В настоящий момент огромное значение для охраны и воспроизводства, а также хозяйственного использования лесов имеет фундаментальная концепция естественного регулирования лесов. Такая концепция позволит не только сформировать представление о процессах влияния внешних факторов на существование лесных массивов, но и стать базой для разработки аппаратуры контроля за ее состоянием, что в свою очередь приведет к созданию автоматизированных систем своевременного реагирования на возникновение угрозы таких катастрофических ситуаций, как пожары. Как сравнительно недавно выяснилось, в естественном регулировании древесных растений немалую роль играют флуктуации температуры [1-7]. Интересным фактом является то, что метеорологические наблюдения показывают влияние солнечной активности на эти флуктуации. Это дает основания думать о комплексном влиянии окружающей среды на состояние лесов [8-9].
Целью настоящего исследования было выявление общих закономерностей флуктуаций среднесуточной температуры дня и вечера в течение года на основе общедоступных данных и адекватных физических представлений и обоснование возможности исследования состояния древесных массивов цифровыми методами.
В исследовании в качестве экспериментальных данных использовали общедоступные данные мониторинга ГИСМЕТЕО об изменениях среднесуточных температур дня (полдень) и вчера (на закате) в течение года. Анализировалось распределение величины разности этих температур (средней флуктуации в течение суток) по пяти интервалам (Δt < -1; -1 < Δ t< 1; 0 < Δt < 4; 3 <Δt < 5; 6 < Δt < 15 ).
На рисунках 1-4 показаны полученные в результате анализа распределения средней флуктуации в течение суток для зимне-весеннего, весеннего, весенне-летнего и осеннего периодов, соответствующих активному жизненному циклу естественного регулирования состояния древесных растений в 2018-ом году. Функция распределения имеет характер, близкий к распределению Гаусса. На рисунках видно, что максимум распределения попадает в различные интервалы температур. Причем, если сначала характер этих изменений вербально понятен, то затем заставляет задуматься. С января по июнь идет непрерывное нарастание солнечной активности, поэтому в принципе ожидаемо, что максимум распределения смещается в сторону больших по величине флуктуаций температуры в течение суток (3 < Δt < 5), правильность рассуждений подтверждает увеличение доли флуктуаций с максимальной величиной (6 < Δt < 15). Однако, в июне и июле, в период наибольшей длительности дня, наблюдается смещение максимума распределения в интервал средних флуктуаций температуры 0 < Δt < 4. В августе максимум смещается в сторону максимальной флуктуации среднесуточной температуры, а затем смещается в сторону меньших по величине флуктуаций.
Рисунок 1 – Распределение флуктуаций среднесуточной температуры
в зимне-весенний период 2018 года
Рисунок 2 – Распределение флуктуаций среднесуточной
температуры в весенний период 2018 года
Объяснить данное явление можно, если сопоставить данные с определенными ключевыми астрономическими датами планетарного движения Земли. С прибавлением длительности дня энергия Солнца, потребляемая поверхностью и атмосферой Земли, увеличивается, поэтому растет и доля флуктуаций с максимальной величиной (рис. 1). Следующим интересным временем наблюдения является период после весеннего равноденствия (приблизительно с начала апреля). В этот время происходит плавный переход в новое состояние, характери-
Рисунок 3 – Распределение флуктуаций среднесуточной
температуры в весенне-летний период 2018 года
Рисунок 4 – Распределение флуктуаций среднесуточной
температуры в летний период 2018 года
зуемое большей величиной наиболее вероятного перепада температуры в течение дня (рис. 2). Затем к летнему солнцестоянию (рис. 3) активизируются процессы испарения влаги и выпадения осадков. Поскольку вода обладает большой теплоемкостью, то наблюдается снижение доли максимальной флуктуации, а затем в августе, с засыханием листвы, доля максимальной флуктуации возрастает и к осеннему равноденствию, с убыванием солнечной энергии, окончательно возвращается в интервал средних флуктуаций (рис. 4).
В рамках такого подхода целесообразно моделировать функцию распределения разностью функций Гаусса:
(1)
где 
определяется прибавлением длительности дня (линия точек на рис. 4), а 
определяется увеличением влажности в атмосфере (серая линия на рис. 5).
Рисунок 5 – Распределение вероятности максимального перепада
температуры 6< Δt <15 в течении года (пример 2018 г.)
Обе функции характеризуются своими параметрами. Методом минимизации среднеквадратичного отклонения для модельных функций было получено, что 
. Дисперсия первой функции около 4,5 месяцев, а второй – всего 1,5 месяца. При этом период наибольшая вероятность явлений приходится на июль и июнь соответственно (рис. 5).
В заключение хотелось бы отметить, что приведенные рассуждения однозначно доказывают влияние солнечной энергии и круговорота воды в естественной среде на распределение флуктуации температуры окружающей среды, которая, в свою очередь, существенно изменяет состояние лесов (нарастание и спадание лиственного покрова, а, следовательно, рост, развитие и замирание). Для систем контроля это имеет первостепенное значение, поскольку перепады температуры окружающей среды вызывают в стволах деревьев возникновение разности потенциалов вследствие пьезоэлектрических и пироэлектрических свойств древесины и термополяризационных явлений в ней [10].
Исследования проведены в рамках локального гранта ФГБОУ ВО «Воронежский государственный лесотехнический университет имени Г.Ф. Морозова», выделенного на проект «Разработка принципа работы цифрового устройства для измерения разности потенциалов в ксилеме стволов древесных растений».
