矿山与矿业城市空间关系的演变机理与空间优化研究

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:vbkiller2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在不可再生矿产资源日渐枯竭的大背景下,我国矿山与矿业城市之间正发生着错综复杂的变化,矿业城市转型的推进使得矿山与城市之间的空间关系呈现出新的特征,城市规模的扩张,矿山资源的逐渐枯竭,新空间的持续涌现,新技术的不断革新,让矿山与城市空间结构发生了新的变化。在规划建设层面,近城区的矿山与城市用地布局产生了互相干扰和制约的不和谐景象。这些问题在矿业城市建市之初就已经埋下了伏笔,是资源开发期缺乏对矿业城市统筹规划的原因。矿业城市空间结构体系的优化实际上就是城市的第一、第二、第三产业结构的优化发展,是人的居住生活环境与自然生态空间的和谐发展,因此,在现阶段中,如何创建一个和谐、活力的矿山与城市空间关系,形成可持续发展的产业空间结构和优美的生态环境为本文的重点。抚顺市矿山与城市的空间关系是在特定历史时期为了满足社会发展需要而逐渐形成的,但随着煤炭资源的日渐枯竭和相关转型产业的发展,过去抚顺市矿山与城市空间关系暴露出诸多的矛盾,因此,系统的展开对抚顺市矿山与城市空间关系的研究是一项迫切的任务。本课题研究的主要内容,以矿山与矿业城市的空间关系的理论为基础,从研究讨论矿山与矿业城市的空间结构关系发展的普遍规律入手,通过分析矿山与矿业城市的功能关系和空间关系,总结矿山与矿业城市空间关系发展的基本特征,进一步论证了矿业是矿山与矿业城市空间关系演化发展的源动力,同时,研究了矿山与矿业城市空间关系的影响因素,从国内外矿山与矿业城市空间关系发展中获得启示。本文以抚顺市为例,分析介绍了抚顺矿城空间关系的现状和演变过程,指出抚顺矿城关系中存在的问题,提出适合抚顺矿山与矿业城市空间关系发展的路径。首先是通过对国内外关于矿山与矿业城市空间关系的理论和实践经验进行归纳总结,根据抚顺市的实际情况加以借鉴。其次分析抚顺市不同历史时期矿山与城市空间关系的演变规律及其发展要素,提出抚顺市未来矿山与城市空间关系的发展模式,最后针对抚顺市河南矿区发展需要,提出矿山与城市空间关系发展建议。
其他文献
全球化市场竞争背景下,有关创新能力的比拼早已从企业之间的竞争转化为集群之间的较量。为了获得更高的创新绩效,企业间通过集群创新的方式将核心企业的技术优势和其他中小企业的灵活性优势结合起来,利用频繁的交互分享创新进展。在此背景下,集群创新会使得拥有领先技术的核心企业不可避免地向集群中的其他企业溢出知识,而摆在核心企业面前的难题是,核心企业既为了增强集群创新的效果愿意溢出部分知识,又担心合作伙伴的机会主
矿物的成分、结构和键型是复杂的,所以引起矿物颜色变化的因素也是复杂的。一种矿物的颜色往往是多种呈色机制的总效应。绿松石是一种白色玉石,即它的颜色是由自身的成分和结构
随着德国“工业4.0”概念的提出,智能制造成为全球制造业的研究热点,为此我国制定了“中国制造2025”战略计划,旨在实现制造业向绿色制造、智能制造的转型升级。MES作为制造
3月10日,由省工商局、省消费者委员会、省标准计量局,以及南平地区、南平市工商局、消委会、技术监督局联合主办的消费者投诉咨询活动在南平市九峰桥头举行。3月的南平,阴雨
“很多音乐入门的双手配合其实并不复杂,与《王者荣耀》《绝地求生》双手操作的难度类似,但由于学习过程效率极低,无法保障学习时间,导致大部分音乐初学者在初始阶段就选择了
1999年11月6日至8日,国家经济贸易委员会、国家质量技术监督局、中国质量管理协会在北京隆重召开了"全国推行全面质量管理20周年暨中国质协成立20周年总结大会",来自全国各地
数字孪生是一个与工业技术产业息息相关的概念,随着5G技术的推广应用,数字孪生将为制造业的设计生产和维护等多环节带来变革。与此同时,制造业市场的需求也在由批量化向定制
本文采用微弧氧化技术在纯钛表面制备出含钙磷铌微弧氧化(MAO)涂层,后续采用微波水热和微波水汽的快速改性方法,通过调整处理温度、NaOH浓度和处理时间等参数快速调控微弧氧化涂层表面组织结构和性能,原位快速在微弧氧化涂层表面制备具有不同形态和分布的羟基磷灰石(HA)晶体。采用扫描电子显微镜(SEM)、透射电子显微镜(TEM)、X射线衍射仪(XRD)、X射线能量分散分光计(EDS)和接触角仪等,分析M
根据中共中央宣传部、国家经贸委、国家技术监督局、全国总工会、共青团中央等五个部委的要求,我省质量宣传月活动已在全省各地开展起来。省经贸委、省质量管理协会、省用户
分布式拒绝服务(Distributed denial of service attack,DDoS)攻击一直是互联网的主要安全威胁之一,且日趋严重。随着近年来机器学习技术的发展,有学者开始将前沿机器学习技术运用在DDoS攻击的防控研究当中。但DDoS攻击模式随着新协议和新应用引入会不断发生变化。同时,突发性和季节性的流量变化也会进一步加剧这种情况。这种非平稳性问题是阻碍机器学习落地于DDoS防御的