могут укладываться 
в пределах 
одного 
цикла 
большой 
Ддли-
тельности 
(например, 
наблюдения 
в 
течение 
одного вегета-
ционного сезона над дыханием почвы принадлежат к части годо-
вого цикла в этом процессе) или составлять некоторую часть
направленного нециклического процесса (к примеру, содержание
углерода в почве, 
определяемого 
в последовательный ряд лет
после проведения дренажных работ на территории).
Для данных подобного рода можно установить значимость су-
`ществования тренда (т. е. зависимость переменной от времени)
с помощью дисперсионного анализа (при проведении режимных
наблюдений с некоторой повторностью) 
и найти линию тренда
либо путем сглаживания эмпирически полученной линии дина-
мики признака во времени, либо путем более точных вычислений.
Если данные охватывают несколько циклов (например, дан-
ные по влажности, определенной примерно в одинаковые даты
в течение ряда лет), то в этом случае можнф определить не только
усредненную по годам тенденцию измепения признака в 
течение
года (Димо, Роде, 1968), но и характер изменчивости признака
в разные моменты цикла (на одни и те же даты), что может пред-
ставлять не меньший 
интерес дла 
характеристики 
изучаемого
признака, чем вид временнбой изменчивости самой переменной.
Правда, природные факторы соседних лет наблюдения нельзя счи-
тать в полной мере независимыми, тем не менее вычисление дис--
персий (или средних квадратических отклонений) для одинаковых
сроков ряда лет можно считать оправданным, хотя из-за некоторой
автокорреляции полученные оценки будут, видимо, занижены.
При необходимости изучения динамики явления в пределах
короткого цикла опыт следует вести по возможности 
в такие сро-
ки, в течение которых периодические составляющие большой дли-
тельности не оказывают существенного влияния. Если постановка
таких исследований оказывается затрудненной и наличие тренда,
обусловленного такими низкочастотными циклами, обнаруживает-
ся (серийным критерием, ранговым коэффициентом корреляции),
можно этот тренд исключить. Для этого необходимо вычислить
линию тренда, отражающую усреднепную тенденцию в изменении
изучаемой переменной, и отсчеты вести от этой линии.
Способ скользящей средней
Наиболее простым способом выравнивания рядов для обнаруже-
ния усредненной тенденции в развитии изучаемого признака яв-
ляется способ вычисления скользящей средней. В самом простом
варианте можно усреднять соседние значения переменной. В та-
ком случае эти усреднепные величины будут соответствовать се-
редине временных (или пространственных) интервалов между ус-
редненными значениями. Если усреднение вести по трем соседним
значениям, среднее будет соответствовать значению, занимающе-
му среднее место их трех усредненных значений.
380