Racial inequity in household energy efficiency and carbon emissions in the United States: An emissions paradox
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Residential energy use represents roughly 17% of annual greenhouse gas emissions in the United States (U.S.). Studies show that legacy housing policies and financial lending practices have negatively impacted housing quality and home ownership in non-Caucasian and immigrant communities. Both factors are key determinants of household energy use. But to date there has been no national scale analysis of how race and ethnicity affect household energy use and related carbon emissions. In this paper, we estimate energy use and emissions of 60 million household to clarify how energy efficiency and carbon emissions vary by race, ethnicity, and home ownership. We find that per capita emissions are higher in Caucasian neighborhoods than in African-American neighborhoods, even though the former live in more energy-efficient homes (low energy use intensity). This emissions paradox is explained by differences in building age, rates of home ownership, and floor area in these communities. In African-American neighborhoods, homes are older, home ownership is lower (reducing the likelihood of energy retrofits), and there is less floor area per person compared to Caucasian neighborhoods. Statistical models suggest that historical housing policies, particularly “redlining”, partially explain these differences. We suggest three policies to address this emissions paradox: Government financing of home retrofits, particularly in rental units; Increased access to photovoltaics in disadvantaged communities; and Disincentivizes for high energy consumption and emissions. Addressing this emissions paradox provides an opportunity for an equitable decarbonization of the U.S. housing sector.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle