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
réseau: réseau 1,4 km
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	1097	23	720	30	265	45	332	41	1120	29	711	37	1230	26	402	37	728	31	110	57	279	49	431	34	569	39	207	42	8201	9
surface forestière temporairement non boisée	32	71	56	100	12	100	33	93	0	.	11	100	0	.	249	67	70	68	7	100	106	69	109	80	336	52	31	96	1052	27
tranchée, talus	34	76	0	.	46	100	2	100	10	100	0	.	0	.	5	100	0	.	47	91	3	100	66	73	35	71	7	100	254	35
peuplement clairsemé	2027	18	9	100	53	93	5	100	15	100	462	35	724	23	678	28	931	21	133	52	607	32	1339	21	2105	17	1388	20	10474	7
selve, culture d'arbres	0	.	0	.	20	100	0	.	0	.	0	.	0	.	0	.	109	86	0	.	0	.	67	100	0	.	280	36	477	32
taillis	211	58	189	66	109	71	62	100	34	72	0	.	78	72	47	100	36	71	5	100	0	.	152	44	30	71	2183	13	3137	12
taillis-sous-futaie	1488	22	1905	19	461	32	289	52	2475	18	5	100	140	71	306	48	608	32	144	73	149	54	340	36	330	39	2940	12	11579	7
futaie d'aspect jardiné	3479	13	0	.	140	71	812	32	175	58	858	28	6130	12	1274	26	1858	24	401	41	733	29	3781	13	6810	10	1798	17	28247	5
futaie irrégulière	4685	12	567	34	1076	26	1582	22	2040	18	2121	23	2819	17	2648	19	1602	22	420	41	950	31	4079	13	3739	14	2409	16	30737	5
recrû/fourré	330	38	287	41	92	56	372	29	674	25	175	48	253	48	499	35	419	36	188	87	116	66	399	29	497	30	194	28	4494	10
perchis	3581	12	1592	19	1686	20	1927	18	3438	13	1239	27	1527	19	1691	18	492	31	826	27	911	29	1912	16	1210	19	2018	14	24048	5
jeune futaie	10375	9	3488	17	4154	16	2888	17	5856	12	3560	18	5564	13	5134	15	2155	22	1672	24	1741	26	3116	17	2919	18	2260	17	54883	4
futaie moyenne	14266	8	3376	17	7124	13	13887	9	17896	8	4788	17	14238	10	10266	11	4747	15	2571	23	3260	20	4170	14	9822	10	3360	15	113770	3
vieille futaie	8330	11	2075	23	2757	22	8370	13	8580	12	2449	25	7373	14	7646	14	3073	21	1128	31	1790	29	3538	17	8874	11	3603	15	69585	4
relevé incomplet	0	.	0	.	0	.	141	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	141	100
total	49936	3	14262	7	17994	7	30702	5	42312	4	16378	8	40075	5	30845	6	16828	7	7652	11	10644	10	23499	5	37275	4	22677	4	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. 1232756. Birmensdorf, Swiss Federal Research Institute WSL

page précedente