Auswahl aus Themenliste

Wofür stehen die Zahlen?
Wozu dient der Standardfehler?
Wann unterscheiden sich zwei Ergebnisse statistisch gesichert?
Wann genügt es nicht, nur den Standardfehler zu betrachten?
Zwei Typen von Veränderungen?
Veränderungsauswertungen: Wann sind die Ergebnisse (nicht) additiv?
Warum hat es für Standardfehler und Schätzwert manchmal einen Punkt («.»)?
Warum wird bei manchen Tabellen kein Standardfehler ausgewiesen?
Negative Werte bei Vorrat, Zuwachs oder Nutzung?

1. Wofür stehen die Zahlen?

In den Tabellen sind mehrheitlich Ergebnisse dargestellt, die mithilfe von statistischen Verfahren aus den Daten der Stichprobeninventur des Landesforstinventars (LFI) berechnet wurden. Solche Ergebnisse bestehen immer aus zwei Zahlen: 1) dem Schätzwert und 2) dem Stichprobenfehler, dem sogenannten Standardfehler.

Beispiel 1: Schätzwert und Standardfehler

LFI5

Totholzvolumen (Schaftholz)

Eigentum (2 Klassen)
Regionale Gliederung: Produktionsregion
Einheit: m³/ha

Bezugsfläche: zugänglicher Wald ohne Gebüschwald

Netz: 1,4-km-Netz, Unternetze 1-5

Zustand 2018/26
	Produktionsregion
	Jura		Mittelland		Voralpen		Alpen		Alpensüdseite		Schweiz
Eigentum (2 Klassen)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
öffentlich	30	10	17	13	37	9	36	6	26	10	30	4
privat	27	17	20	12	50	10	32	8	39	13	34	5
Total	29Schätzwert	9Standardfehler	19	9	44	7	35	5	29	8	32	3

Meistens ist in den Tabellen der relative (prozentuale) Standardfehler angegeben («±%»), gelegentlich – bei geschätzten Prozenten – aber der absolute Standardfehler («±»).

2. Wozu dient der Standardfehler?

Mit dem Standardfehler können Vertrauensintervalle um den Schätzwert aufgespannt werden, die den wahren Wert der Grundgesamtheit mit einer bestimmten statistischen Sicherheit enthalten.

Die statistische Sicherheit beträgt

68%, wenn das Vertrauensintervall mit dem einfachen Standardfehler berechnet wurde
(68%-Vertrauensintervall = Schätzwert ± Standardfehler), und
95%, wenn das Vertrauensintervall mit dem doppelten Standardfehler berechnet wurde
(95%-Vertrauensintervall = Schätzwert ± 2 × Standardfehler*)

Beispiel 2: Vertrauensintervalle berechnen

LFI5
Totholzvolumen (Schaftholz)
Eigentum (2 Klassen)
Regionale Gliederung: Produktionsregion
Einheit: m³/ha
Bezugsfläche: zugänglicher Wald ohne Gebüschwald
Netz: 1,4-km-Netz, Unternetze 1-5
Zustand 2018/26
	Produktionsregion
	Jura
Eigentum (2 Klassen)	m³/ha	±%
öffentlich	30	10
privat	27	17
Total	29	9

Frage
Wie gross sind das 68%- und das 95%-Vertrauensintervall der oben aufgeführten Schätzwerte?

Vorgehen

Berechnen des absoluten Standardfehlers (=relativer Standardfehler × Schätzwert / 100)
Berechnen der Vertrauensintervalle
- 68%-Vertrauensintervall = Schätzwert ± absoluter Standardfehler
- 95%-Vertrauensintervall = Schätzwert ± 2 × absoluter Standardfehler

Antwort

			Schritt 1	Schritt 2

Eigentum (2 Klassen)	Totholzvolumen Jura LFI5
	Schätzwert	Standardfehler		Vertrauensintervall
		relativ	absolut	68%	95%
	m³/ha	±%	±m³/ha	m³/ha	m³/ha
öffentlich	30	10	3	27-33	24-36
privat	27	17	5	22-32	17-37
Total	29	9	3	26-32mit dem einfachen Standardfehler berechnet, d.h. 29 ± 3	23-25mit dem doppelten Standardfehler berechnet, d.h. 29 ± 2 × 3

Das Totholzvolumen liegt im Jura mit einer statistischen Sicherheit von 68% zwischen 26 und 32 m³/ha und mit einer statistischen Sicherheit von 95% zwischen 23 und 35 m³/ha.

Das 95%-Vertrauensintervall ist grösser als das 68%-Vertrauensintervall. Das bewirkt die höhere statistische Sicherheit.

Beispiel 3: Visualisierung des 68%- und des 95%-Vertrauensintervalls

Daten: siehe Beispiel 2

Bei der Interpretation der Ergebnisse muss man für sich jeweils festlegen, mit welcher statistischen Sicherheit man eine Aussage treffen möchte.

Im Landesforstinventar (LFI) wird in der Regel auf das 68%-Vertrauensintervall abgestellt.

Oben

3. Wann unterscheiden sich zwei Ergebnisse statistisch gesichert?*

Das lässt sich durch Vergleich der Vertrauensintervalle von zwei Schätzwerten überprüfen:

Überschneiden sich die 68%-Vertrauensintervalle von zwei Schätzwerten nicht, darf man mit einer gewissen Sicherheit davon ausgehen, dass sich die beiden Grundgesamtheiten unterscheiden.
Überschneiden sich die 95%-Vertrauensintervalle von zwei Schätzwerten nicht, darf man mit hoher Sicherheit davon ausgehen, dass sich die beiden Grundgesamtheiten unterscheiden.

Beispiel 4: Interpretation von zwei Ergebnissen der gleichen Inventur

LFI5
Vorrat (Schaftholz)
Eigentum (2 Klassen)
Regionale Gliederung: Produktionsregion
Einheit: m³/ha
Bezugsfläche: zugänglicher Wald ohne Gebüschwald
Netz: 1,4-km-Netz, Unternetze 1-5
Zustand 2018/26
	Produktionsregion
	Jura		Mittelland		Voralpen		Alpen		Alpensüdseite		Schweiz
Eigentum (2 Klassen)	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
öffentlich	331	3	311	3	405	4	300	3	256	5	314	2
privat	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

	Fall 2						Fall 1

Fall 1

Frage
Ist der Vorrat pro Hektare in den Alpen höher als auf der Alpensüdseite?

Vorgehen

Berechnen der absoluten Standardfehler
Berechnen der Vertrauensintervalle je nach gewünschtem Sicherheitsniveau:
- 68%-Vertrauensintervalle (gewisse Sicherheit; einfacher absoluter Standardfehler)
- 95%-Vertrauensintervalle (hohe Sicherheit; doppelter absoluter Standardfehler)
Prüfen, ob die Vertrauensintervalle auf dem gewünschten Sicherheitsniveau nicht überlappen

Antwort

Eigentum (2 Klassen)	Vorrat LFI5
	Alpen					Alpensüdseite
	Schätzwert	Standardfehler		Vertrauensintervall		Schätzwert	Standardfehler		Vertrauensintervall
		relativ	absolut	68%	95%		relativ	absolut	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

Weder die 68%-Vertrauensintervalle noch die 95%-Vertrauensintervalle überlappen (hervorgehobene Zahlenpaare).

Bei diesem Fall hat das gewählte Sicherheitsniveau keinen Einfluss auf das Resultat.

Insgesamt bedeutet dies, dass statistisch eine hohe Sicherheit besteht, dass der Vorrat pro Hektare in den Alpen höher ist als auf der Alpensüdseite.

Fall 2

Frage
Ist der Vorrat pro Hektare im Mittelland höher als im Jura?

Vorgehen

Siehe Fall 1.

Antwort

Eigentum (2 Klassen)	Vorrat LFI5
	Jura					Mittelland
	Schätzwert	Standardfehler		Vertrauensintervall		Schätzwert	Standardfehler		Vertrauensintervall
		relativ	absolut	68%	95%		relativ	absolut	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

Die 68%-Vertrauensintervalle überlappen nicht (hervorgehobene Zahlenpaare).
Die 95%-Vertrauensintervalle überlappen dagegen (hervorgehobene Zahlenpaare).

In diesem Fall hat das gewählte Sicherheitsniveau einen Einfluss auf die Interpretation der Ergebnisse: Auf dem Niveau des 68%-Vertrauensintervalls kommt man zum Schluss, dass der Vorrat pro Hektare im Mittelland höher ist als im Jura. Auf dem Niveau des 95%-Vertrauensintervalls kann man hingegen diesen Schluss nicht ziehen.

Unter Betrachtung beider Sicherheitsniveaus lässt sich sagen, dass statistisch eine gewisse, aber keine hohe Sicherheit besteht, dass der Vorrat pro Hektare im Mittelland höher ist als im Jura.

Mit den Vertrauensintervallen kann auch geprüft werden, ob ein mit der Stichprobe des Landesforstinventars (LFI) geschätzter Wert von einem Sollwert (z.B. aus der Waldpolitik) abweicht oder ob eine Veränderung zwischen zwei Inventuren statistisch gesichert ist.

Beispiel 5: Interpretation von zwei Ergebnissen aus unterschiedlichen Inventuren

Eigentum (2 Klassen)	Vorrat im Mittelland*
	LFI4		LFI5
	m³/ha	±%	m³/ha	±%
öffentlich	340	3	309	3
privat	447	4	432	4
Total	386	2	363	2
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Frage
Hat im Mittelland der Vorrat pro Hektare vom LFI4 zum LFI5 abgenommen?

Vorgehen

Berechnen der absoluten Standardfehler
Berechnen der Vertrauensintervalle je nach gewünschtem Sicherheitsniveau:
- 68%-Vertrauensintervalle (gewisse Sicherheit; einfacher absoluter Standardfehler)
- 95%-Vertrauensintervalle (hohe Sicherheit; doppelter absoluter Standardfehler)
Prüfen, ob die Vertrauensintervalle auf dem gewünschten Sicherheitsniveau nicht überlappen

Antwort

Eigentum (2 Klassen)	Vorrat im Mittelland*
	LFI4					LFI5
	Schätzwert	Standardfehler		Vertrauensintervall		Schätzwert	Standardfehler		Vertrauensintervall
		relativ	absolut	68%	95%		relativ	absolut	68%	95%
	m³/ha	±%	±	m³/ha	m³/ha	m³/ha	±%	±	m³/ha	m³/ha
öffentlich	340	3	11	329-351	318-362	309	3	11	298-320	287-331
privat	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
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Die 68%-Vertrauensintervalle überlappen beim öffentlichen Wald nicht (hervorgehobene Zahlenpaare), beim Privatwald und beim Total aber schon (hervorgehobene Zahlenpaare). Auf dem Sicherheitsniveau der 68%-Vertrauensintervalle kommt man zum Schluss, dass der Vorrat pro Hektare im öffentlichen Wald des Mittellands abgenommen hat. Für den Privatwald wie auch für das Total ist die Abnahme statistisch nicht gesichert.

Die 95%-Vertrauensintervalle überlappen in allen der drei Kategorien. Auf dem Sicherheitsniveau der 95%-Vertrauensintervalle ist es damit auch für den öffentlichen Wald statistisch nicht gesichert, dass der Vorrat abgenommen hat.

Siehe dazu aber die Beispiele 6 und 7, bei der Veränderungen zwischen zwei Inventuren anhand der sensitiveren Bilanz interpretiert werden.

Die Prüfung, ob eine Veränderung zwischen zwei Inventuren statistisch gesichert ist, ist im LFI bei vielen Zielgrössen nicht nur durch Vergleich der Zustände in den beiden Inventuren möglich (siehe Beispiel 5), sondern auch durch die Analyse der Veränderung, also der Bilanz zwischen den beiden Inventuren.

Dazu muss man auch hier zunächst das Sicherheitsniveau definieren, das für die Aussage gelten soll:

Eine Veränderung (Bilanz) fand mit einer gewissen Sicherheit statt, wenn der einfache relative Standardfehler weniger als 100% beträgt oder wenn das Vertrauensintervall, das mit dem einfachen absoluten Standardfehler berechnet wurde (68%-Vertrauensintervall), den Wert 0 nicht einschliesst.
Eine Veränderung (Bilanz) fand mit hoher Sicherheit statt, wenn der doppelte relative Standardfehler weniger als 100% beträgt oder wenn das Vertrauensintervall, das mit dem doppelten absoluten Standardfehler berechnet wurde (95%-Vertrauensintervall), den Wert 0 nicht einschliesst.

Beispiel 6: Interpretation von Veränderungen (Bilanzen) mit dem relativen Standardfehler

Eigentum (2 Klassen)	Vorratsveränderung LFI4–LFI5 im Mittelland*
	Schätzwert	Standardfehler
	m³/ha	±%
öffentlich	-34	30
privat	-9	147
Total	-23	34
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Frage
Hat im Mittelland der Vorrat pro Hektare vom LFI4 zum LFI5 abgenommen?

Vorgehen

Festlegen des Sicherheitsniveaus (68%- oder 95%-Vertrauensintervall)
Prüfen, ob
- der einfache relative Standardfehler kleiner als 100% ist (Sicherheitsniveau des 68%-Vertrauensintervalls)
- der doppelte relative Standardfehler kleiner als 100% ist (Sicherheitsniveau des 95%-Vertrauensintervalls)

Antwort

Eigentum (2 Klassen)	Vorratsveränderung LFI4–LFI5 im Mittelland*
	Schätzwert	Standardfehler
		einfach	doppelt
	m³/ha	±%	±%
öffentlich	-34	30	60
privat	-9	147	294
Total	-23	34	68
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Der einfache relative Standardfehler ist für den öffentlichen Wald wie auch für das Total kleiner als 100% (hervorgehobene Zahlen). Für den Privatwald ist er dagegen grösser als 100% (hervorgehobene Zahlen). Auf dem Sicherheitsniveau des 68%-Vertrauensintervalls kommt man zum Schluss, dass der Vorrat im Mittelland im öffentlichen Wald wie auch insgesamt abgenommen hat. Für den Privatwald ist die Vorratsabnahme dagegen statistisch nicht gesichert.

Zum gleichen Schluss kommt man bei diesem Beispiel auch mit dem Sicherheitsniveau des 95%-Vertrauensintervalls, da auch der doppelte relative Standardfehler für den öffentlichen Wald und das Total kleiner ist als 100%.

Insgesamt bedeutet dies, dass die statistische Sicherheit hoch ist, dass im Mittelland der Vorrat pro Hektare im öffentlichen Wald wie auch insgesamt abgenommen hat. Für den Privatwald ist die Vorratsabnahme hingegen statistisch nicht gesichert (da sowohl der doppelte als auch der einfache relative Standardfehler kleiner als 100% ist).

Beispiel 7: Interpretation von Veränderungen (Bilanzen) mit dem absoluten Standardfehler

Eigentum (2 Klassen)	Vorratsveränderung LFI4–LFI5 im Mittelland*
	Schätzwert	Standardfehler
	%	±
öffentlich	-10	3
privat	-2	3
Total	-6	2
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Frage
Hat im Mittelland der Vorrat pro Hektare vom LFI4 zum LFI5 abgenommen?

Vorgehen

Festlegen des Sicherheitsniveaus (68%- oder 95%-Vertrauensintervall)
Berechnen des Vertrauensintervalls aufgrund des festgelegten Sicherheitsniveaus
- 68%-Vertrauensintervall mit dem einfachen absoluten Standardfehler
- 95%-Vertrauensintervall mit dem doppelten absoluten Standardfehler
Prüfen, ob das entsprechende Vertrauensintervall den Wert 0 nicht einschliesst

Antwort

Eigentum (2 Klassen)	Vorratsveränderung LFI4–LFI5 im Mittelland*
	Schätzwert	Standardfehler		Vertrauensintervalle
		einfach	doppelt	68%	95%
	%	±	±	%	%
öffentlich	-10	3	6	-13 bis -7	-16 bis -4
privat	-2	3	6	-5 bis +1	-8 bis +4
Total	-6	2	4	-8 bis -4	-10 bis -2
* zugänglicher Wald ohne Gebüschwald LFI4/LFI5

Beim öffentlichen Wald wie auch beim Total schliessen sowohl das 68%- als auch das 95%-Vertrauensintervall den Wert 0 nicht ein. Auf beiden Sicherheitsniveaus kommt man so zum Schluss, dass der Vorrat im Mittelland im öffentlichen Wald wie auch insgesamt abgenommen hat. Für den Privatwald ist die Vorratsabnahme dagegen statistisch nicht gesichert (da die Vertrauensintervalle den Wert 0 einschliessen).

Veränderungen (Bilanzen) können anhand des absoluten oder des relativen Standardfehlers interpretiert werden (siehe die Beispiele 6 und 7). Es empfiehlt sich, den absoluten Standardfehler zu nutzen, wenn der Schätzwert in der Tabelle in Prozent (%) ausgewiesen ist (wie in Beispiel 7), und den relativen Standardfehler, wenn der Schätzwert in der Tabelle in absoluten Zahlen (m³, m³/ha, St., m²) angegeben ist (wie in Beispiel 6). So kann der Standardfehler direkt aus der Tabelle entnommen werden, muss also nicht umgerechnet werden.

Für die Prüfung, ob eine Veränderung statistisch gesichert ist, empfiehlt es sich, wo immer möglich die Veränderung (Bilanz) zwischen den beiden Inventuren zu analysieren. Bilanzen sind sensitiver als Zustandsvergleiche, womit mit ihnen Unterschiede statistisch besser entdeckt werden können (siehe die Beispiele 5 sowie 6 und 7).

Oben

4. Wann genügt es nicht, nur den Standardfehler zu betrachten?

Beim Landesforstinventar (LFI) handelt es sich um eine stichprobenbasierte Grossrauminventur, deren Probeflächen auf einem Gitternetz mit einer Maschenweite von 1.4 km × 1.4 km angeordnet sind. Das LFI wurde so konzipiert, dass der Vorrat für die Schweiz insgesamt mit einem Standardfehler von maximal 1% vorhergesagt werden kann.

Werden Ergebnisse für einzelne Regionen oder für einzelne Klassen abgefragt, wird der Standardfehler rasch viel grösser. Dies liegt daran, dass für die abgefragte Kombination von Merkmalsausprägungen* die Anzahl untersuchter Probeflächen und Objekte (d.h. Probebäume, Jungwaldpflanzen, Totholzstücke usw.) wesentlich geringer als für das Total ist.

Beispiel 8: Standardfehler und Kombination von Merkmalsausprägungen

Region	Vorrat
	Total		Ahorn		Bergahorn		Spitzahorn
	Schätzwert	Standardfehler	Schätzwert	Standardfehler	Schätzwert	Standardfehler	Schätzwert	Standardfehler
	m³/ha	±%	m³/ha	±%	m³/ha	±%	m³/ha	±%
Schweiz	343	1	12	5	11	5	1	20
Produktionsregion Mittelland	363	2	15	10	14	11	0	50
Kanton Aargau	289	7	15	20	13	20	1	63

Der Standardfehler wird mit zunehmendem Detaillierungsgrad grösser.

Grosse Standardfehler sind zu erwarten, wenn

die Forstkreise als regionale Gliederung gewählt wurden oder Ergebnisse für kleine Kantone (z.B. Appenzell Innerrhoden, Nidwalden) abgefragt werden,
ein Klassifizierungsmerkmal mit vielen Klassen gewählt wurde (z.B. Baumart in 56 Klassen),
mehrere Klassifizierungsmerkmale miteinander kombiniert wurden (z.B. Hauptbaumart und Entwicklungsstufe).

Grosse Standardfehler sind ein Indiz dafür, dass eine Schätzung möglicherweise anhand einer zu geringen Anzahl Probeflächen oder Objekte erfolgte und entsprechend das Ergebnis der Schätzung nicht belastbar sein könnte.

Bei der Zielgrösse «Jungwaldstammzahl mit Verbiss» (Verbissintensität) ist die Unsicherheit der Schätzung nicht zwingend an einem hohen Standardfehler zu erkennen. Dies liegt daran, dass es sich bei dieser Zielgrösse um einen Quotientenschätzer** handelt, der wegen der Erhebungsmethode bei selteneren Baumarten (z.B. Föhre, Lärche, Arve, Eiche, Kastanie) nur auf einer kleinen Anzahl beurteilter Jungwaldpflanzen beruht. Entsprechend sollte bei der Zielgrösse «Jungwaldstammzahl mit Verbiss» immer geprüft werden, auf wie vielen beurteilten Jungwaldpflanzen die einzelnen Schätzwerte basieren. Als Faustregel gilt, dass für eine belastbare Schätzung pro Schätzwert mindestens 30 Jungwaldpflanzen auf Verbiss beurteilt worden sein sollten.

Oben

5. Zwei Typen von Veränderungen?

Im Landesforstinventar (LFI) gibt es zwei Typen von Veränderungen:

Beim ersten Typ von Veränderungen handelt es sich um spezifische Zielgrössen für Veränderungskomponenten wie Zuwachs, Nutzung oder Mortalität. Diese Zielgrössen sind jeweils nur für zwei aufeinanderfolgende Messzyklen verfügbar, z.B. LFI4–LFI5. Bei der Auswertung von Veränderungskomponenten wird in der Regel dem Klassifizierungsmerkmal des ersten Messzyklus die Ausprägung des zweiten Messzyklus zugewiesen. Diese Auswertungen berücksichtigen somit den Wechsel einer Merkmalsausprägung (z.B. von privatem zu öffentlichem Eigentum) vom früheren zum späteren Messzyklus nicht.
Beim zweiten Typ von Veränderungen wird die Differenz von Zielgrössen wie Stammzahl, Vorrat oder Waldfläche benutzt, um die Bilanz zwischen zwei Messzyklen zu ziehen. Diese Zielgrössen werden üblicherweise für die Darstellung von Zuständen, z.B. dem LFI5, verwendet, können aber die Veränderungsbilanz zwischen zwei beliebigen Messzyklen aufzeigen, z.B. dem LFI1 und dem LFI5. Bei diesen Veränderungsauswertungen wird bei einem Teil der Klassifizierungsmerkmale der Wechsel der Merkmalsausprägung berücksichtigt. Dazu zählen die Merkmale «Baumzustand» oder «Wald, Nichtwald». So kann man z.B. sehen, dass die Waldfläche zugenommen hat. Beim anderen Teil der Klassifizierungsmerkmale werden die Merkmalsausprägungen als statisch betrachtet. Das bedeutet, dass der aktuellste Stand – sei er in einem Messzyklus erhoben (z.B. Vorrangfunktion LFI5) oder einer externen Datenquelle entnommen (z.B. Schutzwald [2022]) – sämtlichen Messzyklen zugewiesen wird.

Oben

6. Veränderungsauswertungen: Wann sind die Ergebnisse (nicht) additiv?

Die Ergebnisse sind

additiv, wenn sie als gesamte Veränderung zwischen zwei Messzeitpunkten ausgewiesen werden. So können beispielsweise die für die verschiedenen Produktionsregionen in Kubikmeter (m³) ausgewiesenen Nutzungen zusammengezählt werden, um die Nutzung für die Schweiz zu erhalten.
nicht additiv, wenn sie als Veränderung pro Jahr (z.B. m³/Jahr) ausgewiesen werden. Entsprechend können beispielsweise die für die verschiedenen Produktionsregionen in Kubikmeter pro Jahr (m³/Jahr) ausgewiesenen Nutzungen nicht zusammengezählt werden, um die Nutzung für die Schweiz zu erhalten.

Beispiel 9: Additivität/Nichtadditivität von Veränderungen

	Vorrat: gesamte Veränderung zwischen LFI4 und LFI5 (in 1000 m³)*
	Jura		Mittelland		Voralpen		Alpen		Alpensüdseite		Schweiz
Hochlagen/Tieflagen	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%	1000 m³	±%
Tieflagen	-3759.0	28	-4909.1	36	-1025.2	133	-317.1	195	3464.1	31	-6546.3	42
Hochlagen	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
	* im zugänglichen Wald ohne Gebüschwald LFI4/LFI5
	additiv

	Vorrat: Veränderung pro Jahr zwischen LFI4 und LFI5 (in 1000 m³/Jahr)*
	Jura		Mittelland		Voralpen		Alpen		Alpensüdseite		Schweiz
Hochlagen/Tieflagen	1000 m³/Jahr	±%	1000 m³/Jahr	±%	1000 m³/Jahr	±%	1000 m³/Jahr	±%	1000 m³/Jahr	±%	1000 m³/Jahr	±%
Tieflagen	-421.1	28	-560.6	36	-115.7	133	-35.9	195	389.5	31	-740.7	42
Hochlagen	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
	* im zugänglichen Wald ohne Gebüschwald LFI4/LFI5
	nicht additiv

Die Nichtadditivität der Veränderungen pro Jahr kommt dadurch zustande, dass die gesamte Veränderung durch die mittlere Anzahl Jahre geteilt wird, die im jeweils betrachteten Gebiet* zwischen den zwei Messzeitpunkten liegt und die mittlere Anzahl Jahre je nach Gebiet* leicht unterschiedlich ist.

Beispiel 10: Mittlere Anzahl Jahre pro Gebiet

Gebiet		mittlere Anzahl Jahre*
Produktionsregion	Hochlagen/Tieflagen
Mittelland	-	8.75
Mittelland	Hochlagen	8.56
Mittelland	Tieflagen	8.76
Alpensüdseite	-	8.90
Alpensüdseite	Hochlagen	8.90
Alpensüdseite	Tieflagen	8.89
* zwischen den Messungen des LFI4 und des LFI5 im zugänglichen Wald ohne Gebüschwald

Oben

7. Warum hat es für Standardfehler und Schätzwert manchmal einen Punkt («.»)?

Beim Berechnen einer Ergebnistabelle stehen nicht immer für alle Kombinationen von Merkmalsausprägungen* Daten zur Verfügung. Dies deutet in den meisten Fällen darauf hin, dass die mit der betreffenden Zielgrösse geschätzte Grösse nicht oder nur sehr selten vorkommt. Üblicherweise wird dann der Wert 0 eingesetzt. Da diesem Wert aber keine direkten Messungen zugrunde liegen, wird der zugehörige Standardfehler mit einem Punkt («.») dargestellt. Wird bei der Berechnung Bezug auf den angenommenen Wert von 0 genommen, z.B. bei Prozenten oder gewissen Veränderungsschätzungen, kann kein Wert eingesetzt werden. In diesem Fall steht beim Schätzwert und beim Standardfehler ein Punkt («.»).

Zum Beispiel hat das Landesforstinventar (LFI) im Mittelland bisher keine Arven gefunden und gemessen (Vorrat der Arven nach Produktionsregionen). Es kann also angenommen werden, dass die Werte fehlen, weil die Arve im Mittelland tatsächlich nicht vorkommt und deshalb der Vorrat dort 0 sein muss.

Oben

8. Warum wird bei manchen Tabellen kein Standardfehler ausgewiesen?

Die Daten in diesen Tabellen stammen aus einer Vollerhebung und nicht aus einer Stichprobeninventur. Entsprechend ist die Angabe eines Standardfehlers nicht nötig, da es keine stichprobenbedingte Unsicherheit gibt.

Beispielsweise ist die Erschliessungserhebung, die das Landesforstinventar (LFI) periodisch bei den lokalen Forstdiensten durchführt, eine solche Vollerhebung.

Oben

9. Negative Werte bei Vorrat, Zuwachs oder Nutzung?

Das ist möglich, wenn das Ergebnis nur anhand einiger weniger Bäume berechnet werden konnte. Die Schätzung ist damit nicht verlässlich. Dies zeigt sich auch am Standardfehler, der bei negativen Vorrats-, Zuwachs- oder Nutzungswerten in der Regel ausgesprochen hoch ist.

Die negativen Werte rühren daher, dass bei der Ermittlung des Schaftholzvolumens der Probebäume das allein anhand des Brusthöhendurchmessers (BHD) geschätzte Volumen (Tarifvolumen) mit dem anhand von BHD, Durchmesser in 7 m Höhe und Baumhöhe geschätzten Volumen der Tarifprobebäume justiert wird. Dieses Vorgehen ermöglicht eine unverzerrte (biasfreie) und genauere Berechnung des Schaftholzvolumens. Es kann aber zu negativen Werten bei allen Zielgrössen führen, die auf dem Schaftholzvolumen der Probebäume beruhen (z.B. Vorrat, Zuwachs, Nutzung), wenn die Anzahl Probebäume in einer Merkmalsausprägungskombination* gering ist.

Oben

LFI4
Vorrat (Schaftholz)
Eigentum (2 Klassen) · NaiS-Vegetationshöhenstufen (6 Klassen)
Regionale Gliederung: Forstkreis (2024)
Einheit: 1000 m³
Bezugsfläche: zugänglicher Wald ohne Gebüschwald
Netz: 1,4-km-Netz
Zustand 2009/17
		Forstkreis (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		Seen		Schweiz
Eigentum (2 Klassen)	NaiS-Vegetationshöhenstufen (6 Klassen)	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	±%
keine Angabe	keine Angabe	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	obersubalpin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	subalpin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hochmontan	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	unter- und obermontan	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	submontan	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	hyperinsubrisch und kollin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	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	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
öffentlich	keine Angabe	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	obersubalpin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	125	66	0	.	13	92	765	27	3247	14	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	17	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	39	66	206	38	163	42	59	65	0	.	0	.	133	52	7	.	12	.	0	.	0	.	39	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1458	19	547	30	189	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7019	9
	subalpin	0	.	0	.	0	.	0	.	0	.	0	.	419	46	152	60	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	71	.	0	.	0	.	753	39	1912	28	976	26	3153	18	3765	16	6130	15	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	152	75	237	52	422	39	0	.	91	71	502	41	16	.	23	.	0	.	0	.	0	.	0	.	0	.	127	86	0	.	0	.	0	.	0	.	0	.	624	32	1030	26	552	40	46	71	0	.	0	.	629	30	159	49	73	96	4	.	64	.	91	77	325	62	189	47	83	64	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	69	.	0	.	0	.	0	.	0	.	3163	17	2276	21	2747	19	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	31027	5
	hochmontan	0	.	0	.	0	.	0	.	38	.	0	.	1165	33	361	56	0	.	99	.	0	.	0	.	0	.	0	.	118	.	272	50	457	66	323	58	0	.	691	45	2363	22	2526	22	3301	17	8636	11	4348	14	0	.	181	72	0	.	238	45	0	.	0	.	0	.	0	.	0	.	126	64	1320	30	676	36	0	.	231	69	431	45	191	69	125	100	0	.	0	.	0	.	0	.	0	.	406	44	677	34	77	.	0	.	0	.	0	.	757	31	1260	28	1773	23	168	47	0	.	0	.	925	26	211	55	450	50	331	60	462	50	1349	30	481	57	1193	32	243	68	0	.	0	.	127	70	0	.	0	.	0	.	91	82	137	74	236	49	0	.	0	.	0	.	0	.	4473	14	3261	18	3615	17	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	50923	4
	unter- und obermontan	401	39	128	71	227	60	1206	31	1006	35	1577	33	3889	17	3886	16	1588	26	7978	11	84	100	508	53	1575	28	0	.	373	53	1214	35	3011	20	1937	28	0	.	3672	19	1841	22	2168	21	162	62	1257	29	0	.	6987	12	951	35	1302	35	766	35	877	33	905	31	729	35	1088	29	1763	24	860	36	644	37	2567	22	888	35	1204	29	3139	21	1702	28	1752	31	1009	30	1100	26	1405	23	490	42	1261	26	2594	21	1350	27	2385	24	83	62	0	.	181	74	0	.	1116	31	0	.	1226	27	827	28	327	40	1767	19	1232	24	1395	23	592	38	249	50	273	65	681	38	385	53	1213	33	1086	33	9	.	2218	23	159	92	807	32	2299	18	1542	27	1778	21	857	31	518	50	725	38	796	42	362	52	0	.	53	83	2298	21	1189	28	848	37	23	58	489	41	377	43	0	.	142	.	171	72	0	.	109698	3
	submontan	2186	18	2280	21	2283	19	2953	18	0	.	0	.	633	61	794	42	5813	12	77	61	854	31	1152	28	783	30	101	.	888	38	727	37	222	.	892	37	0	.	24	.	106	62	218	53	0	.	0	.	0	.	2625	19	531	38	490	49	0	.	313	38	0	.	497	46	32	.	0	.	114	73	218	71	104	72	100	73	246	47	183	60	710	44	0	.	3096	18	1669	27	785	36	1314	25	697	31	200	71	0	.	242	76	533	42	1011	30	1565	28	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	149	.	0	.	136	72	296	49	316	59	183	71	196	48	377	50	179	59	892	36	383	43	0	.	240	46	504	47	859	35	190	68	241	60	0	.	452	46	0	.	0	.	382	36	140	71	926	34	1394	27	106	71	1054	28	1108	31	904	32	1446	24	0	.	53313	4
	hyperinsubrisch und kollin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	225	55	0	.	0	.	19	.	0	.	590	32	35	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	2	.	494	29	170	50	476	34	115	66	808	28	577	29	335	34	412	35	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	54	.	0	.	0	.	38	.	0	.	0	.	0	.	305	36	267	38	161	51	0	.	0	.	0	.	0	.	0	.	105	90	0	.	0	.	0	.	5189	9
	Total	2587	16	2408	20	2510	18	4159	16	1044	34	1577	33	6106	14	5193	14	7401	11	8154	11	938	30	1661	25	2358	21	101	.	1380	30	2213	24	3761	19	3152	21	225	55	5140	16	6348	13	5908	13	6630	12	15013	8	13759	9	9612	10	1663	24	1791	29	1004	29	1189	26	905	31	1225	28	1121	28	1763	24	1252	28	2420	20	3787	17	988	32	1772	23	4256	17	2619	22	1900	29	4105	15	2769	19	2189	20	1803	21	1958	20	3327	18	2026	21	2704	22	616	37	1011	30	1746	26	1422	21	4106	14	2658	18	1977	19	942	25	1135	23	4031	12	1945	17	2343	18	1076	31	775	35	1887	25	1783	25	2082	23	1723	27	1282	29	386	49	2524	21	1051	34	1190	26	2299	18	1927	22	2419	19	2021	21	746	39	966	32	796	42	814	34	9399	9	6405	12	9392	10	1330	26	1773	25	1417	26	595	36	1432	24	1212	29	1046	31	1617	23	0	.	257169	1
privat	keine Angabe	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	obersubalpin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	58	.	0	.	28	.	191	77	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	373	44	219	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	870	28
	subalpin	0	.	0	.	0	.	0	.	0	.	0	.	4058	17	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	15	129	1051	28	131	72	530	40	559	39	0	.	0	.	0	.	0	.	94	87	0	.	0	.	0	.	0	.	0	.	124	72	0	.	36	.	0	.	0	.	51	100	0	.	0	.	0	.	0	.	0	.	0	.	0	.	81	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	70	.	0	.	0	.	0	.	0	.	0	.	0	.	46	.	155	79	11	77	0	.	58	81	214	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1157	35	687	40	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	9128	11
	hochmontan	0	.	0	.	0	.	0	.	0	.	0	.	5778	14	224	73	0	.	8	.	0	.	0	.	0	.	0	.	113	.	378	63	548	43	0	.	0	.	7	.	997	35	582	55	1681	25	1126	29	596	40	0	.	0	.	0	.	394	42	0	.	0	.	0	.	0	.	0	.	113	81	110	.	0	.	0	.	0	.	71	96	0	.	271	68	0	.	0	.	0	.	0	.	0	.	16	.	134	.	84	64	0	.	0	.	0	.	217	60	0	.	210	52	0	.	0	.	0	.	0	.	0	.	-4	.	52	.	245	81	122	.	188	63	211	66	1004	38	7	.	0	.	0	.	0	.	0	.	106	71	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1685	25	1178	27	650	35	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	19102	7
	unter- und obermontan	598	47	0	.	0	.	67	.	1788	28	4463	21	7002	15	11986	11	3489	20	2635	23	0	.	21	.	406	60	0	.	120	.	1108	35	1975	24	1115	41	0	.	1127	31	506	48	385	50	74	100	148	73	0	.	3482	17	2044	26	2043	24	5248	17	266	60	1888	23	423	66	410	49	2624	25	735	38	0	.	871	45	1793	28	871	42	945	33	1192	33	5661	17	72	.	153	96	406	48	114	99	874	37	1081	36	1225	33	446	44	1654	27	0	.	230	70	0	.	0	.	0	.	33	.	576	38	209	49	225	67	168	95	105	65	602	42	182	76	128	82	622	49	290	55	1634	30	394	66	50	.	1045	41	160	.	0	.	634	36	329	63	195	.	95	.	0	.	203	.	0	.	126	.	15	.	0	.	1070	29	787	40	625	51	408	55	2732	20	1578	28	0	.	37	.	0	.	0	.	91019	3
	submontan	1358	29	544	35	492	52	1193	37	0	.	0	.	567	46	1244	30	5449	15	108	.	449	50	425	52	677	42	0	.	337	61	566	49	0	.	1056	32	0	.	0	.	62	.	7	.	0	.	0	.	0	.	707	36	1509	32	1733	25	440	51	102	.	0	.	0	.	0	.	0	.	0	.	0	.	197	98	1153	32	255	61	93	72	245	62	0	.	700	40	449	50	45	.	113	.	696	44	31	.	0	.	161	.	1022	41	1364	33	1341	28	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	140	.	116	100	84	.	292	58	87	.	24	.	341	54	144	73	0	.	527	47	64	.	0	.	174	71	386	47	738	41	412	43	352	58	0	.	623	49	0	.	0	.	220	52	201	65	332	61	662	36	290	71	647	42	799	40	783	38	747	45	0	.	36077	5
	hyperinsubrisch und kollin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	314	56	0	.	0	.	0	.	54	.	385	55	59	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	47	.	48	.	75	.	78	.	349	45	1281	27	2093	17	660	38	684	34	1117	28	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	50	.	0	.	0	.	0	.	0	.	0	.	0	.	203	53	129	58	0	.	0	.	0	.	0	.	0	.	0	.	66	.	0	.	0	.	0	.	7689	9
	Total	1956	24	544	35	492	52	1260	36	1788	28	4463	21	17405	8	13454	10	8939	12	2751	22	449	50	446	50	1083	34	0	.	571	46	2052	26	2523	21	2171	26	314	56	1148	31	2616	20	1163	33	2339	21	2245	21	846	33	4189	16	3553	20	3776	18	6176	15	368	52	1888	23	423	66	410	49	2624	25	971	32	110	.	1103	40	2946	21	1125	35	1160	28	1437	29	5932	17	772	38	602	45	451	44	228	70	1570	28	1209	33	1358	32	691	38	2676	23	1364	33	1618	25	265	53	75	.	358	42	382	42	1857	22	2302	16	884	33	852	33	1217	26	840	35	699	42	345	53	1102	33	647	36	2876	23	741	43	194	60	1045	41	687	43	64	.	740	32	553	44	581	46	834	38	412	43	554	52	0	.	749	44	3433	18	2213	20	1940	21	988	34	957	40	1070	31	3021	19	2226	23	864	38	820	37	747	45	0	.	163884	2
Total	keine Angabe	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.
	obersubalpin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	125	66	58	100	13	92	793	26	3438	14	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	17	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	39	66	206	38	163	42	59	65	0	.	0	.	133	52	7	.	12	.	0	.	0	.	39	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	1831	18	766	24	189	43	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	7889	8
	subalpin	0	.	0	.	0	.	0	.	0	.	0	.	4477	16	152	60	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	71	.	0	.	0	.	768	38	2963	21	1107	25	3684	16	4324	15	6130	15	0	.	0	.	0	.	94	87	0	.	0	.	0	.	0	.	0	.	275	52	237	52	459	37	0	.	91	71	553	38	16	.	23	.	0	.	0	.	0	.	0	.	0	.	208	65	0	.	0	.	0	.	0	.	0	.	624	32	1030	26	622	37	46	71	0	.	0	.	629	30	159	49	73	96	50	92	219	63	102	69	325	62	246	40	297	74	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	69	.	0	.	0	.	0	.	0	.	4320	16	2963	18	2747	19	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	40155	5
	hochmontan	0	.	0	.	0	.	0	.	38	.	0	.	6943	13	585	44	0	.	108	93	0	.	0	.	0	.	0	.	232	71	650	42	1005	38	323	58	0	.	697	45	3360	19	3108	20	4982	14	9762	10	4945	14	0	.	181	72	0	.	632	31	0	.	0	.	0	.	0	.	0	.	238	51	1430	28	676	36	0	.	231	69	502	41	191	69	395	56	0	.	0	.	0	.	0	.	0	.	422	42	811	33	161	58	0	.	0	.	0	.	974	27	1260	28	1983	22	168	47	0	.	0	.	925	26	211	55	446	50	382	54	707	43	1471	29	669	45	1404	29	1247	33	7	.	0	.	127	70	0	.	0	.	106	71	91	82	137	74	236	49	0	.	0	.	0	.	0	.	6158	12	4440	15	4265	15	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	70025	3
	unter- und obermontan	999	32	128	71	227	60	1273	29	2794	22	6041	17	10891	11	15872	9	5077	16	10613	10	84	100	529	51	1981	25	0	.	494	47	2322	25	4986	15	3052	23	0	.	4798	16	2348	20	2552	19	236	53	1404	27	0	.	10469	10	2995	21	3345	20	6014	16	1143	29	2793	18	1152	32	1499	25	4387	17	1595	26	644	37	3438	20	2681	22	2074	24	4084	18	2894	21	7413	15	1080	28	1252	25	1811	21	604	39	2135	21	3674	18	2574	21	2831	21	1737	26	0	.	411	51	0	.	1116	31	0	.	1259	26	1403	22	536	31	1992	18	1399	24	1500	22	1194	28	431	43	401	51	1303	30	675	38	2847	22	1481	30	59	86	3263	20	319	68	807	32	2933	16	1871	24	1973	21	953	29	518	50	928	37	796	42	488	46	15	.	53	83	3369	17	1977	23	1472	31	431	52	3221	18	1956	24	0	.	179	82	171	72	0	.	200716	2
	submontan	3544	15	2823	18	2775	18	4146	17	0	.	0	.	1200	39	2038	24	11263	9	185	64	1303	27	1577	24	1460	25	101	.	1225	32	1293	30	222	.	1948	24	0	.	24	.	168	54	225	52	0	.	0	.	0	.	3332	17	2040	26	2222	22	440	51	415	38	0	.	497	46	32	.	0	.	114	73	218	71	301	69	1253	30	501	39	277	46	956	36	0	.	3796	16	2118	23	830	34	1427	24	1393	27	231	63	0	.	403	61	1555	31	2375	23	2907	20	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	289	71	116	100	219	58	589	38	403	51	208	64	536	38	521	42	179	59	1419	29	447	39	0	.	414	40	890	33	1597	27	602	36	593	42	0	.	1076	34	0	.	0	.	602	30	341	48	1258	30	2056	22	396	56	1702	24	1906	24	1687	25	2193	22	0	.	89390	3
	hyperinsubrisch und kollin	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	539	39	0	.	0	.	19	.	54	.	974	29	93	73	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	47	.	50	96	569	28	248	46	825	27	1396	25	2901	14	1237	24	1019	25	1528	22	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	0	.	104	71	0	.	0	.	38	.	0	.	0	.	0	.	508	30	396	32	161	51	0	.	0	.	0	.	0	.	0	.	170	67	0	.	0	.	0	.	12878	6
	Total	4543	14	2952	17	3002	17	5418	14	2832	22	6041	17	23510	7	18647	8	16340	8	10906	10	1387	26	2107	22	3441	18	101	.	1951	25	4265	17	6285	14	5324	16	539	39	6288	14	8964	11	7070	12	8969	10	17257	7	14606	8	13802	8	5216	16	5567	15	7180	14	1558	23	2793	18	1648	26	1531	25	4387	17	2223	21	2530	20	4890	16	3934	18	2897	19	5416	15	4057	18	7831	14	4876	14	3370	17	2641	18	2031	20	3528	16	4536	16	3385	18	3395	19	3292	20	2375	23	3364	18	1687	20	4181	14	3016	17	2359	17	2799	17	3437	12	4916	11	2797	16	3560	15	1916	23	1474	27	2233	22	2885	20	2729	19	4599	17	2024	24	580	38	3569	19	1738	27	1254	25	3039	16	2480	20	3000	17	2855	18	1159	29	1520	28	796	42	1563	27	12832	8	8618	10	11333	9	2317	21	2730	21	2487	20	3617	17	3657	17	2077	23	1866	24	2363	21	0	.	421054	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. 2281255. Birmensdorf, Swiss Federal Research Institute WSL

zurück