Crop Production

Der ausgewählte Datensatz handelt vom weltweiten Pflanzenanbau der vier wichtigsten Kulturen für die menschliche Ernährung. Die Rede ist hier von den Kulturpflanzen Reis, Mais, Sojabohnen und Weizen, welche oft auch als Teil der »Großen Vier« (Big Four) der weltweit wichtigsten Nahrungsmittel bezeichnet werden.

Konzept

Der Datensatz

In dem gewählten Datensatz befinden sich Daten zu Ernteerträgen, Ernteflächen und Produktionsmengen für die besagten Pflanzen. Ernteerträge sind dabei die geerntete Produktion pro Einheit geernteter Fläche für pflanzliche Produkte. Die Ertragsdaten werden in den meisten Fällen nicht erfasst, sondern ergeben sich aus der Division der Produktionsdaten durch die Daten zur abgeernteten Fläche. Der tatsächliche Ertrag, der auf einem landwirtschaftlichen Betrieb erzielt wird, hängt von mehreren Faktoren ab, wie zum Beispiel dem genetischen Potenzial der Kultur, der Menge an Sonnenlicht, Wasser und Nährstoffen, die von der Kultur aufgenommen werden, dem Vorhandensein von Unkräutern und Schädlingen. Dieser Indikator wird für Weizen, Mais, Reis und Sojabohnen präsentiert. Die Pflanzenproduktion wird in Tonnen pro Hektar gemessen.

Leitfragen

Um ein Konzept für meine Datenvisualisierung zu erstellen, sammelte ich zunächst alle Variablen in meinem Datensatz, die hilfreich, vollständig und nicht ausschließlich einen Wert beinhalten. Im nächsten Schritt dachte ich mir Fragen aus, welche durch die Visualisierung beantwortet und sichtbar werden sollten.

— Wie viel Ernteerträge pro Land werden erwirtschaftet?
— Wie viel Anbaufläche steht den aufgeführten Ländern zur Verfügung?
— In welcher Relation stehen Ernteerträge und geografische Lage?
— Sind Unterschiede der einzelnen Produkte auf den Kontinenten erkennbar?
— Hat über die Jahre die Agrarfläche zugenommen?
— Ist eine Steigerung des Ernteerträge zu erkennen?

Aus den Variablen, die mir zur Verfügung standen und den dadurch erstellten Leitfragen erkannte ich schließlich, dass meine Visualisierung aus einer Map und einer Timeline mit verschiedenen interaktiven Elementen bestehen müsste, durch die ich Daten separieren könnte. Bei den Formen für die Visualisierung entschied ich mich für Quadrate, da diese Agrarflächen und die Ernteerträge der Pflanze sehr gut repräsentieren könnten. Auch bei den Farben orientierte ich mich an den Farben der Pflanzen und für die geografische Lage eine Farbplatte von einem hellen Gelb zu einem kühlen Blau.

Umsetzung

Visualisierung und Entwicklung

Für die Darstellung der Map wählte ich zunächst die Ansicht der Daten in meinem Datensatz von 2016, da dies die letzten gemessenen Daten darin waren. Dafür gruppierte ich diese Daten so, dass schließlich von jedem Land die Ernteflächen, Ernteerträge und Produktionsmengen für Mais, Weizen, Soja und Reis angezeigt in Quadraten angezeigt werden konnten. Als nächstes verschob ich drei der Rechtecke in eine andere Richtungen, um die gewünschte Ansicht, die Felder anmuten sollten zu erlangen. Für die Ansicht der Timeline wählte ich die Zeitvariable, welche ich in der x-Achse anzeigen ließ und den Wert der Pflanzen, die die einheitlich großen Rechtecke schließlich in die y-Achse verschob. Im Laufe des Prozesses entstanden hier verschiedene Ansichten, welche ich nach und nach verfeinerte.

Um Daten genauer in der Ansicht der Timeline separieren zu können, wählte ich Farbpalette, die die geografische Lage der Länder etwas herausheben sollte. Gerade in der Ansicht der Ernteerträge entstanden hier interessante Insights. Um noch mehr Daten und Erkenntnisse aus der Visualisierung filtern zu können verwendete ich verschiedene interaktive Elemente.

Interaktive Elemente

Damit klar erkannt werden kann welche Ansicht gerade ausgewählt wurde, erstellte ich active- und inaktive-Buttons, sowie hoverlabel, um den BenutzerInnen aufzuzeigen welche Bereiche geklickt werden können und welche nicht.

Ergebnis