3784	16	1953	22	1506	29	2380	22	3298	17	1193	38	1543	26	1931	24	520	42	1018	34	553	52	2219	20	1010	26	1527	22	24434	6
jeune futaie	9935	12	3350	23	4056	22	3133	21	5660	16	3392	24	5099	18	5522	20	2020	29	1512	36	1797	33	2380	27	2775	27	2425	23	53056	5
futaie moyenne	14191	10	2962	26	6175	19	15842	11	17069	10	4238	26	14068	13	9016	15	5484	19	3155	29	2924	27	3190	21	9709	13	3177	21	111201	4
vieille futaie	7688	15	2209	30	2832	29	7922	17	8003	16	1228	51	7340	18	8168	19	3026	29	1027	43	1862	38	2990	23	8159	15	3942	20	66395	6
relevé incomplet	0	.	0	.	0	.	258	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	258	100
total	48144	4	14162	10	16534	10	33345	7	40372	5	14188	12	38787	6	30499	7	17193	10	7823	16	9751	14	21833	7	35822	6	22635	5	351089	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. 1232737. Birmensdorf, Swiss Federal Research Institute WSL

page précedente