Efficacy of cool roofs at reducing pedestrian-level air temperature during projected 21st century heatwaves in Atlanta, Detroit, and Phoenix (USA)
Notice bibliographique
Résumé
Abstract The air temperature cooling impacts of infrastructure-based adaptation measures in expanding urban areas and under changing climatic conditions are not well understood. We present simulations conducted with the Weather Research and Forecasting (WRF) model, coupled to a multi-layer urban model that explicitly resolves pedestrian-level conditions. Our simulations dynamically downscale global climate projections, account for projected urban growth, and examine cooling impacts of extensive cool roof deployment in Atlanta, Detroit, and Phoenix (USA). The simulations focus on heatwave events that are representative of start-, middle-, and end-of-century climatic conditions. Extensive cool roof implementation is projected to cause a maximum city-averaged daytime air temperature cooling of 0.38 °C in Atlanta; 0.42 °C in Detroit; and 0.66 °C in Phoenix. We propose a means for practitioners to estimate the impact of cool roof treatments on pedestrian-level air temperature, for a chosen roof reflectivity, with a new metric called the Albedo Cooling Effectiveness (ACE). The ACE metric reveals that, on average, cool roofs in Phoenix are 11% more effective at lowering pedestrian-level air temperature than in Atlanta, and 30% more effective than in Detroit. Cool roofs remain similarly effective under future heatwaves relative to contemporary heatwaves for Atlanta and Detroit, with some indication of increased effectiveness under future heatwaves for Phoenix. By highlighting the underlying factors that drive cooling effectiveness in a trio of cities located in different climatic regions, we demonstrate a robust framework for estimating the pedestrian-level cooling impacts associated with reflective roofs without the need for computationally demanding simulations.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».