• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    利用粗糙集理論進行遙感分類信息提取

    2015-03-06 11:37:12周林飛陳啟新
    吉林大學學報(地球科學版) 2015年4期
    關(guān)鍵詞:粗糙集反射率決策樹

    周林飛,陳啟新,成 遣,張 靜

    沈陽農(nóng)業(yè)大學水利學院,沈陽 110161

    ?

    利用粗糙集理論進行遙感分類信息提取

    周林飛,陳啟新,成 遣,張 靜

    沈陽農(nóng)業(yè)大學水利學院,沈陽 110161

    以遼寧省雙臺子河口濕地為研究對象,以Landsat 8和HJ-1-A/HJ-1-B的多時相遙感影像為數(shù)據(jù)源,根據(jù)研究區(qū)現(xiàn)狀,將研究區(qū)分為旱地、蘆葦、水田、堿蓬、混合植被、水面、灘涂、居民點、養(yǎng)殖塘九個類型。利用時間序列的歸一化植被指數(shù)提取植被與非植被的分類閾值,采用粗糙集理論和多時相遙感影像,對植被和非植被分別進行分類規(guī)則的獲取,建立了研究區(qū)決策樹分類模型。為了進行精度評價,利用相同的訓練點又進行了同樣基于像元的最大似然法分類。最后利用混淆矩陣對上述兩種方法進行了精度評估,基于粗糙集的決策樹分類法與最大似然法總體分類精度分別為93.70%和91.62%,Kappa系數(shù)分別為0.92和0.90,兩項指標值基于粗糙集理論法均比最大似然法有所提高。這為構(gòu)建決策樹分類模型進行濕地地表分類信息提取提供了一條新的研究思路。

    雙臺子河口濕地;遙感分類;歸一化植被指數(shù)(NDVI);粗糙集理論;決策樹

    0 前言

    天然濕地一般面積較大、地形條件復雜,加之濕地的季節(jié)性變化等因素,給濕地覆被信息變化監(jiān)測帶來挑戰(zhàn)。如何利用一種高效精確的方法對大面積的濕地進行監(jiān)測成為濕地研究的一個熱點問題。衛(wèi)星遙感技術(shù)是伴隨航空航天技術(shù)發(fā)展而形成的一門新型對地觀測技術(shù),具有觀測范圍廣、精度高、速度快等優(yōu)點。自從20世紀70年代美國第一代Landsat衛(wèi)星發(fā)射成功,衛(wèi)星遙感技術(shù)便開始用于濕地研究。由于早期遙感影像空間分辨率的限制,遙感技術(shù)僅用于大尺度范圍濕地分布圖的繪制[1-2]。隨著傳感器技術(shù)的發(fā)展,遙感影像的空間分辨率和光譜分辨率得到極大提高,目前遙感技術(shù)已經(jīng)成為濕地覆被信息變化監(jiān)測的一種重要手段。

    一切地物都具有特定的電磁輻射特性、空間分布特征以及時間變化規(guī)律,而遙感影像就是通過收集這些信息,并用不同的成像方式表現(xiàn)地物特性的一種電子存儲數(shù)據(jù)。地物之間同一時期或不同時期的差異性是利用遙感技術(shù)進行地物信息提取或分類的理論基礎(chǔ)[3]。遙感分類是獲取地表信息的重要手段,也是目前遙感技術(shù)應用領(lǐng)域研究的重要內(nèi)容。目視解譯是遙感信息獲取的常用辦法,但是該方法獲取信息周期較長、工作量大、成本較高等缺點在一定程度上限制了它的推廣。越來越多的學者傾向于利用計算機人工智能技術(shù)進行遙感信息的自動提取,以使遙感信息提取更加高效[4]。

    計算機自動解譯是目前遙感信息提取的主要研究方向。決策樹分類是一種基于空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的監(jiān)督分類方法,它突破了其他分類方法分類模型構(gòu)建需要分類者有扎實的生態(tài)學和遙感知識的瓶頸,通過決策樹學習過程獲取分類規(guī)則,具有很好的靈活性和魯棒性,結(jié)構(gòu)清晰直觀,能夠有效抑制訓練樣本的噪音和屬性缺失問題[5]。在本研究中,筆者以雙臺子河口濕地為研究對象,以新一代Landsat系列衛(wèi)星Landsat 8遙感影像、環(huán)境減災小衛(wèi)星HJ-1-A/HJ-1-B遙感影像和研究區(qū)內(nèi)樣本點信息為基礎(chǔ)數(shù)據(jù),采用多時相的遙感影像,利用粗糙集理論獲取分類規(guī)則,構(gòu)建決策樹分類模型,對雙臺子河口自然保護區(qū)內(nèi)的濕地覆被信息進行提取。

    1 研究基礎(chǔ)

    1.1 研究區(qū)概況

    雙臺子河口濕地位于遼寧省盤錦市遼河三角洲最南端,南接渤海(圖1),地理坐標為東經(jīng)121°30′--122°00′,北緯40°45′--41°10′,區(qū)域面積1 280 km2,年平均氣溫8.4 ℃,年平均降雨量623.2 mm,屬北溫帶大陸性半濕潤季風氣候區(qū)。區(qū)域內(nèi)植被類型多樣,動植物資源豐富;蘆葦和堿蓬是這里主要的植物群落,形成了獨特的蘆葦蕩和紅海灘景觀;這里也是我國珍貴野生動物丹頂鶴、東方白鸛、黑嘴鷗等的棲息之地,具有很高的生態(tài)研究價值。

    1.2 影像數(shù)據(jù)及預處理

    本研究采用3期Landsat 8多光譜遙感影像和2期HJ-1-A/HJ-1-B多光譜遙感影像構(gòu)成研究區(qū)不同時相的基礎(chǔ)數(shù)據(jù)(表1)。Landsat 8衛(wèi)星由美國宇航局(NASA)和美國地質(zhì)調(diào)查局(USGS)共同負責完成,于2013年2月11日成功發(fā)射。該衛(wèi)星上攜帶的陸地成像儀(OLI)用于多光譜數(shù)據(jù)的獲取,圖幅大小185 km×185 km,星下分辨率30 m,全球運行周期為16 d;相較于之前的Landsat系列衛(wèi)星,Landsat 8在波段設(shè)置上進行了一定的調(diào)整,增加了深藍波段(波段1)和短波波段(波段9)[6-7]。環(huán)境減災衛(wèi)星是我國專門用于監(jiān)測環(huán)境和災害監(jiān)測預報的衛(wèi)星,由2顆光學星(HJ-1-A/HJ-1-B)組成,上面攜帶多光譜CCD(charge-coupled device)相機進行地面拍攝,幅寬711 km,星下分辨率30 m,可以實現(xiàn)2 d對國土的全覆蓋[8]。

    圖1 研究區(qū)地理位置圖Fig.1 Location of the study area

    遙感影像在獲取過程中必然受到大氣散射、空間顆粒物質(zhì)等因素的干擾,使影像無法真實地反映地物的真實光譜信息,因此要首先對獲取的影像進行大氣校正。由于本區(qū)域地勢平坦,屬于平原區(qū),宜采用FLAASH(fast line-of-sight atmospheric analysis of hypercube)模型對基礎(chǔ)影像數(shù)據(jù)進行大氣校正[9]。由于單幅的Landsat 8影像無法完全覆蓋研究區(qū),首先對兩幅Landsat 8影像進行鑲嵌處理;然后對鑲嵌處理后的影像進行幾何校正,并以Landsat 8為基準對HJ-1-A/HJ-1-B衛(wèi)星影像進行幾何校正;最后根據(jù)研究區(qū)的矢量化邊界進行裁剪,獲取研究區(qū)的基礎(chǔ)數(shù)據(jù),且含云量均滿足研究需求。

    表1 研究采用遙感影像概況

    注:OLI多光譜數(shù)據(jù)包含一個全色波段。

    1.3 濕地覆被分類體系的建立與樣本點的采集

    根據(jù)對研究區(qū)的實際野外調(diào)查,以及對研究區(qū)遙感影像的人工解譯結(jié)果,結(jié)合遼寧省土地分類系統(tǒng),確定研究區(qū)的覆被信息分為旱地、蘆葦、水田、堿蓬、混合植被、水面、灘涂、居民點、養(yǎng)殖塘九個類型,構(gòu)成了雙臺子河口濕地覆被信息的研究體系。經(jīng)野外調(diào)查,雙臺子河口屬于蘆葦沼澤濕地,蘆葦是關(guān)鍵物種,此外還有堿蓬;水田與旱田為人工種植區(qū);其他植被不易細分,混生在一起,因此稱為混合植被。

    決策樹是通過對訓練樣本進行歸納學習生成決策規(guī)則,然后使用決策規(guī)則對新數(shù)據(jù)進行分類的一種數(shù)學方法。為了建立訓練區(qū)的需求,利用手持式GPS機在研究區(qū)內(nèi)進行現(xiàn)場樣本點的采集,每種類型共獲取150個樣本點,其中100個樣本點作為訓練點,50個樣本點用于最終結(jié)果的精度驗證。在采集過程中記錄下樣本點周圍的地表信息和地理坐標信息,利用ArcGIS平臺對各個點進行矢量化處理。

    2 基于粗糙集理論的決策樹分類模型建立

    2.1 方法概述

    決策樹分類模型基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù),采用專家總結(jié)、簡單數(shù)學統(tǒng)計和歸納方法等設(shè)定分類規(guī)則實現(xiàn)遙感分類,其關(guān)鍵在于利用何種數(shù)學方法建立分類規(guī)則。建立決策樹模型的總體思路如下:1)確定根節(jié)點。濕地內(nèi)生態(tài)類型多樣,為使決策樹更加簡潔,需要用最大信息增益的屬性作為決策樹的根節(jié)點。2)建立分類規(guī)則。由于濕地的生態(tài)類型多樣性、復雜多變性、分布廣泛性,不同類型地物空間邊界模糊,因此,利用空間數(shù)據(jù)挖掘和知識發(fā)現(xiàn)從空間數(shù)據(jù)庫中自動或半自動地挖掘事先未知卻潛在有用的空間模式變得十分必要。本研究基于粗糙集理論,結(jié)合多時相遙感影像數(shù)據(jù)進行分類規(guī)則知識發(fā)現(xiàn)的研究,分別確定根節(jié)點兩側(cè)不同類型的決策樹分類規(guī)則。3)決策樹分類模型的建立。根據(jù)分類規(guī)則建立決策樹分類模型。

    2.2 植被和非植被分類閾值----根節(jié)點的確定

    分析雙臺子河口濕地覆被信息體系九個類型的特征,應先區(qū)分為植被和非植被。植被指數(shù)是反映植被信息的重要參數(shù),它利用綠色植被在近紅外波段具有較強反射率的性質(zhì),通過一定的波段運算,反映植被的“綠度”。研究表明,利用遙感衛(wèi)星的紅光和近紅外波段的不同組合對植被研究為最佳。歸一化植被指數(shù)(NDVI)是目前植被研究領(lǐng)域應用最廣泛的植被指數(shù)之一,其限定值為[-1,1][10]。

    (1)

    式中:DNNIR為近紅外波段的反射率;DNR為紅光波段的反射率。

    首先,提取植被指數(shù)的值,然后進行統(tǒng)計分析,找出區(qū)分植被和非植被的分類閾值,作為決策樹的根節(jié)點[11-12]。然后再采用粗糙集理論分別確立植被和非植被的決策樹分類規(guī)則。

    利用歸一化植被指數(shù)獲取植被和非植被的分類閾值是一種基于統(tǒng)計學理論分類思路,提取訓練點內(nèi)植被和非植被的反射率值,利用統(tǒng)計學理論,獲取各個分類類型訓練點反射率置信水平為95%的置信區(qū)間,分別對比植被和非植被反射率置信下限和置信上限,獲取一個區(qū)分二者的最佳閾值。由于不同時期植被生長特性的差異性,利用單一時期歸一化植被指數(shù)獲取的分類閾值不具有推廣性,但可以利用這種思路進行其他時期分類閾值的獲取。

    2.3 基于粗糙集理論的決策分類規(guī)則的確定

    粗糙集是一個強大的數(shù)據(jù)分析工具,它可以利用不精確、不確定和部分真實的信息來獲取知識規(guī)則,在知識獲取過程中只依賴于樣本數(shù)據(jù)本身,而不需要其他先驗知識或附加信息。其主要思想是在保持知識庫分辨能力不變的前提下,通過知識的約簡,剔除其中不相關(guān)或者不重要的冗余信息[13]。同時它還與概率論、模糊數(shù)學、證據(jù)理論等不確定性與不精確性信息處理工具有很好的互補性,因而被廣泛應用于機器學習、模式識別、數(shù)據(jù)挖掘、智能控制等領(lǐng)域。目前,粗糙集的應用研究主要集中在屬性的約簡和模式分類兩個方面[14]。粗糙集理論以及利用粗糙集理論進行遙感分類的主要思路如下[15-16]。

    2.3.1 粗糙集理論

    定義一個信息系統(tǒng)S=(U,A),U表示一個非空的有限對象集,稱為論域,A為非空的有限屬性的集合。若R?A且R≠Φ,則∩R(表示R的所有等價類的交集)是一個等價關(guān)系,稱為R上的不可區(qū)分(indiscernibility)關(guān)系,記作ind(R),且有

    式中:[X]ind(R)表示集合X在R上的不可區(qū)分關(guān)系;[X]R表示U中所有與X在關(guān)系ind(R)下是等價的元素構(gòu)成的集合。

    在粗糙集理論中,一個粗糙集可以用兩個精確集來表示,分別為上近似集(upper approximation)和下近似集(lower approximation)。上近似集表示那些知識R中可能屬于X的U中元素的集合,下近似集表示那些知識R中肯定屬于X的U中元素的集合。

    式中:X表示U的子集;x表示U中的一個對象。

    對于一個給定的信息系統(tǒng)S=(U,A),如果存在r∈A,且ind(A)=ind(A-{r}),則可以認為r是A中可以忽略的,去掉它不會對分類結(jié)果造成影響。對于P?A,滿足ind(P)=ind(A)且對于P的子屬性P′?P,ind(P′)≠ind(P),則成P是A的一個約簡(reduct),記作red(A)。core(A)=∩red(A),即A的所有約簡的交集。它表示一個信息系統(tǒng)不可少的屬性集。

    2.3.2 屬性約簡算法

    屬性約簡是粗糙集理論的核心內(nèi)容之一,它通過對知識表達信息進行屬性簡約和屬性值約簡,從而得到最小的決策表[16]。目前對屬性約簡有很多的算法,其中最為常用的是Susmaga等[17]提出的分辨矩陣和分辨函數(shù)算法。假如研究對象有m個,利用這種算法進行屬性約簡只需要m(m-1)/2次的比較。算法如下:設(shè)某決策信息系統(tǒng)S=(U,E∪j5i0abt0b),其中E為對象的屬性集,j5i0abt0b為決策屬性集,那么定義分辨矩陣為C(S),每個元素Cij為

    (2)

    分辨函數(shù)f定義為

    (3)

    根據(jù)Local分辨函數(shù)獲得每個分類規(guī)則的屬性組合:

    (4)

    2.3.3 決策信息系統(tǒng)屬性集

    在遙感分類中,將訓練點在多光譜遙感影像各個波段的反射率值作為決策信息系統(tǒng)的屬性集,分類體系作為決策屬性集。經(jīng)過約簡,找出能區(qū)分各個分類的最優(yōu)波段組合,生成決策規(guī)則,然后使用決策規(guī)則對新數(shù)據(jù)進行分類。

    3 模型應用

    3.1 分類閾值----根節(jié)點的確定

    由于地物之間存在“異物同譜”現(xiàn)象,以及植被生長周期的原因,因此運用單一時期的NDVI數(shù)據(jù)不容易提取植被信息[18-19]。因此,將研究區(qū)2013年6月8日、2013年7月26日、2013年9月3日、2013年9月28日、2013年10月30日的NDVI數(shù)據(jù)構(gòu)成的時間序列并分別命名為N1,N2,N3,N4,N5。利用ENVI 5.0提取訓練點的歸一化植被指數(shù),將每個時期的指數(shù)值進行統(tǒng)計分析,得出該系列指數(shù)值置信水平為95%的置信區(qū)間(表2)。

    通過表2置信區(qū)間上限和下限的對比可以看出,N1,N2,N5中植被的置信下限與非植被的置信上限均有重疊,所以不適合建立決策樹的根節(jié)點。N3處于9月上旬,在居民點會有局部的綠色植被,加之本研究所采用的遙感影像空間分辨率不高,在居民點會出現(xiàn)很多混合像元,進而對采集點的NDVI造成影響。N4處于9月末,居民點局部的綠色植被對NDVI的影響較小,通過對此時期綠色植被的置信下限與非植被的置信上限比較,選擇堿蓬的置信下限0.232作為區(qū)分植被和非植被的閾值。

    3.2 分類規(guī)則的建立

    以堿蓬的置信下限0.232作為分類閾值,將雙臺子河口濕地分為植被與非植被兩類,然后利用粗糙集理論,分別對兩者建立更為詳細的分類規(guī)則。

    3.2.1 植被分類規(guī)則

    植被是濕地生態(tài)系統(tǒng)重要的生態(tài)因子,因此植被一直是濕地研究的重要內(nèi)容;利用遙感技術(shù)對濕地進行分類具有很大優(yōu)勢。植被在夏季的7--8月份光譜特性表現(xiàn)出極大的相似性,一般提取植被信息不宜采用這一時期的影像數(shù)據(jù)。本研究采用2013年6月8日Landsat 8影像進行植被信息提取。通過對標準假彩色影像的觀察,在這一時期蘆葦?shù)闹脖惶匦员憩F(xiàn)明顯,其他植被也表現(xiàn)出不同程度的植被特性,適合進行植被信息提取。令X1、X2、X3、X4、X5分別表示旱地、蘆葦、水田、堿蓬、混合植被,構(gòu)成植被分類體系,B1、B2、B3、B4、B5、B6、B7分別代表Landsat 8影像的深藍、藍、綠、紅、近紅、短波紅外1、短波紅外2一共七個波段的地表反射率。提取各個訓練點在不同波段的地表反射率,經(jīng)過統(tǒng)計分析,得出置信水平為95%的置信區(qū)間(表3)。根據(jù)式(2)得分辨矩陣(表4)。

    表2 歸一化植被指數(shù)統(tǒng)計值

    表3 2013年6月8日植被各分類波段反射率統(tǒng)計值

    表4 2013年6月8日遙感影像植被各分類區(qū)分矩陣

    根據(jù)式(4),可以得到X1的分辨函數(shù)fX1:

    fX1=(B6∨B7)∧(B5∨B6∨B7)∧(B3∨B4∨B6∨B7)=(B6∨B7)。

    根據(jù)數(shù)學運算定律(吸收律),得到區(qū)分X1的兩個約簡{B6}、{B7},分類規(guī)則如下:

    當B6∈[1 732,2 795]時,分類=X1=旱地;

    或當B7∈[1 432,2 230]時,分類=X1=旱地。

    同理,從這個決策矩陣中,還可以獲取蘆葦、水田、堿蓬的約簡,進而得到它們的分類規(guī)則(表5)。由于混合植被的反射率不具有統(tǒng)計規(guī)律,因此利用排除法,將剩余的歸為混合植被。

    3.2.2 非植被分類規(guī)則的建立

    以研究區(qū)內(nèi)2013年10月30日Landsat 8遙感影像為數(shù)據(jù)源,進行非植被信息的提取。令Y1、Y2、Y3、Y4分別代表水面、灘涂、居民點和養(yǎng)殖塘,利用ENVI5.0分別提取訓練點在各個波段的亮度值,經(jīng)統(tǒng)計分析,得出置信水平為95%的置信區(qū)間(表6)。根據(jù)式(2)可以得到非植被各分類的區(qū)分矩陣(表7)。通過計算,利用單一時相的影像數(shù)據(jù)可以獲取水面和養(yǎng)殖塘的分類規(guī)則。

    利用2013年10月30日的遙感影像,只能區(qū)分出水面與養(yǎng)殖塘, 這是由于非植被的光譜曲線本身具有混淆性所致;非植被地表信息的提取宜采取多時相的影像數(shù)據(jù)。因此,灘涂和居民點采用2013年6月8日的遙感影像作為信息提取的數(shù)據(jù)源。訓練點的反射率值見表8,分辨矩陣見表9。通過計算,可以獲取居民點的分類規(guī)則(表10),再利用排除法獲取灘涂的覆被信息,這樣通過多時相的影像數(shù)據(jù)便得到了完整的非植被信息的分類規(guī)則。

    表5 植被分類規(guī)則

    表6 2013年10月30日非植被各分類波段反射率統(tǒng)計值

    表7 2013年10月30日遙感影像非植被各分類區(qū)分矩陣

    Table 7 Discernibility matrix of each non-vegetation category on Oct 30, 2013

    Y1Y2Y3Y4Y1ΦY2B5∨B6∨B7ΦY3B1∨B2∨B5∨B6∨B7ΦΦY4B6∨B7B5B1∨B2∨B5∨B6∨B7Φ

    3.3 決策樹分類模型的建立

    利用粗糙集理論,根據(jù)植被和非植被各個分類類型的分辨函數(shù),選擇各個分類的任意一個分類規(guī)則,即可獲得已建立分類系統(tǒng)的遙感分類模型(圖2)。

    3.4 分類的執(zhí)行及分類后處理

    根據(jù)已建立的雙臺子河口濕地決策樹分類模型,利用ENVI5.0 SP3提供的決策樹分類模塊,得到雙臺子河口濕地初步分類圖。通過分類器的初步分類,會有很多的孤立像元存在,即所謂的“椒鹽”現(xiàn)象(圖3a);不管是從實際的角度還是制圖的角度出發(fā),都需要對這些小圖斑進行剔除并進行重新分類,即分類后處理,最終達到理想的分類結(jié)果[20]。分類后處理一般包括分類顏色的設(shè)置、分類統(tǒng)計分析、小斑點處理、柵格轉(zhuǎn)換等。筆者主要對初步生產(chǎn)的分類圖進行主次(majority/minority)分析、過濾(sieve)和聚類(clump)處理(圖3a、b),得到雙臺子河口濕地最終的分類圖(圖4)。

    表8 2013年6月8日非植被各分類波段反射率統(tǒng)計值

    表9 2013年6月8日遙感影像非植被各分類區(qū)分矩陣

    Table 9 Discernibility matrix of each non-vegetation class type on Jun 8, 2013

    Y1Y2Y3Y4Y1ΦY2ΦΦY3B5∨B6∨B7B5∨B6∨B7ΦY4ΦΦB5Φ

    表10 非植被分類規(guī)則

    NDVISep.9月份NDVI值;B7-Jun.6月份第7波段(Band 7)地物反射率。其余依次類推。圖2 研究區(qū)決策樹分類模型Fig.2 Decision tree classification model of the study area

    圖3 預處理前(a)后(b)對比圖Fig.3 Comparison of classification map between initial map (a) and after post-classification (b)

    圖4 雙臺子河口濕地信息提取及分類圖Fig.4 Classification results of Shuangtaizi Estuarine wetlands

    4 分類精度評估

    分類精度的評估是遙感分類工作的重要組成部分。從某種意義上來講,只有通過了精度評估后,分類過程才算完成[21]。目前,精度評估常見以下幾種方法[11,22]:1)通過高分辨率影像獲取研究區(qū)內(nèi)各個分類特征點,將分類結(jié)果與特征點比較,進行精度的驗證;2)查閱研究區(qū)年鑒或者土地利用數(shù)據(jù)庫等資料,獲取各個分類的面積, 進行精度驗證;3)利用GPS到研究區(qū)現(xiàn)場定點,利用這些點計算混淆矩陣和Kappa系數(shù)。

    為了驗證分類精度,筆者又利用相同的訓練點進行同樣基于像元的最大似然法分類,然后采用計算混淆矩陣和Kappa系數(shù)分別對它們分別進行精度評估。根據(jù)GPS定點數(shù)據(jù),利用ENVI5.0 SP3軟件,計算得基于粗糙集理論的決策樹分類整體分類精度為93.70%,Kappa系數(shù)為0.92;最大似然法整體分類精度為91.62%,Kappa系數(shù)為0.90。二者相比,決策樹分類方法整體分類精度比最大似然法整體分類精度高2.08%,Kappa系數(shù)提高了0.02。同時獲取了各分類類型的精度(表11)。

    5 結(jié)論與討論

    1)筆者以Landsat 8和環(huán)境減災小衛(wèi)星(HJ-1-A/HJ-1-B)的多時相遙感影像為數(shù)據(jù)源,利用時間序列的歸一化植被指數(shù),將研究區(qū)分為植被與非植被兩個大類,達到初步分類降維。又利用粗糙集理論對不同時相的遙感影像進行研究,分別獲取植被和非植被的分類規(guī)則,并建立決策樹分類模型,對雙臺子河口濕地進行分類研究。利用混淆矩陣對分類精度進行了評估,總體分類精度為93.70%,Kappa系數(shù)為0.92,取得很好的分類效果。

    表11 不同分類方法精度對比

    2)單純利用粗糙集理論和訓練點的反射率很難獲取完整的分類規(guī)則。本研究采用統(tǒng)計方法,利用歸一化植被指數(shù)對分類系統(tǒng)進行初步的分類降維,取得了很好的效果。這種降維的思路可為其他研究提供一定的借鑒。

    3)利用中等分辨率的Landsat 8和環(huán)境減災小衛(wèi)星(HJ-1-A/HJ-1-B)遙感影像進行濕地典型地表信息提取基本可以滿足需求,但是對于細部信息的提取還存在一定的不足,可以探索通過高空間分辨率和高光譜遙感數(shù)據(jù)進行彌補。對于濕地的遙感監(jiān)測需要各種分辨率的影像結(jié)合使用,以彌補彼此的不足,為更好的科學管理濕地提供依據(jù)。

    4)以粗糙集理論為數(shù)據(jù)挖掘工具可以利用不精確、不確定和部分真實的信息來獲取知識規(guī)則,在知識獲取過程中,只依賴于樣本數(shù)據(jù)本身,而不需要其他先驗知識或附加信息。

    5)研究表明利用Landsat 8和環(huán)境減災小衛(wèi)星(HJ-1A/1B)的多期遙感影像進行信息獲取時,采用研究區(qū)6月、7月、9月和10月的遙感影像組合效果最佳。本研究所建立的雙臺子河口濕地決策樹分類模型可以用于同數(shù)據(jù)源、同期遙感影像的雙臺子河口濕地的信息提取。此濕地分類規(guī)則的建立方法以及信息提取的方法也可用于其他濕地覆被信息的自動提取。

    [1] Ozesmi S L, Bauer M E. Satellite Remote Sensing of Wetlands[J].Wetlands Ecology Management , 2002, 10: 381-385.

    [2] Chen H, Zhao Y W. Evaluating the Environmental Flows of China's Wolonghu Wetland and Land Use Changes Using a Hydrological Model, a Water Balance Model, and Remote Sensing[J]. Ecological Modelling, 2011, 222: 253-260.

    [3] 王文杰,蔣衛(wèi)國,王維,等.環(huán)境遙感監(jiān)測與應用[M].北京:中國環(huán)境科學出版社,2011. Wang Wenjie, Jiang Weiguo, Wang Wei, et al. Environmental Remote Sensing Monitoring and Application[M]. Beijing: China Environmental Science Press,2011.

    [4] 黃穎,周云軒,吳穩(wěn),等.基于決策樹模型的上海城市濕地遙感提取與分類[J].吉林大學學報:地球科學版,2009,39(6):1156-1161. Huang Ying, Zhou Yunxuan, Wu Wen, et al. Shanghai Urban Wetland Extraction and Classification with Remote Sensed Imageries Based on a Decision Tree Model[J]. Journal of Jilin University: Earth Science Edition, 2009, 39(6): 1156-1161.

    [5] 申文明,王文杰,羅海江,等.基于決策樹分類技術(shù)的遙感影像分類方法研究[J].遙感技術(shù)與應用,2007,22(3): 333-334. Shen Wenming, Wang Wenjie, Luo Haijiang, et al. Classification Methods of Remote Sensing Image Based on Decision Tree Technologies[J]. Remote Sensing Technology and Application, 2007, 22(3): 333-334.

    [6] 張玉君.Landsat 8簡介[J].國土資源遙感,2013,25(1):176-177. Zhang Yujun. Landsat 8 Introduction[J]. Remote Sensing for Land & Resources, 2013,25(1),176-177.

    [7] 徐涵秋,唐菲.新一代Landsat系列衛(wèi)星:Landsat8遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學報,2013,33(11):3250-3257. Xu Hanqiu, Tang Fei. Analysis of New Characteristics of the First Landsat 8 Image and Their Eco-Environment Significance[J]. Acta Ecologica Sinica, 2013, 33(11), 3250-3252.

    [8] 曲偉,路京選,李琳,等.環(huán)境減災小衛(wèi)星影像水體和濕地自動提取方法研究[J].遙感應用,2011,4(4):28. Qu Wei, Lu Jingxuan, Li Lin, et al. Research on Automatic Extraction of Water Bodies and Wetlands on HJ Satellite CCD Images[J].Remote Sensing Application,2011,4(4):28.

    [9] 李鑫川,徐新剛,王紀華,等.基于時間序列環(huán)境衛(wèi)星影像的作物分類識別[J].農(nóng)業(yè)工程學報,2013,29(2): 169-173. Li Xinchuan, Xu Xingang, Wang Jihua, et al. Crop Classification Recognition Based on Time-Series Images from HJ Satellite[J]. Transactions of the Chinese Society of Agricultural Engineering,2013,29(2):169-173.

    [10] 李小文,劉素紅.遙感原理與應用[M].北京:科學出版社,2008. Li Xiaowen, Liu Suhong. Remote Sensing Principles and Applications[M]. Beijing: Science Press,2008.

    [11] 張健康,程彥培,張發(fā)旺,等.基于多時相遙感影像的作物種植信息提取[J].農(nóng)業(yè)工程學報,2012,28(2):134-135. Zhang Jiankang, Cheng Yanpei, Zhang Fawang, et al. Crops Planting Information Extraction Based on Multi-Temporal Remote Sensing Images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(2):134-135.

    [12] 徐娜,丁建麗,劉海霞.基于NDVI和LSMM的干旱區(qū)植被信息提取研究:以新疆吐魯番市為例[J].測繪與空間地理信息,2012,35(7):52-57. Xu Na, Ding Jianli, Liu Haixia. Extraction of Vegetation Information in Arid Area Based on NDVI and LSMM:A Case Study of Turpan[J]. Geomatics & Spatial Information Technology, 2012,35(7):52-57.

    [13] 王婧,趙天忠,曾怡.基于粗糙集規(guī)則提取的面向?qū)ο髽浞N分類方法[J].遙感信息,2013,28(4):90-96. Wang Jing, Zhao Tianzhong, Zeng Yi. Object-Oriented Classification of Tree Species Based on Rule Extraction from Rough Set[J]. Remote Sensing Information, 2013, 28(4): 90-96.

    [14] 王學恩,韓崇昭,韓德強,等.粗糙集研究綜述[J].控制工程,2013,20(1):1-5. Wang Xueen, Han Chongzhao, Han Deqiang, et al. A Survey of Rough sets Theory[J]. Control Engineering of China, 2013,20(1):1-5.

    [15] 張樹清.3S支持下中國典型沼澤濕地景觀時空動態(tài)變化研究[M].長春.吉林大學出版社,2008. Zhang Shuqing. Temporal Dynamic Changes of Wetland Landscape in China Based on 3S Technology[M]. Changchun: Jilin University Press,2008.

    [16] Yee Leung,Tung Fung,JuSheng Mi,et al.A Rough Set Approach to the Discovery of Classification Rules in Spatial Data[J].International Journal of Geographical Information Science,2007,21(9):1033-1058.

    [17] Susmaga R, Slowinski R, Greco S, et al. Generation of Reducts and Rules in Multi-Attribute and Multi-Criteria Classification[J].Control and Cybemetics, 2000, 29(4): 969-988.

    [18] 鄧傳輝,侍洪波.一種基于粗糙集理論的決策樹分類模型的構(gòu)造[J].中南工業(yè)大學學報:自然科學版,2003,34(1):85-88. Deng Chuanhui, Shi Hongbo. Construction of Decision Trees Model Based on Rough Sets Theory[J]. Journal of Central South Unitersity of Technology: Natural Science, 2003, 34(1):85-88.

    [19] 郭琳,裴志遠,吳全,等.面向?qū)ο蟮耐恋乩?覆蓋遙感分類方法與流程應用[J].農(nóng)業(yè)工程學報,2010,26(7):194-195. Guo Lin, Pei Zhiyuan,Wu Quan, et al. Application of Method and Process of Object-Oriented Land Use-Cover Classification Using Remote Sensing Images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010,26(7);194-195.

    [20] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社,2012. Deng Shubin. Remote Sensing Image Processing Using ENVI[M]. Beijing: Science Press, 2012.

    [21] Thomas M, Ralph W. Remote Sensing and Image Interpretation[M]. New York: Wiley,2000.

    [22] 蔡學良,崔遠來.基于異源多時相遙感數(shù)據(jù)提取灌區(qū)作物種植結(jié)構(gòu)[J].農(nóng)業(yè)工程學報,2009,25(8):128. Cai Xueliang, Cui Yuanlai. Crop Planting Structure Extraction in Irrigated Areas from Multi-Sensor and Multi-Temporal Remote Sensing Data[J]. Transa-tions of the Chinese Society of Agricultural Engineering, 2009, 25(8): 128.

    Remote Sensing Classification Information Extraction Based on Rough Set Theory

    Zhou Linfei, Chen Qixin, Cheng Qian, Zhang Jing

    CollegeofWaterConservancy,ShenyangAgriculturalUniversity,Shenyang110161,China

    Using Shuangtaizi estuarine wetland as the research area, and Landsat 8 and HJ-1-A/HJ-1-B remote sensing data as the data sources, this study was conducted for land-cover information extraction. According to the status of the land, the study area was divided into 9 categories, including upland, reed, paddy field, Suaeda, mixed vegetation, water body, beach, residential land, culture pond. First, the study area was divided into vegetation and non-vegetation using the time-series normalized difference vegetation index (NDVI). Then, the classification rules of vegetation and non-vegetation were extracted based on the rough set theory and on multi-temporal remote sensing data. Finally, a decision tree classification model was established. For the purpose of an accurate evaluation, the maximum likelihood classification was conducted based on the pixels using the same training samples; and the confusion matrix and kappa coefficient were calculated. The results showed that the overall accuracy both of the deeision tree and the maximum likelihood classification reached up to 93.70% and 91.62% with a kappa coefficient of 0.92 and 0.90 respectively. The two evaluation index values were improved. It provided a novel research idea for a wetland classification information extraction based on remote sensing images.

    Shuangtaizi estuarine wetlands; remote sensing classification; normalized difference vegetation index (NDVI); rough set theory; decision tree

    10.13278/j.cnki.jjuese.201504304.

    2014-10-21

    高等學校博士學科點專項基金(20112103120003);遼寧省水利科技指導性計劃項目(〔2011〕137號-12)

    周林飛(1971--),女,副教授,博士, 主要從事3S技術(shù)應用研究,E-mail:zlf924@163.com。

    10.13278/j.cnki.jjuese.201504304

    TP79

    A

    周林飛,陳啟新,成遣,等. 利用粗糙集理論進行遙感分類信息提取.吉林大學學報:地球科學版,2015,45(4):1246-1256.

    Zhou Linfei, Chen Qixin, Cheng Qian, et al. Remote Sensing Classification Information Extraction Based on Rough Set Theory.Journal of Jilin University:Earth Science Edition,2015,45(4):1246-1256.doi:10.13278/j.cnki.jjuese.201504304.

    猜你喜歡
    粗糙集反射率決策樹
    影響Mini LED板油墨層反射率的因素
    近岸水體異源遙感反射率產(chǎn)品的融合方法研究
    海洋通報(2022年4期)2022-10-10 07:40:26
    具有顏色恒常性的光譜反射率重建
    基于Pawlak粗糙集模型的集合運算關(guān)系
    一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
    決策樹和隨機森林方法在管理決策中的應用
    電子制作(2018年16期)2018-09-26 03:27:06
    化學腐蝕硅表面結(jié)構(gòu)反射率影響因素的研究*
    電子器件(2017年2期)2017-04-25 08:58:37
    多粒化粗糙集性質(zhì)的幾個充分條件
    基于決策樹的出租車乘客出行目的識別
    雙論域粗糙集在故障診斷中的應用
    www.av在线官网国产| 麻豆国产97在线/欧美| 欧美成人精品欧美一级黄| 日本一二三区视频观看| 亚洲高清免费不卡视频| 国产亚洲最大av| 777米奇影视久久| 国产精品无大码| 亚洲精品久久久久久婷婷小说| 日本黄大片高清| 日韩欧美精品v在线| 国产精品秋霞免费鲁丝片| 国产成年人精品一区二区| 午夜福利视频精品| 亚洲欧美日韩另类电影网站 | 成人高潮视频无遮挡免费网站| 99久久精品一区二区三区| 国产一区二区三区综合在线观看 | 午夜福利高清视频| 亚洲av国产av综合av卡| 国产乱人视频| 亚洲真实伦在线观看| 深夜a级毛片| 亚洲欧美成人综合另类久久久| 国产伦精品一区二区三区视频9| 伦理电影大哥的女人| 亚洲精品视频女| 在线观看三级黄色| 久久久国产一区二区| 国产午夜精品久久久久久一区二区三区| 纵有疾风起免费观看全集完整版| 男女啪啪激烈高潮av片| 欧美区成人在线视频| 99视频精品全部免费 在线| 身体一侧抽搐| 亚洲精品视频女| 2021天堂中文幕一二区在线观| 26uuu在线亚洲综合色| 国产精品国产三级国产av玫瑰| 精品久久国产蜜桃| 视频中文字幕在线观看| 毛片一级片免费看久久久久| 国产片特级美女逼逼视频| 建设人人有责人人尽责人人享有的 | 狠狠精品人妻久久久久久综合| 久久精品国产a三级三级三级| 嘟嘟电影网在线观看| 少妇 在线观看| 女的被弄到高潮叫床怎么办| 亚洲图色成人| 成人综合一区亚洲| 日韩成人伦理影院| 久久久久久久久久人人人人人人| 天天躁夜夜躁狠狠久久av| 国产一区二区在线观看日韩| 中国三级夫妇交换| 久久久精品欧美日韩精品| 午夜老司机福利剧场| 少妇人妻精品综合一区二区| 国产在线一区二区三区精| 在线观看一区二区三区激情| 欧美潮喷喷水| 国产精品不卡视频一区二区| www.av在线官网国产| 成人毛片60女人毛片免费| 免费看a级黄色片| 久久久久久久久大av| 青青草视频在线视频观看| 久久午夜福利片| 狂野欧美激情性bbbbbb| 高清在线视频一区二区三区| 80岁老熟妇乱子伦牲交| 伦理电影大哥的女人| 国内精品美女久久久久久| 免费不卡的大黄色大毛片视频在线观看| 美女内射精品一级片tv| 免费黄频网站在线观看国产| 国产爱豆传媒在线观看| 精品一区在线观看国产| 97精品久久久久久久久久精品| 又黄又爽又刺激的免费视频.| 成人免费观看视频高清| 国产永久视频网站| 亚洲国产高清在线一区二区三| 国产精品一区二区三区四区免费观看| 夫妻性生交免费视频一级片| 制服丝袜香蕉在线| 精华霜和精华液先用哪个| 精品久久久久久电影网| 欧美少妇被猛烈插入视频| 卡戴珊不雅视频在线播放| 高清av免费在线| 少妇猛男粗大的猛烈进出视频 | 午夜福利网站1000一区二区三区| 久久国产乱子免费精品| 精品久久久久久久久av| 91精品伊人久久大香线蕉| 18禁动态无遮挡网站| 免费看不卡的av| 午夜免费观看性视频| 蜜桃久久精品国产亚洲av| 在线观看人妻少妇| 成人欧美大片| 免费看不卡的av| 国产精品一区二区在线观看99| 天天躁夜夜躁狠狠久久av| 亚洲av成人精品一二三区| 欧美一区二区亚洲| 在现免费观看毛片| 国产久久久一区二区三区| av在线亚洲专区| 国产av码专区亚洲av| 精品人妻视频免费看| 欧美国产精品一级二级三级 | 国产 一区精品| 亚洲精品乱久久久久久| 在线观看美女被高潮喷水网站| 亚洲aⅴ乱码一区二区在线播放| 亚洲av免费高清在线观看| 久久久久精品性色| 97在线人人人人妻| 秋霞伦理黄片| 国产伦理片在线播放av一区| 国产精品.久久久| 国产永久视频网站| 久久久久久伊人网av| 国产成人免费无遮挡视频| 少妇 在线观看| 国产成人a区在线观看| 一个人看视频在线观看www免费| 日韩欧美 国产精品| 亚洲国产av新网站| 在线观看国产h片| 日韩亚洲欧美综合| 涩涩av久久男人的天堂| 国产黄片美女视频| 日韩精品有码人妻一区| 午夜亚洲福利在线播放| 久久久久性生活片| 国产一区有黄有色的免费视频| 欧美变态另类bdsm刘玥| 亚洲经典国产精华液单| 中文天堂在线官网| av播播在线观看一区| 国产精品人妻久久久影院| av国产精品久久久久影院| 狂野欧美白嫩少妇大欣赏| 高清毛片免费看| 日韩国内少妇激情av| 亚洲av中文av极速乱| 国内揄拍国产精品人妻在线| 成人漫画全彩无遮挡| 五月天丁香电影| 中文在线观看免费www的网站| 成人亚洲精品一区在线观看 | av在线观看视频网站免费| 国产精品三级大全| 婷婷色综合www| 超碰97精品在线观看| 亚洲人成网站在线播| 国产亚洲av片在线观看秒播厂| 一级毛片aaaaaa免费看小| 欧美xxⅹ黑人| 99久久精品热视频| 久久6这里有精品| 99热全是精品| 人妻 亚洲 视频| 永久免费av网站大全| 色吧在线观看| 亚洲精品影视一区二区三区av| 啦啦啦啦在线视频资源| 日日摸夜夜添夜夜添av毛片| 亚洲av中文av极速乱| 久久久精品94久久精品| 国内精品宾馆在线| 午夜精品一区二区三区免费看| 在线a可以看的网站| 亚洲熟女精品中文字幕| 黄片wwwwww| 内射极品少妇av片p| 成年女人看的毛片在线观看| 寂寞人妻少妇视频99o| 亚洲精品亚洲一区二区| 美女主播在线视频| 亚洲精品久久午夜乱码| 建设人人有责人人尽责人人享有的 | 免费观看a级毛片全部| 我要看日韩黄色一级片| 国产 精品1| 亚洲av成人精品一区久久| 99视频精品全部免费 在线| 国产亚洲91精品色在线| 99久国产av精品国产电影| 直男gayav资源| 久久女婷五月综合色啪小说 | 好男人视频免费观看在线| 午夜精品国产一区二区电影 | 中文欧美无线码| 91久久精品国产一区二区三区| 国产片特级美女逼逼视频| 欧美一级a爱片免费观看看| 亚洲一区二区三区欧美精品 | 美女cb高潮喷水在线观看| 毛片一级片免费看久久久久| 久久久久久久国产电影| 搞女人的毛片| 久久99蜜桃精品久久| 亚州av有码| 好男人视频免费观看在线| 国产精品一二三区在线看| 国产伦精品一区二区三区四那| 天天一区二区日本电影三级| 人体艺术视频欧美日本| 久久99精品国语久久久| 最近最新中文字幕免费大全7| av在线播放精品| 久热久热在线精品观看| 99久久精品一区二区三区| av天堂中文字幕网| 91午夜精品亚洲一区二区三区| 夫妻午夜视频| 国产精品嫩草影院av在线观看| 老女人水多毛片| 黄色一级大片看看| 欧美日韩在线观看h| 国产免费视频播放在线视频| 久久久久久久大尺度免费视频| 国产黄片美女视频| 一本色道久久久久久精品综合| 听说在线观看完整版免费高清| 最近2019中文字幕mv第一页| 国产在线男女| 2022亚洲国产成人精品| 少妇的逼好多水| 久久国内精品自在自线图片| 久久久a久久爽久久v久久| 制服丝袜香蕉在线| 97在线视频观看| 男人和女人高潮做爰伦理| 亚洲综合色惰| 国产av国产精品国产| 国产人妻一区二区三区在| a级一级毛片免费在线观看| 最近中文字幕2019免费版| 国产精品人妻久久久影院| 亚洲av免费高清在线观看| 国产一区有黄有色的免费视频| 成人毛片60女人毛片免费| 舔av片在线| 麻豆成人午夜福利视频| 尾随美女入室| 亚洲天堂av无毛| 欧美zozozo另类| 久久久a久久爽久久v久久| 国产免费福利视频在线观看| 亚洲最大成人av| 嘟嘟电影网在线观看| 国产毛片在线视频| 日本午夜av视频| 亚洲婷婷狠狠爱综合网| 国产成人a区在线观看| 两个人的视频大全免费| 色哟哟·www| 精品人妻熟女av久视频| 国产欧美日韩精品一区二区| 特级一级黄色大片| 少妇人妻一区二区三区视频| 性插视频无遮挡在线免费观看| 久久久a久久爽久久v久久| 欧美精品一区二区大全| 18禁在线播放成人免费| 欧美成人午夜免费资源| 国产av码专区亚洲av| 亚洲国产欧美在线一区| 男插女下体视频免费在线播放| 建设人人有责人人尽责人人享有的 | 国产爱豆传媒在线观看| 丰满乱子伦码专区| 国产精品久久久久久久久免| 黄色日韩在线| 精品久久久久久久久av| 在线免费观看不下载黄p国产| 99久久精品一区二区三区| 天天躁夜夜躁狠狠久久av| 青青草视频在线视频观看| 蜜桃亚洲精品一区二区三区| 精品国产一区二区三区久久久樱花 | 久热久热在线精品观看| 免费看不卡的av| 精品国产三级普通话版| 久久久色成人| 国产伦理片在线播放av一区| 成人国产麻豆网| 欧美成人一区二区免费高清观看| 观看免费一级毛片| 亚洲av国产av综合av卡| 日日摸夜夜添夜夜爱| 特大巨黑吊av在线直播| 九九在线视频观看精品| 亚洲欧洲日产国产| 午夜精品国产一区二区电影 | 黄片无遮挡物在线观看| 天美传媒精品一区二区| 中文字幕免费在线视频6| 亚洲国产精品999| 天天躁夜夜躁狠狠久久av| 男女边吃奶边做爰视频| 欧美成人一区二区免费高清观看| 国产亚洲av片在线观看秒播厂| 日韩人妻高清精品专区| 偷拍熟女少妇极品色| 亚洲美女搞黄在线观看| 制服丝袜香蕉在线| 成人漫画全彩无遮挡| 国产久久久一区二区三区| 久久久久久九九精品二区国产| 综合色丁香网| av在线app专区| 男女啪啪激烈高潮av片| 久久6这里有精品| 丝瓜视频免费看黄片| 日本免费在线观看一区| 夫妻午夜视频| 久久久久久久久久久丰满| 婷婷色麻豆天堂久久| 好男人视频免费观看在线| 国产免费又黄又爽又色| 久久久a久久爽久久v久久| 青春草视频在线免费观看| 亚洲经典国产精华液单| 亚州av有码| 99热这里只有是精品在线观看| 可以在线观看毛片的网站| 午夜福利高清视频| 亚洲精品国产成人久久av| 三级国产精品片| 中文资源天堂在线| 亚洲熟女精品中文字幕| 国模一区二区三区四区视频| 波多野结衣巨乳人妻| 少妇被粗大猛烈的视频| 高清欧美精品videossex| 91狼人影院| 七月丁香在线播放| 欧美高清性xxxxhd video| 国产一区二区在线观看日韩| 晚上一个人看的免费电影| 永久免费av网站大全| 在现免费观看毛片| 中文天堂在线官网| 少妇 在线观看| 久久精品人妻少妇| 三级国产精品片| 婷婷色麻豆天堂久久| 少妇 在线观看| 男女边摸边吃奶| 日韩亚洲欧美综合| 不卡视频在线观看欧美| 亚洲国产精品专区欧美| 午夜爱爱视频在线播放| 在线a可以看的网站| 一级二级三级毛片免费看| 国产色爽女视频免费观看| 日韩中字成人| 亚洲综合精品二区| 人人妻人人看人人澡| 久久久久精品久久久久真实原创| 高清欧美精品videossex| 搞女人的毛片| 国产国拍精品亚洲av在线观看| 国产欧美日韩一区二区三区在线 | 亚洲国产最新在线播放| 色网站视频免费| 一级毛片我不卡| 插逼视频在线观看| 中文乱码字字幕精品一区二区三区| 免费观看在线日韩| 丝袜脚勾引网站| 中文字幕av成人在线电影| 国产人妻一区二区三区在| 国内少妇人妻偷人精品xxx网站| 简卡轻食公司| 中文字幕av成人在线电影| 久久精品夜色国产| 街头女战士在线观看网站| 韩国高清视频一区二区三区| 国产午夜精品久久久久久一区二区三区| 又爽又黄无遮挡网站| 精华霜和精华液先用哪个| 在线亚洲精品国产二区图片欧美 | 国产成人a区在线观看| 亚洲av福利一区| 免费少妇av软件| 日韩av免费高清视频| 秋霞伦理黄片| 欧美一区二区亚洲| 伊人久久精品亚洲午夜| 少妇猛男粗大的猛烈进出视频 | 亚洲人与动物交配视频| 街头女战士在线观看网站| 嘟嘟电影网在线观看| 精品国产乱码久久久久久小说| 晚上一个人看的免费电影| 免费播放大片免费观看视频在线观看| 中文在线观看免费www的网站| 亚州av有码| 国产探花在线观看一区二区| 搡老乐熟女国产| 欧美+日韩+精品| 女人十人毛片免费观看3o分钟| 亚洲经典国产精华液单| 2021少妇久久久久久久久久久| 边亲边吃奶的免费视频| 青春草国产在线视频| 哪个播放器可以免费观看大片| 国产爽快片一区二区三区| 亚洲伊人久久精品综合| 亚洲av成人精品一区久久| 日本猛色少妇xxxxx猛交久久| a级一级毛片免费在线观看| 日韩强制内射视频| 国产毛片在线视频| 性插视频无遮挡在线免费观看| 国产av码专区亚洲av| 好男人在线观看高清免费视频| 中文字幕av成人在线电影| 成年免费大片在线观看| 成人黄色视频免费在线看| 亚洲av不卡在线观看| 一区二区av电影网| 欧美97在线视频| 国产国拍精品亚洲av在线观看| 看黄色毛片网站| 成人漫画全彩无遮挡| 免费大片黄手机在线观看| 欧美成人一区二区免费高清观看| 亚洲精品aⅴ在线观看| 国产黄色视频一区二区在线观看| 深夜a级毛片| 国产久久久一区二区三区| 亚洲精品乱久久久久久| 午夜免费男女啪啪视频观看| 亚洲欧美日韩卡通动漫| 欧美三级亚洲精品| 日韩 亚洲 欧美在线| 亚洲精品久久久久久婷婷小说| 国产一级毛片在线| av免费在线看不卡| 国产午夜精品一二区理论片| 久久久久久久精品精品| 精品国产露脸久久av麻豆| 久久久久精品性色| 国产 一区精品| 亚洲av在线观看美女高潮| 成人国产av品久久久| 成人黄色视频免费在线看| 久久精品国产亚洲av天美| 五月玫瑰六月丁香| 尾随美女入室| 一区二区三区免费毛片| 老女人水多毛片| 精华霜和精华液先用哪个| 国产乱人偷精品视频| 一边亲一边摸免费视频| 亚洲,欧美,日韩| 欧美zozozo另类| 全区人妻精品视频| 亚洲欧美中文字幕日韩二区| 国产 一区精品| av黄色大香蕉| 少妇被粗大猛烈的视频| 99热这里只有是精品50| 亚洲av电影在线观看一区二区三区 | 亚洲内射少妇av| 高清视频免费观看一区二区| 男男h啪啪无遮挡| 身体一侧抽搐| 免费看av在线观看网站| 我的女老师完整版在线观看| 国产成人午夜福利电影在线观看| 免费观看无遮挡的男女| 国内精品美女久久久久久| 狂野欧美激情性bbbbbb| 在线观看一区二区三区| 联通29元200g的流量卡| 美女xxoo啪啪120秒动态图| 白带黄色成豆腐渣| 日韩亚洲欧美综合| 国产真实伦视频高清在线观看| 极品少妇高潮喷水抽搐| 夫妻午夜视频| 伦理电影大哥的女人| 国产日韩欧美亚洲二区| 777米奇影视久久| 国产成人一区二区在线| 性插视频无遮挡在线免费观看| 国产女主播在线喷水免费视频网站| 欧美3d第一页| 亚洲精品乱久久久久久| 亚洲无线观看免费| 美女内射精品一级片tv| 亚洲激情五月婷婷啪啪| 丝瓜视频免费看黄片| 麻豆国产97在线/欧美| 国产成人freesex在线| 午夜老司机福利剧场| 男人舔奶头视频| 高清毛片免费看| 亚洲欧洲日产国产| 成人免费观看视频高清| 国产精品99久久99久久久不卡 | 97在线人人人人妻| 日韩强制内射视频| 亚洲成人av在线免费| 熟女人妻精品中文字幕| 欧美日韩精品成人综合77777| 在线观看人妻少妇| 听说在线观看完整版免费高清| 久久久久久久久久人人人人人人| 亚洲精品第二区| 99热国产这里只有精品6| 联通29元200g的流量卡| 女人十人毛片免费观看3o分钟| av在线蜜桃| 青春草国产在线视频| 国产成人免费观看mmmm| 熟女av电影| 精品久久久精品久久久| 久久99蜜桃精品久久| 国产 一区 欧美 日韩| 偷拍熟女少妇极品色| 国产精品久久久久久久电影| 欧美丝袜亚洲另类| 丰满人妻一区二区三区视频av| 尾随美女入室| 大香蕉97超碰在线| av免费观看日本| 亚洲三级黄色毛片| 免费观看性生交大片5| 在线看a的网站| 又爽又黄无遮挡网站| 亚洲自偷自拍三级| 人妻制服诱惑在线中文字幕| 亚洲国产色片| 精品国产乱码久久久久久小说| 可以在线观看毛片的网站| 91久久精品国产一区二区成人| 国内少妇人妻偷人精品xxx网站| 免费黄网站久久成人精品| 久久精品综合一区二区三区| 网址你懂的国产日韩在线| 97精品久久久久久久久久精品| 精品国产三级普通话版| 国产成人午夜福利电影在线观看| 一级毛片我不卡| 中文欧美无线码| 国产免费又黄又爽又色| 丝袜美腿在线中文| 亚洲精品自拍成人| 国产亚洲av片在线观看秒播厂| 欧美一区二区亚洲| 在线看a的网站| 国产91av在线免费观看| 综合色av麻豆| 三级男女做爰猛烈吃奶摸视频| 免费黄色在线免费观看| 成人国产av品久久久| 午夜福利视频精品| 午夜日本视频在线| 日日啪夜夜爽| 国产高清国产精品国产三级 | 亚洲av福利一区| 精品酒店卫生间| 在线免费观看不下载黄p国产| av免费在线看不卡| 免费看光身美女| 国产美女午夜福利| 亚洲国产av新网站| 亚洲精品一二三| 性色avwww在线观看| 欧美日韩视频精品一区| av专区在线播放| 性插视频无遮挡在线免费观看| 国产极品天堂在线| 国产 一区 欧美 日韩| 日本爱情动作片www.在线观看| 男的添女的下面高潮视频| 亚洲国产精品国产精品| 综合色丁香网| 国内少妇人妻偷人精品xxx网站| 国产乱人偷精品视频| 午夜亚洲福利在线播放| 久久热精品热| 老女人水多毛片| 亚洲,一卡二卡三卡| 国产永久视频网站| 国产乱人偷精品视频| 日韩成人av中文字幕在线观看| 欧美精品人与动牲交sv欧美| av黄色大香蕉| av在线播放精品| 国产黄色免费在线视频| 国产综合懂色| 亚洲精品久久午夜乱码| 亚洲精品自拍成人| 久久久久久久亚洲中文字幕| 国产免费视频播放在线视频| 国产亚洲5aaaaa淫片| 国产成人精品一,二区| 国产精品久久久久久av不卡| 亚洲精品久久久久久婷婷小说| 黄色欧美视频在线观看| 王馨瑶露胸无遮挡在线观看| 久久国产乱子免费精品| 国产精品国产av在线观看|