Skip to content
Snippets Groups Projects
Veraenderungsrechnungen.qmd 39.6 KiB
Newer Older
Schmidt Sebastian's avatar
Schmidt Sebastian committed
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