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 47560f4525b1c55b5a5e5b60ed2e3078b117cfae..c82f4fbda91a6155d1dc376f4c4c2d84201080d6 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/BWI-LFE_MLUK.qmd"
@@ -635,12 +635,16 @@ ggplot((ver_waldfl22_eig_long %>%
size = 3,
color = "black",
angle = 90) +
- labs(x = "Kategorie", y = "Veränderungen [ha]") + # Achsenbeschriftungen festlegen
+ labs(x = "Eigentumsgruppe", y = "Veränderungen [ha]") + # Achsenbeschriftungen festlegen
ggtitle("Veränderungen der Waldfläche nach Eigentumsart\n in Brandenburg von 2012-2022") +
theme_minimal() +
- theme(axis.text.x = element_text(angle = 45, hjust = 1),
- plot.title = element_text(hjust = 0.5),
- plot.title.position = "plot") +
+ theme(
+ axis.text.x = element_text(angle = 45, hjust = 1, size = 10), # X-Achsen-Beschriftung drehen
+ plot.title = element_text(hjust = 0.5), # Titel zentrieren
+ plot.title.position = "plot", # Titel-Position
+ axis.title.x = element_text(face = "bold", size = 12), # X-Achsentitel fett und größer
+ axis.title.y = element_text(face = "bold", size = 12) # Y-Achsentitel fett und größer
+ ) +
scale_fill_brewer(palette = "Greens") + # Farbskala
guides(fill = 'none') # Legende entfernen
#ggsave("images/VeränderungenWaldfläche_Eigentum_Brandenburg_2012-2022.png", width = 15, height = 10, units = "cm")
@@ -842,8 +846,9 @@ Eigentumsarten](images/VeränderungenWaldfläche_Eigentum_Brandenburg_2012-2022.
## Lebensraum Wald
-**todo:** In Brandenburg stehen Rechnerich 748.803.922 Bäume. \###
-Baumartenzusammensetzung
+**todo:** In Brandenburg stehen Rechnerich 748.803.922 Bäume.
+
+### Baumartenzusammensetzung
Brandenburg ist mit einem Anteil von
**`r format(waldfl22_ba_long %>% filter(Land == "Brandenburg" & Ba_Wa == "Kiefer (Pinus)") %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %**
@@ -852,19 +857,24 @@ noch Standflächenanteile von über 5 %, Buche, Erle und die sonstigen
Laubhölzer hoher und niedriger Lebensdauer erreichen immer noch zwischen
2,2Â % und 3,6Â % (vgl. @tbl-baumartenstandfl22).
+
::::: columns
::: column
```{r waldfl22_stackbar, echo=FALSE, fig.height=12, fig.width=8}
-# Daten für den Plot vorbereiten
-waldfl22_ba_diag <- waldfl22_ba_long %>%
+# # Daten für den Plot vorbereiten
+# waldfl22_ba_diag <- waldfl22_ba_long %>%
+# filter(Land == "Brandenburg" & !Ba_Wa %in% c("alle Laubbäume", "alle Nadelbäume")) %>%
+# arrange(Fläche) # Sortieren nach Fläche
+# #waldfl_ba_long_2022$Ba_Wa <- factor(waldfl_ba_long_2022$Ba_Wa, levels = waldfl_ba_long_2022$Ba_Wa)
+# # Plot erstellen als gestapeltes Säulendiagramm - geordnet mit Flächenangaben
+#waldfl22_stackbar <-
+ ggplot(
+ waldfl22_ba_long %>%
filter(Land == "Brandenburg" & !Ba_Wa %in% c("alle Laubbäume", "alle Nadelbäume")) %>%
arrange(Fläche) # Sortieren nach Fläche
-#waldfl_ba_long_2022$Ba_Wa <- factor(waldfl_ba_long_2022$Ba_Wa, levels = waldfl_ba_long_2022$Ba_Wa)
-# Plot erstellen als gestapeltes Säulendiagramm - geordnet mit Flächenangaben
-#waldfl22_stackbar <-
- ggplot(waldfl22_ba_diag, aes(x = Land, y = Fläche, fill = reorder(Ba_Wa, Fläche, FUN = sum))) +
+ , aes(x = Land, y = Fläche, fill = reorder(Ba_Wa, Fläche, FUN = sum))) +
geom_bar(stat = "identity", position = "stack") +
- scale_fill_manual(values = waldfl22_ba_diag$Farbe) + # Farben manuell festlegen
+ scale_fill_manual(values = waldfl22_ba_long$Farbe) + # Farben manuell festlegen
labs(x = "Standfläche",
y = "Fläche [ha]") +
ggtitle("Waldfläche nach Baumartengruppe, \nBlöße und Lücke in Brandenburg\n(BWI2022)") +
@@ -877,7 +887,9 @@ waldfl22_ba_diag <- waldfl22_ba_long %>%
#guides(fill = guide_legend(title = "Baumartengruppe, Blößen, Lücken", title.position = "top")) +
scale_y_continuous(labels = scales::comma_format(big.mark = ".", decimal.mark = ","),
breaks = seq(0, sum(waldfl22_ba_diag$Fläche), by = 100000)) # Unterteilungen bei 100000 einfügen
-#ggsave("../pics/waldfl22_stackbar.pdf",waldfl22_stackbar,width = 7,height = 5,units = "in")
+
+#ggsave("images/waldfl22_stackbar.png", width = 20, height = 10, units = "cm")
+ #ggsave("../pics/waldfl22_stackbar.pdf",waldfl22_stackbar,width = 7,height = 5,units = "in")
#waldfl22_stackbar
```
:::
@@ -933,7 +945,46 @@ weniger und von der Buche immer noch genauso wenig Bäume auf der Fläche
stehen wie vorher.
:::
-#### Baumartenzusammensetzungsänderung
+```{r waldfl_ba_22_treemap, echo=FALSE}
+ggplot(
+ waldfl22_ba_long %>%
+ filter(Land == "Brandenburg" & !Ba_Wa %in% c("alle Laubbäume", "alle Nadelbäume")) %>%
+ arrange(Fläche) # Sortieren nach Fläche
+ , aes(area = Fläche, fill = reorder(Ba_Wa, Fläche, FUN = sum), label = paste(Ba_Wa, "\n", format(round(Fläche, 0), big.mark = ".", decimal.mark = ","), "ha","\n","(", round(Prozent, 1), "%)", sep = ""))) +
+ geom_treemap() + # Treemap zeichnen
+ scale_fill_manual(values = waldfl22_ba_long$Farbe) + # Farben manuell festlegen
+
+ geom_treemap(color = "black", size = 0.5) + # Schwarzer Rand um die Felder
+ geom_treemap_text(colour = "black", place = "centre", grow = TRUE) + # Text hinzufügen
+ labs(title = "Waldfläche nach Baumartengruppe, Blöße und Lücke \nin Brandenburg (BWI2022)",
+ subtitle = "rechnerischer Reinbestand nach Standfläche der Bäume") +
+ theme_minimal() +
+ guides(fill = guide_legend(title = "Baumartengruppe, Blößen, Lücken", title.position = "bottom", size = 0.5, label.size = 5, title.size = 10))
+#ggsave("images/waldfl_ba_22_treemap.png", width = 20, height = 15, units = "cm")
+```
+
+### Altersstruktur
+
+```{r}
+
+bb_vor_bhd_akl_22_long$Altersklasse <- factor(bb_vor_bhd_akl_22_long$Altersklasse,
+ levels = c("1 - 20 Jahre", "21 - 40 Jahre", "41 - 60 Jahre",
+ "61 - 80 Jahre", "81 - 100 Jahre", "101 - 120 Jahre",
+ "121 - 140 Jahre", "141 - 160 Jahre", "> 160 Jahre"),
+ labels = c("I\n1 - 20 Jahre", "II\n21 - 40 Jahre", "III\n41 - 60 Jahre",
+ "IV\n61 - 80 Jahre", "V\n81 - 100 Jahre", "VI\n101 - 120 Jahre",
+ "VII\n121 - 140 Jahre", "VIII\n141 - 160 Jahre", "IX\n> 160 Jahre"))
+# Umordnen der Faktorstufen basierend auf einem numerischen Wert, der jeder Kategorie zugewiesen wird
+bb_vor_bhd_akl_22_long$Brusthöhendurchmesser <- factor(bb_vor_bhd_akl_22_long$Brusthöhendurchmesser,
+ levels = c("ab 90 cm", "80,0 - 89,9 cm", "70,0 - 79,9 cm", "60,0 - 69,9 cm", "50,0 - 59,9 cm",
+ "40,0 - 49,9 cm", "30,0 - 39,9 cm", "20,0 - 29,9 cm" , "10,0 - 19,9 cm", "7,0 - 9,9 cm"),
+ ordered = TRUE)
+```
+
+
+### Baumartenzusammensetzungsänderung
+
+Wie in [Baumartenzusammensetzung](#Baumartenzusammensetzung) ist Brandenburg von der Kiefer dominiert. Wie haben sich aber die Wälder und damit auch die Baumartenanteile entwickelt?
```{r plot-standfl22_ver, echo=FALSE}
@@ -994,7 +1045,7 @@ ggplot((vor_ver_vor %>% filter(Land == 'Brandenburg') %>% filter(Baumartengruppe
scale_fill_manual(values = (ba_farben[names(ba_farben) %in% vor_ver_vor$Baumartengruppe])) + # Farben manuell festlegen
labs(x = "Baumartengruppen", y = "Veränderungen [GF in m²]",
fill = "Baumartengruppen",
- title = "Veränderungen der Grundfläche aller Bestandesschichten in Brandenburg \nvon der BWI 2012 zur BWI 2022",
+ title = "Veränderungen der Grundfläche aller Bestandesschichten in \nBrandenburg von der BWI 2012 zur BWI 2022",
fill = "Baumartengruppen") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
@@ -1114,10 +1165,53 @@ land_bestaufbau %>%
```
```{r}
-ver_land_bestaufbau_ha %>%
+land_bestaufbau %>%
filter(Land == "Brandenburg"
- & Bestockungsaufbau == 'mehrschichtig'
- )
+ & !Bestockungsaufbau %in% c('mehrschichtig',
+ 'alle Arten von Bestockungsaufbau')
+ ) %>%
+ inner_join(ver_land_bestaufbau_ha
+ %>% filter(Land == "Brandenburg"& !Bestockungsaufbau %in% c('mehrschichtig',
+ 'alle Arten von Bestockungsaufbau')),
+ by = "Bestockungsaufbau") %>%
+ select(Bestockungsaufbau, Fläche.x, Anteil, Fläche.y) %>%
+ rename(Fläche = Fläche.x, Veränderung = Fläche.y)
+
+```
+
+```{r groupbar-bestaufbauflant, echo=FALSE}
+ggplot(
+ land_bestaufbau %>%
+ filter(Land == "Brandenburg" & !Bestockungsaufbau %in% c('mehrschichtig', 'alle Arten von Bestockungsaufbau')) %>%
+ inner_join(ver_land_bestaufbau_ha %>%
+ filter(Land == "Brandenburg" & !Bestockungsaufbau %in% c('mehrschichtig', 'alle Arten von Bestockungsaufbau')),
+ by = "Bestockungsaufbau") %>%
+ select(Bestockungsaufbau, Fläche = Fläche.x, Veränderung = Fläche.y) %>%
+ pivot_longer(cols = c(Fläche, Veränderung), names_to = "Typ", values_to = "Wert")
+ , aes(x = reorder(Bestockungsaufbau, -Wert), y = Wert, fill = Bestockungsaufbau)) + # Färben nach Bestockungsaufbau
+ geom_col(aes(group = Typ), position = position_dodge(width = 0.8), width = 0.7) + # Typ als Gruppe verwenden, um nebeneinander zu bleiben
+ labs(x = "Bestockungsaufbau", y = "Holzbodenfläche [ha]",
+ title = "Fläche und Veränderungen des Bestockungsaufbaus in Brandenburg") +
+ theme_minimal() +
+ scale_fill_brewer(palette = "Greens") + # Färben nach Bestockungsaufbau mit einer Farbpalette
+ theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
+ scale_y_continuous(labels = label_comma(big.mark = ".", decimal.mark = ",", accuracy = 1), # Tausenderformat
+ breaks = seq(0, max(land_bestaufbau$Fläche, na.rm = TRUE), by = 100000)) # Schrittweite von 100.000 ha
+#ggsave("images/groupbar-bestaufbauflant.png", width = 15, height = 10, units = "cm")
+```
+<!-- TODO sinnvolle Darstellung finden -->
+```{r}
+ggplot(waldtyp_bestaufbau_bb_ha_proz_ver %>%
+ filter(!Bestockungsaufbau == 'alle Arten von Bestockungsaufbau') %>%
+ select("Laub-/Nadel-Waldtyp",Bestockungsaufbau, Fläche, Anteil, Veränderung) %>%
+ pivot_longer(cols = c(Fläche, Veränderung), names_to = "Typ", values_to = "Wert"), aes(x = reorder(Bestockungsaufbau, -Wert), y = Wert, fill = Typ)) +
+ geom_col(position = "dodge") + # "dodge" sorgt dafür, dass die Balken nebeneinander stehen
+ facet_wrap(~ `Laub-/Nadel-Waldtyp`, scales = "free_x") + # Gruppiert nach Waldtyp
+ labs(x = "Bestockungsaufbau", y = "Wert [ha]",
+ title = "Fläche und Veränderungen nach Waldtyp in Brandenburg") +
+ theme_minimal() +
+ scale_fill_manual(values = c("Fläche" = "skyblue", "Veränderung" = "salmon")) + # Verschiedene Farben für Fläche und Veränderung
+ theme(axis.text.x = element_text(angle = 45, hjust = 1))
```
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
index 3594de95a6cd5854eca3bfae32f55110a3eeed51..42ca013ecfef1df34951f3e9d2d10c5e63f5de6a 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/BWI2022_PK20241014.qmd"
@@ -99,10 +99,10 @@ editor_options:
::: {.column width="50%"}
```{r TreemapWaldspez, echo=FALSE}
+#TODO: Label außerhalb Diagramm erstellen
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 = ""))) +
+ ), 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(
@@ -111,8 +111,8 @@ ggplot((waldfl_spez_long %>%
"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")
+ labs(title = "Waldflächen nach Spezifikation\n in Brandenburg in der BWI 2022")
+#ggsave("images/TreemapWaldspezifikationen.png", width = 10, height = 10, units = "cm")
```
:::
:::::
@@ -137,18 +137,7 @@ Forstwirtschaftlich unterteilt besteht diese aus:
das sind
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Blöße') %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = 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), "%"))) +
- geom_treemap() +
- geom_treemap_text(colour = "white", place = "centre", #grow = TRUE,
- ) +
- scale_fill_brewer(palette = "Set3") +
- 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")
-```
+
Damit nimmt Brandenburg nach absoluter Waldfläche bundesweit den
**vierten** Platz - nach Bayern, Baden-Württemberg und Niedersachsen -
@@ -206,5 +195,139 @@ ggplot((waldfl22_eig_long %>%
#theme_minimal()
#ggsave("images/TreemapWaldfläche_Eigentum_Brandenburg_2022.png", width = 20, height = 15, units = "cm")
```
+### Eigentumsübergänge 2012-2022
+::::: columns
+::: {.column width="50%"}
+- Zunahme im Privatwald u.a. durch Ãœbertragung an Stiftungen
+- größte Flächenzunahme im Privatwald zwischen 20 ha und 1000 ha
+- leichte Zunahme im Privatwald >1000 ha
+- alle anderen Eigentumsformen verlieren Fläche
+:::
+::: {.column width="50%"}
+```{r ver-waldfl_eig_plot, echo=FALSE}
+ggplot((ver_waldfl22_eig_long %>%
+ group_by(Land) %>%
+ filter(Land == "Brandenburg" & !Eigentumsart %in% c("Öffentlicher Wald", "Privatwald"))),
+ aes(x = reorder(Eigentumsart, `Fläche`), y = `Fläche`, fill = Eigentumsart)) +
+ geom_col() +
+ geom_text(aes(label = format(round(`Fläche`, 0), big.mark = ".", decimal.mark = ",", scientific = FALSE)),
+ position = position_stack(vjust = 0.5), # Adjust position for placement inside bars
+ size = 3,
+ color = "black",
+ angle = 90) +
+ labs(x = "Eigentumsgruppe", y = "Veränderungen [ha]") + # Achsenbeschriftungen festlegen
+ ggtitle("Veränderungen der Waldfläche nach Eigentumsart\n in Brandenburg von 2012-2022") +
+ theme_minimal() +
+ theme(
+ axis.text.x = element_text(angle = 45, hjust = 1, size = 10), # X-Achsen-Beschriftung drehen
+ plot.title = element_text(hjust = 0.5), # Titel zentrieren
+ plot.title.position = "plot", # Titel-Position
+ axis.title.x = element_text(face = "bold", size = 12), # X-Achsentitel fett und größer
+ axis.title.y = element_text(face = "bold", size = 12) # Y-Achsentitel fett und größer
+ ) +
+ scale_fill_brewer(palette = "Greens") + # Farbskala
+ guides(fill = 'none') # Legende entfernen
+#ggsave("images/VeränderungenWaldfläche_Eigentum_Brandenburg_2012-2022.png", width = 15, height = 10, units = "cm")
+```
+:::
+:::::
+
+## Baumartenverteilung
+
+::::: columns
+::: column
+- mit einem Anteil von
+**`r format(waldfl22_ba_long %>% filter(Land == "Brandenburg" & Ba_Wa == "Kiefer (Pinus)") %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %**
+immer noch von der Kiefer geprägt
+- Eichen und Birken haben jeweils
+noch Standflächenanteile von über 5 %,
+- Buche, Erle und die sonstigen
+Laubhölzer hoher und niedriger Lebensdauer erreichen immer noch zwischen
+2,2Â % und 3,6Â %
+:::
+
+::: column
+```{r waldfl_ba_22_treemap, echo=FALSE}
+ggplot(
+ waldfl22_ba_long %>%
+ filter(Land == "Brandenburg" & !Ba_Wa %in% c("alle Laubbäume", "alle Nadelbäume")) %>%
+ arrange(Fläche) # Sortieren nach Fläche
+ , aes(area = Fläche, fill = reorder(Ba_Wa, Fläche, FUN = sum), label = paste(Ba_Wa, "\n", format(round(Fläche, 0), big.mark = ".", decimal.mark = ","), "ha","\n","(", round(Prozent, 1), "%)", sep = ""))) +
+ geom_treemap() + # Treemap zeichnen
+ scale_fill_manual(values = waldfl22_ba_long$Farbe) + # Farben manuell festlegen
+
+ geom_treemap(color = "black", size = 0.5) + # Schwarzer Rand um die Felder
+ geom_treemap_text(colour = "black", place = "centre", grow = TRUE) + # Text hinzufügen
+ labs(title = "Waldfläche nach Baumartengruppe, Blöße und Lücke \nin Brandenburg (BWI2022)",
+ subtitle = "rechnerischer Reinbestand nach Standfläche der Bäume") +
+ theme_minimal() +
+ guides(fill = guide_legend(title = "Baumartengruppe, Blößen, Lücken", title.position = "bottom", size = 0.5, label.size = 5, title.size = 10))
+#ggsave("images/waldfl_ba_22_treemap.png", width = 20, height = 15, units = "cm")
+```
+:::
+:::::
+
+### Baumartenzusammensetzungsänderung
+
+::::: columns
+::: {.column width="50%"}
+- Anstieg des Laubbaumanteils (v.a. Eiche und Buche)
+- erheblicher Rückgang von Birke und den Laubbäumen niedriger Lebensdauer (z.B. Erle, Pappel, Vogelbeere, Weiden)
+- Abnahme der Blößenflächen
+:::
+
+::: {.column width="50%"}
+```{r plot-standfl22_ver, echo=FALSE}
+
+ggplot((ver_stndfl_long %>% filter(Land == 'Brandenburg') %>% filter(Baumartengruppe != "alle Baumarten")), aes(x = reorder(Baumartengruppe, Veränderungen), y = Veränderungen, fill = Baumartengruppe)) +
+ geom_col() +
+ scale_fill_manual(values = (ba_farben[names(ba_farben) %in% ver_stndfl_long$Baumartengruppe])) + # Farben manuell festlegen
+ labs(x = "Baumartengruppen", y = "Veränderungen [ha]",
+ fill = "Baumartengruppen",
+ title = "Veränderungen der Standflächen \n im Hauptbestand in Brandenburg (2022)",
+ fill = "Baumartengruppen") +
+ theme_minimal() +
+ theme(axis.text.x = element_text(angle = 45, hjust = 1),
+ plot.title = element_text(hjust = 0.5, margin = margin(b = 25)), # Hinzufügen von Rändern im Titel
+ legend.title = element_text(margin = margin(b = 10)), # Zusätzlicher Abstand zwischen Titel und Legende
+ legend.spacing.y = unit(2, "lines")) + # Zusätzlicher Abstand zwischen Titel und Legende
+ guides(fill = guide_legend(title.position = "top")) # Position des Legendentitels ändern
+#ggsave("images/plot-standfl22_ver.png", width = 20, height = 10, units = "cm")
+```
+:::
+:::::
+
+### Änderungen in der Waldstruktur
+::::: columns
+::: {.column width="50%"}
+- `r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Fläche) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha bzw. `r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Anteil) %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` % der Holzbodenfläche in Brandenburg haben mindestens zwei Schichten
+- gegenüber der BWI 2012 hat sich die Fläche mit Beständen von mindestens zwei Schichten um `r format(ver_land_bestaufbau_ha %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig' ) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha erhöht
+- der Anteil einschichtiger Bestände hat sich gegenüber der BWI 2012 um `r format(abs(ver_land_bestaufbau_ha %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'einschichtig' ) %>% pull() %>% round(0)), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha verringert
+
+:::
+
+::: {.column width="50%"}
+```{r groupbar-bestaufbauflant, echo=FALSE}
+ggplot(
+ land_bestaufbau %>%
+ filter(Land == "Brandenburg" & !Bestockungsaufbau %in% c('mehrschichtig', 'alle Arten von Bestockungsaufbau')) %>%
+ inner_join(ver_land_bestaufbau_ha %>%
+ filter(Land == "Brandenburg" & !Bestockungsaufbau %in% c('mehrschichtig', 'alle Arten von Bestockungsaufbau')),
+ by = "Bestockungsaufbau") %>%
+ select(Bestockungsaufbau, Fläche = Fläche.x, Veränderung = Fläche.y) %>%
+ pivot_longer(cols = c(Fläche, Veränderung), names_to = "Typ", values_to = "Wert")
+ , aes(x = reorder(Bestockungsaufbau, -Wert), y = Wert, fill = Bestockungsaufbau)) + # Färben nach Bestockungsaufbau
+ geom_col(aes(group = Typ), position = position_dodge(width = 0.8), width = 0.7) + # Typ als Gruppe verwenden, um nebeneinander zu bleiben
+ labs(x = "Bestockungsaufbau", y = "Holzbodenfläche [ha]",
+ title = "Fläche und Veränderungen des \nBestockungsaufbaus in Brandenburg") +
+ theme_minimal() +
+ scale_fill_brewer(palette = "Greens") + # Färben nach Bestockungsaufbau mit einer Farbpalette
+ theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
+ scale_y_continuous(labels = label_comma(big.mark = ".", decimal.mark = ",", accuracy = 1), # Tausenderformat
+ breaks = seq(0, max(land_bestaufbau$Fläche, na.rm = TRUE), by = 100000)) # Schrittweite von 100.000 ha
+#ggsave("images/groupbar-bestaufbauflant.png", width = 15, height = 10, units = "cm")
+```
+:::
+:::::
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/Ver\303\244nderungenWaldfl\303\244che_Eigentum_Brandenburg_2012-2022.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/Ver\303\244nderungenWaldfl\303\244che_Eigentum_Brandenburg_2012-2022.png"
index bfd38d9e48bae7db13aa8a8cf0ee8e6d14eb511f..22208597dde068fe5d1916ea4f6051a07e4edf05 100644
Binary files "a/R_bwi/bwi_ver\303\266ffentlichung/images/Ver\303\244nderungenWaldfl\303\244che_Eigentum_Brandenburg_2012-2022.png" and "b/R_bwi/bwi_ver\303\266ffentlichung/images/Ver\303\244nderungenWaldfl\303\244che_Eigentum_Brandenburg_2012-2022.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/groupbar-bestaufbauflant.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/groupbar-bestaufbauflant.png"
new file mode 100644
index 0000000000000000000000000000000000000000..a69a85168780efe566d1da40693e2a07beb5def3
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/groupbar-bestaufbauflant.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/plot-standfl22_ver.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/plot-standfl22_ver.png"
new file mode 100644
index 0000000000000000000000000000000000000000..4f7bb45bb25e575b366c6e7e7f8b71b967fe65e5
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/plot-standfl22_ver.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_stackbar.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_stackbar.png"
new file mode 100644
index 0000000000000000000000000000000000000000..33b8e62bfb8c6819ee1dfc78e992737e575b945d
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_stackbar.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_treemap.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_treemap.png"
new file mode 100644
index 0000000000000000000000000000000000000000..c4e97440ea4c94eb79de91a7de900e1588a6fac2
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl22_treemap.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl_ba_22_treemap.png" "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl_ba_22_treemap.png"
new file mode 100644
index 0000000000000000000000000000000000000000..c4e97440ea4c94eb79de91a7de900e1588a6fac2
Binary files /dev/null and "b/R_bwi/bwi_ver\303\266ffentlichung/images/waldfl_ba_22_treemap.png" differ
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/infoflyer.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/infoflyer.qmd"
index 89ee24cb411d739b1c2e8f48d4db94dd954e0305..3379092eaffaed5aa8dcf0096aed5e92964916f4 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/infoflyer.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/infoflyer.qmd"
@@ -1,6 +1,6 @@
---
title: "BWI-Infoflyer"
-subtitle: "Informationen als Infografik zu den Brendenburger Ergebnisdaten der BWI 2022 für die Hosentasche und Webseite"
+subtitle: "Informationen als Infografik zu den Brandenburger Ergebnisdaten der BWI 2022 für die Hosentasche und Webseite"
institution: "Landeskompetenzzentrum Forst Eberswalde"
author: "Sebastian Schmidt und Torsten Wiebke"
date: last-modified
@@ -124,7 +124,7 @@ Das Thünen-Institut für Waldökosysteme koordiniert die BWI in ganz
Deutschland. Die Länder führen die Datenerhebung und Qualitätssicherung
durch. Brandenburg übernimmt dabei auch die Inventur für Berlin. Die BWI
2022 für Brandenburg und Berlin wird durch das Sachgebiet
-Waldinventuren, des Landeskompetenzzentrum Forst (LFE) im Landesbetrieb
+Waldinventuren des Landeskompetenzzentrums Forst Eberswalde (LFE) im Landesbetrieb
Forst Brandenburg durchgeführt, koordiniert und ausgewertet.
**todo: check des Endzeitraumes und gegebenenfalls in allen qmds
@@ -154,7 +154,7 @@ kontrolliert.
Die Ergebnisse der Bundeswaldinventur sind unter <https://bwi.info> als
Tabellen und Grafiken abrufbar. Hintergrundinformationen finden sich auf
der Seite des BMEL: <https://www.bundeswaldinventur.de> Das LFE
-veröffentlicht zukünftig eine Eberswalder forstliche Schriftenreihe dazu
+veröffentlicht zukünftig eine Eberswalder forstliche Schriftenreihe zu weiteren Detailauswertungen
unter <https://forst.brandenburg.de/lfb/de/service/publikationen>
## Infografik
@@ -164,11 +164,11 @@ unter <https://forst.brandenburg.de/lfb/de/service/publikationen>
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**.
-Die Waldfläche hat sich wenig verändert.
+Die Waldfläche hat sich fast nicht verändert.
in Deutschland viertgrößte Waldfläche, mit
**`r format(waldflant %>% filter(Kategorie == "Wald" & Land == "Brandenburg") %>% select(Anteil) %>% pull() %>% round(2), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %**
-der fünftgrößte Anteil
+der fünftgrößte Flächeanteil
#### Waldflächen zur Info
@@ -220,7 +220,7 @@ als Blöße erfasst. Gegenüber der BWI 2012 gab es eine Veränderung von
<!-- TODO abklären welche Ergebnistabellen hier wirklich relevant/Aussagekräftig sind -->
-In Brandenburg sind
+In Brandenburg sind auf
`r format(jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung mit oder ohne Schirm" & Kategorie == 'Wald') %>% select(Fläche_jungfl) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha
Jungbestockung vorhanden. Das entspricht
`r format(jungbestflant %>% filter(Land == 'Brandenburg' & Jungbestockung == "Jungbestockung mit oder ohne Schirm" & Kategorie == "Wald") %>% select(Waldflächenanteil) %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %
@@ -235,19 +235,19 @@ mehr Jungbestockungsfläche.
<!-- TODO Verbiss -->
`r format(nproz_verb_ba_bb %>% filter(Baumartengruppe == 'alle Baumarten' & Verbissart == 'Verbiss') %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %
-aller Bäume in Brandenburg sind verbissen. Hinsichtlich des Zieles einen
+aller jungen Bäume in Brandenburg sind verbissen. Hinsichtlich des Zieles einen
klimaresilienten Wald aus Naturverjüngung zu erziehen ist ein
Verbissanteil von
`r format(nproz_verb_ba_bb %>% filter(Baumartengruppe == 'alle Laubbäume' & Verbissart == 'Verbiss') %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %
bei den Laubbäumen und insbesondere von
-`r format(nproz_verb_ba_bb %>% filter(Baumartengruppe == 'sonst. Lb niedriger Lebensdauer' & Verbissart == 'Verbiss') %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)`Â %
-als zu hoch einzustufen. Dies insbesondere bei einer Dichte von
+`r format(nproz_verb_ba_bb %>% filter(Baumartengruppe == 'sonst. Lb niedriger Lebensdauer' & Verbissart == 'Verbiss') %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` % bei den sonstigen Laubbäumen niedriger Lebensdauer
+als zu hoch einzustufen. Dies besonders bei einer geringen Jungplflanzendichte von
`r format(jung_nha_verb_ba_bb %>% filter(Baumartengruppe == 'alle Laubbäume' & Verbissart == 'kein Verbiss') %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` Pflanzen/ha
für die Laubbäume.
### Waldaufbau
-`r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Fläche) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha bzw. `r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Anteil) %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` % der Holzbodenfläche in Brandenburg haben mindestens zwei Schichten. Gegenüber der BWI 2012 hat sich die Fläche mit Beständen von mindestens zwei Schichten um `r format(ver_land_bestaufbau_ha %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig' ) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha erhöht.
+`r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Fläche) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha bzw. `r format(land_bestaufbau %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig') %>% select(Anteil) %>% pull() %>% round(1), big.mark = ".", decimal.mark = ",", scientific = FALSE)` % der bestockten Waldfläche (Holzbodenfläche) in Brandenburg haben mindestens zwei Schichten. Gegenüber der BWI 2012 hat sich die Fläche mit Beständen von mindestens zwei Schichten um `r format(ver_land_bestaufbau_ha %>% filter(Land == "Brandenburg" & Bestockungsaufbau == 'mehrschichtig' ) %>% pull() %>% round(0), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha erhöht.
### Baumartenanteile
@@ -327,7 +327,7 @@ zuw_land_bagr_qm_ha_a %>%
### Nutzung
- nachhaltige Holznutzung
-- [ ] Botschaft: Wächst mehr zu als wir Ernten
+- [ ] Botschaft: es wächst mehr zu als wir an Holz Ernten
- [ ] Grafisch Gegenüberstellen?
```{r tbl-nutz_land_qm_ha_ideell, echo=FALSE}
@@ -353,7 +353,7 @@ nutz_land_qm_ha_ideell %>%
- [ ] Botschaft: Steigerung
-- [ ] Aber: überwiegend Nadel und klein klein
+- [ ] Aber: überwiegend Nadeltotholz und dünnes Totholz
```{r tbl-tot_land_qm_ha_reell, echo=FALSE}
#| label: tbl-tot_land_qm_ha_reell
diff --git "a/R_bwi/bwi_ver\303\266ffentlichung/librarys-datimport.qmd" "b/R_bwi/bwi_ver\303\266ffentlichung/librarys-datimport.qmd"
index dff7f526894c64677d6a1ba7fb1ab156931b6ebb..0eeba2de8818626499ecef3f54cea00f0119b1bf 100644
--- "a/R_bwi/bwi_ver\303\266ffentlichung/librarys-datimport.qmd"
+++ "b/R_bwi/bwi_ver\303\266ffentlichung/librarys-datimport.qmd"
@@ -329,6 +329,10 @@ vor <- lapply(vor_sheet_names, function(sheet) {
names(vor) <- vor_sheet_names
```
+#### Vorrat Baumarten und Altersklassen - v.a. reell
+
+
+
#### Vorratsänderung
```{r imp_ver_vor, include=FALSE}
@@ -358,6 +362,24 @@ vor_ver_vor <- vor$vor_land_ha %>%
)
```
+### Vorrat Baumarten und Altersklassen
+
+<!--TODO: irgendwie passen die Daten nicht -->
+```{r}
+# TODO: Daten für 2022 ...
+bb_vor_bhd_akl_22_long <- vor$bb_vor_bhd_akl_22 %>%
+ filter(Baumart == "all") %>%
+ select(-Einheit, -Baumart, -'alle Baumaltersklassen') %>%
+ filter(Brusthöhendurchmesser != "alle BHD-Stufen") %>%
+ pivot_longer(
+ cols = `1 - 20 Jahre`:`> 160 Jahre`, # Angepasst an deine tatsächlichen Spaltennamen
+ names_to = "Altersklasse",
+ values_to = "Volumen"
+ ) %>%
+ mutate(Volumen = replace_na(Volumen, 0))
+#bb_vor_bhd_akl_22_long
+```
+
## Zuwachs
```{r}
@@ -505,6 +527,16 @@ struktbeim <- lapply(stuktbeim_sheet_names, function(sheet) {
names(struktbeim) <- stuktbeim_sheet_names
```
+### Waldaufbauveränderung
+
+```{r}
+ver_stuktbeim_sheet_names <- excel_sheets("../data/ver_strukt_beim_besttyp.xlsx")
+ver_struktbeim <- lapply(ver_stuktbeim_sheet_names, function(sheet) {
+ read_excel("../data/ver_strukt_beim_besttyp.xlsx", sheet = sheet, skip = 5, na = "NaN")
+})
+names(ver_struktbeim) <- ver_stuktbeim_sheet_names
+```
+
#### Land-Bestockungsaufbau ha-proz
```{r}
@@ -539,16 +571,27 @@ land_bestaufbau <-
)
```
-### Waldaufbauveränderung
+#### Waldtyp-Bestockungsaufbau ha-proz
```{r}
-ver_stuktbeim_sheet_names <- excel_sheets("../data/ver_strukt_beim_besttyp.xlsx")
-ver_struktbeim <- lapply(ver_stuktbeim_sheet_names, function(sheet) {
- read_excel("../data/ver_strukt_beim_besttyp.xlsx", sheet = sheet, skip = 5, na = "NaN")
-})
-names(ver_struktbeim) <- ver_stuktbeim_sheet_names
+waldtyp_bestaufbau_bb_ha_proz_ver <- struktbeim$waldtyp_bestaufbau_bb_ha %>%
+ pivot_longer(cols = -c("Laub-/Nadel-Waldtyp", Einheit),
+ names_to = "Bestockungsaufbau",
+ values_to = "Fläche") %>%
+ inner_join(
+ struktbeim$waldtyp_bestaufbau_bb_proz %>%
+ pivot_longer(cols = -c("Laub-/Nadel-Waldtyp", Einheit),
+ names_to = "Bestockungsaufbau",
+ values_to = "Anteil"), by = c("Laub-/Nadel-Waldtyp","Bestockungsaufbau")) %>%
+ inner_join(ver_struktbeim$ver_waldtyp_bestaufbau_bb_ha %>%
+ pivot_longer(cols = -c("Laub-/Nadel-Waldtyp", Einheit),
+ names_to = "Bestockungsaufbau",
+ values_to = "Veränderung"), by = c("Laub-/Nadel-Waldtyp","Bestockungsaufbau"))
```
+
+
+
#### ver-Land-Bestockungsaufbau ha-proz
```{r}
@@ -569,7 +612,6 @@ ver_land_bestaufbau_ha <-
names_to = "Bestockungsaufbau",
values_to = "Fläche")
)
-
```
diff --git a/R_bwi/data/strukt_beim_besttyp.xlsx b/R_bwi/data/strukt_beim_besttyp.xlsx
index db3ca69a8fd5a897508065b01eb9500259cdf458..909e3672bd45a41ddee920fbc6e2ee7b4ed6b87b 100644
Binary files a/R_bwi/data/strukt_beim_besttyp.xlsx and b/R_bwi/data/strukt_beim_besttyp.xlsx differ
diff --git a/R_bwi/data/ver_strukt_beim_besttyp.xlsx b/R_bwi/data/ver_strukt_beim_besttyp.xlsx
index c2576b645d90fe1335e82be28eb2136af247b13a..ae74aa96b7610f1506b1d80e6f2bd7442d0c9304 100644
Binary files a/R_bwi/data/ver_strukt_beim_besttyp.xlsx and b/R_bwi/data/ver_strukt_beim_besttyp.xlsx differ
diff --git a/R_bwi/data/ver_vorrat_ba.xlsx b/R_bwi/data/ver_vorrat_ba.xlsx
new file mode 100644
index 0000000000000000000000000000000000000000..67906d563ec41500a865abeb1bd5191a7e40d842
Binary files /dev/null and b/R_bwi/data/ver_vorrat_ba.xlsx differ
diff --git a/R_bwi/data/vorrat_ba.xlsx b/R_bwi/data/vorrat_ba.xlsx
new file mode 100644
index 0000000000000000000000000000000000000000..1d66392605cb3cf512e4e2bd91a3c1568705d584
Binary files /dev/null and b/R_bwi/data/vorrat_ba.xlsx differ