Uncontrolled reentries of space objects and aviation safety
Notice bibliographique
Résumé
There is a growing risk to aircraft in flight from collisions with debris produced by the breakup of uncontrolled rocket bodies and satellites during atmospheric reentry. On one hand, the aviation industry has grown to almost 39 million flights per year, with a 63% increase between 2004 and 2019. On the other hand, the number of successful rocket launches more than doubled between 2015 and 2023, from 87 to 212, respectively. During those 212 launches in 2023 128 rocket bodies were abandoned in orbit, left to reenter uncontrollably. Such uncontrolled space object reentries are hard to predict, making mitigation measures difficult. In November 2022, a reentering Long March 5B rocket caused the closure of airspace over Europe, delaying 645 flights and having a plausible economic impact of millions of Euros. There are international and domestic laws that might enable the recovery of economic losses resulting from uncontrolled reentries, but such losses should not be allowed to occur in the first place. Instead of leaving the location of a reentry to chance, controlled reentries can be achieved with existing technologies and mission designs, directing reentries away from areas of high aircraft traffic. Moving to a controlled reentry regime would create a cost to space operators – but that cost is currently being externalized to the aviation industry. Multilateral solutions to create a controlled reentry regime should be pursued, as recommended in the 2023 Montreal Recommendations on Aviation Safety and Uncontrolled Space Object Reentries, before there is a tragedy caused by an aircraft collision with debris from a rocket body or satellite.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».