Возраст древостоя — это возрастной интервал, применяемый для характеристики возрастной структуры древостоя в зависимости от породы. Позволяет оценить состояние объекта с учетом времени.

Класс товарности – показатель качества древесного запаса приспевающих, спелых и перестойных древостоев. Определяется по проценту выхода деловой древесины от общего запаса древостоя или количества деловых деревьев от общего их числа в древостое. Позволяет оценить состояние объекта с учетом состояния деревьев [1].

Для общей оценки ключевых местообитаний была определена следующая формула:

О = О_А+ О_КТ + О_АН, (1)

где О – итоговая оценка ключевых местообитаний;

О_А – оценка с учетом возраста древостоя;

О_КТ – оценка с учетом класса товарности;

О_АН – оценка с учетом антропогенной нагрузки.

По формуле (1) мы выполнили общую оценку ключевых местообитаний для каждого участка леса, результаты занесены в таблицу 3.

Нами была проведена оценка древостоев для признака возраст по 3х-балльной системе:

0 – нарушенный древостой; 1 – молодой древостой; 2 – спелый, приспевающий древостой низких классов бонитета III класс и ниже; 3 –спелый, приспевающий древостой высоких классов бонитета I ,II.

В таблице 1 приведена шкала баллов для оценки ключевых местообитаний по классам товарности.

Преобладающей породой является сосна, как в чистых, так и

Таблица 1 – Шкала баллов для оценки ключевых местообитаний по классам товарности

смешанных древостоях. Класс товарности 1,2. По возрасту данные насаждения относятся к спелым и приспевающим древостоям.

Оценка местообитаний по антропогенному воздействию: высокая антропогенная нагрузка – 1 балл; средняя антропогенная нагрузка – 2 балла; низкая антропогена нагрузка – 3 балла.

Общее состояние местообитаний: возраст – 3 балла; класса товарности – 4 балла; антропогенная нагрузка – 3 балла. Исходя из общей суммы баллов – 10 баллов была составлена шкала оценки состояния ключевых местообитаний (таблица 2).

Таблица 2 – Шкала оценки состояния ключевых местообитаний

По результатам выполненной оценки, можно сделать вывод, что выделенные на территории Караульного лесничества Учебно-опытного лесхоза СибГТУ ключевые местообитания находятся в удовлетворительном состоянии (таблица 3). Для сохранения данных участков леса рекомендуется снизить антропогенную нагрузку, предусмотреть меры защиты в целях сохранения биоразнообразия.

Таблица 3 – Ключевые местообитания

;

а переходная взаимная спектральная плотность процессов ,  имеет вид:

.

Если

; 

есть односторонние спектральные плотности, то при известной реализации  длительностью  имеет место

.

Откуда с учетом

,

оценку частотной характеристики можно определить в виде

.

Заметим, наиболее эффективное подавление случайных ошибок при оценке частотных характеристик достигается при осреднении по ансамблю оценок, вычисленных для независимых реализаций входных и выходных переходных процессов. Известно, оценка частотной характеристики не зависит от длины реализации T. Поэтому увеличение Т не приведет к повышению точности оценки. Скорее наоборот, при увеличении Т случайные ошибки могут возрасти, поскольку при этом увеличится вклад внешних помех при расчете функций  и .
Таким образом, очевидна последовательная процедура оценки частотной характеристики одномерной разомкнутой системы:

;
.

Для системы с одним выходом и со многими коррелированными входами частотные характеристики могут быть определены из решения системы линейных уравнений:

;

 - входные процессы,  - выходной процесс; целесообразно определять методом быстрого преобразования Фурье.
Далее. Детерминированная функция  определяет среднюю реакцию системы на некоторый средний входной сигнал (детерминированную функцию). Для уяснения физического смысла происходящих в системе процессов рассмотрим сглаживание реализаций  (рис. 1).

Рис. 1

Простейшим методом является осреднение ординат кривой на некотором интервале около фиксированного t (скользящая средняя). Получим следующую оценку математического ожидания случайного процесса  по одной реализации :

Разбив интервал Т₀ на m равных частей по формуле прямоугольников, получим:

.

Интервал Т₀ следует выбирать так, чтобы в интервале длиной 2Т₀ с центром в точке t математическое ожидание было приблизительно линейно (более строго требуется также малость среднего значения корреляционной функции ) в квадрате с центром в точке (t,t’) и стороной 2Т₀. При дополнительном усреднении по ансамблю N реализаций получим:

.

Одним из возможных способов определения по нескольким реализациям является одновременное сглаживание всех реализаций. Для применения этого способа следует построить все реализации случайной функции на одном графике. Тогда при правильно выбранном масштабе эти реализации образуют отчетливую полосу. Проведя на глаз среднюю линию этой полосы, получим кривую, которую можно принять за оценку математического ожидания. Способ глазомерного сглаживания обладает большей простотой. Однако недостатком этого способа является его субъективность. Предыдущий метод лишен этого недостатка. 
Изложенный прием сглаживания можно использовать для определения корреляционной функции, так как она представляет собой некоторое математическое ожидание. Для этого по экспериментальной кривой  случайного процесса  следует построить графики функции

для различных значений . Сгладив эти кривые, получим оценку значений корреляционной функции  (рис. 2).

Рис. 2

Рассмотрим теперь разомкнутую линейную систему вида

Пусть

,

 и  получаются изложенным выше способом. Тогда в результате прямого преобразования Фурье получим комплексные частотные спектры детерминированных функций  и соответственно:

, ;

 характеризует в среднем частотную передаточную функцию системы для неустановившегося режима; .  могут быть получены методом БПФ. В частном случае, когда есть дельта-функция, будет представлять собой импульсную переходную функцию

.

Во многих случаях изложенные способы оказываются основными при анализе и синтезе человеко-машинных систем; входным сигналом здесь является управляющее воздействие (некоторая функция ошибки), выходом – регулируемая величина. Их апробация приводится в [1…10].