Der Baumbestand von Winterthur

Abschlussprojekt rstatsZH-K011

Author

Hildy Müller

Code 
library(tidyverse)
library(readxl)
library(knitr)
library(statR)
library(kableExtra)
library(RColorBrewer)
library(patchwork)
library(png)
library(grid)
library(grid)
library(gridExtra)
library(here)
Code 
datensatz <- read_csv(here::here("daten/raw/KTZH_00002862_00005843.csv"))

Einleitung

Daten

Titel: Städtische Bäume von Winterthur nach Quartieren und Stadtkreisen

Der Datensatz stammt vom Datenkatalog des Kanton Zürichs (<Datenkatalog | Kanton Zürich>) und enthält ein Überblick aller Bäume in Winthertur, die durch die Stadtgärtnerei gepflegt werden.

Der bereits aggregierte Datensatz zu den Bäumen in Winterthur hat 14 Spalten(Colums) und 250 Zeilen(Rows). Die 14 Spalten tragen die Überschriften: jahr, stichtag, geom_code, gemeinde_bf_nr, gemeinde, stadtkreis_bfs_nr, stadtkreis, quartiere_bfs_nr, quartier, bestand, neu_gepflant, durchschnittsalter, anzahl_baumart, haeufigste_baumart.

Analyseziele

Ziel dieses kleinen Projekts ist es herauszufinden, ob ein Zusammenhang zwischen der Baumart und dem Alter der Bäume besteht oder ob der geografische Standort einen stärkeren Einfluss auf das Alter hat.

  1. In welchen Quartieren ist das durchschnittliche Baumalter am höchsten?
    Welche Baumarten kommen dort am häufigsten vor?

  2. Welche Stadtkreise weisen die höchsten Altersdurchschnitte auf?
    Welche Baumarten dominieren in diesen Bereichen?

  3. Welche Baumarten sind in den höchsten Altersgruppen am stärksten vertreten – unabhängig vom geografischen Standort?

  4. Hängt das durchschnittliche Alter der Bäume stärker von der Baumart oder vom Standort ab?

Grundlagen

Daten Grundlage & Aufbereitung

Für die Analyse und Beantwortung der Fragestellung musste der Datensatz zunächst aufbereitet werden. Er umfasst einen Zeitraum von fünf Jahren (2020–2024) und ist nach Stadtkreis sowie Quartier gegliedert. Die Unterscheidung erfolgt über die Spalte „geom-code“.

Die Gruppe „geom-code Quartier“ enthält zusätzlich Angaben zum jeweiligen Stadtkreis. Dadurch konnte beobachtet werden, dass sich die Ergebnisse dieser Gruppe leicht von denen der Gruppe „geom-code Stadtteil“ unterschieden. Um die weiterverarbeiteten Daten vergleichbar zu halten, wurde ausschließlich mit der Gruppe „geom-code Quartier“ gearbeitet.

Code 
Quartiere_Baumarten <- datensatz |>
    filter(geom_code == "quartier")

Einige Spalten spielen für die Auswertung der Fragestellung keine Rolle und wurden entfernt.

Code 
Quartiere_Baumarten2 <- Quartiere_Baumarten[, -c(2, 3, 4, 5, 6, 8)]

In einem weiteren Schritt wurden die unbekannten Angaben (NA) entfernt. Dadurch wurden allerdings zwei Quartiere enfernt - Hardau (Stadtteil Wülflingen) und ein Teil von Ricketwil (Stadtteil Oberwinterthur). Da Ricketwil aber insgesammt schlechte Daten hat wurde es ganz entfernt.

Code 
Quartiere_Baumarten2_clean <- Quartiere_Baumarten2 |> 
 filter(!is.na(quartier) & 
         !is.na(haeufigste_baumart) & 
         !is.na(durchschnittsalter) & 
         !(quartier %in% c("Ricketwil", "Hardau")))

Das Objekt “Quartiere_Baumarten2_clean” gilt nun als Basis-Datensatz.

Hier klicken, um die Tabelle 1 - der Basis-Datensatzes - anzuzeigen
Code 
Quartiere_Baumarten2_clean |> 
  kable() |> 
  kable_styling(full_width = FALSE)
jahr stadtkreis quartier bestand neu_gepflanzt durchschnittsalter anzahl_baumarten haeufigste_baumart
2024 Stadt Altstadt 575 0 54.0 103 Ahornblättrige Platane
2024 Stadt Lind 1783 8 45.7 122 Rotbuche
2024 Stadt Heiligberg 1173 10 62.7 111 Feldahorn
2024 Stadt Tössfeld 369 1 22.2 38 Japanische Zierkirsche Kanzan
2024 Stadt Brühlberg 411 8 35.9 63 Säulen-Hainbuche, Weissbuche
2024 Stadt Neuwiesen 493 46 34.2 47 Ahornblättrige Platane
2024 Oberwinterthur Talacker 680 40 40.8 62 Feldahorn
2024 Oberwinterthur Guggenbühl 385 10 40.9 62 Ahornblättrige Platane
2024 Oberwinterthur Grüze 1244 18 19.1 62 Stieleiche
2024 Oberwinterthur Hegmatten 268 4 37.6 45 Ahornblättrige Platane
2024 Oberwinterthur Hegi 497 14 16.8 46 Säulen-Eiche
2024 Oberwinterthur Zinzikon 327 1 23.1 41 Sand-, Weissbirke, Hängebirke
2024 Oberwinterthur Reutlingen 130 1 21.3 20 Italienische Säulenpappel
2024 Oberwinterthur Stadel 212 3 27.0 24 Bergahorn
2024 Seen Waser 262 14 24.7 50 Kaiser-Linde
2024 Seen Büelwiesen 194 4 41.5 41 Feldahorn
2024 Seen Waldegg 273 1 37.6 44 Feldahorn
2024 Seen Ganzenbühl 234 3 33.9 37 Sommerlinde
2024 Seen Sonnenberg 63 0 23.5 19 Gemeine Kiefer, Wald-Föhre
2024 Seen Oberseen 126 1 31.5 26 Hainbuche, Weissbuche
2024 Seen Gotzenwil 152 1 20.1 28 Hainbuche, Weissbuche
2024 Seen Eidberg 11 0 72.6 6 Gemeine Fichte
2024 Seen Iberg 48 1 21.5 13 Japanische Zierkirsche
2024 Seen Sennhof 129 3 26.2 27 Sommerlinde
2024 Töss Schlosstal 200 4 32.2 44 Himalaja-Birke
2024 Töss Dättnau 153 2 13.8 34 Sand-, Weissbirke, Hängebirke
2024 Töss Eichliacker 615 2 47.3 58 Kaiser-Linde
2024 Töss Rossberg 6 0 20.3 3 Winterlinde
2024 Veltheim Rosenberg 1232 13 41.7 111 Sand-, Weissbirke, Hängebirke
2024 Veltheim Blumenau 430 10 38.9 53 Japanische Zierkirsche, Higan-Kirsche
2024 Wülflingen Weinberg 317 3 43.0 36 Sand-, Weissbirke, Hängebirke
2024 Wülflingen Oberfeld 469 8 38.7 59 Hainbuche, Weissbuche
2024 Wülflingen Lindenplatz 327 2 38.3 50 Spitz-Ahorn
2024 Wülflingen Niederfeld 153 1 10.9 27 Purpur - Erle
2024 Wülflingen Neuburg 23 1 38.7 9 Sand-, Weissbirke, Hängebirke
2024 Wülflingen Härti 265 1 33.3 40 Feldahorn
2024 Wülflingen Taggenberg 63 5 28.7 15 Spitz-Ahorn
2024 Mattenbach Deutweg 1414 20 36.3 113 Sand-, Weissbirke, Hängebirke
2024 Mattenbach Gutschick 417 14 35.0 47 Gemeine Kiefer, Wald-Föhre
2024 Mattenbach Endliker 171 0 37.3 30 Krim-Linde
2023 Stadt Altstadt 586 6 53.1 103 Ahornblättrige Platane
2023 Stadt Lind 1788 22 44.7 122 Rotbuche
2023 Stadt Heiligberg 1174 34 62.2 111 Feldahorn
2023 Stadt Tössfeld 370 9 21.6 38 Japanische Zierkirsche Kanzan
2023 Stadt Brühlberg 404 5 35.6 62 Säulen-Hainbuche, Weissbuche
2023 Stadt Neuwiesen 448 4 36.7 46 Ahornblättrige Platane
2023 Oberwinterthur Talacker 650 36 42.4 60 Feldahorn
2023 Oberwinterthur Guggenbühl 379 22 40.9 60 Ahornblättrige Platane
2023 Oberwinterthur Grüze 1238 108 18.4 62 Stieleiche
2023 Oberwinterthur Hegmatten 265 35 37.2 44 Ahornblättrige Platane
2023 Oberwinterthur Hegi 488 32 16.3 45 Säulen-Eiche
2023 Oberwinterthur Zinzikon 327 31 22.2 41 Sand-, Weissbirke, Hängebirke
2023 Oberwinterthur Reutlingen 131 41 20.8 20 Italienische Säulenpappel
2023 Oberwinterthur Stadel 212 35 26.5 23 Bergahorn
2023 Seen Waser 253 27 24.9 49 Kaiser-Linde
2023 Seen Büelwiesen 193 9 41.2 39 Feldahorn
2023 Seen Waldegg 280 2 37.0 44 Feldahorn
2023 Seen Ganzenbühl 233 19 33.4 38 Sommerlinde
2023 Seen Sonnenberg 63 8 22.5 19 Gemeine Kiefer, Wald-Föhre
2023 Seen Oberseen 125 6 30.7 26 Hainbuche, Weissbuche
2023 Seen Gotzenwil 153 17 19.3 27 Hainbuche, Weissbuche
2023 Seen Eidberg 11 0 71.6 6 Gemeine Fichte
2023 Seen Iberg 47 3 21.0 13 Japanische Zierkirsche
2023 Seen Sennhof 128 12 25.5 24 Sommerlinde
2023 Töss Schlosstal 196 3 31.8 44 Himalaja-Birke
2023 Töss Dättnau 154 12 13.1 34 Sand-, Weissbirke, Hängebirke
2023 Töss Eichliacker 617 6 46.3 57 Kaiser-Linde
2023 Töss Rossberg 6 4 19.3 3 Winterlinde
2023 Veltheim Rosenberg 1224 39 41.2 111 Sand-, Weissbirke, Hängebirke
2023 Veltheim Blumenau 424 11 38.7 52 Japanische Zierkirsche, Higan-Kirsche
2023 Wülflingen Weinberg 325 19 42.2 37 Sand-, Weissbirke, Hängebirke
2023 Wülflingen Oberfeld 461 9 38.4 59 Hainbuche, Weissbuche
2023 Wülflingen Lindenplatz 342 12 37.3 51 Spitz-Ahorn
2023 Wülflingen Niederfeld 153 6 10.0 27 Purpur - Erle
2023 Wülflingen Neuburg 23 0 40.3 8 Sand-, Weissbirke, Hängebirke
2023 Wülflingen Härti 264 3 32.4 40 Feldahorn
2023 Wülflingen Taggenberg 63 13 28.6 15 Spitz-Ahorn
2023 Mattenbach Deutweg 1446 67 36.0 107 Sand-, Weissbirke, Hängebirke
2023 Mattenbach Gutschick 406 4 35.2 46 Gemeine Kiefer, Wald-Föhre
2023 Mattenbach Endliker 174 7 36.4 32 Krim-Linde
2022 Stadt Altstadt 585 5 52.6 102 Ahornblättrige Platane
2022 Stadt Lind 1779 115 44.4 123 Rotbuche
2022 Stadt Heiligberg 1163 55 63.0 110 Feldahorn
2022 Stadt Tössfeld 365 1 21.3 36 Japanische Zierkirsche Kanzan
2022 Stadt Brühlberg 404 34 35.2 62 Säulen-Hainbuche, Weissbuche
2022 Stadt Neuwiesen 453 10 35.9 46 Ahornblättrige Platane
2022 Oberwinterthur Talacker 625 1 44.0 57 Feldahorn
2022 Oberwinterthur Guggenbühl 363 7 42.2 59 Ahornblättrige Platane
2022 Oberwinterthur Grüze 1161 20 18.9 54 Stieleiche
2022 Oberwinterthur Hegmatten 231 7 41.8 41 Ahornblättrige Platane
2022 Oberwinterthur Hegi 464 26 16.5 42 Säulen-Eiche
2022 Oberwinterthur Zinzikon 299 58 23.6 40 Sand-, Weissbirke, Hängebirke
2022 Oberwinterthur Reutlingen 93 1 30.2 13 Italienische Säulenpappel
2022 Oberwinterthur Stadel 177 6 30.8 18 Bergahorn
2022 Seen Waser 234 10 26.7 45 Kaiser-Linde
2022 Seen Büelwiesen 188 7 42.4 38 Feldahorn
2022 Seen Waldegg 280 3 36.4 44 Feldahorn
2022 Seen Ganzenbühl 219 5 35.5 36 Sommerlinde
2022 Seen Sonnenberg 56 1 24.4 18 Gemeine Kiefer, Wald-Föhre
2022 Seen Oberseen 122 0 31.4 24 Hainbuche, Weissbuche
2022 Seen Gotzenwil 142 30 21.7 23 Hainbuche, Weissbuche
2022 Seen Eidberg 11 0 70.6 6 Gemeine Fichte
2022 Seen Iberg 45 7 22.5 14 Japanische Zierkirsche
2022 Seen Sennhof 127 14 26.1 21 Sommerlinde
2022 Töss Schlosstal 205 5 31.6 44 Himalaja-Birke
2022 Töss Dättnau 143 23 13.1 32 Sand-, Weissbirke, Hängebirke
2022 Töss Eichliacker 615 22 45.8 57 Kaiser-Linde
2022 Töss Rossberg 2 0 57.0 2 Echte Walnuss
2022 Veltheim Rosenberg 1212 6 41.8 106 Sand-, Weissbirke, Hängebirke
2022 Veltheim Blumenau 427 5 38.5 51 Japanische Zierkirsche, Higan-Kirsche
2022 Wülflingen Weinberg 311 25 44.1 35 Sand-, Weissbirke, Hängebirke
2022 Wülflingen Oberfeld 464 2 38.6 56 Hainbuche, Weissbuche
2022 Wülflingen Lindenplatz 340 16 37.5 52 Spitz-Ahorn
2022 Wülflingen Niederfeld 154 23 11.0 25 Purpur - Erle
2022 Wülflingen Neuburg 23 1 39.3 8 Sand-, Weissbirke, Hängebirke
2022 Wülflingen Härti 270 17 31.5 40 Feldahorn
2022 Wülflingen Taggenberg 53 4 35.9 11 Feldahorn
2022 Mattenbach Deutweg 1401 80 36.7 102 Sand-, Weissbirke, Hängebirke
2022 Mattenbach Gutschick 406 31 34.4 45 Gemeine Kiefer, Wald-Föhre
2022 Mattenbach Endliker 168 0 36.8 30 Krim-Linde
2021 Stadt Altstadt 585 3 52.0 102 Ahornblättrige Platane
2021 Stadt Lind 1680 12 46.5 118 Rotbuche
2021 Stadt Heiligberg 1143 27 64.4 109 Rotbuche
2021 Stadt Tössfeld 366 138 20.7 37 Japanische Zierkirsche Kanzan
2021 Stadt Brühlberg 388 6 36.9 62 Säulen-Hainbuche, Weissbuche
2021 Stadt Neuwiesen 451 17 36.6 46 Ahornblättrige Platane
2021 Oberwinterthur Talacker 655 3 43.4 60 Feldahorn
2021 Oberwinterthur Guggenbühl 369 2 42.1 58 Ahornblättrige Platane
2021 Oberwinterthur Grüze 1161 40 18.3 53 Stieleiche
2021 Oberwinterthur Hegmatten 228 1 42.2 40 Ahornblättrige Platane
2021 Oberwinterthur Hegi 443 25 16.4 36 Säulen-Eiche
2021 Oberwinterthur Zinzikon 252 0 28.7 35 Sand-, Weissbirke, Hängebirke
2021 Oberwinterthur Reutlingen 96 0 29.4 13 Italienische Säulenpappel
2021 Oberwinterthur Stadel 189 0 30.5 18 Bergahorn
2021 Seen Waser 225 14 26.9 45 Kaiser-Linde
2021 Seen Büelwiesen 184 1 42.8 36 Feldahorn
2021 Seen Waldegg 281 3 36.0 45 Feldahorn
2021 Seen Ganzenbühl 215 1 35.2 33 Sommerlinde
2021 Seen Sonnenberg 56 0 23.8 18 Gemeine Kiefer, Wald-Föhre
2021 Seen Oberseen 124 0 30.5 24 Hainbuche, Weissbuche
2021 Seen Gotzenwil 113 4 27.0 17 Hainbuche, Weissbuche
2021 Seen Eidberg 11 0 69.6 6 Gemeine Fichte
2021 Seen Iberg 38 0 25.7 13 Bergahorn
2021 Seen Sennhof 115 3 28.1 19 Sommerlinde
2021 Töss Schlosstal 212 1 31.8 43 Himalaja-Birke
2021 Töss Dättnau 123 41 15.5 29 Sand-, Weissbirke, Hängebirke
2021 Töss Eichliacker 601 5 46.5 51 Kaiser-Linde
2021 Töss Rossberg 2 0 56.0 2 Echte Walnuss
2021 Veltheim Rosenberg 1236 19 41.3 107 Sand-, Weissbirke, Hängebirke
2021 Veltheim Blumenau 426 3 37.7 50 Japanische Zierkirsche, Higan-Kirsche
2021 Wülflingen Weinberg 295 2 47.3 30 Sand-, Weissbirke, Hängebirke
2021 Wülflingen Oberfeld 466 15 37.7 56 Hainbuche, Weissbuche
2021 Wülflingen Lindenplatz 335 13 38.4 52 Spitz-Ahorn
2021 Wülflingen Niederfeld 140 1 11.8 21 Purpur - Erle
2021 Wülflingen Neuburg 25 0 38.2 9 Sand-, Weissbirke, Hängebirke
2021 Wülflingen Härti 261 13 32.5 36 Feldahorn
2021 Wülflingen Taggenberg 53 3 35.6 12 Feldahorn
2021 Mattenbach Deutweg 1350 33 37.7 98 Sand-, Weissbirke, Hängebirke
2021 Mattenbach Gutschick 382 46 36.0 44 Gemeine Kiefer, Wald-Föhre
2021 Mattenbach Endliker 168 2 35.8 30 Krim-Linde
2020 Stadt Altstadt 588 6 51.2 101 Ahornblättrige Platane
2020 Stadt Lind 1689 22 45.8 116 Rotbuche
2020 Stadt Heiligberg 1118 13 64.8 107 Rotbuche
2020 Stadt Tössfeld 230 2 32.0 29 Japanische Zierkirsche Kanzan
2020 Stadt Brühlberg 396 4 36.2 62 Säulen-Hainbuche, Weissbuche
2020 Stadt Neuwiesen 441 7 36.9 46 Ahornblättrige Platane
2020 Oberwinterthur Talacker 661 17 42.7 59 Feldahorn
2020 Oberwinterthur Guggenbühl 370 0 41.3 59 Ahornblättrige Platane
2020 Oberwinterthur Grüze 1149 34 18.0 50 Stieleiche
2020 Oberwinterthur Hegmatten 229 4 41.4 39 Ahornblättrige Platane
2020 Oberwinterthur Hegi 425 2 16.8 37 Säulen-Eiche
2020 Oberwinterthur Zinzikon 257 2 27.6 36 Sand-, Weissbirke, Hängebirke
2020 Oberwinterthur Reutlingen 98 2 28.0 13 Italienische Säulenpappel
2020 Oberwinterthur Stadel 190 10 29.5 18 Bergahorn
2020 Seen Waser 224 7 28.3 44 Kaiser-Linde
2020 Seen Büelwiesen 184 6 42.2 35 Feldahorn
2020 Seen Waldegg 279 1 35.6 45 Feldahorn
2020 Seen Ganzenbühl 214 3 34.3 33 Sommerlinde
2020 Seen Sonnenberg 56 6 22.8 18 Gemeine Kiefer, Wald-Föhre
2020 Seen Oberseen 124 0 29.5 24 Hainbuche, Weissbuche
2020 Seen Gotzenwil 109 0 27.0 17 Hainbuche, Weissbuche
2020 Seen Eidberg 11 0 68.6 6 Gemeine Fichte
2020 Seen Iberg 38 0 24.7 13 Bergahorn
2020 Seen Sennhof 113 0 27.7 18 Sommerlinde
2020 Töss Schlosstal 214 0 30.9 44 Himalaja-Birke
2020 Töss Dättnau 88 1 21.9 26 Sand-, Weissbirke, Hängebirke
2020 Töss Eichliacker 603 11 45.9 51 Kaiser-Linde
2020 Töss Rossberg 2 0 55.0 2 Echte Walnuss
2020 Veltheim Rosenberg 1237 13 41.0 103 Sand-, Weissbirke, Hängebirke
2020 Veltheim Blumenau 431 9 36.6 50 Japanische Zierkirsche, Higan-Kirsche
2020 Wülflingen Weinberg 303 4 46.4 30 Sand-, Weissbirke, Hängebirke
2020 Wülflingen Oberfeld 468 5 38.6 58 Hainbuche, Weissbuche
2020 Wülflingen Lindenplatz 336 1 38.7 51 Spitz-Ahorn
2020 Wülflingen Niederfeld 140 1 10.9 20 Purpur - Erle
2020 Wülflingen Neuburg 25 3 37.2 9 Sand-, Weissbirke, Hängebirke
2020 Wülflingen Härti 253 5 33.2 36 Feldahorn
2020 Wülflingen Taggenberg 57 0 38.7 10 Feldahorn
2020 Mattenbach Deutweg 1338 29 37.7 96 Sand-, Weissbirke, Hängebirke
2020 Mattenbach Gutschick 341 0 39.8 39 Gemeine Kiefer, Wald-Föhre
2020 Mattenbach Endliker 166 0 35.3 29 Krim-Linde

Hier muss auch angemerkt werden, dass die Anzahl der Bäume (“bestand”) nicht berücksichtigt wird.

Ergebnisse (Daten Visualisierung)

Baumbestand in den verschiedenen Quartieren

  1. In welchen Quartieren ist das durchschnittliche Baumalter am höchsten?
    Welche Baumarten kommen dort am häufigsten vor?

Wir wissen nicht das Alter der einzelnen Bäume - was wir wissen ist die am Häufigsten vorkommende Baumart und das Durchschnittsalter dieses Bestandes. Es wird hier angenommen, dass es ein Zusammenhang zwischen Durchschnittsalter und häufigster Baumart (bzw. die Häufigkeit einer Art hat ein Einfluss auf das Durchschnittsalter) gibt.

Im Quartier Eidberg findet sich das höchste Median-Durchschnittsalter: 70,6 Jahre bei der Gemeinen Fichte als häufigster Baumart (siehe Tabelle 2). An zweiter Stelle folgt das Quartier Heiligberg mit 64,6 und 62,7 Jahren. Die beiden unterschiedlichen Werte ergeben sich daraus, dass in Heiligberg zwei verschiedene häufige Baumarten vorkommen. Der höhere Medianwert stammt von der Rotbuche (Daten aus 2020–2022), der niedrigere von Feldahorn (Daten aus 2023/2024).

Code 
Durchschnittsalter_Quartiere <- Quartiere_Baumarten2_clean |>
    group_by(quartier, haeufigste_baumart) |> 
  summarize(median_durchschnittsalter = median(durchschnittsalter, na.rm = TRUE), .groups = 'drop') |> 
  distinct(quartier, haeufigste_baumart, .keep_all = TRUE) |> 
   arrange(desc(median_durchschnittsalter))
Zur Tabelle 2 hier klicken
Code 
kable(Durchschnittsalter_Quartiere, caption = "Durchschnittsalter der Bäume in verschiedenen Quartieren")
Durchschnittsalter der Bäume in verschiedenen Quartieren
quartier haeufigste_baumart median_durchschnittsalter
Eidberg Gemeine Fichte 70.60
Heiligberg Rotbuche 64.60
Heiligberg Feldahorn 62.70
Rossberg Echte Walnuss 56.00
Altstadt Ahornblättrige Platane 52.60
Eichliacker Kaiser-Linde 46.30
Lind Rotbuche 45.70
Weinberg Sand-, Weissbirke, Hängebirke 44.10
Talacker Feldahorn 42.70
Büelwiesen Feldahorn 42.20
Hegmatten Ahornblättrige Platane 41.40
Guggenbühl Ahornblättrige Platane 41.30
Rosenberg Sand-, Weissbirke, Hängebirke 41.30
Neuburg Sand-, Weissbirke, Hängebirke 38.70
Oberfeld Hainbuche, Weissbuche 38.60
Blumenau Japanische Zierkirsche, Higan-Kirsche 38.50
Lindenplatz Spitz-Ahorn 38.30
Deutweg Sand-, Weissbirke, Hängebirke 36.70
Neuwiesen Ahornblättrige Platane 36.60
Endliker Krim-Linde 36.40
Waldegg Feldahorn 36.40
Brühlberg Säulen-Hainbuche, Weissbuche 35.90
Taggenberg Feldahorn 35.90
Gutschick Gemeine Kiefer, Wald-Föhre 35.20
Ganzenbühl Sommerlinde 34.30
Härti Feldahorn 32.50
Schlosstal Himalaja-Birke 31.80
Oberseen Hainbuche, Weissbuche 30.70
Stadel Bergahorn 29.50
Taggenberg Spitz-Ahorn 28.65
Reutlingen Italienische Säulenpappel 28.00
Waser Kaiser-Linde 26.70
Sennhof Sommerlinde 26.20
Iberg Bergahorn 25.20
Zinzikon Sand-, Weissbirke, Hängebirke 23.60
Sonnenberg Gemeine Kiefer, Wald-Föhre 23.50
Gotzenwil Hainbuche, Weissbuche 21.70
Tössfeld Japanische Zierkirsche Kanzan 21.60
Iberg Japanische Zierkirsche 21.50
Rossberg Winterlinde 19.80
Grüze Stieleiche 18.40
Hegi Säulen-Eiche 16.50
Dättnau Sand-, Weissbirke, Hängebirke 13.80
Niederfeld Purpur - Erle 10.90

Baumbestand in den verschiedenen Stadtteilen

  1. Welche Stadtkreise weisen die höchsten Altersdurchschnitte auf?
    Welche Baumarten dominieren in diesen Bereichen?

Die vorangegangene Vorgehensweise, wir nun auf die Stadtteile übertragen - inkl. die Annahme: Durchschnittsalter in Beziehung zur häufigsten Baumart.

Code 
Durchschnittsalter_Stadtkreise <- Quartiere_Baumarten2_clean |>
    group_by(stadtkreis, haeufigste_baumart) |> 
  summarize(median_durchschnittsalter = median(durchschnittsalter, na.rm = TRUE), .groups = 'drop') |> 
  distinct(stadtkreis, haeufigste_baumart, .keep_all = TRUE) |> 
   arrange(desc(median_durchschnittsalter))

Beim Baumbestand der Stadtquartiere zeigt sich ein ähnliches Muster (Tabelle 3). Dabei ist zu beachten, dass die Bestände eines Quartiers zusammengefasst wurden, wenn die gleiche „häufigste Baumart“ vorkam. Zum Vergleich: Es gibt 46 Kombinationen aus Quartieren (40, ohne Hardau und Ricketwil) und deren häufigsten Baumarten sowie 36 Kombinationen aus Stadtkreisen und häufigsten Baumarten. Die höchsten Median-Durchschnittsalter bei den häufigsten Baumarten finden sich erneut bei der Gemeinen Fichte (70,6 Jahre im Quartier Seen) und beim Feldahorn (62,7 Jahre in der Stadt).

Zur Tabelle 3 hier klicken
Code 
kable(Durchschnittsalter_Stadtkreise, caption = "Durchschnittsalter der Bäume in verschiedenen Stadtkreisen")
Durchschnittsalter der Bäume in verschiedenen Stadtkreisen
stadtkreis haeufigste_baumart median_durchschnittsalter
Seen Gemeine Fichte 70.60
Stadt Feldahorn 62.70
Töss Echte Walnuss 56.00
Töss Kaiser-Linde 46.30
Stadt Rotbuche 45.80
Stadt Ahornblättrige Platane 44.05
Oberwinterthur Feldahorn 42.70
Oberwinterthur Ahornblättrige Platane 41.35
Veltheim Sand-, Weissbirke, Hängebirke 41.30
Wülflingen Sand-, Weissbirke, Hängebirke 41.25
Seen Feldahorn 39.40
Wülflingen Hainbuche, Weissbuche 38.60
Veltheim Japanische Zierkirsche, Higan-Kirsche 38.50
Wülflingen Spitz-Ahorn 37.50
Mattenbach Sand-, Weissbirke, Hängebirke 36.70
Mattenbach Krim-Linde 36.40
Stadt Säulen-Hainbuche, Weissbuche 35.90
Mattenbach Gemeine Kiefer, Wald-Föhre 35.20
Wülflingen Feldahorn 33.25
Töss Himalaja-Birke 31.80
Seen Sommerlinde 30.75
Oberwinterthur Bergahorn 29.50
Seen Hainbuche, Weissbuche 28.25
Oberwinterthur Italienische Säulenpappel 28.00
Seen Kaiser-Linde 26.70
Seen Bergahorn 25.20
Oberwinterthur Sand-, Weissbirke, Hängebirke 23.60
Seen Gemeine Kiefer, Wald-Föhre 23.50
Stadt Japanische Zierkirsche Kanzan 21.60
Seen Japanische Zierkirsche 21.50
Töss Winterlinde 19.80
Oberwinterthur Stieleiche 18.40
Oberwinterthur Säulen-Eiche 16.50
Töss Sand-, Weissbirke, Hängebirke 13.80
Wülflingen Purpur - Erle 10.90

Baumbestand ohne Einfluss der Standortfaktoren

  1. Welche Baumarten sind in den höchsten Altersgruppen am stärksten vertreten – unabhängig vom geografischen Standort?
Code 
Durchschnittsalter_Baumart <- Quartiere_Baumarten2_clean |>
    group_by(haeufigste_baumart) |> 
  summarize(median_durchschnittsalter = median(durchschnittsalter, na.rm = TRUE), .groups = 'drop') |> 
    arrange(desc(median_durchschnittsalter))

Auch ohne Berücksichtigung der Standortfaktoren bleibt die Gemeine Fichte der klare Spitzenreiter – mit dem bekannten Median-Durchschnittsalter von 70,6 Jahren (siehe Tabelle 4).

Zur Tabelle 4 hier klicken
Code 
kable(Durchschnittsalter_Baumart, caption = "Durchschnittsalter der Bäume verschiedenen Baumarten")
Durchschnittsalter der Bäume verschiedenen Baumarten
haeufigste_baumart median_durchschnittsalter
Gemeine Fichte 70.60
Echte Walnuss 56.00
Rotbuche 45.80
Ahornblättrige Platane 41.35
Feldahorn 39.75
Japanische Zierkirsche, Higan-Kirsche 38.50
Sand-, Weissbirke, Hängebirke 37.70
Spitz-Ahorn 37.50
Kaiser-Linde 37.05
Krim-Linde 36.40
Säulen-Hainbuche, Weissbuche 35.90
Himalaja-Birke 31.80
Sommerlinde 30.75
Hainbuche, Weissbuche 30.70
Gemeine Kiefer, Wald-Föhre 29.40
Italienische Säulenpappel 28.00
Bergahorn 27.00
Japanische Zierkirsche Kanzan 21.60
Japanische Zierkirsche 21.50
Winterlinde 19.80
Stieleiche 18.40
Säulen-Eiche 16.50
Purpur - Erle 10.90

Baumbestand im Vergleich

Doch wie sehen die Bestände im Vergleich miteinander aus.
4. Hängt das durchschnittliche Alter der Bäume stärker von der Baumart oder vom Standort ab?

Code 
custom_colors2 <- c(
  "Ahornblättrige Platane" = "#E41A1C", 
  "Bergahorn" = "#377EB8", 
  "Echte Walnuss" = "#4DAF4A", 
  "Feldahorn" = "#FF7F00", 
  "Gemeine Fichte" = "#FFFF33", 
  "Gemeine Kiefer, Wald-Föhre" = "#A757B5", 
  "Hainbuche, Weissbuche" = "#F781BF", 
  "Himalaja-Birke" = "#999999", 
  "Italienische Säulenpappel" = "#A6D8A2",
  "Japanische Zierkirsche" = "#8ED1FC", 
  "Japanische Zierkirsche Kanzan" = "#FFB300", 
  "Japanische Zierkirsche, Higan-Kirsche" = "#FF4081", 
  "Kaiser-Linde" = "#C8E6C9", 
  "Krim-Linde" = "#B2DFDB", 
  "Purpur - Erle" = "#FFF59D", 
  "Rotbuche" = "#000000", 
  "Sand-, Weissbirke, Hängebirke" = "#FFE57F", 
  "Sommerlinde" = "#003366", 
  "Spitz-Ahorn" = "#7B2A2E", 
  "Stieleiche" = "#004d00",  # Added equal sign here
  "Säulen-Eiche" = "#FF8A65", 
  "Säulen-Hainbuche, Weissbuche" = "#8D6E63", 
  "Winterlinde" = "#CE93D8")
Code 
data <- data.frame(x = 1:10, y = (1:10) * 10)

  ggplot(data = Quartiere_Baumarten2_clean,
         mapping = aes(x = haeufigste_baumart, y = durchschnittsalter)) +
  geom_boxplot(fill = custom_colors2) +
    theme_light() +
    theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1, size = 14),  # Größe für x-Achstenbeschriftung
    axis.text.y = element_text(size = 14),  # Größe für y-Achsenbeschriftung
    axis.title.x = element_text(size = 16),  # Größe für x-Achsentitel
    axis.title.y = element_text(size = 16),  # Größe für y-Achsentitel
    plot.title = element_text(size = 18, face = "bold"),  # Größe für Haupttitel
    plot.subtitle = element_text(size = 16)) +  # Größe für Untertitel
     theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)) +
      labs(x = "Häufigste Baumart", 
         y = "Durchschnittsalter", 
         title = "Die Median-Durchschnittsalter der jeweils häufigsten Baumarten",
         subtitle = "Jahre 2020 bis 2024")
Figure 1: Der Median des Durchschnittsalters jener Baumarten, die in den jeweiligen Quartieren am häufigsten vorkommen.

In der Figure 1 – einem Boxplot – wird deutlich, dass die meisten Baumarten nur eine relativ geringe Spannweite beim Median des Durchschnittsalters aufweisen. Die Echte Walnuss sticht im Vergleich dazu hervor: Sie zeigt eine deutlich größere Spannbreite auf.

Code 
Vergleichend_Quartier1 <- Durchschnittsalter_Quartiere |> 
  left_join(select(Quartiere_Baumarten2_clean, quartier, stadtkreis), by = "quartier")

Vergleichend_Quartier <- Vergleichend_Quartier1 |> 
  distinct()
Code 
# Single plot with facet_wrap - replaces all 7 separate plots
combined_facet_plot <- ggplot(data = Vergleichend_Quartier,
       mapping = aes(x = quartier,
                     y = median_durchschnittsalter,
                     fill = haeufigste_baumart)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.6) +
  geom_text(aes(label = haeufigste_baumart, y = 2, hjust = 0),
            position = position_dodge(width = 0.8),
            angle = 90, vjust = 0.5, size = 2.5) +
  facet_wrap(~ stadtkreis, scales = "free_x", ncol = 2) +
  scale_fill_manual(values = custom_colors2) +
  scale_y_continuous(limits = c(0, 80), breaks = seq(0, 80, 20)) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1, size = 8),
        legend.position = "none",
        strip.text = element_text(size = 11, face = "bold"),
         plot.title = element_text(size = 16, face = "bold")) +
  labs(x = "Quartier",
       y = "Median-Durchschnittsalter (Jahre)",
       fill = "Häufigste Baumart",
       title = "Median-Durchschnittsalter der häufigsten Baumarten nach Quartier und Stadtteil",
       subtitle = "Daten über die Jahre 2020 bis 2024")

print(combined_facet_plot)

ggsave("combined_facet_plot.png", plot = combined_facet_plot,
       width = 35, height = 25, units = "cm", dpi = 300)
Figure 2: Vergleich der Verteilung der häufigsten Baumarten in den Quartieren und Stadtteilen

Die Verteilung der häufigsten Baumarten über die Quartiere und Stadtteile zeigt kein erkennbares Muster, das auf einen starken Einfluss des Standorts hinweist (siehe Figure 2).

Schlussfolgerung

  • Der Vergleich der häufigsten Baumarten und ihrer Median-Durchschnittsalter deutet eher auf ein Muster hin, das unabhängig vom Standort ist. Viele dieser Baumarten zeigen nur geringe Altersunterschiede (Figure 1).

  • Im Gegensatz dazu lässt sich bei den Quartieren und Stadtteilen kaum ein klares Muster erkennen (Figure 2).

  • Dabei ist zu berücksichtigen, dass die Analyse auf einem bereits aggregierten Datensatz basiert. Für belastbare Aussagen wäre ein Datensatz erforderlich, der jeden einzelnen Baum erfasst.