Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
---
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