Newer
Older
---
title: "scribble"
---
{{< include librarys-datimport.qmd >}}
# ToDos
- [ ] Trakte, Ecken z.B. Infoflyer
```{r}
ver_jungbestfl %>%
filter(Land == "Brandenburg"
& Jungbestockung == "Jungbestockung ohne Schirm (Hauptbestockung)"
) %>%
select(Veränderungsanteil) %>%
pull()
```
#### Totholzvorrat 2013-2022
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
::::: {.columns style="display: flex !important; height: 90%;"}
::: {.column width="50%" style="display: flex; justify-content: center; align-items: center;"}
```{r totvorrat13_22_bar, echo=FALSE, fig.height=7, fig.width=7}
#| label: ver_totholz_13_22
#| tbl-cap: Vergleich der Totholzvorräte in Brandenburg LWI 2013 - BWI 2022
# Daten Vorbereiten
# Totholzvorrat BB Vergleich 13-22
totvorrat_long_13_22 <- tot$bb_tot_typ_13_22 %>%
filter(Eigentumsart == "alle Eigentumsarten 2013"|Eigentumsart == "alle Eigentumsarten 2022") %>%
pivot_longer(cols = c("alle Totholztypen"),
names_to = "Totholztyp",
values_to = "Totholzvorrat")
# Bar Totholzvorrat BB Vergleich 13-22
# Plot erstellen als Säulendiagramm für 2013 & 2022
totvorrat_13_22 <- ggplot(totvorrat_long_13_22, aes(x = Eigentumsart, y = Totholzvorrat)) +
geom_bar(stat = "identity", fill = "dodgerblue3", show.legend = FALSE) + # Set custom color
geom_text(aes(label = paste0(round(Totholzvorrat, 1), "")),
vjust = 0.5, hjust = 0.5, color = "white", size = 4.5,
position = position_stack(vjust = 0.5), fontface = "bold") + # Center the labels
labs(x = "",
y = "Totholzvorrat [m³/ha]") +
ggtitle("Vergleich der Totholzvorräte \n Brandenburg LWI 2013 - BWI 2022") +
theme(plot.title = element_text(hjust = 0.5)) +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(margin = margin(b = 20)),
plot.title.position = "plot",
legend.position = "none") +
scale_x_discrete(labels = c("alle Eigentumsarten 2013" = "LWI 2013", "alle Eigentumsarten 2022" = "BWI 2022")) +
scale_y_continuous(labels = scales::comma_format(big.mark = ".", decimal.mark = ","),
breaks = seq(0, 18, by = 2), # Adjust breaks as needed
limits = c(0, 18)) # Set y-axis limit
totvorrat_13_22
```
:::
::: {.column width="50%"}
- direkter Vergleich: Totholzvorrat in Brandenburg von 10,94 m³/ha in
2013 auf 17 m³/ha in 2022, um **6,06 m³/ha**, gestiegen.
- In der Veränderungsrechung (nur Punkte im Veränderungsnetz) liegt
der Anstieg bei **6,4 m³/ha**.
:::
::::
**todo:** Daten aus Import übernehmen
<!-- TODO Daten aus Import übernehmen --> \### Verjüngung
- Bäume bis 4m
- Verjüngungskreis
- [ ] Botschaft: Zu wenig Pflanzen / ha
- [ ] Verbiss halbiert, aber noch immer zu viel bzw. zu wenig Pflanzen
für Waldumbau
### Blöße
- abgenommen (aufgrund Methodik SG waldinv)
- von Kalamitäten verschont geblieben
**todo: verarbeiten oder streichen**
- Leichter Übergang Staatswald zu Privatwald
- Botschaft: Eigentumsvereteilung bleibt weitgehend stabil - Betreuung
Privatwald weiterhin relevant
- Vergleich zum Waldflächennachweis**?**
**todo: Übernahme von Textelementen aus angepassten BWI-LFE_MLUK.qmd und
/ oder
weglassen:**<!-- TODO Übernahme von Textelementen aus angepassten BWI-LFE_MLUK.qmd und / oder weglassen -->
- `r format(trackt_eckenanzahl %>% select(waldecke) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Waldecken.
- 11 Trupps waren 2 Jahre in Brandenburg unterwegs und überprüften
**Trakte** und\
Punkte
- an **todo** Punkten wurden Daten an verschiedenen Probekreisen
erfasst
- dabei wurden insgesamt **todo:** XXX große Bäume vermessen und
**todo:** XXX kleine Bäume gemessen und beurteilt
```{r schirmanteil}
format(round(jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung unter Schirm (Verjüngung)" & Kategorie == 'Wald') %>% select(Fläche_jungfl) %>% pull() / jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung mit oder ohne Schirm" & Kategorie == 'Wald') %>% select(Fläche_jungfl) %>% pull() * 100,1), big.mark = ".", decimal.mark = ",", scientific = FALSE)
```
```{r jungbestflant3}
format(jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung unter Schirm (Verjüngung)" & Kategorie == "Wald") %>% select(Fläche_jungfl) %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)
```
```{r jungbestflant2}
format(round(jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung unter Schirm (Verjüngung)" & Kategorie == "Wald") %>% select(Fläche_jungfl) %>% pull() / jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung mit oder ohne Schirm" & Kategorie == "Wald") %>% select(Fläche_jungfl) %>% pull() * 100,1), big.mark = ".", decimal.mark = ",", scientific = FALSE)
```
```{r jungbestflant1}
jungbestflant %>%
filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung unter Schirm (Verjüngung)" & Kategorie == "Wald") %>% select(Fläche_jungfl) %>%
pull() %>%
round(1)
#format(big.mark = ".", decimal.mark = ",", nsmall=0, scientific = FALSE)
```
```{r echo=FALSE}
# ich weiß immer noch nicht ob prettyNum geeignet ist
prettyNum(waldfl_spez_long %>% filter(Land== 'Brandenburg' & Kategorie == 'Blöße') %>% select(Fläche) %>% pull(), digits = 3, big.mark = ".", decimal.mark = ",", scientific = FALSE)
```