Wildlife risk to aviation: a multi-scale\nissue requires a multi-scale solution
Notice bibliographique
Résumé
Aircraft collisions with birds and other wildlife (wildlife strikes) pose increasing safety and financial concerns to the aviation industry worldwide. Recent events such as the ditching of US Airways Flight 1549 in the Hudson River have renewed public interest in risks to aircraft posed by wildlife (Marra et al. 2009). However, wildlife biologists and aviation personnel have been aware of these issues for decades (Solman 1973, Blokpoel 1976). Since the inception of the Federal Aviation Administration’s (FAA) National Wildlife Strike Database in 1990, 99,411 reported wildlife strikes to airplanes have resulted in at least $1.2 billion annually in losses (direct and indirect) to civil aviation worldwide and >$625 million annually in the United States, as well as >200 human lives lost (Allan 2002, Dolbeer et al. 2010).\nWildlife-strike mitigation at airports involves reducing the likelihood that a strike occurs and reducing the level of damage if a strike does happen. Historically, wildlife management at airports has occurred at small spatial scales relative to overall animal space use. Wildlife damage management strategies (e.g., harassment and deterrents) usually occur within the confines of airport property. However, the effectiveness of these techniques depends in part on the surrounding landscape and ecology of species involved. For example, the Cessna Citation 1 crash in Oklahoma in 2008 that killed 5 people was caused by American white pelicans (Pelecanus erythrorhynchos) likely flying to or from a lake <2 km from the crash site (Dove et al. 2009, National Transportation Safety Board 2009). York et al. (2000) reported that site-specific return rates of Canada geese (Branta canadensis) to a U.S. Air Force base after harassment were contingent on the distance from the airport to their resting site.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».