Green Grow the Airports: North American Airports are Finding More Ways to Reduce Their Environmental Impact
Notice bibliographique
Résumé
This article presents a survey of steps taken by North American airports to reduce their impact on the environment. The industry’s efforts are being led by the European and North American regions of Airports Council International (ACI), the successor to Airport Operators Council International. ACI-North America has started an awards program to recognize achievements in the area. It also conducted a survey of airports, receiving 74 responses from airports that represent 60 percent of North American air traffic. Winnipeg’s new terminal is expected to be the first Canadian terminal with green building certification. Its design makes use of natural light and uses recycled construction materials and low-flow plumbing. An advanced demand management system will minimize use of cooling and heating systems. It is adding hybrid vehicles to its fleet, using low-sulfur diesel, and reducing idling. As a snow-belt airport, it is paying attention to reducing the impact of chemicals used in snow and ice control, collecting the maximum possible amounts of fluids and reducing surface water runoff. Logan opened the first certified green airport terminal, Terminal A, in 2005. It has produced a 12 percent annual saving in energy and a 36 percent saving in water. Logan’s consolidated rental car facility, to be finished in 2012, will be LEED-certified. Denver International is another airport, along with Toronto’s Pearson International, that is using more environmentally friendly ways to de-ice. Additional projects around North America are outlined. They cover recycling, solar power, wetland mitigation, and aircraft noise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».