---
title: "Ergebnisse der Bundeswaldinventur in Brandenburg"
#subtitle: "Informationen als Infografik zu den Brendenburger Ergebnisdaten der BWI 2022 für die Hosentasche und Webseite"
institution: "Landeskompetenzzentrum Forst Eberswalde"
author: "Torsten Wiebke und Dr. Ulrike Hagemann"
date: last-modified
date-format: "[Stand] D. M. YYYY"
format:
pdf:
documentclass: scrreprt #Komascript reprt
include-in-header:
- text: |
\usepackage{easy-todo}
use-rsvg-convert: true
#default-image-extension: png
keep_tex: true
# wenn nur PDF: in der Console: quarto::quarto_render("your_document.qmd", output_format = "pdf")
# quarto::quarto_render("bwi_interpretationsworkshop.qmd", output_format = "revealjs")
docx:
toc: true
number-sections: true
html:
toc: true
pptx:
reference-doc: 20240920_BWI_PK_20241014_Ergebnisse.pptx
editor_options:
markdown:
wrap: 72
#editor: visual
---
{{< include librarys-datimport.qmd >}}
# Die Bundeswaldinventur (BWI)
- Bundesweite Stichprobeninventur alle 10 Jahre im Wald nach § 41 a
BWaldG
- seit 1987, Deutschlandweit seit 2002 - 4. Turnus
- Ergebnisse sind das Fundament für forst-, wirschafts- und
umweltpolitische Entscheidungen sowie Grundlage für eine nachhaltige
Waldbewirtschaftung
- Modellierung zukünftiger Waldentwicklung und Holzaufkommen
(WEHAM)
- Aussagen zu den Klimaschutzleistungen des Waldes
- Planungs- und Investitionsentscheidungen im Cluster Forst und
Holz
- Datenbasis für die forstliche Forschung
## 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.
### Waldfläche
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**.
Forstwirtschaftlich unterteilt besteht diese aus:
- »bestockter Holzboden«:
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'bestockter Holzboden') %>% select(Fläche) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha,
das sind
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'bestockter Holzboden') %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %.
- »Nichtholzboden«:
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Nichtholzboden') %>% select(Fläche) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha,
das sind
`r format(waldfl_spez_long %>% filter(Land=='Brandenburg' & Kategorie == 'Nichtholzboden') %>% select(Prozent) %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %.
- »Blößen«:
`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}
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 -
und nach relativer Waldfläche, mit
**`r format(waldflant %>% filter(Kategorie == "Wald" & Land == "Brandenburg") %>% select(Anteil) %>% pull() %>% round(2), big.mark = ".", decimal.mark = ",", scientific = FALSE)` %**
den **fünften** Platz - nach Rheinland-Pfalz, Hessen, Baden-Württemberg
und dem Saarland - ein.
### Waldeigentum
- Leichter Übergang Staatswald zu Privatwald
- Botschaft: Eigentumsvereteilung bleibt weitgehend stabil - Betreuung
Privatwald weiterhin relevant
- Vergleich zum Waldflächennachweis**?**
Die Brandenburger Waldfläche in Höhe von
`r format(waldfl_eig$waldfl22_eig %>% filter(Land == "Brandenburg") %>% select('alle Eigentumsarten') %>% pull(), big.mark = ".", decimal.mark = ",", scientific = FALSE)` ha
teilt sich in
`r format(waldfl22_eig_long %>% filter(Land == "Brandenburg" & Eigentumsart %in% c("Privatwald")) %>% ungroup() %>% select(c(Prozent)) %>% pull())` %
Privatwald und
`r format(waldfl22_eig_long %>% filter(Land == "Brandenburg" & Eigentumsart %in% c("Öffentlicher Wald")) %>% ungroup() %>% select(c(Prozent)) %>% pull())` %
öffentlicher Wald auf
### 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
- 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