diff --git a/lfe_bwi/R_bwi/Veraenderungsrechnungen.qmd b/lfe_bwi/R_bwi/Veraenderungsrechnungen.qmd index f8e721660439cdf453fb75afceb75af89958ae4d..d6ced7bcb13f39223bd9a937dd51e92062431ef7 100644 --- a/lfe_bwi/R_bwi/Veraenderungsrechnungen.qmd +++ b/lfe_bwi/R_bwi/Veraenderungsrechnungen.qmd @@ -218,7 +218,7 @@ ist_waldfl_ba_2022_long <- ist_waldfl_ba_2022_long %>% mutate(Prozent = round((Waldfläche/sum(ist_waldfl_ba_2022_long$Waldfläche))*100,digits=2)) # add column Prozent (rounded with 2 digits) # Filter the top four rows -top_five <- head(ist_waldfl_ba_2022_long, 5) +top_five <- head(arrange(ist_waldfl_ba_2022_long, desc(Waldfläche)), 5) ist_waldfl_ba_2022_plot22 <- ggplot(ist_waldfl_ba_2022_long, aes(x = "", y = Prozent, fill = reorder(Baumartengruppe, Waldfläche, FUN = sum))) + geom_bar(stat = "identity", width = 1) + @@ -468,7 +468,7 @@ ggplot(combined_data %>% #### Interpretation -### Vergleich Schichtigkeit nach Waldtyp +### Vergleich Schichtigkeit nach Waldtyp ```{r vergl_bestock_schicht_watyp, echo=FALSE} # Assuming jung$bb_waldtyp_bestockungsaufbau13 and jung$bb_waldtyp_bestockungsaufbau22 are your data frames @@ -616,7 +616,7 @@ ggplot(tot_typ_22_long %>% ggtitle("Totholzvorrat nach Totholztyp in m³/ha über alle Länder in Deutschland (BWI2022)") + theme_minimal() + theme(axis.text.x = element_text(angle = 65, hjust = 1), - plot.title = element_text(margin = margin(b = 20))) + + plot.title = element_text(margin = margin(b = 30))) + guides(fill = guide_legend(title = "Totholztyp", title.position = "top")) ``` diff --git a/lfe_bwi/R_bwi/Veraenderungsrechnungen_files/figure-revealjs/ver-gf-bb-eig-22-ssch-1.png b/lfe_bwi/R_bwi/Veraenderungsrechnungen_files/figure-revealjs/ver-gf-bb-eig-22-ssch-1.png index fc3893454adcb1a64e67eeb0675e78d6e5699c70..672aaef5290d9ad5ee2ae57a589a3e0fe02d8d17 100644 Binary files a/lfe_bwi/R_bwi/Veraenderungsrechnungen_files/figure-revealjs/ver-gf-bb-eig-22-ssch-1.png and b/lfe_bwi/R_bwi/Veraenderungsrechnungen_files/figure-revealjs/ver-gf-bb-eig-22-ssch-1.png differ