基于多角度的农村居民点分布特征及布局优化——以南昌市新建区为例

Study on distribution characteristics and layout optimization of rural residential areas based on multi-angle：A case study of Xinjian District in Nanchang City

摘要

目的 研究南昌市新建区1998年与2020年跨度20余年农村居民点的分布特征变化，提出符合区域实际的布局优化策略。 方法 通过核密度、空间自相关、场强模型、最小阻力模型等分析农村居民点的集聚程度、空间聚类程度、城镇辐射引力强度、布局扩张潜力程度，综合4种不同方法分析结果，对南昌市新建区农村居民点布局进行优化。 结果 20余年农村居民点规模扩张速度较快，空间分布集聚程度显著增强，核密度高值位于中心城区及主要交通干线周边；核密度属性下开展空间自相关分析具有代表性，空间集聚特性增强、异质性减弱；农村居民点分布受城镇、主要干线、学校、医院、休闲体育、公园等辐射引力作用显著；高阻力区分布于中部、中西部及北部部分区域，低阻力区分布于南部及北部部分区域；农村居民点布局阻力因素由大到小依次为：政策保护阻力、地形与灾害风险阻力、区位阻力、生产生活阻力；将居民点布局优化类型划分为提升扩展型、整治改造型、控制迁移型。 结论 通过多角度分析农村居民点的空间分布特征，并基于此提出优化布局策略，符合区域地理环境及村庄发展实际，可为多规合一视角下实用性村庄规划编制提供参考。

Abstract

Objective The study aimed to investigate the changes of distribution patterns in rural residential areas within Xinjian District over a span exceeding 20 years，from 1998 to 2020.It sought to devise an optimization strategy for layouts that align with the regional context. Method Through the utilization of nuclear density analysis，spatial autocorrelation，field strength model and minimum cumulative resistance model，assessments were made regarding clustering degree，spatial clustering degree，urban radiation gravitational intensity，and layout expansion potential of rural settlements.The findings from these distinct methodologies were synthesized to refine the layout of rural residential areas. Result Over the past two decades，the scale of rural residential domains has undergone rapid expansion，with notable enhancements in spatial distribution and concentration.Areas exhibiting high nuclear density tend to cluster around the central urban zone and along major transportation routes.Spatial autocorrelation analysis conducted based on nuclear density attributes proved to be representative，showcasing reinforced spatial clustering features and reduced heterogeneity.The distribution of rural residential zones exhibits significant influence from the gravitational pull of towns，primary transportation arteries，educational institutions，healthcare facilities，recreational spaces，and parks.Areas of high resistance are predominantly situated in central，midwestern，and northern regions，contrasting with low-resistance zones found in southern and northern sectors.Factors impeding the layout of rural settlements encompass policy protection resistance，terrain and disaster risk resistance，location-related resistance，and production and livelihood resistance.Optimization strategies for residential layouts are categorized into enhancement and expansion，rejuvenation and conversion，and migration control. Conclusion By scrutinizing the spatial distribution characteristics of rural residential areas from diverse vantage points，the study proposes layout optimization strategies tailored to the regional geographic milieu and the actualities of village development.These strategies offer valuable insights for practical village planning，emphasizing a multi-planning integration perspective.

Graphical abstract

关键词

农村居民点 / 分布特征 / 布局优化 / 南昌市新建区

Key words

rural residential areas / distribution characteristics / layout optimization / Xinjian District in Nanchang City

Author summay

杨学龙，博士研究生，研究方向为土地资源利用、保护与规划。E-mail：[e-mail]

随着新型城镇化、乡村振兴、农村宅基地改革试点等工作的深入推进，研判农村居民点时空演变趋势、优化居民点用地布局，对提升农村有限土地资源利用效率具有重要意义。近年来，农村居民点始终成为学术界研究的重点及热点内容之一。研究方向主要包括农村居民点的分布特征^［1］、影响因素^［2］、空间重构^［3］、人地关系^［4］、居住质量理论机制^［5］、整理模式^［6-7］、产住权衡特征^［8］、混合利用^［9］、驱动机制^［3］、互惠关系^［10］等。研究方法主要采用空间自相关^［11］、离散度^［12］、改进蚁群算法^［13］、引力模型^［14］、多功能概念模型^［15］、互斥性组合矩阵^［16］、土地转换模型^［17］、MCR模型^［18］、层次网络分析^［19］等。综观前人研究，虽然已取得了丰硕的成果，但仍存在以下不足，如空间自相关分析中忽略了居民点自身属性的差异；影响因素方面缺乏对于生态红线、河湖保护、文物保护以及灾害风险等因素的考虑；用地布局优化缺乏城镇内部各类设施用地布局对于居民点影响的差异；居民点布局优化以单一评价体系研究为主，对于多种角度综合分析并佐证修正的研究较少。本研究通过核密度、空间自相关、场强模型、最小阻力模型等多角度综合分析居民点时空特征，并对农村居民点进行布局优化，旨为多规合一视角下实用性村庄规划编制提供参考。

1 材料与方法

1.1 研究区域概况

南昌市新建区位于江西省中部偏北、赣江下游西岸，位于大南昌都市圈核心区，是南昌城区西进的主要拓展区域（图1）。新建区地处N 28°20′~29°10′，E 115°31′~116°25′，呈长条状。研究区域总面积2 407.43 km²。共涉及31个乡、镇、场、管理处、农场等，共辖427个行政村。2021年末全区实际管辖区域户籍总人口为64.29万人，实现地区生产总值393.38亿元，按可比价格计算，比上年增长8.8%。

1.2 数据来源与处理

高清遥感影像数据来源于2020年度国土变更调查影像，土地现状数据来源于1998年、2020年国土变更调查数据库，行政区划数据来源于民政部门，高程、坡度、生态保护红线、河湖划界保护范围、文物保护单位、地质灾害、滑坡及崩塌风险等数据来源于各类专项调查成果数据，人口、经济数据来源于国民经济和社会发展统计公报、乡镇人口统计报表。经统计，1998年居民点个数为3 219个，面积为61.57 km²，占比为2.56%；2020年为9 415个，面积为127.8 km²，占比为5.31%。22 a间居民点个数增加6 196个，增幅为192.48%；面积增加66.23 km²，增幅为107.57%。

1.3 研究方法

1.3.1 核密度分析

核密度能够较为直观地反映研究对象在一定空间范围内的分布规律，其数值大小在一定程度上反映集聚程度^［20］。数值越大，空间分布集聚程度越高；反之则越低^［21］。

F_n(x)=\frac{\mathrm{1}}{nh}{\sum }_{i=\mathrm{1}}^{n}k(\frac{x-x_i}{h})（1）

式中：F_n（x）为核密度数值；x-x_i 为预估点与x_i 之间的距离；k为核密度函数；h为带宽值；n为带宽值范围内点数量。

1.3.2 空间自相关分析

1.3.2.1 全局空间自相关分析（Global Moran’s I）

全局空间自相关是通过空间要素位置、属性值来测度空间自相关性的一种方法，反映空间分布特征属于集聚、离散、随机等分布模式^［21］。本研究测度1998、2020年居民点核密度、平均单个居民点面积、居民点密度、行政村居民点总面积等4个角度下的全局莫兰指数（I_Global），并对比分析空间自相关程度。结合Geoda软件，空间权重矩阵采用Queen邻接，即只要对象i和j之间有相邻（含点邻接和边邻接），W_i，j =1；否则 W_i，j =0。通过Z得分来反映全局莫兰指数（I_Global）的显著性程度水平。

I_{\mathrm{G}\mathrm{l}\mathrm{o}\mathrm{b}\mathrm{a}\mathrm{l}}=\frac{n{\sum }_{i=\mathrm{1}}^n{\sum }_{j=\mathrm{1}}^n{W}_{i,j}{Z}_i{Z}_j}{S_o{\sum }_{i=\mathrm{1}}^n{Z_i}^{\mathrm{2}}}

S_o={\sum }_{i=\mathrm{1}}^n{\sum }_{j=\mathrm{1}}^n{W}_{i,j}（2）

Z_i=\frac{I-E[I]}{\sqrt[]{V[I]}}

式中：I_Global为全局莫兰指数；n为研究对象总数；i、j为第i、j个研究对象；W_i，j 为i和j之间的空间权重；Z_i 、Z_j 为i、j的要素属性值与平均值\overline{X}的偏差（x_i-\overline{X}）、（x_j-\overline{X}）；S_o 为所有空间权重的聚合；Z_i 为研究对象的Z得分；E［I］为I的期望值；V［I］为I的方差。

当Z_i >2.58或Z_i <-2.58（P=0.01）时，表明研究对象的要素属性具有空间自相关性，且显著。一般全局莫兰指数（I_Global）介于-1到1之间，若I_Global>0时，表明对象之间存在空间上的正相关，即要素属性值越大，集聚程度越显著、差异性越小；当I_Global<0时，则相反；当I=0时，表明该要素属性下不具有空间自相关性。

1.3.2.2 局部空间自相关分析（Local Moran’s I）

局部空间自相关是全局空间自相关分析结果的细化。通过局部莫兰指数可识别研究对象之间具有高值或低值的空间单元聚类，以及空间分布异常值^［11］。在特定的显著性P水平下，如局部莫兰指数大于0，则表明研究对象在该要素属性下与邻近对象存在空间聚类特征，即高-高邻近或低-低邻近；反之，则存在异常特征，即高-低邻近或低-高邻近。

I_{\mathrm{L}\mathrm{o}\mathrm{c}\mathrm{a}\mathrm{l}}=Z_i{\sum }_{j=\mathrm{1}}^n{W}_{i,j}{Z}_j（3）

式中：I\mathrm{L}\mathrm{o}\mathrm{c}\mathrm{a}\mathrm{l}为局部莫兰指数；n、Z_i 、Z_j 、W_i，j 与公式（2）内涵一致。

1.3.3 场强模型分析

场强模型是测算城镇对于研究对象的辐射影响强度。强度越大，说明城镇对于农村居民点的影响作用越强^［22］。

F_{ij}=\frac{C_i}{{r_{ij}}^{\mathrm{2}}}（4）

式中：F_ij 为i城镇对于j居民点的场强；C_i 为i城镇的辐射指数，本研究采用农村居民点的场强指数；r_ij 为i城镇与j居民点之间的距离。

通过农村居民点规模、生活便利条件、居住环境条件3个方面构建场强指数体系，并确定权重值（表1）。结合区域规模大小及实际情况，划定各因子区间并赋指标分值为1~3，与因子距离越近，说明城镇对于居民点辐射作用越强，分值越大；相反，则分值越小。通过多因素综合评价法测算场强指数。场强指数越大，说明居民点越重要，城镇化发展潜力越大。

1.3.4 最小阻力模型分析

最小阻力模型（MCR）是反映物种从源点到达目的地流动过程中需要消费、损耗代价的模型^［18］。本研究利用MCR构建阻力面反映居民点扩张阻力。

MCR=f_{\mathrm{m}\mathrm{i}\mathrm{n}}{\sum }_{j=n}^{i=m}\left(D_{ij}{R}_i\right)（5）

式中：MCR为源地j扩散至任一点的最小累积阻力；f为MCR与D_ijR_i 呈正比关系的函数；D_ij 为源地j到空间任一点所穿越源地i的距离；R_i 为源地i在空间任意方向扩散的阻力系数；f_min为评价单元的最小累积阻力。

将研究区9 415个居民点图斑作为源。构建由地形阻力、区位阻力、生产生活阻力、政策保护阻力、危害阻力等5方面因素的阻力体系，并确定权重值（表2），构建单因素阻力面（图2）。结合区域规模大小及居民点分布情况，划定各阻力因子区间并赋阻力分值为1~5，分值越小，说明居民点布局扩张潜力越大；相反分值越大，则越不适宜居民点布局。

表2　农村居民点阻力体系

2 结果与分析

2.1 核密度分析

通过自然断点分类方法划分为5个级别（图3）。1998年核密度最大值为6.57，2020年为14.88，数值增大反映居民点集聚程度增强且显著。核密度较高的区域主要集中在中心城区的长堎镇、望城镇、新祺周管理处，罗亭工业园的罗亭镇，320国道沿线的石埠镇、西山镇，105国道、海昏大道沿线的樵舍镇、金桥乡、大塘坪乡等乡镇。进一步反映居民点向中心城区、工业园区、乡集镇以及重要交通廊道周边集聚特征显著。

2.2 空间自相关分析

2.2.1 全局空间自相关

根据测算结果（表3），2个年度4个角度类型属性下的全局莫兰指数均大于0、Z得分均大于2.58（通过阀值α=0.01的检验），表明居民点在空间分布上存在自相关关系，且集聚特性显著。2020年全局莫兰指数及Z得分均大于1998年，说明空间集聚态势增强。通过核密度属性进行空间自相关分析，集聚特性最显著，因此本研究认为核密度作为农村居民点的本质属性，具有典型性、代表性。

2.2.2 局部空间自相关

根据上述研究结果，以核密度为基础测算局部莫兰指数（表4），并绘制散点图（图4）。与1998年相比，2020年局部莫兰指数的平均值、正向局部莫兰指数的数量及比例均呈现上涨的趋势，表明农村居民点核密度属性下，空间集聚分布特性增强，异质性减弱。

根据局部莫兰指数散点图，第一象限为高-高邻近，第二象限为低-高邻近，第三象限为低-低邻近，第四象限为高-低邻近。2020年第一、三象限分布趋势增强，表明农村居民点核密度属性下的集聚程度增强。根据农村居民点核密度LISA集聚图（图4）显示，2020年高-高集聚的有71个行政村，分布在金桥乡、大塘坪乡、溪霞镇等12个乡镇，核密度值较大且集聚。与1998年相比，2020年中心城区、北部地势平坦区域居民点集聚效应显著增强。

2.3 场强模型分析

经测算农村居民点场强指数为0.01~4016.66，通过自然断点分类法将区域划分为高强度区（指数为（12.60，4 016.66］）、中强度区（指数为（2.35，12.60］）、低强度区（指数为［0.01，2.35］）（图5）。高强度区主要分布于中心城区涉及的长堎镇、望城镇，105国道沿线的白水湖管理处、冠山管理处、溪霞镇、新祺周管理处，320国道沿线的石埠镇、西山镇等。表明居民点受城镇中心、主要干线道路、学校、医院、休闲广场、体育等设施辐射影响较大。

2.4 最小阻力模型分析

运用ArcGis软件Spatial Analyst工具中的成本距离测算农村居民点阻力分值为1.32~3.84，利用自然断点分类法划分为高阻力（分值为（2.82，3.84］）、中高阻力（分值为（2.44，2.82］）、中阻力（分值为（2.14，2.44］）、中低阻力（分值为 （1.86，2.14］）和低阻力（分值为［1.32，1.86］）（图6）。农村居民点布局受生态红线、河湖保护、文物保护等政策保护因素阻力最大；由于生态红线涉及重要的山、水资源，导致高程、坡度等地形阻力、灾害与风险阻力对居民点布局的影响；随着生活质量水平的提升，人们对于出行、商贸、交流、娱乐等需求加大，区位阻力影响作用高于生产生活阻力。因此，研究得出影响居民点布局的因素由大到小依次为：政策保护、地形与灾害风险、区位因素、生产生活条件。

从空间布局来看，高阻力区为太平乡、招贤镇、南矶乡等37个行政村，面积为58 496.78 hm²；中高阻力区为梅岭镇、石岗镇、铁河乡等55个行政村，面积为28 907.01 hm²；中阻力区为长堎镇、望城镇、樵舍镇等111个行政村，面积为58 604.99 hm²；中低阻力区为石埠镇、乐化镇、新祺周管理处等153个行政村，面积为69 420.26 hm²；低阻力区为西山镇、大塘坪乡等71个行政村，面积为25 314.42 hm²。

2.5 农村居民点布局优化

以最小阻力模型分析结果为基础，叠加居民点矢量数据，根据核密度值分级、空间聚类显著性、场强强度分级结果进行修正。以最小阻力评价为中低阻力为例，叠加核密度为高值时，则升档为低阻力；如为中高值，则保持中低阻力不变；如为中值、中低值、低值，则降档为中阻力。叠加空间自相关结果为集聚显著区域（含High-High、Low-Low、High-Low、Low-High）时，则升档为低阻力；如为非显著区域（Not Significant），则降档为中阻力。叠加场强为高强度区，则升档为低阻力；如为中强度区，则保持中低阻力不变；如为低强度区，则降档为中阻力。综合升档、降档，将居民点优化类型划分为提升扩展型（低阻力及中低阻力）、整治改造型（中阻力）、控制迁移型（高阻力及中高阻力）（图7）。

提升扩展型面积为8 046.18 hm²，占比为62.96%。受中心城区、乡集镇辐射作用影响较大，地势较为平坦，人们日常出行、教育、就医、休闲、消费、耕作等较为便利，居民点分布较为密集，村庄内部、村庄之间联系密切。该区域应注重推进城镇化，改善村容村貌及生态、居住环境。对于有新建住房需求且符合一户一宅政策的，结合国土空间总体规划，适当新增村庄用地布局，并与原居民点整体规划、整体设计。整治改造型面积为3 496.87 hm²，占比为27.36%。距离中心城区、乡集镇存在一定距离，大部分位于山岗、丘陵地带，区域内水源、道路基础设施分布不均。受地形、用地等条件影响，居民点扩张潜力有限。对于这部分居民点应统一规划，将分散的点状居民点逐步集中、小村并大村等。控制迁移型面积为1 236.86 hm²，占比为9.68%。以生态保护为主，居民点分布于重要山体、水系及其周边。受生态保护红线、河湖保护范围等管控要求，以及地质灾害、滑坡崩塌、水土流失等风险影响，应严格控制居民点扩张发展，原则上不新建、重建、扩建等。对于有条件的地区，应鼓励整体迁移，通过复耕、复绿等生态修复与保护措施，提升区域生态功能的完整性。

3 讨论

在研究农村居民点引力辐射强度的方法中采用场强模型，与焦鹏飞等^［14］模型概念有所不同，与罗志军等^［22］方法类似，均是引入场强辐射指数方法。但在场强指数体系构建中，本研究考虑更多的是日常出行、教育、医疗、休闲体育等因子，这些条件对人们活动影响较大，进而提升分析结果的指导性。

通过农村居民点扩张阻力单因子评价分析，本研究得出影响居民点布局的因素由大到小依次为：政策保护、地形与灾害风险、区位因素、生产生活条件。与何炬等^［11］的地形因素>城镇辐射>道路辐射>水系辐射略有不同。说明在当前永久基本农田、生态保护红线等严格的保护、管控约束政策背景下，居民点布局优化不能触犯各类“红线”、“底线”，基于此前提条件下再考虑居住安全、生活生产便利等。而与孟庆香等^［23］的经济因素>土地因素>社会因素>农户自身心理因素属于两个不同的层面，相对来说，本研究涉及的因素层面更为具体、细化，对于指导农村居民点布局优化可操作性将更强。

在布局优化方面，与罗志军等^［22］采用多种评价空间组合（综合阻力评价、结节性指数评价、场强模型评价）以及马惠萍等^［16］基于互斥性组合矩阵（国土空间生态重要性评价、居民点布局适宜性评价）等布局优化思路类似，均是结合多种评价分析综合得出布局优化结果。本研究以最小阻力模型分析结果为基础，通过核密度值分级、空间聚类显著性、场强强度分级等结果进行升档和降档。通过升档和降档修正的方式可对某一种分析方法与实际不符的缺陷进行弥补，从而进一步提升了总体结果的科学性、合理性。

4 结论

南昌市新建区20余年核密度最大值由6.57增加到14.88，农村居民点集聚程度显著增强。以核密度作为居民点本质属性开展空间自相关分析具有代表性。场强高强度区分布于中心城区、105国道沿线及320国道沿线周边乡镇，反映城镇主要干线、学校、医院、休闲体育、公园等对农村居民点的辐射作用较为显著。居民点阻力中高阻力区分布于中部及中西部太平乡、梅岭镇、罗亭镇、溪霞镇等，北部大塘坪乡、铁河乡、昌邑乡、南矶乡等区域。影响居民点分布的阻力因素由大到小为政策保护阻力、地形与灾害风险阻力、区位阻力、生产生活阻力。优化类型中提升扩展型面积最大，应重点加快推进城镇化，提升乡村环境，发挥集聚效应；整治改造型应重点挖潜内部潜力以满足区域基础设施、公服设施以及新增宅基地的用地需求；控制迁移型面积最小，以生态保护为主，提升区域生态功能。通过多角度分析农村居民点的空间分布特征，并基于此提出优化布局策略，可为多规合一视角下实用性村庄规划编制提供参考。

参考文献

[1] 杨学龙，叶秀英，赵小敏.鄱阳县农村居民点布局适宜性评价及其布局优化对策［J］.中国农业大学学报，2015，20（1）：245-255.

[2] 杨学龙，叶秀英，赵小敏.鄱阳县农村居民点空间分布特征及影响因素分析［J］.安徽农业大学学报（社会科学版），2014，23（3）：15-21.

[3] Chen S， Mehmood M S， Liu S C，et al.Spatial pattern and influencing factors of rural settlements in Qinba Mountains，Shanxi Province，China［J］.Sustainability，2022，14，10095.

[4] 王兆林，鄂施璇，陈军利.近40年来三峡库区农村人口与居民点用地演变脱钩及驱动效应分析［J］.农业工程学报，2022，38（13）：273-284.

[5] Xu J， Ma H T， Luo J，et al.Spatial optimization mode of China's rural settlements based on quality-of-life theory［J］.Environmental Science and Pollution Research，2019，26：13854-13866.

[6] 杨学龙，叶秀英，赵小敏.鄱阳县农村居民点整理模式选择研究［J］.江西农业大学学报，2018，40（3）：645-656.

[7] 裴子凌，张仁陟，陈英.农牧交错区农村居民点整理潜力的评价与优先性诊断：以甘肃省临潭县为例［J］.甘肃农业大学学报，2014，49（3）：85-92.

[8] 张佰林，朱敏杰，平宗莉，等.农村居民点产住用地权衡特征及其经济梯度分异：以山东省为例［J］.中国土地科学，2021，35（5）：75-83.

[9] 张佰林，王昭颖，朱敏杰.农村居民点用地混合利用特征及驱动力［J］.农业工程学报，2022，38（3）：267-275.

[10] Tian Y S， Liu Y F， Kong X S.Restructuring rural settlements based on mutualism at a patch scale： A case study of Huangpi District，central China［J］.Applied Geography，2018，92： 74-84.

[11] 何炬，张雪松，邓振，等.多尺度下农村居民点空间分布特征及其影响因素研究［J］.中国农业资源与区划，2019，40（6）：8-17.

[12] 吴俊，郭熙，傅聪颖，等.南方丘陵区农村居民点离散度时空演变及其影响因素：以江西省鹰潭市为例［J］.中国农业大学学报，2021，26（10）：209-222.

[13] 王兆林，刘福兵，杨庆媛，等.山区农村居民点时空格局演变特征及蚁群仿真优化：以重庆澄江镇为例［J］.自然资源学报，2022，37（8）：2065-2084.

[14] 焦鹏飞，张凤荣，李灿，等.基于引力模型的县域中心村空间布局分析：以山西省长治县为例［J］.资源科学，2014，36（1）：45-54.

[15] Gu X K， Xie B M， Zhang Z F，et al.Rural multifunction in Shanghai suburbs： Evaluation and spatial characteristics based on villages［J］.Habitat International，2019，92：102041.

[16] 马惠萍，闫敏，李小丹.基于互斥性组合矩阵的古浪县农村居民点的布局优化研究［J］.甘肃农业大学学报，2022，57（3）：148-156.

[17] Song W， Li H H，Spatial pattern evolution of rural settlements from 1961 to 2030 in Tongzhou District，China［J］.Land Use Policy，2020，99：105044.

[18] 李怡，赵小敏，郭熙，等.基于InVEST和MCR模型的南方山地丘陵区生态保护红线优化［J］.自然资源学报，2021，36（11）：2980-2994.

[19] Ye Q Q， Li J W， Kong X S，et al.Identification and Optimization of the Spatial Structure of Urban and Rural Settlements from a Hierarchical Network Perspective［J］.Land，2021，10：1177.

[20] 黄聪，赵小敏，郭熙，等.基于核密度的余江县农村居民点布局优化研究［J］.中国农业大学学报，2016，21（11）：165-174.

[21] 张晗，赵小敏，欧阳真程.赣东北低山丘陵区农村居民点时空演变格局及影响因素研究：以江西省贵溪市为例［J］.江西农业大学学报，2019，41（2）：380-393.

[22] 罗志军，赵越，李雅婷，等.基于空间组合特征的农村居民点布局优化研究［J］.农业工程学报，2019，35（4）：265-272.

[23] 孟庆香，吴天，李卫国，等.不同地形条件下农村空心化程度微尺度研究［J］.西北大学学报（自然科学版），2022，52（4）：656-666.

基金资助

国家自然科学基金项目(41361049)

江西省赣鄱英才“555”领军人才项目(201295)