Review of White Roofing Materials and Emerging Economies with Focus on Energy Performance Cost-Benefit, Maintenance, and Consumer Indifference
Notice bibliographique
Résumé
This article performed a comprehensive review of the different state-of-the-art of roofing technologies and roofing materials and their impact on the urban heat island (UHI) and energy consumption of buildings. The building roofs are the main sources of undesirable heat for buildings, especially in warm climates. This paper discusses the use and application of white roofing material in emerging economies. The use of white roofing material is a suggestion because of its cooling, evaporative and efficiency characteristics compared to traditional black roofing materials. Many research studies have shown that the darker roofing surfaces that are prevalent in many urban areas actually can increase temperature by 1 to 3 degrees Celsius to the environment surrounding these urban areas. Additionally, improved temperature control and heat reflection also work to reduce the energy requirements for the interior spaces of the structures that have white roofing surfaces. The white or lighter colored roofs tend to reflect a part of the solar radiation that strikes the roof’s surface. Consequently, one might believe that white roofing material would be commonplace and especially so within emerging economies. Yet, this is hardly the case at all. This paper examines the issue of white roofing materials in emerging economies from a dual perspective. The dual perspective includes the technical details of white roofing material and its impact on lowering the interior temperature of the affected structures, which consequently reduces hours of indoor thermal discomfort and use of air conditioners in indoor spaces. The other element in this study, however, involves the marketing aspect of white roofing material. This includes its adoption, acceptance and cost-benefit in emerging economies.
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 ».