Les statistiques complètes et fiables sur les plantations forestières des pays sont rares et, lorsqu’elles existent, elles ne sont généralement pas dans le domaine public. Il est donc très difficile d’estimer la structure des classes d’âge des plantations forestières dans tous les pays, sauf dans ceux qui ont beaucoup investi dans les plantations forestières et dans lesquels la distinction entre les forêts naturelles et plantées ne pose pas de problèmes (ex: Australie, Nouvelle Zélande et Chili). Pour les autres pays, la littérature contient diverses informations plus ou moins complètes et spécifiques, telles que taux annuels de boisement, intensité d’exploitation, mortalité, séries chronologiques des superficies totales de plantations, inventaires régionaux et descriptions qualitatives des ressources. Pour décrire la répartition des classes d’âge des plantations, à l’échelle mondiale, on est donc obligé de procéder par à coups, en consultant avec attention toute la littérature concernant chaque pays, puis en groupant et en manipuler des données pour obtenir des structures des classes d’âge compatibles avec les statistiques nationales.
Le principal objet des informations qui figurent dans le présent document est de fournir une évaluation mondiale et régionale de la ressource " plantations forestières ". C’est pourquoi l’analyse des données prend la forme d’une "analyse des composants". Chaque pays est traité comme un composant de l’ensemble, et des structures nationales des classes d’âge ont été établies séparément puis agrégées au niveau régional ou mondial. Une analyse des composants se fonde principalement sur l’hypothèse statistique " les erreurs des composants sont indépendantes et distribuées au hasard autour d’une moyenne nulle ". Ainsi, plus le nombre de composants évalués est élevé plus les résultats groupés ont de chances d’être exacts. Les marges (ou bornes?) d’erreur (en pourcentage) devraient donc être plus faibles pour l’évaluation mondiale que pour les évaluations des composants régionaux. De même, les marges d’erreur de chaque évaluation régionale devraient être plus petites que celles des composants nationaux. Une asymétrie de la distribution de l’erreur vraie apparaît si d’importantes erreurs sont faites lors de l’estimation des plus gros composants. Il s’ensuit que les efforts faits pour garantir une évaluation exacte des structures des classes d’âge des plantations des pays ont augmenté proportionnellement à la taille des ressources de chaque pays. C’est pourquoi, faute de temps, il a été décidé que seuls les pays dotés de plus de 100 000 hectares de plantations pourraient faire l’objet d’une évaluation individuelle. Ceci laissait toutefois 65 analyses de pays individuels représentant 98,5 pour cent de la ressource totale mondiale en plantations. Les structures des classes d’âge dans les pays ayant moins de 100 000 hectares de plantations (1,5 pour cent du total mondial) sont supposées conformes à la moyenne de chaque structure régionale.
Les statistiques sur la superficie totale de plantations forestières (par pays) sont établies par deux rapports importants, avec lesquels les structures des classes d’âge nationales dérivées dans cette étude ont été harmonisées. Pandey (1997) évalue les superficies de plantations forestières pour 1995 dans 90 pays tropicaux et subtropicaux, et indique dans son rapport la superficie totale de plantations signalée, la superficie nette de plantation, la superficie de plantations industrielles, le taux de boisement annuel et la composition par espèces de la ressource de chaque pays. On s’est basé sur la " superficie nette de plantations " de Pandey pour la dérivation des classes d’âge. Les données provisoires du rapport d’évaluation des ressources forestières des zones tempérées et boréales, fait par la CEE-ONU/FAO pour les pays de l’OCDE, pour l’an 2000 (version provisoire du volume UN, 2000) ont fourni la surface de base pour les forêts des pays des zones tempérées et boréales. Des données sur la superficie nationale des plantations forestières tempérées et boréales ont été fournies pour 39 pays (principalement européens)
Le projet FAO d’évaluation des ressources forestières tropicales 1980 (FRA 1980) a été un outil de référence utile pour l’évaluation des classes d’âge des plantations forestières tropicales. Cette série de rapports fournit des structures des classes d’âge des plantations nationales, ventilées par espèces pour 75 pays tropicaux et sub-tropicaux, en 1980, ainsi que des prévisions des classes d’âges jusqu’en 1985. Les rapports ont servi de référence pour établir les bornes supérieures des classes d’âge des plantations de plus de 15 ans. FRA 1980 et le rapport de Pandey font la distinction entre les plantations industrielles et non industrielles et bien que cette distinction soit parfois artificielle, nous l’avons maintenue.
La manipulation des données la plus significative a été effectuée pour convertir les "classes d’âge brutes des plantations" estimées à partir d’un examen de la littérature, en "classes d’âge nettes des plantations", compatibles avec les statistiques de surface du rapport de Pandey (1997) et de TBFRA 2000 (UN 2000). La méthodologie adoptée est proche de celle de Pandey:
La superficie nette, c’est-à-dire la superficie effective de plantations sur pied, à l’exclusion de celles qui n’ont pas pris, qui ont été exploitées ou comptées deux fois, a été estimée en appliquant un facteur de réduction ou un taux de succès dérivé d’un inventaire ou d’une enquête sur les plantations.
Suivant cette méthodologie, le facteur de réduction de Pandey est appliqué aussi bien aux plantations forestières industrielles qu’aux plantations non industrielles. Comme le fait observer Pandey, cette formule n’est peut être pas appropriée car les plantations industrielles sont généralement mieux gérées que les plantations non industrielles.
Dans cette analyse, une "fonction d’exploitation et de mortalité" a été sélectionnée pour chaque pays (si nécessaire) à partir d’une famille de fonctions exponentielles et appliquée comme facteur de pondération aux "classes d’âge brutes des plantations nationales" dérivées, pour obtenir la superficie nette recherchée. Les fonctions d’exploitation et de mortalité sélectionnées étaient de la forme:
Superficie nette de plantation forestière = Superficie brute de plantation forestière dans chaque classe d’âge chaque classe d’âge
où: X = une valeur d’âge pour chaque classe d’âge de 5 ans ( telle que pour la classe d’âge 46-50 X = 0.0015; 41-45 X = 0.0040; 36-40 X = 0.0065 …1-5 X= 0.0240. Pour la classe d’âge > 50, on a appliqué une valeur arbitraire de 0,0010)
a = variable discrétionnaire
Le choix de la valeur précise de a était dans une certaine mesure laissé à l’appréciation du consultant. Une valeur générale de a a été estimée à l’aide de la durée de la rotation de l’espèce dominante dans un pays et d’une évaluation du taux de mortalité dans le pays. Une grande valeur de a correspond à des rotations courtes et à une mortalité élevée (en appliquant le plus grand coefficient de pondération aux données concernant les plantations les plus récentes). Cette valeur générale de a a ensuite été affinée pour mieux accorder les données dérivées avec les statistiques signalées qui servaient de référence.
Figure 29 Comparaison entre les structures représentatives et réelles des classes d’âge
Les données sur les classes d’âge ventilées par pays présentées à l’Annexe 3 sont donc dérivées de la littérature originelle et soumises à l’ajustement décrit ci-dessus. Il est clair qu’elles doivent être considérées comme " généralement représentatives " des structures des classes d’âge nationales plutôt que comme des données exactes pour chaque classe d’âge. L’exemple graphique de la Figure 29 démontre ce point. Sur la figure, la distribution réelle des classes d’âge des plantations d’un pays est représentée par le diagramme en bâtons. Une distribution " représentative " des classes d’âge, qui incorpore quelques-unes des caractéristiques et des extremums de la distribution réelle des classes d’âge, est représentée par un graphique curviligne. C’est cette forme générale des données que le processus d’estimation décrit ci-dessus tente de reproduire.
