23.12.2023

AARO Eine Umweltanalyse öffentlicher UAP-Sichtungen und des Himmelssichtpotenzials

Im Laufe der Geschichte wurde über Sichtungen von nicht identifizierten Flugobjekten (UFOs) oder nicht identifizierten anomalen Phänomenen (UAP) berichtet. Angesichts der potenziellen Sicherheitsrisiken, die sie mit sich bringen, sowie der wissenschaftlichen Neugier besteht ein zunehmendes Interesse daran, zu verstehen, was diese Sichtungsberichte bedeuten. Wir betrachten dieses Problem als ein wichtiges Problem der menschlichen Erfahrung, das aus einer geografischen Perspektive untersucht werden kann: Welche lokalen Faktoren können die Anzahl der Sichtungsberichte erhöhen oder verringern? Mithilfe einer Bayes'schen Regressionsmethode testen wir Hypothesen, die auf repräsentativen Variablen basieren
Himmelssichtpotenzial (Lichtverschmutzung, Baumkronen und Wolkendecke) und das Potenzial für die Anwesenheit von Objekten am Himmel (Flugzeuge und militärische Einrichtungen). Die abhängige Variable umfasst über 98.000 öffentlich gemeldete UAP-Sichtungen in den angrenzenden Vereinigten Staaten im Zeitraum von 20 Jahren von 2001 bis 2020. Die Modellergebnisse finden glaubwürdige Korrelationen zwischen Variablen, die darauf hindeuten, dass Menschen mehr „Phänomene“ sehen, wenn sie mehr Gelegenheit dazu haben. Diese Analyse ist eine der wenigen Untersuchungen von UAP-Sichtungsberichten auf nationaler Ebene, die einen Kontext bietet, der bei der Untersuchung einzelner Berichte hilft. Angesichts der Tatsache, dass diese Objekte im persönlichen Sinne als nicht identifizierbar gelten, gibt es viele natürliche und/oder menschliche Erklärungen, die es wert sind, untersucht zu werden.

Das Interesse der US-Regierung an Unidentified Aerial Phenomena (UAP) wächst. Angesichts des neuen Fokus auf diese potenzielle Sicherheitsbedrohung und die von diesen Objekten ausgehenden Betriebssicherheitsrisiken wurde am 4. August 2020 die UAP-Task Force 1 ins Leben gerufen vorübergehend in seiner Dauer. Der stellvertretende Verteidigungsminister gab am 23. November 2021 die Anweisung, die UAP-Task Force in die Airborne Object Identification and Management Synchronization Group (AOIMSG) umzuwandeln. 2. Die Gesetzgebung des Kongresses überholte diese Richtung jedoch und das heutige All-Domain Anomaly Resolution Office (AARO). ) wurde am 20. Juli 2022 als einziges maßgebliches UAP-Büro neben dem Verteidigungsministerium gegründet und hat die Aufgabe, den gesamten Regierungsansatz zu Problem 3 zu leiten und zu synchronisieren. Die Mission der AARO besteht darin: „Bemühungen im gesamten Verteidigungsministerium zu synchronisieren.“ und mit anderen US-Bundesministerien und -behörden, um Objekte von Interesse in, auf oder in der Nähe von militärischen Einrichtungen, Operationsgebieten, Übungsgebieten, Luftraum für besondere Zwecke und anderen Interessengebieten zu erkennen, zu identifizieren und zuzuordnen und bei Bedarf Abhilfe zu schaffen damit verbundene Bedrohungen für die Betriebssicherheit und die nationale Sicherheit. Dazu gehören anomale, nicht identifizierte Weltraum-, Luft-, Unterwasser- und Transmediumobjekte.“ 3. Zur Unterstützung dieser Bemühungen untersucht dieses Forschungsteam räumliche Muster öffentlich gemeldeter UAP-Sichtungen (analog zu UFO-Sichtungsberichten in dieser Forschung) aus einem Open-Source-Online-Datensatz.
Im öffentlichen Bericht des Director of National Intelligence (DNI) aus dem Jahr 2021 lässt die Forschung zu UAP-Sichtungsberichten zwischen 2004 und 2021 die meisten der 144 regierungsbasierten Berichte aufgrund begrenzter Daten ungeklärt. Lediglich eine Sichtungsmeldung konnte mit hoher Sicherheit erklärt werden und es stellte sich heraus, dass es sich um einen sich entleerenden Ballon handelte. 4. Der DNI-Folgebericht 2022 zeigt, dass die Zahl der von der Regierung stammenden Meldungen auf 510 gestiegen ist, wobei fast die Hälfte noch ungeklärt ist. Das DNI gibt an, dass es keine eindeutige Erklärung für diese UAP gibt. Mögliche Ursachen hierfür sind Unordnung, kommerzielle Drohnen, nationale Sicherheitsbedrohungen und andere ungeklärte Phänomene. Andere frühe Inkarnationen staatlicher UFO-Forschungsbemühungen (z. B. Project Sign im Jahr 1948, Project Grudge, damals das beliebteste, Project Blue Book unter der Leitung von Dr. Allen Hynek in den 1950er-1960er Jahren 5 und der folgende von der finanzierte Condon Report Die UAP-Forschung ist oft nicht schlüssig und unsere Fähigkeit, diese Ereignisse zu erklären, scheint mit der Weiterentwicklung unserer Sensortechnologie und unserer Luft immer schwieriger geworden zu sein Die Aktivität hat zugenommen.
Hier stellen wir drei grundlegende Forschungsfragen: (1) Wie sinnvoll sind öffentlich angebotene Daten zu UAP-Sichtungsberichten? (2) Gibt es glaubwürdige räumliche Muster in diesen Berichten? und (3) Wenn ja, können diese Muster sein?
1Department of Geography, University of Utah, Salt Lake City, UT 84112, USA. 2Verteidigungsministerium der Vereinigten Staaten, Washington D.C. 20301, USA.*E-Mail: richard.medina@geog.utah.edu
durch physische und/oder bauliche Umgebungsfaktoren erklärt? Um diese Fragen zu beantworten, verwenden wir UFO-Sichtungsberichtsdaten des National UFO Research Center 7. Wir modellieren die Gesamtzahl dieser Berichte über einen Zeitraum von 20 Jahren von 2001 bis 2020 und verwenden dabei erklärende Umweltvariablen – Lichtverschmutzung, Wolkenbedeckung, Baum Überdachungen, Flughäfen und militärische Einrichtungen. Dieses Modell soll sowohl die verfügbare Sicht auf den Himmel als auch das Potenzial für Flugobjekte darstellen. Wir gehen davon aus, dass (a) Faktoren, die die Sicht einschränken, negativ mit Sichtungsmeldungen korrelieren und (b) Faktoren im Zusammenhang mit dem Flugverkehr positiv korrelieren oder einfach, dass Menschen Sichtungen von UAPs dort melden, wo sie die meisten Möglichkeiten zur Sicht haben ihnen. Unseres Wissens ist dies der erste Versuch zu verstehen, wie räumliche Variationen in Berichten mit Umgebungsvariablen zusammenhängen. Diese Analyse stellt einen der wenigen Versuche dar, dieses Phänomen auf nationaler Ebene zu untersuchen, und bietet einen Ausgangspunkt für die Anwendung eines ähnlichen Ansatzes auf Daten der US-Regierung über UAP-Aktivitäten, um mögliche Quellen zu identifizieren.

Geschichte der UAP-Sichtungsforschung und Umwelterklärungen
Es gibt kaum traditionelle akademische Forschung zu UAPs. Dies ist zu erwarten, da immer wieder Bestrebungen unternommen werden, wissenschaftliche Bemühungen zum Verständnis dieses Phänomens zu diskreditieren 8. Allerdings sollten wir die Tatsache nicht außer Acht lassen, dass viele Menschen auf der ganzen Welt berichten, unbekannte und unerklärliche Objekte am Himmel gesehen zu haben. Welche Forschungsergebnisse existieren, stützt sich in der Regel auf Berichte aus erster Hand, psychologische Erklärungen oder spezifische Ereignisse, was die systematische Analyse großflächiger Muster einschränkt 9–12. Darüber hinaus haben überprüfbare Datenquellen und fragwürdige Darstellungen die Genauigkeit bisheriger Arbeiten eingeschränkt. Die Datenverfügbarkeit für größere Studien ist seit langem ein Problem. In den USA wurde in jüngster Zeit verstärkt auf Sichtungen durch Militärangehörige oder anderes Regierungspersonal geachtet. Datenbanken dieser Ereignisse werden jetzt von der AARO und den unterstützenden Diensten geführt, diese Bemühungen begannen jedoch erst im Jahr 2019, obwohl sie Informationen enthalten, die bis ins Jahr 1996 zurückreichen 13. Der Kongress hat die AARO angewiesen, diese Forschung bis ins Jahr 1945 zurückzudehnen.
Eine Erklärung für einige UAP-Sichtungen sind Naturphänomene. Beispielsweise wird der Planet Venus oft mit einem UAP verwechselt. Manchmal ist es nahe am Horizont zu sehen und kann durch die Bäume scheinen und ein unregelmäßiges Licht- und Reflexionsmuster erzeugen 14. Die zweitwahrscheinlichste Erklärung sind von Menschenhand geschaffene Flugzeuge 15, darunter verschiedene Objekte wie Wetterballons, Ursprünglich wurde angenommen, dass er für den Fall Roswell, New Mexico im Jahr 1947 verantwortlich war, den wohl populärsten UAP-Fall in der US-Populärkultur. Nachfolgende Offenlegungen der Luftwaffe beschreiben die für das Ereignis verantwortliche Aktivität als geheimes Multi-Ballon-Projekt zur Entdeckung sowjetischer Atomtests 16. Zu den aktuellen Faktoren, die zu UAP-Sichtungsberichten beitragen, gehört das exponentielle Wachstum bei Satelliten- und Raumfahrzeugstarts sowie Orbitern ( (z. B. SpaceX Starlink) sowie erhöhte Drohnenaktivität. Der Einsatz dieser und anderer moderner Technologien hat wahrscheinlich zu einer Zunahme der UAP-Meldungen geführt. Die vorläufige Bewertung nicht identifizierter Luftphänomene 4 des US-Büros des Direktors des Nationalen Geheimdienstes aus dem Jahr 2021 und der jüngste DNI-Bericht zu UAP 13 (2022) führen fünf mögliche Erklärungskategorien für UAP-Sichtungen auf: Luftechos, natürliche atmosphärische Phänomene, US-Regierung oder Branchenentwicklungsprogramme, ausländische Gegnersysteme und andere 4.

Frühe Forschungen, die versuchen, die Zunahme von Sichtungsmeldungen im Uinta-Becken in Utah zu erklären, nutzen den Insektenbefall in der Luft als Korrelat. Die ausgewählten Insekten zeigten während der Stimulation durch ein elektrisches Feld Muster von „brillanten farbigen Lichtern oder Pinseln aus bläulich-weißem Licht, die von verschiedenen äußeren Punkten ihres Körpers ausgingen“ 17. Es wurde vermutet, dass das künstlich erzeugte elektrische Feld einem wetterbedingten Phänomen namens St. Elmo ähnelte Feuer, bei dem statische Elektrizität Muster aus sichtbarem farbigem Licht verursacht. Interessanterweise wurde diese Forschung kurz nach der Veröffentlichung widerlegt und als „etwas unrealistisch“ beschrieben 18, obwohl die Autoren mit einer Widerlegung reagierten 19,20.
Andere historische Forschungen deuten auf Zusammenhänge zwischen seismischer Aktivität und UFO-Sichtungen hin. Persinger und Derr 21 erinnern an die Hypothese 22–24 der tektonischen Belastung – „dass ein wesentlicher Teil der UFO-Phänomene durch Spannungsfelder erzeugt wird; Sie werden durch die sich ändernden Spannungen innerhalb der Erdkruste hervorgerufen“ 25. Andere Untersuchungen legen nahe, dass seismische Aktivität im Zusammenhang mit Sonnenaktivität oder die Verwendung seismischer Intensität ein besserer Prädiktor sein könnte als nur die seismische Aktivität allein 26.
Die vielleicht beliebteste natürliche Erklärung für UAP-Sichtungen ist der Kugelblitz, der durch „ein kugelförmiges oder annähernd kugelförmiges, lichtemittierendes Objekt mit einer Größe von einigen Zentimetern bis zu einem Meter oder mehr, einem durchschnittlichen Durchmesser von etwa 20 cm und dessen Farben“ gekennzeichnet ist variieren von Rot über Gelb, Weiß, Blau und (selten) Grün“ 27. Eines der Probleme mit der Kugelblitz-Hypothese besteht darin, dass es sich um ein so seltenes und selten aufgezeichnetes Ereignis handelt, dass seine Existenz nicht von allen Forschern akzeptiert wird. Relativ neue Untersuchungen haben jedoch bestätigt, dass es sich vermutlich um einen Kugelblitz handelt28.
Der jüngste Anstieg des Interesses an UAP-Berichten ging mit der Entwicklung neuer Methoden zur Bewertung und Erklärung von Sichtungen einher, 29,30 einschließlich speziell angefertigter Observatorien und Sensoren sowie mobiler Apps zur Nutzung von Crowdsourcing-Informationen. Während diese Methoden die Analyse einzelner Ereignisse verfeinern, gibt es noch keine Informationen über den allgemeinen Kontext der Sichtungen, d. h. darüber, warum Sichtungsmeldungen in bestimmten Regionen des Landes häufiger und in anderen weniger verbreitet sind. Anstatt zu erklären, was Menschen am Himmel sehen, untersuchen wir die Kombination von Sichtweite und Flugverkehr im Zusammenhang mit gemeldeten Sichtungen und liefern so ein erstes Verständnis dafür, warum die Anzahl der Sichtungsmeldungen räumlich variiert. Angesichts ihrer relativen Seltenheit scheint es unwahrscheinlich, dass Insekten, seismische Aktivität und/oder Kugelblitze für die meisten Meldungen verantwortlich sind, insbesondere für solche, die tagsüber beobachtet werden. Das Verständnis des Umweltkontexts dieser Sichtungen wird es einfacher machen, neue Erklärungen für ihr Auftreten vorzuschlagen und zu testen und dabei helfen, wirklich anomale Sichtungen zu identifizieren.

Materialen und Methoden
Öffentliche UAP-Sichtungsberichtsdaten
Diese Forschung nutzt Daten des National UFO Reporting Center (NUFORC) online 31. NUFORC wurde 1974 gegründet und „die Hauptaufgabe des Zentrums bestand in den letzten vier Jahrzehnten darin, die Informationen zu empfangen, aufzuzeichnen und weiterzuleiten.“
Berichte von Personen, die Zeuge ungewöhnlicher, möglicherweise UFO-bezogener Ereignisse waren, so weit wie möglich bestätigen und dokumentieren.“ 32. NUFORC akzeptiert Online-, Telefon- und schriftliche Berichte. Die Daten werden etwa einmal im Monat aktualisiert. Unser extrahierter Datensatz umfasst 122.983 gemeldete Sichtungen in den Vereinigten Staaten von Juni 1930 bis Juni 2022. Zu den Feldern im Datensatz gehören Datum, Stadt, Bundesland, Land, Form, Dauer, Zusammenfassung, Veröffentlichungsdatum und Bild. Koordinaten auf Stadtebene wurden mithilfe von Microsoft-Onlinediensten berechnet. Der resultierende räumlich-zeitliche Datensatz umfasst 121.949 Punkte (lokalisierbar in den Vereinigten Staaten), was 99,16 % der gesamten Extraktion entspricht. Wir konzentrieren uns auf die angrenzenden USA von 2001 bis 2020, weil (1) die Interpretation einfacher ist und (2) die Baumkronendaten (unten besprochen) nur für die Küstenregion Alaskas verfügbar sind. Dadurch reduziert sich die Zahl der gemeldeten Sichtungen auf 98.724 (dargestellt in Abb. 1).
Zur Analyse aggregieren wir über diesen Zeitraum hinweg auf Kreisebene, um räumliche Kontinuität zu gewährleisten. Bei allen räumlichen Studien ist das Modifiable Areal Unit Problem (MAUP) immer eine Überlegung. Während die Berechnung und Analyse von Sichtungsberichten möglicherweise weniger verzerrt ist, wenn sie auf Zellen gleicher Größe aggregiert werden, erfordert die Schätzung der Population innerhalb solcher Zellen eine Reihe von Annahmen. Da diese Meldeereignisse außerdem relativ selten sind, bieten die Landkreise ausreichend große Gebiete für eine sinnvolle Aggregation von Punkten. Unser zeitlicher Bereich ist so ausgewählt, dass davon ausgegangen wird, dass es sich bei den Einträgen um relativ neue Ereignisse handelt und nicht um Jahrzehnte zurückliegende Erinnerungen. Der Internetzugang zur Meldung einer Sichtung wäre ab etwa 2000 besser möglich und ist wahrscheinlich für die Zunahme der Sichtungsmeldungen im Laufe der Zeit verantwortlich. Darüber hinaus besteht insbesondere in den Jahren 2000 bis 2010 und in ländlichen Gebieten eine potenzielle Verzerrung der Berichterstattung aufgrund des eingeschränkten Internetzugangs in diesen Gebieten. Eine Zeitleiste der gemeldeten Sichtungen für den Untersuchungszeitraum ist in Abb. 2 dargestellt, mit einem deutlichen Höhepunkt der Meldungen zwischen 2012 und 2014, gefolgt von einem starken Rückgang zwischen 2015 und 2018.
In den Raumwissenschaften werden solche Daten typischerweise als Volunteered Geographical Information (VGI) bezeichnet. VGI werden wissentlich oder unwissentlich von Einzelpersonen bereitgestellt, typischerweise mit Hilfe standortbezogener digitaler Tools 33. Wie bei anderen Crowdsourcing-Daten gibt es auch bei VGI wenig Hoffnung auf eine Qualitätssicherung

Abbildung 1. Von NUFORC gemeldete räumliche Verteilung der Sichtungen für die angrenzenden USA von 2001 bis 2020.

Abbildung 2. Zeitleiste der von NUFORC gemeldeten Sichtungen von 2001 bis 2020.
Wissenschaftliche Berichte | Band:.(1234567890)
Dieses Problem wird in diesem Datensatz noch verschärft, da einige möglicherweise versuchen, Desinformation zu betreiben. Es ist klar, dass diese Daten nicht überprüft werden können, und selbst wenn Interviews mit jeder Person möglich wären, gäbe es Probleme bei der Bestimmung von Wahrheit und Genauigkeit, insbesondere bei rückwirkender Berichterstattung. NUFORC versucht jedoch, Falschmeldungen einzuschränken. Erstens stellen sie Informationen einschließlich Beschreibungen, Bildern und Videos von Starlink-Satelliten bereit, die für diejenigen, die sie noch nie gesehen haben, möglicherweise nicht identifiziert werden können. Zweitens liefern sie eine Beschreibung der Venus als potenzielles Potenzial für nicht identifizierte Sichtungsberichte. Drittens erörtert NUFORC Hoax- und Scherzmeldungen, die angeblich ignoriert und verworfen werden 35. Angesichts der Größe und Struktur der Daten ist es nicht klar, dass alle Hoaxes identifiziert werden können, aber NUFORC achtet zumindest auf Hoax-Fälle. Wir können die Sichtungsberichte nicht unterscheiden, die offensichtliche und/oder logische Erklärungen haben, stellen jedoch fest, dass es sich hierbei immer noch um einen „unidentifizierten“ Sichtungsbericht handelt. Dies ist jedoch der einzige Datensatz dieser Größe und Detailliertheit, der eine geografische Forschung ermöglicht. Darüber hinaus ist es unmöglich, über 120.000 Fälle zu diskreditieren.

Erklärende Variablen
Wir verwenden drei erklärende Datensätze, um physische und bebaute Umweltattribute darzustellen, die die Sicht auf den Himmel einschränken würden: Lichtverschmutzung, Wolkendecke und Baumkronen, und zwei Datensätze, die luftgestützte Aktivitäten darstellen, die mit UAPs verwechselt werden könnten. Die gesamte Datenaufbereitung und Berechnung erfolgt mit der Software Microsoft Excel und ESRI ArcGIS Pro. Alle Kovariaten wurden vor der Modellierung einer Z-Score-Transformation unterzogen.
Lichtverschmutzung Die Datenquelle für Lichtverschmutzung ist der New World Atlas of Artificial Sky Brightness 36,37. Dieser Rasterdatensatz ist im Geotiff-Format mit einer Auflösung von 30 Bogensekunden oder 1 km pro Pixel verfügbar und deckt die gesamte Welt ab. Die Werte stellen die simulierte Zenitstrahlung in [mcd/m2] dar. Die Daten für die USA wurden extrahiert und der Mittelwert der Lichtverschmutzung für jeden US-Bundesstaat berechnet.
Wolkenbedeckung Daten zur Wolkenbedeckung stammen aus dem EarthEnv-Projekt 38. Diese Daten werden unter Verwendung von 15 Jahren (2000–2014) zweimal täglicher Fernerkundungsbeobachtungen mit dem Moderate Resolution Imaging Spectroradiometer (MODIS)-Sensor zusammengestellt. Sie werden im Geotiff-Format mit einer Auflösung von 1 km für die ganze Welt bereitgestellt. Die Wolkenbedeckungswerte wurden für jeden US-Bundesstaat gemittelt.
Baumkronen Die Baumkronendaten stammen vom Multi-Resolution Land Characteristics Consortium und wurden vom United States Forest Service (USFS) unter Verwendung von Landsat-Bildern und „anderen verfügbaren Boden- und Zusatzinformationen“ 39 erstellt. Baumkronenschätzungen können nicht anhand von Spektren berechnet werden Unterschrift allein. Hier werden sie mithilfe von Zufallswaldmodellen generiert, die auf manuell klassifizierten digitalen Orthophoto-Viertelvierecken (DOQQ) als Antwortvariablen trainiert werden 40,41. Dies hilft, den Unterschied zwischen Baumkronen und anderen vegetativen Landbedeckungen abzuschätzen. Die resultierenden Datenwerte repräsentieren die Baumkronenbedeckung des Jahres 2016 mit einer Auflösung von 30 m und sind für die kontinentalen USA, die Küstenregionen Alaskas und Hawaiis verfügbar. Aufgrund der Größe der Datei und der Auflösung anderer Datensätze im Modell wurde das Bild auf eine Auflösung von 1 km hochgerechnet. Die Baumkronenwerte wurden dann für jeden US-Bundesstaat gemittelt.
Flughäfen Diese Daten werden vom ArcGIS Online-Dienst von ESRI bereitgestellt, der über die ArcGIS Pro-Software zugänglich ist. Dazu gehören Kategorien für Flughäfen, Hubschrauberlandeplätze, Wasserflugzeugbasen, Ultraleichtflugzeuge, Segelflughäfen, Ballonhäfen und andere in den USA. In diesem Datensatz gibt es 19.850 Einträge, die als Punkte dargestellt werden. Die Daten sind als Anzahl der Flughäfen pro km² standardisiert.
Militärische Einrichtungen Daten zu militärischen Einrichtungen stammen aus TIGER/Line-Shapefiles der US-Volkszählung und wurden von data.gov 42 heruntergeladen. Die US-Volkszählung hat diesen Datensatz in Zusammenarbeit mit dem US-Verteidigungsministerium und dem US-Heimatschutzministerium erstellt. Die Daten markieren die Grenzen militärischer Anlagen. Für diese Untersuchung wurden diese Grenzen den US-Counties überlagert, wobei die Fläche der Militäranlagen jedes Countys berechnet wurde.

Modelle
Wir untersuchen zunächst den NUFORC-Datensatz mithilfe des Getis-Ord (Gi*)-Index, der auf der Anzahl der Sichtungsberichte pro 10.000 Einwohner pro Landkreis basiert. Dadurch werden signifikante Cluster von niedrigen Werten (Cold Spots) und hohen Werten (Hot Spots) identifiziert, indem die Gesamtzahl der standardisierten Berichte in einer Reihe benachbarter Landkreise mit der vollständigen Verteilung verglichen wird. Die benachbarten Landkreise werden als k-nächste Nachbarn (k-NN) ausgewählt, wobei der K-Parameter auf 8 eingestellt ist. Anstatt einen festen Entfernungsparameter oder Kontiguitätsanforderungen festzulegen, stellt k-NN sicher, dass jeder Landkreis die gleiche Anzahl von Nachbarn berücksichtigt. Die Bevölkerungsstandardisierung der Sichtungsberichtsvariablen sollte bei der Korrektur für Regionen mit größeren Landkreisen wie dem Westen helfen, die im Allgemeinen größere Gebiete abdecken 43,44.
Um das Potenzial für die Sichtung von UAPs zu modellieren, verwenden wir die Bayes'sche Kleinflächenschätzung, basierend auf der relativen Rate von Sichtungsmeldungen in der Bevölkerung eines Standorts. Modelle für kleine Gebiete enthalten einen räumlichen autoregressiven Term, um den Einfluss extremer Werte zu begrenzen, die aus kleinen Populationsgrößen resultieren können. Hier wird davon ausgegangen, dass die Anzahl der gemeldeten Sichtungen yi für den Landkreis i einer Poisson-Verteilung folgt:
yi ∼ Pois(θiEi)
Dabei ist Ei die erwartete Anzahl von Meldungen für Landkreis i und θi die relative Rate. Um den erwarteten Wert zu erhalten, schätzen wir zunächst die Pro-Kopf-Meldungsrate für die angrenzenden USA als Gesamtzahl der Meldungen dividiert durch die Gesamtbevölkerung. Der erwartete Wert für einen Landkreis wird ermittelt, indem dieser Wert mit der Bevölkerung dieses Landkreises multipliziert wird. Wenn θi > 1, ist die Anzahl der Meldungen größer, als allein aufgrund der Bevölkerungszahl zu erwarten wäre. Eine aktuelle Analyse des NUFORC-Datensatzes legt nahe, dass die Anzahl der Meldungen möglicherweise auch mit dem Kreisgebiet 45 zusammenhängt. Da die Verteilung der Bevölkerung in einem bestimmten Gebiet jedoch sehr unterschiedlich sein kann, ist unklar, wie dies in der erwarteten Weise genutzt werden soll Tarifberechnung. Wir gehen daher davon aus, dass die erwartete Melderate lediglich auf der Kapazität eines Landkreises zur Erstellung von Meldungen basiert. Schließlich werden die relativen Raten mithilfe von K-Kovariaten wie folgt modelliert:

stellt den Satz von Z-Score-transformierten Kovariaten dar, die die beschriebene Sichtbarkeit und den Flugverkehr darstellen
oben mit zugehörigen Koeffizienten. Abschließend wird der Modellfehler (∈) in einen räumlichen autoregressiven Effekt und nichträumliches Zufallsrauschen zerlegt. Unser Modell geht davon aus, dass die einzelnen Berichte unabhängig sind. Während dies wahrscheinlich nicht auf die Ereignisse zutrifft, die zu den Sichtungen geführt haben, da diese von mehreren Personen gemeldet werden können, gehen wir davon aus, dass die Berichte unabhängig voneinander stammen.
46 Modellparameter und -koeffizienten werden mithilfe der integrierten verschachtelten Laplace-Approximation (INLA) geschätzt. Aufgrund seiner Recheneffizienz bei großen räumlich strukturierten Modellen wurde INLA gegenüber MCMC-Ansätzen ausgewählt. Die Modellergebnisse werden als Mittelwert der hinteren Wahrscheinlichkeitsverteilung für jeden Koeffizienten angegeben (Tabelle 1). Varianzinflationsfaktoren (VIFs), die potenzielle Multikollinearität innerhalb eines Modells signalisieren, liegen für alle Variablen im Modell deutlich unter 2. VIF-Werte werden traditionell akzeptiert, wenn sie unter 5 liegen. Bayesianische Posterior-Schätzungen können zum Testen spezifischer Hypothesen verwendet werden 47 Hier testen wir die Hypothese, dass die Beziehung zwischen jeder Kovariate und der Rate der Sichtungsberichte positiv (d. h. > 1) oder negativ (< 1) ist. Die Unterstützung einer bestimmten Hypothese basiert auf der hinteren Wahrscheinlichkeitsverteilung der Modellkoeffizienten und wird als Glaubwürdigkeit dieser Hypothese beschrieben. Wenn beispielsweise 95 % der Posteriorverteilung eines Koeffizienten über eins liegen, deutet dies auf eine positive Beziehung zwischen dieser Kovariate und der Rate der Sichtungsberichte hin und es würde eine Glaubwürdigkeit von 95 % einer positiven Beziehung zugewiesen. Wenn die Posterior-Verteilung gleichmäßig in negative und positive Schätzungen aufgeteilt wird, würde dies einer Glaubwürdigkeit von etwa 50 % für beide Hypothesen zugeschrieben. Da das Modell auf logarithmisch transformierten relativen Raten basiert, wurden die hinteren Schätzungen der Koeffizienten potenziert, um die Interpretation zu erleichtern. Die Koeffizienten werden als Mittelwert der Posteriorverteilung plus dem 95 %-Glaubwürdigkeitsintervall angegeben (Tabelle 1). Eine Karte der
Der räumliche Fehlerterm (u) ist in den Zusatzinformationen enthalten.

Ergebnisse
Die Ergebnisse einer Hotspot-Analyse (Abb. 3) zeigen einen starken Trend mit viel mehr bevölkerungsstandardisierten Sichtungen (d. h. Kreisberichten pro 10.000 Einwohner), die im Westen der USA und im äußersten Nordosten sowie in einigen isolierten Gebieten, einschließlich der, gemeldet wurden Drei-Staaten-Grenzgebiet von Illinois, Indiana und Kentucky, um Evansville, Indiana und die Gegend um Washington D.C. herum. In den zentralen Ebenen und im Südosten gibt es Gruppen von Berichten über geringe Sichtungen.
Tabelle 1 enthält die Ergebnisse des Modells, basierend auf der hinteren Wahrscheinlichkeitsverteilung jedes Koeffizienten. Mit Ausnahme des Achsenabschnitts beschreiben alle Modellkoeffizienten die Änderungsrate der relativen Rate der Sichtungsmeldungen bei einem Anstieg dieses Koeffizienten um eine Standardabweichung. Werte über 1 deuten auf eine positive Beziehung hin (d. h. steigende Meldungen); Werte unter 1 deuten auf einen negativen Zusammenhang hin (abnehmende Meldungen). Der Koeffizient für die mittlere Lichtverschmutzung beträgt beispielsweise 0,923, was bedeutet, dass ein Anstieg der Lichtverschmutzung um eine Standardabweichung zu einem Rückgang der Sichtungsmeldungen um 7,7 % führt.
Alle Ergebnisse mit Ausnahme der Bewölkung stützen die allgemeine Hypothese, dass Menschen Dinge sehen, wenn sie die Gelegenheit dazu haben. Die Bewölkung steht in keinem glaubwürdigen Zusammenhang mit Sichtungsberichten, es gibt keinerlei Belege für einen negativen oder positiven Zusammenhang.
Diskussion und zusammenfassung
Wir erinnern uns hier an unsere anfänglichen Forschungsfragen: (1) Wie sinnvoll sind öffentlich angebotene Daten zu gemeldeten UAP-Sichtungen? (2) Gibt es glaubwürdige räumliche Muster in diesen Sichtungsberichten? und (3) Wenn ja, können diese Muster durch physische und/oder bauliche Umgebungsfaktoren erklärt werden? Für Frage 1 handelt es sich bei den öffentlich verfügbaren Daten von NUFORC online um nutzbare Daten; Sie erfordern jedoch eine umfangreiche Verarbeitung für die räumliche Analyse. Diese Daten könnten für Untersuchungen mit einer feineren Auflösung (auf Stadtebene) anstelle der hier verwendeten Kreisebene verwendet werden.
Die Hauptsorge dieser Ergebnisse ist: Sind diese freiwilligen Daten gültig? Die kurze Antwort lautet: Es ist wahrscheinlich, dass einige davon betroffen sind und andere nicht. Wir schlagen jedoch vor, dass die Daten völlig ungültig wären (homogen vorausgesetzt).

Tabelle 1. Ergebnisse des Bayes'schen Kleinflächenmodells. Von links nach rechts: Variablenname; mittlere Posteriorverteilung (95 % glaubwürdiger Bereich); Glaubwürdigkeit eines positiven Zusammenhangs mit Sichtungsberichten; Glaubwürdigkeit des negativen Zusammenhangs mit Sichtungsberichten; kurze Beschreibung des Ergebnisses.

Abbildung 3. Hotspot-Analyse (Getis-Ord Gi*) der gemeldeten Sichtungen von 2001 bis 2020.

Aufgrund der psychologischen und soziologischen Verteilung der Einsendungen würden die Sichtungsberichte wenig bis gar kein räumliches Muster aufweisen und wahrscheinlich keinem Muster folgen, das durch Sichtbarkeitsindikatoren erster Ordnung erklärt werden kann. Eine weitere Datenfrage lautet: Gibt es zeitliche und/oder geografische Fehler? Wahrscheinlich, weil einige Einträge in diesem Datensatz nachträglich gemeldet werden, nicht immer in der ersten Person. Wir versuchen, dies einzuschränken, indem wir Daten von 2001 bis heute verwenden, aber das löst das Problem nicht vollständig. Geografische Fehler wurden durch Hochskalieren der Daten auf Kreisebene begrenzt. Ein letztes Problem, das wir berücksichtigen, ist, dass diese gemeldeten Fälle Kenntnisse über NUFORC und Zugang zu Kommunikationsmitteln erfordern. Die Autoren fanden die Website und die Organisation bei der Suche nach Daten. Einige finden die Website möglicherweise, während sie nach einer Organisation suchen, der sie Bericht erstatten können. Dennoch besteht wahrscheinlich eine Voreingenommenheit hinsichtlich der Frage, wer über diese Ressource Bescheid weiß, da sie nicht umfassend beworben wird. Insgesamt gehen wir davon aus, dass dieser Datensatz für das Verständnis dieser Sichtungsberichte von Nutzen ist. dass dies entweder darauf hindeutet, dass die Leute Dinge sehen, die sie nicht erklären können (oder die sie nicht mit logischeren Erklärungen erklären wollen), oder dass dies darauf hinweist, dass die Leute mehr über UAPs nachdenken. Beide sind wichtig und haben physische/soziale Auswirkungen.
Für die Fragen 2 und 3 gibt es glaubwürdig identifizierbare Muster in diesen Sichtungsberichten, und diese Muster beziehen sich auf Umweltmerkmale. Die erklärenden Variablen sollen sowohl (1) die Möglichkeit, etwas zu sehen, als auch (2) die Möglichkeit darstellen, dass etwas von Menschen Geschaffenes im Sichtfeld ist. Wir haben weder Satelliten oder Drohnen berücksichtigt, die wahrscheinlich wichtige Faktoren sind, noch die Tatsache, dass Flugzeuge (und Hubschrauber usw.) nicht nur ihre Start- und Landeplätze umfliegen. An den von uns genutzten Standorten sind Flugzeuge jedoch wahrscheinlich näher am Boden, besser sichtbar und häufiger präsent. Mithilfe der Daten der Militäranlagen hoffen wir, nicht nur Flugzeuge, sondern auch nächtliche Trainingsaktivitäten zu erfassen, bei denen beispielsweise Leuchtspurgeschosse, Drohnen und andere Formen der Beleuchtung in relativ verlassenen Gebieten zum Einsatz kommen könnten.

Wenn wir davon ausgehen, dass es sich bei den meisten Sichtungsberichten hier um echte Sichtungen handelt, die von Menschen als nicht identifiziert eingestuft wurden, dann haben unsere Ergebnisse interessante Implikationen. Unser Modell zeigt, dass sich die meisten standardisierten Sichtungsberichte in den westlichen Teilen der USA und im äußersten Nordosten befinden. Wir gehen davon aus, dass die höhere Rate westlicher Sichtungen auf (1) die physische Geographie des Westens (d. h. das Fehlen von Vegetationsdächern und weitläufigen Flächen) und (2) die Kultur der Outdoor-Aktivitäten (z. B. Erholung usw.) zurückzuführen sein könnte Aktivitäten, die das ganze Jahr über bei gemäßigterem Wetter genossen werden) und (3) Kulturen paranormaler Vorstellungen (z. B. Auswirkungen von Area 51, Roswell, New Mexico). Es gibt auch einige isolierte Bezirke im Rest des Landes, die weitere Untersuchungen erfordern, um herauszufinden, welche Immobilien relativ mehr UAP-Aufmerksamkeit erregen könnten. In diesen Ergebnissen ist die Bewölkung jedoch nicht glaubwürdig, was möglicherweise auf die höhere Häufigkeit von Sichtungsmeldungen sowohl in den Küstenregionen des pazifischen Nordwestens (relativ bewölkt) als auch in den Wüstenregionen des Gebirgswestens (relativ klar) zurückzuführen ist. Wir gingen ursprünglich davon aus, dass die Bewölkung einen glaubwürdigen Zusammenhang mit den Berichten haben würde, da Wolken dazu führen können, dass Licht gestreut wird und dadurch reflektierende oder beleuchtete Dinge, die sich innerhalb oder über ihnen bewegen, verdeckt werden und Muster entstehen, die manche für unerklärlich halten könnten. Dies war jedoch nicht der Fall. Alle anderen variablen Beziehungen sind wie erwartet und stimmen mit unserer ursprünglichen Hypothese überein, dass Menschen mehr Sichtungen melden, wenn sie eine bessere Sicht auf den Himmel haben. Die Frage ist nun warum? Diese Forschung beginnt mit der Beantwortung dieser Frage, indem sie untersucht, wie viele vom Menschen verursachte Aktivitäten in der Luft stattfinden. Die höchst glaubwürdigen Beziehungen zum Flugverkehr und zu militärischen Aktivitäten legen nahe, dass die Menschen Dinge sehen, die von Menschen gemacht sind, aber nicht erkennen. Beispielsweise kann ein Heißluftballon aus ausreichend großer Entfernung unerklärlich aussehen, insbesondere wenn er von jemandem gesehen wird, der noch nie einen gesehen hat. Drohnen, die wir nicht speziell getestet haben, scheinen in Gebieten, in denen Menschen es nicht gewohnt sind, Dinge am Himmel zu sehen, unregelmäßig zu fliegen. Es ist unwahrscheinlich, dass Ereignisse wie Kugelblitze, seismische Lichter, Insekten oder andere Naturereignisse für mehr als einen kleinen Teil dieser Meldungen verantwortlich sind, da es sich selbst um seltene Ereignisse handelt.
Während diese Ergebnisse eine erste Einschätzung der Faktoren liefern, die mit den gemeldeten Sichtungen unbekannter oder ungeklärter Phänomene zusammenhängen, werfen sie auch weitere Fragen auf. Wir finden glaubwürdige und räumliche Zusammenhänge Muster, die einer weiteren Untersuchung bedürfen. Warum ist beispielsweise die Zahl der Sichtungsmeldungen in Kalifornien niedrig, während sie in vielen umliegenden Bundesstaaten hoch ist? Warum schwanken die Meldungsraten im Laufe der Zeit? Unsere zukünftige Forschung wird zeitliche Überlegungen (z. B. Variation im Zeitverlauf) einbeziehen, um hoffentlich einige dieser Fragen zu beantworten. Wir stellen außerdem fest, dass unsere Kovariaten durchschnittliche Bedingungen darstellen, und obwohl diese eindeutig einen Großteil des Musters erster Ordnung in Sichtungsberichten erklären, können zusätzliche Faktoren identifiziert werden, indem das verbleibende Muster in den räumlichen Fehlern (SI Abb. 1) untersucht oder Änderungen berücksichtigt werden im Laufe der Zeit oder einzelner Ereignisse.
Einige Muster in den gemeldeten Sichtungen könnten durch soziokulturelle Faktoren erklärt werden. Gibt es beispielsweise einen Anstieg der Berichte, nachdem Hollywood Filmen oder Fernsehsendungen über Außerirdische Aufmerksamkeit geschenkt hat? Ist es in manchen Kulturen aufgrund ihrer Glaubenssysteme wahrscheinlicher, dass UAPs auftreten? Wurde in einigen Regionen/Orten in den USA den historischen UAP-Sichtungsberichten mehr Aufmerksamkeit geschenkt? Es steht außer Frage, dass Geographie und „Ort“ die Glaubenssysteme und das Verhalten der Menschen beeinflussen. An manchen Orten kann die Erwartung dessen, was Sie sehen sollen, Einfluss darauf haben, was Sie tatsächlich sehen. In einem Prozess, der als motivierte Wahrnehmung bezeichnet wird, können Menschen ihre Wahrnehmungen verzerren, um zu erwarteten Schlussfolgerungen zu gelangen, die ihren Zielen entsprechen oder Belohnungen bieten 48,49. Wenn Ihr Ziel darin besteht, einen UAP zu sehen, ist es durchaus möglich, dass Sie bei Gelegenheit auch einen sehen. Es ist jedoch wichtig darauf hinzuweisen, dass es viele Sichtungserlebnisse gibt, über die die Menschen nur ungern berichten. Es gibt viele, die Angst vor Stigmatisierung und Angriffen der Öffentlichkeit haben, und andere, die zuvor nicht an UAPs geglaubt haben, aber eine Erfahrung gemacht haben, die sie vom Gegenteil überzeugt hat.
Aufgrund der Komplexität des Themas und der Sensibilität der verfügbaren Daten gehen wir dieses Problem mit Vorsicht an. Die US-Regierung vertritt den Standpunkt, dass „UAP eindeutig ein Problem der Flugsicherheit darstellen und eine Herausforderung für die nationale Sicherheit der USA darstellen können“4. Bei Fragen der nationalen Sicherheit sind Unsicherheiten und Unbekannte niemals gut, und es ist die Aufgabe der Geheimdienste, diese zu minimieren Unbekannte. Unabhängig davon, was die Menschen sehen und ob es sich um Militärpiloten, Zivilpiloten oder Umstehende handelt, besteht eine potenzielle Bedrohung. Diese Bedrohung wächst mit zunehmender Unsicherheit. Obwohl unsere Ergebnisse auf einem verrauschten Crowdsourcing-Datensatz basieren, können sie einen Kontext dafür liefern, wie sich Sichtungsberichte über nicht identifizierte Objekte im Raum unterscheiden, sowie die damit verbundenen Faktoren und könnten einen Schritt zum Verständnis dieser Bedrohungen darstellen.
Dieses Problem ist in vielerlei Hinsicht relevant, auch in anthropologischer und soziologischer Hinsicht (d. h. beim Verständnis der menschlichen/sozialen Erfahrung). Wenn dieser Forschungsbereich wissenschaftlich erforscht wird, sollte das Stigma vorbei sein. Wir stellen keine Hypothesen darüber auf, was die Menschen sehen, sondern nur, dass sie mehr sehen werden, wann und wo sie Gelegenheit dazu haben. Es bleibt jedoch die Frage, worum es bei diesen Sichtungsberichten geht. Eine weitere Untersuchung der Regionen, in denen das Modell eine schlechte Leistung erbringt, zeitlicher Trends und gemeldeter Details zu jeder gemeldeten Sichtung kann zur weiteren Klärung dieses Sachverhalts beitragen.