Clear Sky Science · fr

Recherche sur un modèle spatiotemporel d’évaluation du risque de collisions avec les oiseaux dans les aéroports et stratégies de prévention et de contrôle précises

· Retour à l’index

Pourquoi les oiseaux et les avions peuvent former un mélange dangereux

À chaque décollage ou atterrissage, un avion partage le ciel avec des oiseaux. La plupart du temps, rien ne se passe, mais lorsqu’un oiseau heurte un aéronef, les moteurs peuvent être endommagés, les vols déroutés et les passagers retardés. Rien qu’en Chine, les collisions avec des oiseaux entraînent chaque année des centaines d’incidents coûteux. Cette étude examine comment prévoir quand et où ces rencontres sont les plus probables, afin que les aéroports puissent maintenir les avions et les oiseaux à distance en réduisant les perturbations inutiles.

Figure 1
Figure 1.

Un examen détaillé des oiseaux autour d’un aéroport réel

Les chercheurs se sont concentrés sur l’aéroport de Yan’an Nanniwan, dans le centre de la Chine, un équipement de taille moyenne entouré de terres agricoles, de bois et de collines qui attirent de nombreuses espèces d’oiseaux. Ils ont réalisé des relevés ornithologiques détaillés au cours de quatre mois représentatifs couvrant le printemps, l’été, l’automne et l’hiver. Des équipes d’observateurs ont parcouru lentement 12 itinéraires fixes dans et autour de l’aéroport pendant les heures de vol, en comptant chaque heure les espèces, les effectifs, les hauteurs et les emplacements des oiseaux. Ils ont ensuite confronté ces relevés spéciaux aux registres quotidiens de patrouille de l’aéroport à l’aide d’un test standard de similarité écologique, confirmant que leurs données offraient une image fiable de l’activité aviaire selon les saisons et les moments de la journée.

Diviser le ciel en zones de risque pratiques

Plutôt que de considérer l’aéroport comme une zone uniforme, l’étude a découpé l’espace en trois zones correspondant aux trajectoires réelles des aéronefs. La zone la plus intérieure couvre la piste et les abords au sol où les avions évoluent à basse altitude et où les oiseaux peuvent être aspirés directement dans les moteurs. La deuxième zone inclut l’espace aérien juste au‑dessus et autour des bâtiments de l’aéroport, où les avions montent ou descendent. La zone extérieure s’étend sur plusieurs kilomètres le long des axes d’approche et de départ, où les avions sont plus hauts mais restent dans le périmètre de nombreuses espèces volantes. En faisant correspondre ces zones aux positions des oiseaux, l’équipe pouvait poser non seulement la question « Des oiseaux sont‑ils présents ? » mais « Des oiseaux sont‑ils présents là où les avions sont les plus vulnérables ? »

Mêler temps, espace et gravité dans un score de risque unique

Le cœur du travail est un modèle « spatiotemporel » qui combine quand les oiseaux sont actifs, où ils se situent par rapport aux trajectoires aériennes et quel degré de dommages une collision avec chaque espèce pourrait causer. D’abord, l’équipe a calculé une probabilité temporelle pour chaque espèce en examinant son abondance saisonnière, son activité horaire et le nombre de vols par heure. Ils ont ensuite estimé une probabilité spatiale en mesurant la proximité des oiseaux par rapport à la piste et aux trajectoires de décollage et d’atterrissage, y compris la possibilité que des oiseaux issus des zones extérieures dérivent vers la zone intérieure la plus dangereuse. Enfin, ils ont évalué la gravité d’une collision pour chaque espèce, en tenant compte du poids corporel des oiseaux, du nombre d’individus présents, du type d’aéronef et du fait que l’avion décolle, atterrit ou croise. Ces ingrédients ont été combinés à l’aide d’une matrice de risque — un tableau structuré qui transforme probabilité et gravité en quatre niveaux clairs : faible, moyen, élevé et extrêmement élevé.

Figure 2
Figure 2.

Comment le nouveau modèle surpasse les méthodes anciennes

Beaucoup d’aéroports utilisent actuellement des listes de contrôle plus simples qui moyennent le risque lié aux oiseaux sur toute l’année et sur l’ensemble des alentours. Le nouveau modèle a été comparé à la méthode standard chinoise à quatre facteurs en utilisant sept ans de données historiques de collisions avec des oiseaux à l’aéroport de Yan’an Nanniwan. L’analyse statistique a montré que la nouvelle approche correspondait beaucoup mieux au schéma réel des collisions, en particulier dans la zone de la piste et l’espace proche de l’aéroport. Elle a révélé que l’été présentait le risque global le plus élevé et que la zone de la piste restait constamment la plus dangereuse. Des espèces communes comme le moineau et l’hirondelle rustique sont apparues comme des menaces clés, non pas parce qu’elles sont grandes, mais parce qu’elles sont abondantes et traversent fréquemment des trajectoires critiques aux moments de forte activité.

Transformer les chiffres en actions de sécurité ciblées

En identifiant des combinaisons à haut risque de lieu, de moment et d’espèce, le modèle permet aux aéroports d’adapter leurs réponses. Par exemple, il peut mettre en évidence une bande étroite à côté de la piste où il convient de tondre l’herbe et de réduire les sources de nourriture, un îlot de terres agricoles le long de l’axe d’approche où il faut éclaircir les arbres et les buissons, ou des heures matinales ou vespérales précises où des patrouilles supplémentaires, des canons sonores ou des lasers sont les plus utiles. Il indique aussi quand et où le risque est suffisamment faible pour que des mesures lourdes ne soient pas nécessaires. Concrètement, cela se traduit par des vols plus sûrs, moins d’efforts gaspillés et des coûts réduits, offrant aux aéroports une feuille de route scientifique pour préserver à la fois les avions et les oiseaux.

Citation: Shi, Y., Jia, J., Lin, R. et al. Research on spatiotemporal risk assessment model of bird strike at airports and precise prevention and control strategies. Sci Rep 16, 6449 (2026). https://doi.org/10.1038/s41598-026-36814-6

Mots-clés: collision avec les oiseaux, sûreté aérienne, faune aéroportuaire, évaluation des risques, modélisation spatiotemporelle