Veraenderungsrechnungen.qmd

---
title: "BWI Testfeld"
subtitle: "Chunks basteln"
author: "Sebastian Schmidt"
format: 
  revealjs:
  # ermölicht horizontale und vertikale Gliederung
    navigation-mode: vertical
    slide-level: 4
editor: visual
---

Libraries laden

```{r librarys, include=FALSE}
library(readxl)
library(ggplot2)
library(stats)
library(corrplot)
library(tidyverse)
library(feather) # um Daten zu speichern
library(tidyr)
library(scales)
library(RColorBrewer)  # Für eine breite Palette von Farben
library(patchwork) # um Diagramme nebeneinander darzustellen
library(knitr)
library(kableExtra)
library(xtable) # für LaTeX-Tabellen
library(quarto)
```

Farben festlegen

```{r Farben, include=FALSE}
# Benutzerdefinierte Farben für die Layer
ba_farben <- c("Eiche (Quercus)" = "#ffffcc",
               "Eiche" = "#ffffcc",
               "Eichen-Typ"  = "#ffffcc",
               "Buche (Fagus)" = "#ccfe64",
               "Buche" = "#ccfe64",
               "Buchen-Typ" = "#ccfe64",
               "Esche (Fraxinus)" = "#fed976",
               "Eschen-Typ" = "#fed976",
               "Ahorn (Acer)" = "#fd8d3c",
               "sonst. Lb hoher Lebensdauer" = "#fc4e2a",
               "andere Lb hoher Lebensdauer" = "#fc4e2a",
               "Typ sonst. Laubbäume mit hoher Lebensdauer" = "#fc4e2a", 
               "Erle (Alnus)" = "#8c96c6",
               "Erlen-Typ" = "#8c96c6",
               "Birke (Betula)" = "#e0ecf4",
               "Birken-Typ" = "#e0ecf4",
               "sonst. Lb niedriger Lebensdauer" = "#88419d",
               "andere Lb niedriger Lebensdauer" = "#88419d",
               "Typ sonst. Laubbäume mit niedriger Lebensdauer"= "#88419d",
               "alle Laubbäume" = "#ae017e",
               "Fichte (Picea)" = "#7f7f7f",
               "Fichte" = "#7f7f7f",
               "Fichten-Typ"  = "#7f7f7f",
               "Tanne (Abies)" = "#a6bddb",
               "Tanne" = "#a6bddb",
               "Tannen-Typ"  = "#a6bddb",
               "Douglasie (Pseudotsuga)" = "#67a9cf",
               "Douglasie" = "#67a9cf",
               "Douglasien-Typ" = "#67a9cf",
               "Kiefer (Pinus)" = "#e4ce4c", 
               "Kiefer" = "#e4ce4c",
               "Kiefern-Typ"  = "#e4ce4c",
               "Lärche (Larix)" = "#f4a6a4",
               "Lärche" = "#f4a6a4",
               "Lärchen-Typ" = "#f4a6a4",
               "alle Nadelbäume" = "#02818a",
               "Typ mit mehreren gleichrangigen Baumarten" ="#006d2c",
               "Lücke" = "#dcdcdc",
               "Blöße" = "#edf8fb",
               "Nichtholzboden" = "#b2e2e2",
               "Holzboden" = "#66c2a4",
               "bestockter Holzboden" = "#2ca25f",
               "Wald" = "#006d2c",
               "stehend, ganzer Baum" = "goldenrod1",
               "stehend, Bruchstück (Höhe ab 130 cm)" = "goldenrod2",
               "stehend" = "goldenrod3",
               "liegend, ganzer Baum mit Wurzelanlauf" = "darkseagreen1",
               "liegend, Stammstück mit Wurzelanlauf" = "darkseagreen2",
               "liegend, Teilstück ohne Wurzelanlauf" = "darkseagreen3",
               "liegend" = "darkseagreen4",                           
               "Wurzelstock (Höhe < 130 cm)" = "#88419d",
               "Abfuhrrest (aufgeschichtet)" = "#ae017e",
               "alle Totholztypen" = "#67a9cf"  
)
```

Chunk Standard Output festlegen

```{r, setup, include=FALSE}
knitr::opts_chunk$set(
  comment = '', fig.width = 6, fig.height = 6
)
```

## **Datenimport**

#### Waldfläche Veränderung

```{r imp-ver-waldfl, include =FALSE}

# Get sheet names from the Excel file
ver_waldfl_sheet_names <- excel_sheets("data/Veränderung_der_Waldfläche.xlsx")

# Read each sheet into a list element, skipping the first 5 rows and treating "NaN" as NA
ver_waldfl <- lapply(ver_waldfl_sheet_names, function(sheet) {
  read_excel("data/Veränderung_der_Waldfläche.xlsx", sheet = sheet, skip = 5, na = "NaN")
})
# Assign sheet names to the list elements
names(ver_waldfl) <- ver_waldfl_sheet_names

```

#### Vorrat Veränderung

```{r imp-ver-vorr, include =FALSE}
ver_vorr_sheet_names <- excel_sheets("data/Veränderung_des_Vorrates.xlsx")

ver_vorr <- lapply(ver_vorr_sheet_names, function(sheet) {
  read_excel("data/Veränderung_des_Vorrates.xlsx", sheet = sheet, skip = 5, na = "NaN")
})
names(ver_vorr) <- ver_vorr_sheet_names
```

#### Abgänge Veränderung

```{r imp-ver-abg, include =FALSE}
ver_abg_sheet_names <- excel_sheets("data/Ver_Abgang.xlsx")

ver_abg <- lapply(ver_abg_sheet_names, function(sheet) {
  read_excel("data/Ver_Abgang.xlsx", sheet = sheet, skip = 5, na = "NaN")
})
names(ver_abg) <- ver_abg_sheet_names
```

#### Nutzung Veränderung

```{r imp-ver-nutz, include =FALSE}
ver_nutz_sheet_names <- excel_sheets("data/Ver_Nutzung.xlsx")

ver_nutz <- lapply(ver_nutz_sheet_names, function(sheet) {
  read_excel("data/Ver_Nutzung.xlsx", sheet = sheet, skip = 5, na = "NaN")
})
names(ver_nutz) <- ver_nutz_sheet_names
```

## **Standfläche**

```{r ver-stndfl-ger, include=FALSE}
# Daten vorbereiten Veränderung Standfläche aller Baumarten in Deutschland
ver_stndfl_long <- ver_waldfl$ver_stndfl_ba_22 %>% # Daten für Waldfl in Long-Format bringen
  pivot_longer(cols = -c(Land, Einheit),  # Specify columns that should remain unchanged
               names_to = "Baumart",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Waldfläche") %>% # New column name for the values of pivoted columns
  #filter(!Eigentumsart %in% c( "Öffentlicher Wald", "Privatwald", "alle Eigentumsarten")) %>% # Exclude rows 
  replace_na(list(Veränderung_Waldfläche= 0))       # Replace NA values in the "Veränderung_Waldfläche" column with 0

```

```{r ver-stndfl-ger-22, echo=FALSE}
# Balkendiagramm Veränderung Standfläche aller Baumarten für Deutschland erzeugen 
# Darstellung Torsten abgewandelt
ggplot((ver_stndfl_long %>%
  filter(Baumart == "alle Baumarten")), aes(x = reorder(Land, Veränderung_Waldfläche), y = Veränderung_Waldfläche, fill = Veränderung_Waldfläche)) +
  geom_col() +
  labs(x = "Land", y = "Veränderungen [ha]") +  # Achsenbeschriftungen festlegen
  ggtitle("Veränderungen der Standfläche aller Baumarten \nim Hauptbestand in den Ländern von 2012-2022") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(high = "darkseagreen", low = "coral3") +  # Farbskala von grün nach rot mit aufsteigenden Werten
  guides(fill = 'none')  # Legende entfernen
```

### Standflächenveränderung Brandenburg

-   Stfl. auf BA Ebene ungeeignet, übergeordnet aber brauchbar
-   These: Blößen und Lücken haben abgenommen
-   These: im Inv. Zeitraum ist BB glimpflich an Kalamitäten vorbeigekommen

```{r ver-stndfl-ger-22_ssch, include=FALSE}
# Balkendiagramm Veränderung Standfläche aller Baumarten für Deutschland erzeugen 
# Eigene Darstellung
ggplot(ver_stndfl_long %>%
         filter(Baumart=="alle Baumarten")) +
  geom_col(aes(x=reorder(Land, Veränderung_Waldfläche), y=Veränderung_Waldfläche, fill = Veränderung_Waldfläche)) +
  ggtitle("Veränderungen der Standfläche aller Baumarten \nim Hauptbestand in den Ländern von 2012-2022") +
  labs(x = "Land", y = "Veränderungen [ha]") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(high = "darkseagreen", low = "coral3") +
  guides(fill = 'none') 
#  coord_flip()

```

### Veränderung Standfläche aller Baumarten für Brandenburg

```{r ver-stndfl-ba-ger-22, echo=FALSE}
# Balkendiagramm Veränderung Standfläche aller Baumarten für Brandenburg erzeugen 
# Eigene Darstellung
ggplot(ver_stndfl_long %>%
         filter(Land == "Brandenburg" & !Baumart %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")), 
       aes(x = reorder(Baumart, Veränderung_Waldfläche), y = Veränderung_Waldfläche, fill = Veränderung_Waldfläche)) +
  geom_col() +
  geom_text(aes(label = round(Veränderung_Waldfläche, 0)),
            position = position_stack(vjust = 0.5),  # Adjust position for placement inside bars
            size = 3, 
            color = "black",
            angle=90,) +
  ggtitle("Veränderungen der Standflächen nach Baumartengruppen \nim Hauptbestand in Brandenburg von 2012-2022") +
  labs(x = "Baumart", y = "Veränderungen [ha]") +
  scale_y_continuous(labels = label_number(scale = 1e-3, suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient2(high = "darkseagreen4", mid = "darkseagreen", low = "coral3") +
  guides(fill = 'none') 
  #coord_flip()
```

#### Interpretation

-   deutliche Abnahme bei: Birke, Fichte, sonst. LB nL, Esche

    -   Birke = Dürre (?) / AK 4 Phänomen

    <!-- -->

    -   Fichte = Dürrefolgen

    -   sonst LB nL (Obst, Vogelbeere, Weide, Elsbeere, Pappel) = wahr. Dürre (?)

    -   Esche = Eschentriebsterben

-   deutliche Zunahme bei: Eiche, Buche, sonst. LB hL, Erle, Ahorn, Douglasie

    -   Eiche = Pflanzung? - Eher Ausfall der Esche...?

    -   Buche = Waldumbau wächst durch - Eher Ausfall der Esche? Zeichnen die sichtbaren Absterbeprozesse (noch) nicht - in WZE sichtbar,

    -   sonst. LB hL (Kastanie, Hainbuche, Linde, Mehlbeere, Robinie, Speierling, Ulme) = Klimawandelgewinner

    -   Erle = Trockenheit -\> Mineralisierung - bessere Nährstoffversorgung, Zugänglichkleit Waldecken

    -   Ahorn =Klimawandelgewinner, Wegfall u.a. Esche u.ä. gibt Raum?

    -   Douglasie = Trockenheitsgewinner? Waldbauliche Förderung? Absterben Kiefer / Fichte

### Standflächenveränderung über Eigentumsarten in Brandenburg

```{r ver-stndfl-eig-22, include=FALSE}
# Daten vorbereiten Veränderung Standfläche aller Baumarten über Eigentumsarten in Deutschland

ver_stndfl_eig_long <- ver_waldfl$ver_stndfl_ba_eig_22 %>% # Daten für Waldfl in Long-Format bringen
  pivot_longer(cols = -c(Eigentumsart, Einheit),  # Specify columns that should remain unchanged
               names_to = "Baumart",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Waldfläche") %>% # New column name for the values of pivoted columns
  filter(!Eigentumsart %in% c( "Öffentlicher Wald", "Privatwald", "alle Eigentumsarten")) %>% # Exclude rows 
  replace_na(list(Veränderung_Waldfläche= 0))       # Replace NA values in the "Veränderung_Waldfläche" column with 0
```

```{r ver-stndfl-ba-ger-eig-22, echo=FALSE}

#Daten nach Eigentumsart vorordnen
ver_stndfl_eig_long <- ver_stndfl_eig_long %>%
  mutate(Eigentumsart = factor(Eigentumsart, levels = c("Körperschaftswald", 
                                                        "Staatswald (Bund)", 
                                                        "Staatswald (Land)",
                                                        "Privatwald, bis 20 ha",
                                                        "Privatwald, über 20 bis 1000 ha",
                                                        "Privatwald, über 1000 ha")))
# Balkendiagramm stacked Veränderung Standfläche aller Baumarten in Brandenburg nach Eigentumsform erzeugen 
# Eigene Darstellung
ggplot(ver_stndfl_eig_long %>%
         filter(!Baumart %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")), 
       aes(x = reorder(Baumart, Veränderung_Waldfläche), y = Veränderung_Waldfläche, fill = Eigentumsart)) +
  geom_bar(stat = "identity") +  # Specify stat as "identity" for pre-summarized data
  ggtitle("Veränderungen der Standflächen \nnach Baumartengruppen im Hauptbestand \nin Brandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Baumart", y = "Veränderungen [ha]") +
  #scale_y_continuous(labels = label_number(scale = 1e-3, suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("Körperschaftswald" = "darkseagreen1", 
                               "Staatswald (Bund)" = "darkseagreen3",
                               "Staatswald (Land)" = "darkseagreen4",
                               "Privatwald, bis 20 ha" = "coral",
                               "Privatwald, über 20 bis 1000 ha" = "coral2" ,
                               "Privatwald, über 1000 ha" ="coral4"))  
# scale_fill_gradient2(high = "darkseagreen4", mid = "darkseagreen", low = "coral3") 
 # guides(fill = 'none')


```

#### Interpretation

-   Kiefer zeichnet nach Eigentumsform deutlich gegensätzlich

    -   höhere Durchforstungsintensität im Priwatwald oder Stiftungen \>1.000 ha?

-   Räumliche Verteilung der BA im Land überstrahlt die anderen Effekte

-   Buche Zunahme in Land da Norden

### Standflächenveränderung der Kiefer über Eigentumsarten in Brandenburg

```{r ver-stndfl-bb-ki-22, echo=FALSE}
# Balkendiagramm Veränderung Standfläche der Kiefer in Brandenburg nach Eigentumsform erzeugen 
# Eigene Darstellung
ggplot(ver_stndfl_eig_long %>%
         filter(Baumart %in% c("Kiefer (Pinus)")), 
       aes(x = reorder(Eigentumsart,Veränderung_Waldfläche), y = Veränderung_Waldfläche, fill= Veränderung_Waldfläche)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Standflächen der Kiefer im Hauptbestand \nin Brandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Eigentumsart", y = "Veränderungen [ha]") +
 scale_y_continuous(labels = label_number(scale = 1e-3, suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient2(high = "darkseagreen4", mid = "darkseagreen", low = "coral3") +
  guides(fill = 'none')
```

#### Interpretation

-   Staatswald vs. Privatwald

-   Einschränkung: Standfläche ist auf Baumartenebene nur bedingt Aussagekräftig

## Vorrat und Grundfläche

```{r ver-vorr-long, include=FALSE}
# Daten vorbereiten Veränderung Vorrat aller Baumarten Hauptbestand für Deutschland

ver_vor_long <- ver_vorr$Vorratsänderung %>% 
  pivot_longer(cols = -c(Land, Einheit),        
               names_to = "Bestandesschicht",   
               values_to = "Veränderung_Vorrat") %>% 
  filter(Land != "Deutschland (alle Länder)") %>% 
  replace_na(list(Veränderung_Vorrat = 0))
```

```{r ver-vorr-ger-22, echo=FALSE}
# Balkendiagramm Veränderung Vorrat aller Baumarten für Deutschland erzeugen 
# Eigene Darstellung
ggplot(ver_vor_long %>%
         filter(Bestandesschicht=="Hauptbestand (auch Plenterwald)")) +
  geom_col(aes(x=reorder(Land, Veränderung_Vorrat), y=Veränderung_Vorrat, fill = Veränderung_Vorrat)) +
  geom_text(aes(x = reorder(Land, Veränderung_Vorrat), y = Veränderung_Vorrat, label = round(Veränderung_Vorrat, 1)),
            position = position_stack(vjust = 0.5),  # Adjust position for placement inside bars
            size = 3, 
            color = "black",
            angle=90,) +
  ggtitle("Veränderungen des Vorrats aller Baumarten \nim Hauptbestand in den Ländern von 2012-2022") +
  labs(x = "Land", y = "Veränderungen [m³/ha]") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient2(high = "darkseagreen4", mid = "darkseagreen", low = "coral3") +
  guides(fill = 'none') 
#  coord_flip()
```

```{r ver-vorr-bb-long, include=FALSE}
# Daten vorbereiten Veränderung Vorrat aller Baumarten aller Bestandesschichten für Brandenburg
###noch nicht fertig
ver_vor_bb_long <- ver_vorr$ver_vor_22 %>% 
  pivot_longer(cols = -c(Land, Einheit),        
               names_to = "Baumart",   
               values_to = "Veränderung_Vorrat") %>% 
  filter(Land != "Deutschland (alle Länder)") %>% 
  replace_na(list(Veränderung_Vorrat = 0))
```

### Balkendiagramm Veränderung Grundfläche aller Baumarten für Deutschland erzeugen

```{r ver-gf-long, include=FALSE}
# Daten vorbereiten Veränderung Grundfläche aller Baumarten aller Bestandesschichten für Deutschland

ver_gf_long <- ver_vorr$ver_gf_ba_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Land, Einheit), # Specify columns that should remain unchanged
               names_to = "Baumart", # New column name for the names of pivoted columns
               values_to = "Veränderung_Grundfläche") %>% # New column name for the values of pivoted columns
  filter(Land != "Deutschland (alle Länder)") %>% # Exclude rows where Land is "Deutschland (alle Länder)"
  replace_na(list(Veränderung_Grundfläche = 0)) # Replace NA values in the "Veränderungen" column with 0
  #mutate(Veränderung_Grundfläche = Veränderung_Grundfläche / 10000)  # Divide the values by 10,000
```

```{r ver-gf-ger-22, echo=FALSE}
# Balkendiagramm Veränderung Grundfläche aller Baumarten für Deutschland erzeugen 
# Eigene Darstellung
ggplot(ver_gf_long %>%
         filter(Baumart=="alle Baumarten")) +
  geom_col(aes(x=reorder(Land, Veränderung_Grundfläche), y=Veränderung_Grundfläche, fill = Veränderung_Grundfläche)) +
  geom_text(aes(x = reorder(Land, Veränderung_Grundfläche), y = Veränderung_Grundfläche, label = round(Veränderung_Grundfläche, 0)),
            position = position_stack(vjust = 0.5),  # Adjust position for placement inside bars
            size = 3, 
            color = "black",
            angle=90,) +
  ggtitle("Veränderungen der Grundfläche aller Baumarten \n über alle Bestandesschichten in Deutschland von 2012-2022") +
  labs(x = "Land", y = "Veränderungen [m²]") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(high = "darkseagreen", low = "coral3") +
  guides(fill = 'none') 
#  coord_flip()
```

### Veränderung Grundfläche aller Baumarten für Brandenburg

```{r ver-gf-bb-22, echo=FALSE}
# Balkendiagramm Veränderung Grundfläche aller Baumarten für Brandenburg erzeugen 
# Eigene Darstellung
ggplot(ver_gf_long %>%
         filter(Land == "Brandenburg" & !Baumart %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten"))) +
  geom_col(aes(x=reorder(Baumart, Veränderung_Grundfläche), y=Veränderung_Grundfläche, fill = Veränderung_Grundfläche)) +
  geom_text(aes(x = reorder(Baumart, Veränderung_Grundfläche), y = Veränderung_Grundfläche, label = round(Veränderung_Grundfläche, 0)),
            position = position_stack(vjust = 0.5),  # Adjust position for placement inside bars
            size = 3, 
            color = "black",
            angle=90,) +
  ggtitle("Veränderungen der Grundfläche aller Baumarten \n über alle Bestandesschichten in Brandenburg von 2012-2022") +
  labs(x = "Baumartengruppe", y = "Veränderungen [m²]") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(high = "darkseagreen", low = "coral3") +
  guides(fill = 'none') 
#  coord_flip()
```

#### Interpretation

-   Kiefer: BHD Zunahme?

Frage: Wald lückig? Vgl. Gf über versch. Bestandesschichten?

### Veränderung Grundfläche aller Baumarten in Brandenburg nach Eigentumsform

```{r ver-gf-bb-eig-22, include=FALSE}
# Daten vorbereiten Veränderung Grundfläche aller Baumarten über Eigentumsarten in Brandenburg

ver_gf_eig_long <- ver_vorr$ver_gf_eig_bb_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Eigentumsart, Einheit),  # Specify columns that should remain unchanged
               names_to = "Baumart",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Grundfläche") %>% # New column name for the values of pivoted columns
  filter(!Eigentumsart %in% c( "Öffentlicher Wald", "Privatwald", "alle Eigentumsarten")) %>% # Exclude rows 
  replace_na(list(Veränderung_Grundfläche= 0))  # Replace NA values in the "Veränderung_Waldfläche" column with 0
 # mutate(Veränderung_Grundfläche=Veränderung_Grundfläche/10000)
```

```{r  ver-gf-bb-eig-22-ssch, echo=FALSE}

#Daten nach Eigentumsart vorordnen
ver_gf_eig_long <- ver_gf_eig_long %>%
  mutate(Eigentumsart = factor(Eigentumsart, levels = c("Körperschaftswald", 
                                                        "Staatswald (Bund)", 
                                                        "Staatswald (Land)",
                                                        "Privatwald, bis 20 ha",
                                                        "Privatwald, über 20 bis 1000 ha",
                                                        "Privatwald, über 1000 ha")))
# Balkendiagramm stacked Veränderung Grundfläche aller Baumarten in Brandenburg nach Eigentumsform erzeugen 
# Eigene Darstellung
ggplot(ver_gf_eig_long %>%
         filter(!Baumart %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")), 
       aes(x = reorder(Baumart, Veränderung_Grundfläche), y = Veränderung_Grundfläche, fill = factor(Eigentumsart))) +
  geom_bar(stat = "identity") +  # Specify stat as "identity" for pre-summarized data
  ggtitle("Veränderungen der Grundflächen nach Baum-\nartengruppen über alle Bestandesschichten in \nBrandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Baumart", y = "Veränderungen [m²]") +
  scale_y_continuous(labels = label_number(scale = 1e-3, suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_manual(values = c("Körperschaftswald" = "darkseagreen1", 
                               "Staatswald (Bund)" = "darkseagreen3",
                               "Staatswald (Land)" = "darkseagreen4",
                               "Privatwald, bis 20 ha" = "coral",
                               "Privatwald, über 20 bis 1000 ha" = "coral2" ,
                               "Privatwald, über 1000 ha" ="coral4"))  
# scale_fill_gradient2(high = "darkseagreen4", mid = "darkseagreen", low = "coral3") 
 # guides(fill = 'none')
```

#### Interpretation

-   GF Abnahme PW bis 20 ha unterstützt die Annahme das stärker Durchforstet wird.

-   Stammzahl Ki in Eigentum /ha danebenstellen als gleiches Diagramm

    -   wenn Stammzahl stärker abnimmt als GF, bedeuted das, dass die DF kürzlich erfolgt ist

```{r ver-gf-ki-bb-22, echo=FALSE}
# Balkendiagramm Veränderung Standfläche der Kiefer in Brandenburg nach Eigentumsform erzeugen 
# Eigene Darstellung
ggplot(ver_gf_eig_long %>%
         filter(Baumart %in% c("Kiefer (Pinus)")), 
       aes(x = reorder(Eigentumsart,Veränderung_Grundfläche), y = Veränderung_Grundfläche, fill= Veränderung_Grundfläche)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Grundfläche der Kiefer aller Bestandes-\nschichten in Brandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Eigentumsart", y = "Veränderungen [m²]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(high = "darkseagreen4", low = "coral3") +
  guides(fill = 'none')
```

## Abgänge

### Veränderung der Abgänge pro Jahr mit Abgangsgrund in Brandenburg von 2012 - 2022

Vorrat (Erntefestmaß o.R., verwertbar) des ausgeschiedenen Bestandes \[m³/ha\*a\] nach Baumartengruppe und Abgangsgrund

Basis:Deutschland, Vereinigungsfläche Holzboden beider Inventuren, begehbar\*\*, einschließlich Lücken in der Bestockung bzw. im Bestand, ausgeschiedene Bäume ab 7 cm Bhd im Hauptbestand oder Plenterwald, bestandesintern, Baumvolumen: BDat3.0 (Spline-Funktion, 2013), Sloboda (Wachstum), Raster: 16km²: NI, HE, SL, BY, BE / 8km²: NI, BY, SN, TH / 4km²: SH, NW, RP, BW, BB, MV, ST (Schnittmenge Inventurnetz für BWI Periode 2012-2022 unter Einbeziehung der LWI von NW und BB); ideeller Flächenbezug (gemäß Standflächenanteil))

```{r ver-abg-bb, include=FALSE}
# Daten vorbereiten Veränderung Abgänge aller Baumarten in Brandenburg Abgangsgrund / Baumart

ver_abg_bb_long <- ver_abg$ver_abg_bb_ba_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Baumartengruppe, Einheit),  # Specify columns that should remain unchanged
               names_to = "Abgangsgrund",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Vorrat_Jahr") %>% # New column name for the values of pivoted columns
  filter(Baumartengruppe %in% c("alle Baumarten")) %>% # Exclude rows 
  replace_na(list(Veränderung_Vorrat_Jahr= 0))  # Replace NA values in the "Veränderung_Waldfläche" column with 0
```

```{r ver-abg-bb-22, echo=FALSE}
# Balkendiagramm Veränderung der Abgänge pro Jahr in Brandenburg  

ggplot(data = ver_abg_bb_long,
         aes(x = reorder(Abgangsgrund,Veränderung_Vorrat_Jahr), y = Veränderung_Vorrat_Jahr, fill= Veränderung_Vorrat_Jahr)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  geom_text(aes(label = round(Veränderung_Vorrat_Jahr, 1)), 
            position = position_stack(vjust = 0.5),  # Adjust position for placement inside bars
            size = 3, 
            color = "black",
            angle = 90) +
  ggtitle("Veränderungen der Abgänge pro Jahr in Brandenburg aller \nBaumarten nach Abgangsgrund von 2012-2022") +
  labs(x = "Abgangsgrund", y = "Veränderungen [m³/ha*a]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5)) +
  scale_fill_gradient(low = "coral", high = "coral4") +
  guides(fill = 'none')
```

#### Interpretation

-   Frage allgemein: Einheit: 1000 m³/a besser als m³/ha/a

-   reguläre Entnahme mit Abstand die kleinste Abgangsform? Vgl. 2012: 4.2 m³/ha/a

-   Menge Angabe fehlt unklar woher - nach Plausi

### Veränderung der Abgänge pro Jahr mit Abgangsgrund und Baumart in Brandenburg von 2012 - 2022

```{r ver-abg-bb-ba, include=FALSE}
# Daten vorbereiten Veränderung Abgänge aller Baumarten in Brandenburg Abgangsgrund / Baumart

ver_abg_bb_ba_long <- ver_abg$ver_abg_bb_ba_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Baumartengruppe, Einheit),  # Specify columns that should remain unchanged
               names_to = "Abgangsgrund",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Vorrat_Jahr") %>% # New column name for the values of pivoted columns
  filter((!Baumartengruppe %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")),(!Abgangsgrund %in% c("alle Abgangsgründe"))) %>% # Exclude rows 
  replace_na(list(Veränderung_Vorrat_Jahr= 0))  # Replace NA values in the "Veränderung_Waldfläche" column with 0
```

```{r ver-abg-bb-ba-22, echo=FALSE}
# Balkendiagramm stacked Veränderung der Abgänge pro Jahr in Brandenburg und Baumart

#Daten nach Abgangsgrund vorordnen
ver_abg_bb_ba_long <- ver_abg_bb_ba_long %>%
  mutate(Abgangsgrund = factor(Abgangsgrund, levels = c("regulär", 
                                                        "Sturm", 
                                                        "Insekten / Dürre",
                                                        "sonstige Kalamitäten",
                                                        "Ursache der Kalamität ungewiss",
                                                        "Ursache unbekannt",
                                                        "Angabe fehlt")))
ggplot(ver_abg_bb_ba_long %>%
         filter(!Baumartengruppe %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")), 
       aes(x = reorder(Baumartengruppe, Veränderung_Vorrat_Jahr), y = Veränderung_Vorrat_Jahr, fill = Abgangsgrund)) +
  geom_bar(stat = "identity") +  # Specify stat as "identity" for pre-summarized data
  ggtitle("Veränderung der Abgänge pro Jahr nach Baumnartengruppen \nüber alle Bestandesschichten in Brandenburg \nnach Eigentumsart von 2012-2022") +
  labs(x = "Baumartengruppe", y = "Veränderungen [m³/ha*a]") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("regulär" = "#729ECE",     # slightly muted blue
                               "Sturm" = "#FDBF6F",       # pastel orange
                               "Insekten / Dürre" = "#73C476",  # slightly muted green
                               "sonstige Kalamitäten" = "#FF6F69", # slightly muted red
                               "Ursache der Kalamität ungewiss" = "#B0B0B0", # grey
                               "Ursache unbekannt" = "#D9D9D9",   # light grey
                               "Angabe fehlt" = "pink"))  # very light grey
```

#### Interpretation

-   Fichte: - Trocken & Käfer

-   Esche: Sturm = Eschentriebsterben Instabilität Wurzeln

-   Kiefer: sonstige Kalamitäten = Käfer unerkannt bzw. Diplodia =\> Komplexsterben?

-   Tanne und Douglasie: auffällig hohe Ausfälle nach Sturm an Gesamtmenge Tanne

    Frage: Darstellung in Prozent zur Gesamtheit einer BA?

Frage: Warum über alle Abgangsgründe hinweg Ki 4,8 aber summ aller abgangsgründe 75?

Info: Ursache unbekannt bei keine Nutzung nicht vorhanden, nur bei selektive und flächige nutzung

Frag. Angabe fehlt sollte doch gar nicht möglich sein nach Plausiprüfung, oder?

### Veränderung der Abgänge pro Jahr in Brandenburg nach Eigentumsform

```{r ver-abg-bb-eig, include=FALSE}
# Daten vorbereiten Veränderung Abgänge aller Baumarten in Brandenburg Abgangsgrund / Baumart

ver_abg_bb_eig_long <- ver_abg$ver_abg_bb_eig_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Eigentumsart, Einheit),  # Specify columns that should remain unchanged
               names_to = "Abgangsgrund",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Vorrat_Jahr") %>% # New column name for the values of pivoted columns
  filter((!Eigentumsart %in% c("Öffentlicher Wald", "Privatwald", "alle Eigentumsarten")),(!Abgangsgrund %in% c("alle Abgangsgründe"))) %>% # Exclude rows 
  replace_na(list(Veränderung_Vorrat_Jahr= 0))  # Replace NA values in the "Veränderung_Waldfläche" column with 0
```

```{r ver-abg-bb-eig-22, echo=FALSE}
#Daten nach Abgangsgrund vorordnen
ver_abg_bb_eig_long <- ver_abg_bb_eig_long %>%
  mutate(Abgangsgrund = factor(Abgangsgrund, levels = c("regulär", 
                                                        "Sturm", 
                                                        "Insekten / Dürre",
                                                        "sonstige Kalamitäten",
                                                        "Ursache der Kalamität ungewiss",
                                                        "Ursache unbekannt",
                                                        "Angabe fehlt")))

# Veränderung der Abgänge aller Baumarten pro Jahr in Brandenburg nach Eigentumsform
ggplot(data = ver_abg_bb_eig_long, 
       aes(x = reorder(Eigentumsart,Veränderung_Vorrat_Jahr), y = Veränderung_Vorrat_Jahr, fill= Abgangsgrund)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Abgänge aller Baumarten pro Jahr \nin Brandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Eigentumsart", y = "Veränderungen [m³/ha*a]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("regulär" = "#729ECE",     # slightly muted blue
                               "Sturm" = "#FDBF6F",       # pastel orange
                               "Insekten / Dürre" = "#73C476",  # slightly muted green
                               "sonstige Kalamitäten" = "#FF6F69", # slightly muted red
                               "Ursache der Kalamität ungewiss" = "#B0B0B0", # grey
                               "Ursache unbekannt" = "#D9D9D9",   # light grey
                               "Angabe fehlt" = "pink"))  # very light grey
 # scale_fill_gradient(high = "darkseagreen4", low = "coral3") +
  #guides(fill = 'none')
```

#### Interpretation

Körperschaftswald besonders betroffen - schlechte Betreuung, späte Ereignisserkennung, Kalamitätsnutzung

### Veränderung der Abgänge der Kiefer pro Jahr in Brandenburg nach Eigentumsform

```{r ver-abg-bb-eig-ki, include=FALSE}
# Daten vorbereiten Veränderung Abgänge der Kiefer in Brandenburg Abgangsgrund / Baumart

ver_abg_bb_eig_ki_long <- ver_abg$ver_abg_bb_eig_ki_22 %>% # Daten für Gf in Long-Format bringen
  pivot_longer(cols = -c(Eigentumsart, Einheit),  # Specify columns that should remain unchanged
               names_to = "Abgangsgrund",          # New column name for the names of pivoted columns
               values_to = "Veränderung_Vorrat_Jahr") %>% # New column name for the values of pivoted columns
  filter((!Eigentumsart %in% c("Öffentlicher Wald", "Privatwald", "alle Eigentumsarten")),(!Abgangsgrund %in% c("alle Abgangsgründe"))) %>% # Exclude rows 
  replace_na(list(Veränderung_Vorrat_Jahr= 0))  # Replace NA values in the "Veränderung_Waldfläche" column with 0
```

```{r ver-abg-bb-eig-ki-22, echo=FALSE}
#Daten nach Abgangsgrund vorordnen
ver_abg_bb_eig_ki_long <- ver_abg_bb_eig_ki_long %>%
  mutate(Abgangsgrund = factor(Abgangsgrund, levels = c("regulär", 
                                                        "Sturm", 
                                                        "Insekten / Dürre",
                                                        "sonstige Kalamitäten",
                                                        "Ursache der Kalamität ungewiss",
                                                        "Ursache unbekannt",
                                                        "Angabe fehlt")))

# Veränderung der Abgänge aller Baumarten pro Jahr in Brandenburg nach Eigentumsform
ggplot(data = ver_abg_bb_eig_ki_long, 
       aes(x = reorder(Eigentumsart,Veränderung_Vorrat_Jahr), y = Veränderung_Vorrat_Jahr, fill= Abgangsgrund)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Abgänge der Kiefer pro Jahr \nin Brandenburg nach Eigentumsart von 2012-2022") +
  labs(x = "Eigentumsart", y = "Veränderungen [m³/ha*a]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("regulär" = "#729ECE",     # slightly muted blue
                               "Sturm" = "#FDBF6F",       # pastel orange
                               "Insekten / Dürre" = "#73C476",  # slightly muted green
                               "sonstige Kalamitäten" = "#FF6F69", # slightly muted red
                               "Ursache der Kalamität ungewiss" = "#B0B0B0", # grey
                               "Ursache unbekannt" = "#D9D9D9",   # light grey
                               "Angabe fehlt" = "pink"))  # very light grey
 # scale_fill_gradient(high = "darkseagreen4", low = "coral3") +
  #guides(fill = 'none')
```

#### Interpretation

-   Landeswald besonders von Kalamitäten betroffen = Feuer (?), instabile Bestandesstrukturen

    -   Kalamität Feuer unter sonstige Kalamität , Feuer allg. zu vernachlässigen!

## Nutzungsart

### Nutzungsart in Brandenburg nach Baumart in 1000 m³ von 2012-2022

```{r ver-nutz-bb-ba, include=FALSE}
# Daten vorbereiten Veränderung Nutzungsart in Brandenburg nach Baumart

ver_nutz_bb_ba_long <- ver_nutz$ver_nutz_bb_ba_22 %>% 
  pivot_longer(cols = -c(Baumartengruppe, Einheit),  
               names_to = "Nutzungsart",          
               values_to = "Veränderung_Vorrat") %>% 
  filter((!Baumartengruppe %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")),(!Nutzungsart %in% c("alle Nutzungsarten"))) %>% 
  replace_na(list(Veränderung_Vorrat= 0))
```

```{r ver-nutz-bb-ba-22, echo=FALSE}
#Daten nach Abgangsgrund vorordnen
ver_nutz_bb_ba_long <- ver_nutz_bb_ba_long %>%
  mutate(Nutzungsart = factor(Nutzungsart, levels = c("keine Nutzung", 
                                                      "selektive Nutzung", 
                                                      "flächige Nutzung",
                                                      "Angabe fehlt")))

# Veränderung der Abgänge aller Baumarten pro Jahr in Brandenburg nach Eigentumsform
ggplot(data = ver_nutz_bb_ba_long, 
       aes(x = reorder(Baumartengruppe,Veränderung_Vorrat), y = Veränderung_Vorrat, fill= Nutzungsart)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Nutzungsart in \nBrandenburg nach Baumart von 2012-2022") +
  labs(x = "Baumartengruppe", y = "Veränderungen [1.000 m³]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("keine Nutzung" = "#FF6F69",     # slightly muted blue
                               "selektive Nutzung" = "forestgreen",       # pastel orange
                               "flächige Nutzung" = "#73C476",  # slightly muted green
                               "Angabe fehlt" = "#D9D9D9"))   # light grey
                               
 # scale_fill_gradient(high = "darkseagreen4", low = "coral3") +
  #guides(fill = 'none')
```

### Nutzungsart in Brandenburg nach Baumart in m³/ha/a von 2012-2022

```{r ver-nutz-bb-ba-jahr, include=FALSE}
# Daten vorbereiten Veränderung Nutzungsart in Brandenburg nach Baumart

ver_nutz_bb_ba_jahr_long <- ver_nutz$ver_nutz_bb_ba_22_jahr %>% 
  pivot_longer(cols = -c(Baumartengruppe, Einheit),  
               names_to = "Nutzungsart",          
               values_to = "Veränderung_Vorrat") %>% 
  filter((!Baumartengruppe %in% c("alle Laubbäume", "alle Nadelbäume", "alle Baumarten")),(!Nutzungsart %in% c("alle Nutzungsarten"))) %>% 
  replace_na(list(Veränderung_Vorrat= 0))
```

```{r ver-nutz-bb-ba-jahr-22, echo=FALSE}
#Daten nach Abgangsgrund vorordnen
ver_nutz_bb_ba_jahr_long <- ver_nutz_bb_ba_jahr_long %>%
  mutate(Nutzungsart = factor(Nutzungsart, levels = c("keine Nutzung", 
                                                      "selektive Nutzung", 
                                                      "flächige Nutzung",
                                                      "Angabe fehlt")))

# Veränderung der Abgänge aller Baumarten pro Jahr in Brandenburg nach Eigentumsform
ggplot(data = ver_nutz_bb_ba_jahr_long, 
       aes(x = reorder(Baumartengruppe,Veränderung_Vorrat), y = Veränderung_Vorrat, fill= Nutzungsart)) +
  #aes(x = reorder(Baumart, Veränderung_Waldfläche)
  geom_col() +
  ggtitle("Veränderungen der Nutzungsart in \nBrandenburg nach Baumart von 2012-2022") +
  labs(x = "Baumartengruppe", y = "Veränderungen [m³/ha*a]") +
  #scale_y_continuous(labels = label_number(suffix = " Tsd")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1),
        plot.title = element_text(hjust = 0.5),
        plot.title.position = "plot") +
  scale_fill_manual(values = c("keine Nutzung" = "#FF6F69",     # slightly muted blue
                               "selektive Nutzung" = "forestgreen",       # pastel orange
                               "flächige Nutzung" = "#73C476",  # slightly muted green
                               "Angabe fehlt" = "#D9D9D9"))   # light grey
                               
 # scale_fill_gradient(high = "darkseagreen4", low = "coral3") +
  #guides(fill = 'none')
```

#### Interpretation

-   sinnlose Darstellung? Besser Nutzung im Vergleich zur Menge der BA?
-   keine Nutzung = Baum ist gefällt aber liegt noch

## Zuwachs vs. Nutzung