a

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"))
 
 ```