重庆土家族历史文化名村景观资源评价与保护设计研究

来源 :重庆交通大学 | 被引量 : 0次 | 上传用户:dlfb
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
历史文化名村有着丰富的自然与人文景观资源,保护利用好这些资源,不仅可以传承优秀的中国民族文化,同时也能促进资源的活化、带动旅游发展、实现乡村振兴与可持续发展。重庆历史文化名村众多,本文以重庆渝东南片区土家少数民族历史文化名村为研究对象,通过对18个土家族历史文化名村的自然景观资源、人文景观资源、社会景观资源的调研分析,构建景观资源评价体系;利用层次分析法对重庆土家族历史文化名村进行资源评价,根据评价结果,从风景园林学科学科视角提出重庆土家族历史文化名村的保护策略,研究主要结论如下:(1)根据重庆渝东南18个土家族历史文化名村的资源现状与景观特征,将景观资源分为自然景观资源、人文景观资源、社会景观资源3大类,8个资源小类,归纳凝炼18个村落的景观资源基本特征,在此基础上提出发展型、提升型、保护型历史文化名村分类。(2)构建完成重庆土家族历史文化名村景观资源评价体系。评价体系包括以自然景观资源、人文景观资源、社会景观资源、保护利用条件4大准则层、8个指标层、19个因子层组。经权重计算,确定重庆土家族历史文化名村景观资源综合评价体系的核心因子人文景观资源>自然景观资源>社会景观资源>保护利用条件。利用AHP层次分析法和模糊综合评价法得出土家族历史文化名村景观资源的评价值。(3)通过对土家族历史文化名村景观资源评价值得出“优秀、较好、中等”3个等级,运算结果得出河湾村(4.07)、大寨村(3.77)、银杏村(3.46),分别对发展型、提升型、保护型历史文化名村提出景观资源提升策略,进行设计实践。
其他文献
电阻抗成像(Electrical Impedance Tomography,EIT)技术是一种无损伤的可视化检测技术,具有无辐射、非侵入和功能性成像等优点,在生物医学、农业地质、工业检测等领域具有广阔的应用前景。但EIT技术固有的非线性、病态性和不适定性等问题,造成其成像质量较低,限制了其在应用领域中的发展。为提高重建图像质量,本文对电阻抗成像正问题计算、逆问题求解、图像重构算法和实验验证等进行了
学位
在本文中,我们改进Keener提出的模型,假定钙离子释放点是离散的,从而该系统没有一个固定形状的传统行波解,而是一种具有突变现象的脉冲波。我们对脉冲波进行研究,解释了在该系统中波的突变现象。我们首先研究该系统正稳态的性质,得出在参数a小于某个临界值ac(L)时,这个系统有两个稳定的L-周期稳态uε,+和0.接着将这个具有双稳结构的系统拆分成两个具有单稳结构的子系统,利用反向传播条件,得到了连接uε
学位
大坝安全监测是大坝全生命周期中不可或缺的部分,其体系十分复杂,具有监测内容多、监测部位分布广、监测数据量大、管理事务多等特点。传统的大坝安全监测系统存在可视化效果差、数据分析处理能力低等弊端,远不能满足现代大坝安全监测与管理的需求。BIM技术具备三维可视化、精细化管理和全生命周期等优势,但是BIM技术在水库大坝运维管理阶段的应用还很少。鉴于此,本文将大坝安全监测与BIM技术相结合,研究大坝安全监测
学位
武汉河段位于长江中游,三峡水库运行后,坝下游径流过程发生变化,水库拦沙引起长江中下游河道冲刷和水沙特性改变。武汉河段含沙量及输沙量大幅减少,床沙粗化;高洪水流量出现频率降低,滩地上过流时间大大减小促进了洲滩上植被地生长,以及近年来实施了大量的整治工程,都导致了武汉河段糙率的改变。河流阻力可以通过糙率这一综合系数进行反映,它亦是影响河道行洪的关键因素。糙率变化也会影响水流运动,研究武汉河段糙率变化对
学位
随着机器人的使用不断向人们生活中渗透,对于机器人在复杂动态环境中导航能力的要求也不断提高。传统机器人导航算法越来越难满足这些场景的需求。由于近年来强化学习在序列决策问题上取得的惊人成果,一些学者开始使用强化学习来解决导航问题。但在不同的导航场景中,强化学习导航任务的状态空间、奖励函数、训练流程的设计还存在很多科学问题。本文根据移动机器人在真实世界的应用选择了多机器人场景和社交行人场景进行研究。在多
学位
近年来,为改善城市早晚高峰聚集性通勤出行带来的交通问题,各大城市大力发展和完善公共交通,通过提升公共交通网络覆盖率和优化接驳点布局,极大方便了城市居民通勤出行。目前,大部分通勤者在借助手机应用软件制定通勤出行方案和执行方案时,这期间交通系统的供需状态时刻处于变化中,对于通勤者而言,难以掌握这一系列高度变化的不确定信息,因而在遇到途中拥堵时原有的通勤路径方案已无法满足当前状态下通勤者对在线路径选择的
学位
随着人工智能技术的发展,机器的自主能力不断地提高,智能机器在各行各业的应用和发展日益深入。在此进程中,不可避免地会遇到智能机器无法应对实际任务的复杂性和不可预测性的情况,许多系统在未来仍将需要人类在监督、目标设定、应急响应等方面与机器进行持续、密切的交互,研究此种场景下如何混合人类决策和机器决策以达到更好的决策效果也因此尤为重要和有意义。在人机混合决策中,人类决策是否有效,即人的决策是否促进任务的
学位
声音事件检测(Sound Event Detection,SED)是指在音频中检测出特定事件,并定位事件发生起止时间的技术,其在视频检索、人机交互等领域有广泛的应用场景。近年来,深度学习方法因其优越性能,已经成为主流的声音事件检测方法。在深度学习方法中,数据标签显得十分重要。然而,由于某些事件的起止时间难以确定,并且不同的事件可能同时发生,通过人工标注强标记数据代价昂贵。与强标记数据相比,只含有类
学位
自旋电子学可以有效操控材料中的电子自旋自由度。目前自旋电子器件研究中的主要问题有:自旋的注入、长程输运、探测和操控。二维磁性材料可以在原子尺度上保持长程磁序且易受外场调控,是高存储密度、低能耗、多功能化纳米自旋电子器件的候选材料之一。本论文中,我们基于密度泛函理论,设计并表征了三类二维三元或四元磁性化合物,揭示过渡金属d轨道能级位置和材料电子结构之间的对应关系,得到具有室温磁性的新型二维双极反铁磁
学位
联邦学习是目前使用得最为广泛的保护机器学习隐私的技术框架,能够在原始数据不离开本地的条件下训练深度学习模型以提供预测服务。但是,应用中的机器学习往往需要开放训练得到的模型以供下游应用使用,而训练模型必然包含训练样本的相关信息,因此标准的联邦学习框架仍然会泄露训练数据的隐私。为了更直观地解释这一问题,本文首先对联邦学习中的隐私攻击进行了全面的分类,然后利用基于梯度的成员推断攻击分析并量化了联邦学习中
学位