diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd"
index 3584ebd077db6a5369f412b005efde7be2379dd9..47560f4525b1c55b5a5e5b60ed2e3078b117cfae 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd"
@@ -45,6 +45,29 @@ library(flextable)
```
:::
+<!-- TODO:
+Totholz landeswald
+
+Bäume pro Einwohner 2581667
+
+Fläche Pro Einwohner
+
+Zuwachs pro Minute
+
+
+
+```{r}
+#fmt_pretty(big.mark = ".", ((1127980/10000)/2581667), scientific = FALSE)
+prettyNum(((1127980*10000)/2581667), digits = 5, scientific = FALSE, big.mark = ".", decimal.mark = ",")
+```
+
+Bundesdurchschnitt Kiefer
+
+Anteil Kiefer in Verjüngung
+-->
+
+
+
# Die vierte Bundeswaldinventur 2022 (BWI 2022)
Die Bundeswaldinventur (BWI) ist eine umfassende Erhebung der
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
index d2cc4fc1be75bdc65531997d187063c995d80251..3594de95a6cd5854eca3bfae32f55110a3eeed51 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
@@ -22,6 +22,13 @@ format:
number-sections: true
html:
toc: true
+ revealjs:
+ # ermölicht horizontale und vertikale Gliederung
+ navigation-mode: vertical
+ # gibt die Ãœberschriftenebene an bis zu der eine eigene Folie erzeugt werden soll
+ slide-level: 4
+ incremental: false
+ slide-number: true
pptx:
reference-doc: LFB_Masterfolie_LFE_2024.pptx
editor_options:
@@ -32,29 +39,10 @@ editor_options:
{{< include librarys-datimport.qmd >}}
-Totholz landeswald
-
-Bäume pro Einwohner 2581667
-
-Fläche Pro Einwohner
-
-Zuwachs pro Minute
-
-
-
-```{r}
-#fmt_pretty(big.mark = ".", ((1127980/10000)/2581667), scientific = FALSE)
-prettyNum(((1127980*10000)/2581667), digits = 5, scientific = FALSE, big.mark = ".", decimal.mark = ",")
-```
-
-Bundesdurchschnitt Kiefer
-
-Anteil Kiefer in Verjüngung
-
-
-
# Die Bundeswaldinventur (BWI)
+::::: columns
+::: {.column width="50%"}
- Bundesweite Stichprobeninventur alle 10 Jahre im Wald nach § 41 a
BWaldG
- seit 1987, Deutschlandweit seit 2002 - 4. Turnus
@@ -67,20 +55,70 @@ Anteil Kiefer in Verjüngung
- Planungs- und Investitionsentscheidungen im Cluster Forst und
Holz
- Datenbasis für die forstliche Forschung
+:::
+
+::: {.column width="50%"}
+
+:::
+:::::
## Datenerhebung
- Aufnahmen in Brandenburg von April 2021 bis Ende 2022
- Stichprobennetz von 2 km x 2 km
-- insgesamt wurden ca. `r format(trackt_eckenanzahl %>% select(begutachtungsecken) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Punkte begutachtet
-- `r format(trackt_eckenanzahl %>% select(ausschreibungstrakte) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Trakte mit `r format(trackt_eckenanzahl %>% select(waldecke) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Ecken wurden zur Begutachtung ausgeschrieben und `r format(trackt_eckenanzahl %>% select(lfebearbeitungsecke) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Ecken von eigenen Trupps begutachtet
-- `r format(waldecke_begeh22 %>% filter(Begehbarkeit == "begehbar + nicht begehbar" & Waldspezifikation == "Wald") %>% select(Ecken) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Ecken
- lagen im Wald nach LWaldG und [Walddefinition der
- BWI](#imp-bwi_walddef)
-- von diesen waren `r format(round((waldecke_begeh22 %>% filter(Begehbarkeit == "begehbar" & Waldspezifikation == "Wald") %>% select(Ecken) %>% pull()),2), big.mark = ".", decimal.mark = ",", scientific = FALSE)` begehbar und es konnten Daten aufgenommen werden.
+- insgesamt wurden ca.
+ `r format(trackt_eckenanzahl %>% select(begutachtungsecken) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ Punkte begutachtet
+- `r format(trackt_eckenanzahl %>% select(ausschreibungstrakte) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ Trakte mit
+ `r format(trackt_eckenanzahl %>% select(waldecke) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ Ecken wurden zur Begutachtung ausgeschrieben und
+ `r format(trackt_eckenanzahl %>% select(lfebearbeitungsecke) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ Ecken von eigenen Trupps begutachtet
+- `r format(waldecke_begeh22 %>% filter(Begehbarkeit == "begehbar + nicht begehbar" & Waldspezifikation == "Wald") %>% select(Ecken) %>% pull() %>% as.numeric(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ Ecken lagen im Wald nach LWaldG und [Walddefinition der
+ BWI](#imp-bwi_walddef)
+- von diesen waren
+ `r format(round((waldecke_begeh22 %>% filter(Begehbarkeit == "begehbar" & Waldspezifikation == "Wald") %>% select(Ecken) %>% pull()),2), big.mark = ".", decimal.mark = ",", scientific = FALSE)`
+ begehbar und es konnten Daten aufgenommen werden.
### Waldfläche
+::::: columns
+::: {.column width="50%"}
+- trotz hoher Flächenkonkurrenz Waldfläche mit
+ `r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Wald') %>% select(Fläche) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha
+ unverändert
+- viertgrößte Waldfläche Deutschlands; mit
+ `r format(waldflant %>% filter(Kategorie == "Wald" & Land == "Brandenburg") %>% select(Anteil) %>% pull() %>% round(2), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %
+ auf Platz 5 der waldreichsten Bundesländer
+- Abnahme der Blößen und des Nichtholzbodens v.a. durch Sukzession
+ (z.B. auf ehemaligen Truppenübungsplätzen)
+:::
+
+::: {.column width="50%"}
+```{r TreemapWaldspez, echo=FALSE}
+ggplot((waldfl_spez_long %>%
+ filter(Land == 'Brandenburg' & Kategorie != 'Wald' & Kategorie != 'Holzboden')
+ ), aes(area = Fläche, fill = Kategorie, label = paste(Kategorie,"\n", paste0(format(round(Fläche), big.mark = ".", decimal.mark = ",", scientific = FALSE)), "ha","\n",
+ "(", round(Prozent, 1), "%)", sep = ""))) +
+ geom_treemap(color = "black", size = 0.5) + # Schwarzer Rand um die Felder
+ geom_treemap_text(colour = "black", place = "centre") +
+ scale_fill_manual(values = c(
+ "bestockter Holzboden" = "#24d617", # Grün für bestockter Holzboden
+ "Blöße" = "#d6b913", # Ocker für Blöße
+ "Nichtholzboden" = "grey" # Grau für Nichtholzboden
+ )) +
+ theme(legend.position = "right") +
+ labs(title = "Waldflächen nach Spezifikation\n in Brandenburg in der BWI 2022")
+ggsave("images/TreemapWaldspezifikationen.png", width = 10, height = 10, units = "cm")
+```
+:::
+:::::
+
+### Waldflächentext
+
Brandenburg verfügt über eine Waldfläche von
**`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Wald') %>% select(Fläche) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha**.
@@ -98,8 +136,8 @@ Forstwirtschaftlich unterteilt besteht diese aus:
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Blöße') %>% select(Fläche) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha,
das sind
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Blöße') %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %.
-
-```{r TreemapWaldspez, echo=FALSE}
+
+```{r TreemapWaldspez2, echo=FALSE}
ggplot((waldfl_spez_long %>%
filter(Land == 'Brandenburg' & Kategorie != 'Wald' & Kategorie != 'Holzboden')
), aes(area = Fläche, fill = Kategorie, label = paste(Kategorie,"\n", paste0(format(round(Fläche), big.mark = ".", decimal.mark = ",", scientific = FALSE)), "ha","\n", round(Prozent), "%"))) +
@@ -151,90 +189,22 @@ ggplot((waldfl22_eig_long %>%
) # Formatierung der Fläche
)
) +
- geom_treemap(colour = "white", size = 0.8) + # Hinzufügen von Randlinien um die Rechtecke
- geom_treemap_text(colour = "white", place = "centre", grow = TRUE) +
+ geom_treemap(colour = "black", size = 0.8) + # Hinzufügen von Randlinien um die Rechtecke
+ geom_treemap_text(colour = "black", place = "centre", grow = TRUE) +
geom_treemap_text(aes(label = paste0(Prozent, "%")), # Prozentwerte unter der Fläche anzeigen
- colour = "white", place = "bottom", grow = FALSE, size=12, padding.x = grid::unit(2, "mm")) +
+ colour = "black", place = "bottom", grow = FALSE, size=12, padding.x = grid::unit(2, "mm")) +
labs(
title = "Waldflächenverteilung in Brandenburg",
subtitle = "Nach Eigentumsarten und Gruppen",
fill = "Gruppe" # Legende zeigt die Gruppierung
) +
- theme_minimal()
+ theme(
+ #legend.position = "right", # Position der Legende
+ legend.text = element_text(size = 14), # Schriftgröße der Legendenbeschriftungen
+ #legend.title = element_text(size = 14, face = "bold") # Schriftgröße und Fettdruck des Legendentitels
+ )
+ #theme_minimal()
#ggsave("images/TreemapWaldfläche_Eigentum_Brandenburg_2022.png", width = 20, height = 15, units = "cm")
```
-### Waldaufbau
-
-- Botschaft: Der zukünftige Wald ist / hat wesentlich höheren
- Laubholzanteil & Baumartenmischung
-- mehrschichtig in ha & Ver
-- einschichtig in ha & Ver
-
-### Baumartenanteile
-
-- [ ] Kiefer, Eiche, Buche, (ggf.Birke, Fichte?)
-- [ ] reine Verteilung in Prozent, dahinter kurzmessage mit Botschaft
-- [ ] Botschaft: Kiefer gesunken, Laubholzansteil gestiegen
-
-### Vorrat
-
-- [ ] 3 Hauptbaumarten - ideele Werte
-- [ ] Botschaft: weiter gestiegen
-
-### Zuwachs ?
-
-- 6 m³/ha \* a
-
-### Ernte
-
-- 4 m³/ha \* a?
-- nachhaltige Holznutzung
-- [ ] Botschaft: Wächst mehr zu als wir Ernten
-- [ ] Grafisch Gegenüberstellen
-
-### Totholz
-
-- [ ] Botschaft: Steigerung
-
-- [ ] Aber: überwiegend Nadel und klein klein
-
-- Totholzvorrat in Brandenburg von 10,94 m³/ha in 2013 auf 17 m³/ha in
- 2022 gestiegen
-
-- In der Veränderungsrechung (nur Punkte im Veränderungsnetz) liegt
- der Anstieg bei **6,4 m³/ha**.
-
-**todo:** Daten aus Import übernehmen
-
-### Verjüngung
-
-Welche Ergebnisstabelle nehmen wir hier?
-
-
-- 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
-
-### Highlights - aus Daten!
-
-- [x] Dickster Baum - Stieleiche:
- **`r format(ba_bhd %>% select(ba_name, bhd_cm) %>% pull(), scientific = FALSE)` cm BHD**
- **todo BA_NAme anzeigen**
-- [x] Höchster Baum - Douglasie: 45.2 m
-- [x] Ältester Baum - Traubeneiche: 349 Jahre
-- [x] Anzahl Bäume insgesamt - 86.732 Bäume mit BHD (nur Bäume aus
- WZP4 )
-- [ ] Bäume / Ecken kontrolliert -
-- [x] Trakte gesamt - 3.759
-- [x] Trakte kontrolliert - 377 (10.1 %)
-- [x] Anzahl Waldecken - 11.463
-###### Weitere Informationen und Ansprechpartner
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/Screenshot_20241001_232551_ArtikelBZ.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/Screenshot_20241001_232551_ArtikelBZ.png"
new file mode 100644
index 0000000000000000000000000000000000000000..a872ef7109b0057b993756c471de0bc4931e5e94
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/Screenshot_20241001_232551_ArtikelBZ.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldfl\303\244che_Eigentum_Brandenburg_2022.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldfl\303\244che_Eigentum_Brandenburg_2022.png"
index 05b15db33a9378ccf33a8284714a8e6251dfb159..b1844b3af5939f367ed6dc001473b7152c43081f 100644
Binary files "a/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldfl\303\244che_Eigentum_Brandenburg_2022.png" and "b/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldfl\303\244che_Eigentum_Brandenburg_2022.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldspezifikationen.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldspezifikationen.png"
index a4457145cf1ac0b75b218077704cfd4f4ab07dc9..ad82a07e11d3e0b8aa0680a9e16f04bfb2a9933b 100644
Binary files "a/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldspezifikationen.png" and "b/R_bwi/bwi_ver\303\266ffentlichung/images/TreemapWaldspezifikationen.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/scribble.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/scribble.qmd"
index 7ff032646fa5cc6a367d4dfab73664bb099de321..2544297393128ad1949fcf0a6fb2c2e9f5a94c6d 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/scribble.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/scribble.qmd"
@@ -5,7 +5,29 @@ title: "scribble"
{{< include librarys-datimport.qmd >}}
-
+```{r}
+ggplot((waldfl_spez_long %>%
+ filter(Land == 'Brandenburg' & Kategorie != 'Wald' & Kategorie != 'Holzboden')
+ ), aes(area = Fläche, fill = Kategorie, label = paste(Kategorie,"\n", paste0(format(round(Fläche), big.mark = ".", decimal.mark = ",", scientific = FALSE)), "ha","\n",
+ "(", round(Prozent, 1), "%)", sep = ""))) +
+ geom_treemap(color = "black", size = 0.5) + # Schwarzer Rand um die Felder
+ geom_treemap_text(colour = "black", place = "centre") +
+ scale_fill_manual(values = c(
+ "bestockter Holzboden" = "#24d617", # Grün für bestockter Holzboden
+ "Blöße" = "#d6b913", # Ocker für Blöße
+ "Nichtholzboden" = "grey" # Grau für Nichtholzboden
+ )) +
+ theme(legend.position = "right") +
+ labs(title = "Waldflächen nach Spezifikation\n in Brandenburg in der BWI 2022") +
+ geom_label(data = mittelpunkte, aes(x, y, label = Kategorie),
+ hjust = 0, vjust = 0.5, size = 4) #+
+ # theme(
+ # axis.title = element_blank(), # Entfernt die Titel der Achsen
+ # axis.text = element_blank(), # Entfernt die Achsenbeschriftungen
+ # axis.ticks = element_blank(), # Entfernt die Achsenstriche
+ # axis.line = element_blank() # Entfernt die Achsenlinien
+ # )
+```
# ToDos