• <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 ?

    基于機(jī)載激光雷達(dá)的森林地上碳儲量估測1)

    2016-12-19 09:02:10穆喜云劉清旺龐勇胡凱龍張秋良
    關(guān)鍵詞:儲量樣地生物量

    穆喜云 劉清旺 龐勇 胡凱龍 張秋良

    (赤峰市林業(yè)科學(xué)研究院森林生態(tài)研究所, 內(nèi)蒙古·赤峰, 024000)(中國林業(yè)科學(xué)研究院資源信息研究所) (中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院) (內(nèi)蒙古農(nóng)業(yè)大學(xué)林學(xué)院)

    ?

    基于機(jī)載激光雷達(dá)的森林地上碳儲量估測1)

    穆喜云 劉清旺 龐勇 胡凱龍 張秋良

    (赤峰市林業(yè)科學(xué)研究院森林生態(tài)研究所, 內(nèi)蒙古·赤峰, 024000)(中國林業(yè)科學(xué)研究院資源信息研究所) (中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院) (內(nèi)蒙古農(nóng)業(yè)大學(xué)林學(xué)院)

    以內(nèi)蒙古大興安嶺生態(tài)站為研究對象,以2012、2013年的66塊樣地數(shù)據(jù)和2012年同步獲取的機(jī)載LiDAR遙感數(shù)據(jù)為數(shù)據(jù)源,分別采用多元線性回歸和隨機(jī)森林回歸算法,通過對比不同算法間的估測精度差異,選擇更適于研究區(qū)的估測方法,實(shí)現(xiàn)研究區(qū)森林地上碳儲量的遙感估測。結(jié)果表明:隨機(jī)森林回歸算法的估測精度最優(yōu),模型訓(xùn)練精度(R2為0.861,RMSE為11.133 t/hm2,rRMSE為0.279)和預(yù)測精度(RMSE為17.956 t/hm2,rRMSE為0.342,估測精度范圍40.898%~95.129%,平均估測精度76.385%)均優(yōu)于多元線性回歸的模型訓(xùn)練結(jié)果(R2為0.676,RMSE為11.846 t/ha,rRMSE為0.351)和模型預(yù)測結(jié)果(RMSE為22.703 t/hm2,rRMSE為0.636,估測精度范圍45.824%~94.752%,平均估測精度69.859%)。機(jī)載LiDAR數(shù)據(jù)的高度變量和密度變量與森林地上碳儲量均具有顯著相關(guān)性,高度變量相關(guān)性更為顯著。隨機(jī)森林回歸算法對區(qū)域森林地上碳儲量的估測結(jié)果趨于真實(shí)分布情況,效果比較理想。

    機(jī)載LiDAR;隨機(jī)森林回歸;多元線性回歸;森林地上碳儲量

    In the Great Khingan State Ecosysterm Research Station in Inner Mongolia, we chose a more suitable method to estimate forest aboveground carbon storage with the plots data from 2012, 2013 and the synchronously acquired airborne LiDAR data of 2012 as data sources in the study area, by comparing the model estimated accuracy of multiple linear stepwise regression and random forest regression algorithms to realize the remote sensing estimation of forest aboveground carbon storage of study area. The random forest regression algorithm was training higher accuracy (model training accuracyR2=0.861, RMSE=11.133 t/ha andrRMSE=0.279; testing accuracyR2=0.826, RMSE=17.956 t/ha,rRMSE=0.342, the estimate accuracy range is in 40.898%-95.129% and its average estimate accuracy is 76.385%) than the multiple linear stepwise regression algorithm (model training accuracyR2=0.676, RMSE=11.846 t/ha andrRMSE=0.351; testing accuracyR2=0.727, RMSE=22.703 t/ha,rRMSE=0.636, the estimate accuracy range is in 45.824%-94.752% and the average estimate accuracy is 69.859%). The percentile height and density variables of LiDAR data had significant correlation with the forest aboveground carbon storage, percentile height variable correlation is more significant. Therefore, the estimate results of total forest carbon storage on regional scale using random forest regression algorithm was closer to its true distribution with ideal effects.

    森林作為陸地生態(tài)系統(tǒng)的主體,蓄儲了全球陸地生態(tài)系統(tǒng)中約80%以上的碳[1],作為陸地生態(tài)系統(tǒng)中最大的碳庫,對吸收CO2等溫室氣體,減緩氣候變化發(fā)揮著關(guān)鍵作用。森林碳儲量是判斷系統(tǒng)中碳源和碳匯的關(guān)鍵因子[2],也是森林與環(huán)境間物質(zhì)循環(huán)和能量流動復(fù)雜關(guān)系的衡量指標(biāo),對全球碳收支平衡、氣候變化及全球碳循環(huán)研究具有重要意義。遙感作為有效的技術(shù)手段,解決了大區(qū)域定量估算問題,減少了對森林的破壞性,提高了工作效率。但眾多遙感數(shù)據(jù)中,光學(xué)遙感數(shù)據(jù)含有豐富的光譜信息,數(shù)值獲取受天氣條件限制。激光雷達(dá)(LiDAR)是一種新興的技術(shù)手段,通過測算激光信號由傳感器到達(dá)目標(biāo)物之間的時間進(jìn)行距離換算的一種主動遙感技術(shù),被廣泛地應(yīng)用于城市三維建模、資源勘探、土地利用、古建筑物保護(hù)與修繕、軍事及森林參數(shù)估算等方面。近年來LiDAR已成功應(yīng)用于林業(yè)領(lǐng)域,對森林生態(tài)系統(tǒng)小氣候、徑流、能量循環(huán)、生物多樣性及立地質(zhì)量評價具有重要的研究意義[3],憑借其獲取植被垂直結(jié)構(gòu)信息的優(yōu)勢,實(shí)現(xiàn)了森林參數(shù)的定量測量與反演,估測精度可達(dá)亞米級[4]。

    近年來,一些學(xué)者將支持向量機(jī)算法[5]、最近鄰算法[6]和隨機(jī)森林算法[7-11]等非參數(shù)化機(jī)器學(xué)習(xí)算法應(yīng)用于森林生物量遙感估算研究中。

    隨機(jī)森林是一種集成學(xué)習(xí)方法,最早由Leo Breiman[12]提出,通過多個決策樹的組合提高模型預(yù)測精度,其優(yōu)點(diǎn)體現(xiàn)在處理大數(shù)據(jù)時,學(xué)習(xí)過程快,效率高[13]。決策樹的非參數(shù)化方法具有顯著的優(yōu)勢,不需要假設(shè)先驗(yàn)概率分布,具有更好的靈活性和魯棒性。

    以內(nèi)蒙古大興安嶺生態(tài)站寒溫帶典型森林為研究對象,利用機(jī)載LiDAR數(shù)據(jù)結(jié)合隨機(jī)森林回歸算法對研究區(qū)森林地上碳儲量進(jìn)行估測。通過實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證,隨機(jī)森林回歸算法表現(xiàn)出了較高的模型擬合效果,為提高研究區(qū)森林地上碳儲量估測精度提供參考數(shù)據(jù)。

    1 試驗(yàn)區(qū)概況

    研究區(qū)位于根河市的內(nèi)蒙古大興安嶺森林生態(tài)系統(tǒng)國家野外科學(xué)觀測研究站,簡稱“大興安嶺生態(tài)站”。試驗(yàn)區(qū)面積102 km2,地理坐標(biāo)121°30′~121°31′E,50°49′~50°51′N,高程變化范圍為810~1 116 m,是我國目前緯度最高的森林生態(tài)系統(tǒng)野外科學(xué)觀測站。屬寒溫帶濕潤氣候區(qū),典型寒溫帶北方森林,森林覆蓋率為75%。主要森林類型為針葉林(興安落葉松(Larixgmelinii))、闊葉林((Betulaplatyphylla))和混交林(興安落葉松-白樺),有少量山楊(PopulusdavidianaDode)伴生[14]。

    2 研究方法

    2.1 數(shù)據(jù)獲取

    機(jī)載LiDAR數(shù)據(jù):2012年8月至9月在研究區(qū)開展飛行試驗(yàn),以“運(yùn)-5”飛機(jī)搭載Leica ALS60機(jī)載雷達(dá)系統(tǒng),對地發(fā)射激光信號(波長1 550 nm,頻率100~200 kHz,掃描角±35°,平均飛行高2 700 m,飛行速度220 km/h)共獲得32條航帶數(shù)據(jù),覆蓋面積213 km2,獲取的LiDAR數(shù)據(jù)的航帶平均掃描寬度1 000 m,航帶最高重疊率為80%,激光點(diǎn)云平均密度為5.6個/m2。

    地面調(diào)查數(shù)據(jù):2012年8—9月份,在大興安嶺生態(tài)站研究區(qū)內(nèi),設(shè)置固定樣地(40 m×40 m)48塊,2013年8月設(shè)置45 m×45 m的固定樣地9塊和臨時樣地9塊。設(shè)置的66塊樣地,以針葉林為主,針闊混交林其次,闊葉林?jǐn)?shù)量較少,涵蓋幼齡林、中齡林和成熟林。樣地每木調(diào)查因子包括:胸徑、樹高、枝下高、冠幅、郁閉度、覆蓋度等林分基本信息。臨時樣地僅進(jìn)行每木胸徑檢尺,按照徑階抽取部分林木測定樹高和冠幅。

    胸徑尺測定每木胸高處直徑,激光測高儀(USA)測定樹高和枝下高,皮尺測定東西、南北兩個主方向的冠幅,對樣地的四角分別進(jìn)行差分GPS(DGPS)定位,精度控制在米級(1 m以內(nèi))。

    2.2 數(shù)據(jù)預(yù)處理

    機(jī)載LiDAR數(shù)據(jù):對機(jī)載LiDAR數(shù)據(jù)進(jìn)行去噪、分類等預(yù)處理。主要進(jìn)行地面點(diǎn)、植被點(diǎn)的提取和分類。將研究區(qū)域范圍內(nèi)的點(diǎn)云數(shù)據(jù)進(jìn)行歸一化處理,去除地形起伏等因素對LiDAR高度變量提取過程中精度的影響。機(jī)載LiDAR的第一回波在多次回波中較穩(wěn)定,故采用第一回波進(jìn)行森林參數(shù)運(yùn)算。本文定義高于地面2米的回波點(diǎn)為植被點(diǎn)[15],對點(diǎn)云數(shù)據(jù)進(jìn)行歸一化處理,提取各樣地的百分位高度變量5%(h5)、10%(h10)、15%(h15)……95%(h95),最大高度(hmax)、平均高度(hmean);百分位密度變量,定義為分位高度內(nèi)的點(diǎn)占所有點(diǎn)的比例,即5%(d5)、10%(d10)、15%(d15)……95%(d95)和變量c,c為所有大于2.0 m的回波點(diǎn)占所有點(diǎn)云的比例[16]。百分位數(shù)能很好地體現(xiàn)激光點(diǎn)云的分布情況,樣本分布和位置的統(tǒng)計量由分位數(shù)來描述。分位數(shù)為p,定義為對于總體X和給定的p,如果存在使得P(X≤θp)=P,則θp為總體X的p分位數(shù)。先對植被點(diǎn)云高度進(jìn)行排序,然后計算總高度的p處分位樹高。

    地面調(diào)查數(shù)據(jù):以森林地上碳儲量為研究對象,根據(jù)生物量和碳儲量的關(guān)系,首先計算森林地上生物量,利用生物量方程分樹種計算每木的生物量,然后累加得到樣地尺度的森林地上生物量。生物量方程采用陳傳國等[17]冪函數(shù)方程。以獲取的生物量乘以含碳轉(zhuǎn)換率,含碳轉(zhuǎn)換率采用國際上常用的轉(zhuǎn)換系數(shù)0.5[18],計算樣地水平內(nèi)的森林地上碳儲量。待測生物量方程如下:

    W=aDb。

    (1)

    式中:W為待測生物量,D為胸徑,a和b為方程系數(shù)(見表1)。

    以森林地上碳儲量為研究對象,分別采用多元線性逐步回歸法和隨機(jī)森林回歸法,結(jié)合樣地實(shí)測數(shù)據(jù),對研究區(qū)的森林地上碳儲量估測。選取43個樣本數(shù)據(jù)進(jìn)行模型的構(gòu)建,對比分析2種回歸算法的R2變化情況,選擇更適合研究區(qū)森林地上碳儲量估測的遙感模型。

    表1 相關(guān)樹種生物量方程系數(shù)

    2.3 多元逐步回歸

    以提取的LiDAR變量和計算獲得的樣地森林地上碳儲量進(jìn)行多元逐步回歸分析,采用對數(shù)變換的形式進(jìn)行回歸建模。通過逐步漸進(jìn)的方式篩選變量因子,直到滿足F值較大且達(dá)到t檢驗(yàn)的顯著性水平(p<0.05)則進(jìn)入模型,否則剔除[19]。具體回歸方程如下:

    lnWi=β0+β1lnh5+β2lnh10+…+β19lnh95+β20lnhmean+β21lnhmax+β22lnd5+β23lnd10+…+β40lnd95+β41lnc+ε。

    (2)

    式中:Wi為地面實(shí)測生物量;β0、β5、…、β41為待定的回歸系數(shù);ε為誤差項(xiàng)。

    2.4 隨機(jī)森林回歸

    首先,從訓(xùn)練樣本數(shù)據(jù)集中,隨機(jī)有放回地抽取N個樣本;從特征變量數(shù)據(jù)集中,隨機(jī)地抽出M個變量;依據(jù)上述得到的子集實(shí)施CART方法(無需剪枝),從而形成一個單獨(dú)的決策樹;重復(fù)上面步驟X次,就構(gòu)建了有X棵樹的隨機(jī)森林模型。在對新數(shù)據(jù)進(jìn)行預(yù)測分類時,由X棵樹分別預(yù)測,綜合最終投票結(jié)果,獲取預(yù)測結(jié)果。

    本文基于R語言進(jìn)行隨機(jī)森林算法的實(shí)現(xiàn),R語言是一種用于統(tǒng)計分析和繪圖的語言和操作環(huán)境。本研究選擇randomForest函數(shù)包進(jìn)行的隨機(jī)森林回歸。

    R語言的randomForest函數(shù)在進(jìn)行隨機(jī)森林回歸時,程序通過兩個指標(biāo)判斷每個自變量的重要性,對自變量進(jìn)行選擇,一是自變量出現(xiàn)在袋外數(shù)據(jù)時,模型的MSE增量,二是自變量出現(xiàn)在袋外數(shù)據(jù)時,對模型樹節(jié)點(diǎn)純度的影響力,由殘差平方和來衡量,對應(yīng)數(shù)值越高,該變量的重要性越大,程序會選擇進(jìn)入模型的自變量。通過構(gòu)建不同的模型,進(jìn)行模型運(yùn)算,最終輸出模型的預(yù)測結(jié)果。

    2.5 模型評價方法

    通常采用決定系數(shù)(R2),均方根誤差(RMSE)和相對均方根誤差(rRMSE)對回歸模型進(jìn)行模型擬合優(yōu)度評價[20]。

    R2的數(shù)值越大越好,越大表示模型的擬合能力越強(qiáng),RMSE和rRMSE越小代表模型的預(yù)測能力越強(qiáng)。由于RMSE受數(shù)量級的影響,本文對變量進(jìn)行過對數(shù)變換,因此,更進(jìn)一步地選擇rRMSE對模型預(yù)測能力進(jìn)行評價。

    (3)

    (4)

    (5)

    3 結(jié)果與分析

    如表2所示,多元逐步回歸(MLR)的模型相關(guān)系數(shù)R為0.822,自變量與因變量間顯著相關(guān)性較高,決定系數(shù)R2為0.676,可以解釋總體變異的67.6%,訓(xùn)練RMSE為11.846 t/hm2,模型驗(yàn)證R2為0.727,驗(yàn)證RMSE為22.703 t/hm2,驗(yàn)證rRMSE為0.636,驗(yàn)證樣本的估測精度范圍為45.824%~94.752%,平均估測精度為69.859%。

    隨機(jī)森林回歸(RF),模型訓(xùn)練R2為0.861,可以解釋總體變異的比例為86.1%,訓(xùn)練RMSE為11.133 t/hm2,模型驗(yàn)證R2為0.826,驗(yàn)證RMSE為17.956 t/hm2,驗(yàn)證rRMSE為0.342,模型估測精度范圍為40.898%~95.129%,平均估測精度為76.385%。

    表2 森林地上碳儲量模型評價指標(biāo)運(yùn)算結(jié)果

    RF回歸模型的訓(xùn)練精度和預(yù)測精度均優(yōu)于MLR回歸模型的運(yùn)算結(jié)果。本文中采用相同的訓(xùn)練樣本數(shù)據(jù)和驗(yàn)證樣本數(shù)據(jù),在統(tǒng)一數(shù)據(jù)選擇的基礎(chǔ)上,對兩種不同的模型運(yùn)算方法進(jìn)行精度對比,由此可見,RF模型的訓(xùn)練和驗(yàn)證R2和RMSE效果較理想,用于估測森林地上碳儲量可行,其模型的學(xué)習(xí)能力比MLR模型R2提高了18.5%,RMSE提高了0.713 t/hm2,平均估測精度提高了6.526%,但MLR模型的最低估測精度高于RF模型的最低估測結(jié)果,兩種模型的最高估測精度差異不顯著。雖然RF模型構(gòu)建的樹較復(fù)雜,此算法對數(shù)據(jù)的學(xué)習(xí)性較好,但由于抽樣過程隨機(jī),屬于暗箱操作,如與噪聲(即誤差)部分過度學(xué)習(xí),即會導(dǎo)致數(shù)據(jù)估測結(jié)果的整體偏差。

    如圖1所示,RF估測結(jié)果與實(shí)測值間的差異性明顯小于MLR的估測結(jié)果。各別樣點(diǎn)的實(shí)測值與估測值偏差較大,估測結(jié)果偏低,由于這些樣地內(nèi)單木株數(shù)較少,且為成熟林,所以樣地實(shí)測生物量較高;而機(jī)載點(diǎn)云在獲取樣地內(nèi)點(diǎn)云分位變量時,對冠頂?shù)腻e失,導(dǎo)致對樣地內(nèi)分位高度統(tǒng)計的誤差,從而增加了模型的估測誤差??傊?,兩模型的預(yù)測值均偏低,如圖2所示,大部分的數(shù)據(jù)點(diǎn)分布于對比線上方,模型估測值低于實(shí)測值。本文中實(shí)測值采用的單因素生物量方程,由此計算的生物量必然存在一定的誤差,而含碳系數(shù)統(tǒng)一為0.5,按照不同樹種,不同林齡其含碳率是各不相同的,因此又造成了誤差的累積,在模型的學(xué)習(xí)過程中,隨機(jī)的訓(xùn)練樣本數(shù)據(jù),使得模型對該部分?jǐn)?shù)據(jù)的學(xué)習(xí)能力較強(qiáng),但是模型的普適性,仍然存在一定的局限性。

    圖1 各驗(yàn)證樣本點(diǎn)的森林地上碳儲量估測

    由RF模型運(yùn)算生成的研究區(qū)森林地上碳儲量空間等級分布圖(見圖3),最大估測值86.78 t/hm2,單位面積碳儲量為38.299 t/hm2,總碳儲量為394 037.454 t。MLR模型對研究區(qū)域范圍的運(yùn)算結(jié)果最大估測值為59.10 t/hm2,總碳儲量估測值為169 330.987 t,單位面積碳儲量估測值為16.586 t/hm2。本文以2005年小班數(shù)據(jù)為參考,將小班蓄積進(jìn)行換算,得到研究區(qū)范圍內(nèi)的總碳儲量為247 542.6 t,單位面積碳儲量為19.908 t/hm2。MLR估測結(jié)果與小班結(jié)果差異性較大,本文中的LiDAR數(shù)據(jù)為2012年獲取,與小班數(shù)據(jù)獲取的時間間隔較長,這段時間內(nèi),森林地上碳儲量以一定的速率進(jìn)行增匯,總碳儲量應(yīng)呈現(xiàn)增長的趨勢,而MLR估測結(jié)果較低,低于2005年的森林地上碳儲量,RF估測結(jié)果符合該區(qū)域碳儲量增匯的情況,具體數(shù)值估算精度,有待于進(jìn)一步結(jié)合林業(yè)部門的最新調(diào)查數(shù)據(jù)進(jìn)行對比分析。MLR估測結(jié)果的趨勢分布與RF的估測結(jié)果相一致,表現(xiàn)為由北向南逐漸遞減,森林地上碳儲量最高值分布區(qū)域位于北部的原始林區(qū),人為干擾較少,該區(qū)域碳密度較大,而靠近公路的區(qū)域較易受到人為干擾與破壞,導(dǎo)致森林地上碳儲量相對較低,碳密度較小,如圖3中碳密度的局部分布情況(采伐帶)清晰可見。

    圖2 MLR和RF模型的森林地上碳儲量估測

    圖3 RF模型估測研究區(qū)森林碳儲量等級分布

    4 結(jié)論與討論

    以機(jī)載LiDAR數(shù)據(jù)結(jié)合地面調(diào)查數(shù)據(jù),對根河內(nèi)蒙古大興安嶺生態(tài)站,具有典型區(qū)域代表性的寒溫帶研究區(qū)進(jìn)行森林地上碳儲量估測,采用兩種回歸算法進(jìn)行對比分析,RF回歸模型的估測效果較理想,估測精度均優(yōu)于MLR模型的估測結(jié)果。在相同樣本的前提下,隨機(jī)森林回歸算法對參與建模的樣本數(shù)據(jù)具有較強(qiáng)的學(xué)習(xí)能力,泛化精度較穩(wěn)定,驗(yàn)證樣本點(diǎn)的估測值未出現(xiàn)較大偏差。RF算法更適合處理多自變量的問題,可根據(jù)變量的重要性,得出各自變量對因變量的重要性排序,選擇進(jìn)入模型,避免了信息的冗余,提高了模型的運(yùn)算效率。在以往的研究中,RF模型的估算結(jié)果出現(xiàn)過擬合現(xiàn)象[21-22],本文中未出現(xiàn)過擬合現(xiàn)象原因是數(shù)據(jù)采集、抽樣方法以及運(yùn)行程序有關(guān)。

    隨機(jī)森林回歸算法的估測結(jié)果優(yōu)于李明陽等[23]在福建武夷山篩選出的最優(yōu)人工神經(jīng)網(wǎng)絡(luò)碳儲量遙感估測模型的結(jié)果。由此可見,隨機(jī)森林回歸算法具有一定的優(yōu)越性,但是其運(yùn)算過程屬于暗箱操作,回歸模型不可見,參與建模的樣本隨機(jī)性較大。因此,隨機(jī)森林回歸算法的研究領(lǐng)域仍具有一定的提升空間,算法原理性及參數(shù)優(yōu)選意義方面有待進(jìn)一步的深入研究。

    使用的LiDAR數(shù)據(jù),雖然在估算森林生物量、碳儲量方面具有較好的應(yīng)用前景,但其也存在一定的局限性,數(shù)據(jù)獲取成本較高等[24]。有學(xué)者利用HJ星數(shù)據(jù)進(jìn)行生物量和碳密度制圖,其運(yùn)算結(jié)果能夠滿足反演制圖的需要[25]。由此可見,聯(lián)合不同數(shù)據(jù)源,有助于提高森林參數(shù)的估測精度。為保證模型的穩(wěn)定性和可靠性,在后續(xù)的研究中,結(jié)合森林調(diào)查數(shù)據(jù)和充足的樣數(shù)量,優(yōu)化抽樣算法,以提高模型的魯棒性和普適應(yīng)。

    遙感估測手段,從定性研究到定量研究,從小區(qū)域到大尺度乃至全球范圍的估測研究,為林業(yè)研究提供了有效的技術(shù)手段,多傳感器的聯(lián)合估算,通過聯(lián)立方程組模型的方式進(jìn)行多元化的森林碳儲量估測[26]。本文僅以小區(qū)域范圍的研究為基礎(chǔ),探討隨機(jī)森林回歸算法的可行性,為下一步的研究奠定基礎(chǔ)。

    [1] 周廣勝.全球碳循環(huán)[M].北京:氣象出版社,2003.

    [2] 孟憲宇.測樹學(xué)[M].北京:中國林業(yè)出版社,1995.

    [3] HANSEN A J, PHILLIPS L B, DUBAYAH R, et al. Regional-scale application of lidar: Variation in forest canopy structure across the southeastern US[J]. Forest Ecology and Management,2014,329(1):214-226.

    [4] LEFSKY M A, COHEN W B, HARDING D J, et al. Lidar remote sensing of above-ground biomass in three biomes[J]. Global Ecology and Biogeography,2002,11(5):393-399.

    [5] LI M, IM J, QUACKENBUSH L J, et al. Forest biomass and carbon stock quantification using airborne lidar data: A case study over huntington wildlife forest in the adirondack park[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(7):3143-3156.

    [6] GUO Y, TIAN X, LI Z, et al. Comparison of estimating forest above-ground biomass over montane area by two non-parametric methods[C]//Geoscience and Remote Sensing Symposium (IGARSS), 2014 IEEE International. IEEE,2014:741-744.

    [7] 孫雪蓮,舒清態(tài),歐光龍,等.基于隨機(jī)森林回歸模型的思茅松人工林生物量遙感估測[J].林業(yè)資源管理,2015(1):71-76.

    [8] 孫雪蓮,舒清態(tài),歐光龍,等.基于隨機(jī)森林回歸的不同齡組思茅松人工林生物量遙感估測[J].廣東農(nóng)業(yè)科學(xué),2015,42(15):148-153.

    [9] ZHANG J, HUANG S, HOGG E H, et al. Estimating spatial variation in Alberta forest biomass from a combination of forest inventory and remote sensing data[J]. Biogeosciences,2014,11(10):2793-2808.

    [10] TORRESAN C L, STRUNK J, ZALD H S J, et al. Comparing statistical techniques to classify the structure of mountain forest stands using CHM-derived metrics in Trento province (Italy)[J]. European Journal of Remote Sensing,2014,47:75-94.

    [11] AHMED O S, FRANKLIN S E, WULDER M A, et al. Characterizing stand-level forest canopy cover and height using landsat time series, samples of airborne LiDAR, and the random forest algorithm[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2015,101:89-101.

    [12] BREIMAN L. Random forests[J]. Machine Learning,2001,45(1):5-32.

    [13] 李欣海.隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J].應(yīng)用昆蟲學(xué)報,2013,50(4):1190-1197.

    [14] 張秋良,王立明.內(nèi)蒙古大興安嶺森林生態(tài)系統(tǒng)研究[M].北京:中國林業(yè)出版社,2014.

    [15] NILLSSON M. Estimation of tree heights and stand volume using an airborne lidar system[J]. Remote Sensing of Environment,1996,56(1):1-7.

    [16] NASSET E, GOBAKKEN T. Estimation of above and below ground biomass across regions of the boreal forest zone using airborne laser[J]. Remote Sensing of Environment,2008,112(6):3079-3090.

    [17] 陳傳國,朱俊鳳.東北主要林木生物量手冊[M].北京:中國林業(yè)出版社,1989.

    [18] KNIGGE W, SCHULZ H. Grundriss der forstbenutzung: entstehung, eigenschaften, verwertung und verwendung des holzes und anderer forstprodukte[M]. Hamburgund Berlin: Verlag Paul Parey,1966.

    [19] 穆喜云,張秋良,劉清旺,等.基于激光雷達(dá)的大興安嶺典型森林生物量制圖技術(shù)研究[J].遙感技術(shù)與應(yīng)用,2015,30(2):220-225.

    [20] 龐勇,李增元.基于機(jī)載激光雷達(dá)的小興安嶺溫帶森林組分生物量反演[J].植物生態(tài)學(xué)報,2012,36(10):1095-1105.

    [21] ELITH J, GRAHAM C H. Do they? How do they? WHY do they differ? On finding reasons for differing performances of species distribution models[J]. Ecography,2009,32(1):66-77.

    [22] 穆喜云.森林地上生物量遙感估測方法研究[D].呼和浩特:內(nèi)蒙古農(nóng)業(yè)大學(xué),2015:62-63.

    [23] 李明陽,吳軍,余超,等.福建武夷山自然保護(hù)區(qū)森林碳儲量遙感估測方法與空間分析[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2014,38(6):6-10.

    [24] 曹林,佘光輝,代勁松,等.激光雷達(dá)技術(shù)估測森林生物量的研究現(xiàn)狀及展望[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2013,37(3):163-168.

    [25] 曹林,阮宏華,代勁松,等.基于HJ-1A/1B CCD數(shù)據(jù)的區(qū)域銀杏生物量估測及碳密度制圖[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2013,37(2):8-14.

    [26] 肖湘,王西峰,范文義,等.黑龍江省區(qū)小興安嶺森林生態(tài)系統(tǒng)碳密度遙感估算[J].東北林業(yè)大學(xué)學(xué)報,2015,43(4):127-130.

    Forest Aboveground Carbon Storage Using RF Algorithmic Model and Airborne LiDAR Data//

    Mu Xiyun; Liu Qingwang, Pang Yong; Zhang Qiuliang

    (Institute of Forestry Ecology, Chifeng Academy of Forestry, Chifeng 024000, P. R. China)(Institute of Forest Resource Information Techniques, Chinese Academy of Forestry); Hu Kailong(China University of Mining & Technology (Beijing))(Inner Mongolia Agricultural University)//Journal of Northeast Forestry University,2016,44(11):52-56.

    Airborne LiDAR data; Random forest regression; Multiple linear regression; Forest aboveground carbon storage

    1)國家高技術(shù)研究發(fā)展計劃(863計劃)項(xiàng)目(2013AA12A302);國家重點(diǎn)基礎(chǔ)研究發(fā)展計劃(973計劃)項(xiàng)目(2013CB733404)。

    穆喜云,女,1987年11月生,赤峰市林業(yè)科學(xué)研究院森林生態(tài)研究所,助理研究員。E-mail:xiyunmuyd@126.com。

    劉清旺,男,中國林業(yè)科學(xué)研究院資源信息研究所,助理研究員。E-mail:liuqw@caf.ac.cn。

    2016年5月24日。

    S757

    責(zé)任編輯:王廣建。

    猜你喜歡
    儲量樣地生物量
    《礦產(chǎn)資源儲量技術(shù)標(biāo)準(zhǔn)》修訂對資源儲量報告編寫的影響
    額爾古納市興安落葉松中齡林植被碳儲量研究
    昆明市主要綠化樹種閾值測定與分析
    基于角尺度模型的林業(yè)樣地空間結(jié)構(gòu)分析
    基于三維軟件資源儲量估算對比研究
    輪牧能有效促進(jìn)高寒草地生物量和穩(wěn)定性
    生物量高的富鋅酵母的開發(fā)應(yīng)用
    基于SPOT-5遙感影像估算玉米成熟期地上生物量及其碳氮累積量
    概率統(tǒng)計法在儲量估算中的應(yīng)用
    斷塊油氣田(2014年5期)2014-03-11 15:33:45
    本月起實(shí)施頁巖氣儲量行業(yè)標(biāo)準(zhǔn)
    亚洲全国av大片| 国产伦人伦偷精品视频| 在线观看免费日韩欧美大片| 日韩欧美在线二视频 | 国产一卡二卡三卡精品| 人成视频在线观看免费观看| 亚洲成国产人片在线观看| 99精品在免费线老司机午夜| 妹子高潮喷水视频| 亚洲视频免费观看视频| a在线观看视频网站| 美女扒开内裤让男人捅视频| 国产精品乱码一区二三区的特点 | 午夜两性在线视频| av视频免费观看在线观看| 黄频高清免费视频| 高清av免费在线| 一本大道久久a久久精品| 国产精品影院久久| 精品久久久久久久毛片微露脸| 免费看十八禁软件| 两个人看的免费小视频| 国产精品久久久久久精品古装| 日韩精品免费视频一区二区三区| 亚洲国产欧美一区二区综合| 黑人猛操日本美女一级片| 久久精品亚洲熟妇少妇任你| 在线观看免费视频网站a站| 51午夜福利影视在线观看| 日韩一卡2卡3卡4卡2021年| 一级毛片精品| 十八禁高潮呻吟视频| 午夜福利免费观看在线| aaaaa片日本免费| 黄色毛片三级朝国网站| av中文乱码字幕在线| 在线天堂中文资源库| 久久午夜亚洲精品久久| 亚洲色图综合在线观看| 久久人人97超碰香蕉20202| 日本黄色日本黄色录像| 亚洲人成电影免费在线| 免费一级毛片在线播放高清视频 | 麻豆成人av在线观看| 国产成人系列免费观看| 一级片免费观看大全| 欧美成人免费av一区二区三区 | 日本精品一区二区三区蜜桃| 欧美日韩一级在线毛片| 咕卡用的链子| 精品国产一区二区三区四区第35| a级毛片在线看网站| 午夜久久久在线观看| 成年人午夜在线观看视频| 亚洲第一av免费看| 精品国产乱码久久久久久男人| 中文字幕人妻熟女乱码| 欧美大码av| 亚洲精品成人av观看孕妇| 热99久久久久精品小说推荐| 成人黄色视频免费在线看| 夜夜躁狠狠躁天天躁| 国产无遮挡羞羞视频在线观看| 亚洲第一青青草原| 一区在线观看完整版| 午夜免费鲁丝| 久久人人97超碰香蕉20202| 成人免费观看视频高清| 久久这里只有精品19| 亚洲成人手机| av天堂在线播放| 国产精品一区二区在线观看99| 国产欧美日韩综合在线一区二区| 亚洲一区二区三区不卡视频| 国产xxxxx性猛交| 高清黄色对白视频在线免费看| 人妻久久中文字幕网| 亚洲一区中文字幕在线| 他把我摸到了高潮在线观看| 亚洲一区二区三区欧美精品| 亚洲精品国产色婷婷电影| 侵犯人妻中文字幕一二三四区| 国产精品香港三级国产av潘金莲| 桃红色精品国产亚洲av| 久久 成人 亚洲| 丝瓜视频免费看黄片| 国产免费现黄频在线看| 亚洲成a人片在线一区二区| 又黄又粗又硬又大视频| 丰满的人妻完整版| 香蕉国产在线看| 国产99久久九九免费精品| 欧美 日韩 精品 国产| 五月开心婷婷网| x7x7x7水蜜桃| 免费在线观看视频国产中文字幕亚洲| 久久狼人影院| 欧美乱妇无乱码| 免费在线观看日本一区| 日本五十路高清| 久久人妻福利社区极品人妻图片| 亚洲精品乱久久久久久| 少妇 在线观看| 深夜精品福利| 极品人妻少妇av视频| 天天躁日日躁夜夜躁夜夜| 村上凉子中文字幕在线| a级毛片在线看网站| 9色porny在线观看| 乱人伦中国视频| 国内毛片毛片毛片毛片毛片| 老司机午夜福利在线观看视频| 国产精品国产高清国产av | 欧美久久黑人一区二区| 丝瓜视频免费看黄片| 免费观看人在逋| 精品午夜福利视频在线观看一区| 亚洲精品成人av观看孕妇| 91精品三级在线观看| 99久久国产精品久久久| www日本在线高清视频| 成年动漫av网址| 啪啪无遮挡十八禁网站| 91老司机精品| 久久久久久人人人人人| 最近最新中文字幕大全免费视频| 成人18禁高潮啪啪吃奶动态图| 超碰97精品在线观看| 大香蕉久久网| 亚洲第一欧美日韩一区二区三区| 变态另类成人亚洲欧美熟女 | 国产蜜桃级精品一区二区三区 | 国产男靠女视频免费网站| 男女之事视频高清在线观看| 91大片在线观看| 老汉色∧v一级毛片| videosex国产| √禁漫天堂资源中文www| 亚洲成人免费电影在线观看| 国产精品九九99| 最新在线观看一区二区三区| 9热在线视频观看99| 18禁国产床啪视频网站| 国产区一区二久久| 日韩中文字幕欧美一区二区| 久久中文字幕一级| 最新美女视频免费是黄的| 成人av一区二区三区在线看| 满18在线观看网站| 日日夜夜操网爽| 亚洲成人免费av在线播放| 天天操日日干夜夜撸| 制服人妻中文乱码| 日本五十路高清| 天天操日日干夜夜撸| 久久久久久久久免费视频了| 巨乳人妻的诱惑在线观看| 国产黄色免费在线视频| 一本大道久久a久久精品| 在线永久观看黄色视频| 国产亚洲欧美98| 色老头精品视频在线观看| 宅男免费午夜| 操美女的视频在线观看| 精品国产亚洲在线| 中文字幕人妻丝袜制服| 精品国产乱子伦一区二区三区| 亚洲精品在线观看二区| 18禁裸乳无遮挡免费网站照片 | 黑人巨大精品欧美一区二区mp4| 国产在线观看jvid| 51午夜福利影视在线观看| 国产高清videossex| 悠悠久久av| 国产男女超爽视频在线观看| 最新美女视频免费是黄的| 老熟女久久久| 国产成人影院久久av| 啦啦啦在线免费观看视频4| 日韩成人在线观看一区二区三区| 制服诱惑二区| 欧美不卡视频在线免费观看 | 黄片大片在线免费观看| 欧美人与性动交α欧美软件| 欧美激情 高清一区二区三区| 国产成人一区二区三区免费视频网站| 九色亚洲精品在线播放| 日韩熟女老妇一区二区性免费视频| av网站在线播放免费| 999久久久精品免费观看国产| 精品久久久久久久毛片微露脸| 夫妻午夜视频| 老熟女久久久| 国产精华一区二区三区| 757午夜福利合集在线观看| 深夜精品福利| 亚洲精品乱久久久久久| 亚洲专区中文字幕在线| 18禁裸乳无遮挡免费网站照片 | 天堂√8在线中文| 国产成人欧美在线观看 | 色婷婷av一区二区三区视频| 国产精品久久久久久精品古装| 国产亚洲精品久久久久5区| 搡老乐熟女国产| 国产精品影院久久| 欧美人与性动交α欧美精品济南到| 一本大道久久a久久精品| 亚洲男人天堂网一区| 亚洲免费av在线视频| 国产视频一区二区在线看| 90打野战视频偷拍视频| 午夜免费鲁丝| 亚洲视频免费观看视频| 成人三级做爰电影| 亚洲伊人色综图| 中亚洲国语对白在线视频| 美女福利国产在线| 99热只有精品国产| 国产av一区二区精品久久| 老司机午夜福利在线观看视频| 久久国产精品影院| 性色av乱码一区二区三区2| 正在播放国产对白刺激| 久久久国产欧美日韩av| 欧美日韩福利视频一区二区| 亚洲国产精品合色在线| 久久中文字幕人妻熟女| 成人精品一区二区免费| 欧美黄色片欧美黄色片| 国产精品 欧美亚洲| 伊人久久大香线蕉亚洲五| 一级片免费观看大全| 啦啦啦视频在线资源免费观看| 午夜福利乱码中文字幕| aaaaa片日本免费| 久久久精品区二区三区| 一级,二级,三级黄色视频| 热re99久久国产66热| 亚洲视频免费观看视频| 在线av久久热| 亚洲国产精品合色在线| 国产深夜福利视频在线观看| 亚洲午夜精品一区,二区,三区| 亚洲成人免费av在线播放| 久久中文字幕一级| 老司机午夜十八禁免费视频| 看黄色毛片网站| 十八禁高潮呻吟视频| 欧美日韩亚洲综合一区二区三区_| 女人被狂操c到高潮| 不卡av一区二区三区| 国产精品久久久人人做人人爽| 亚洲人成电影观看| 夜夜躁狠狠躁天天躁| 三上悠亚av全集在线观看| 人人妻人人澡人人爽人人夜夜| 日本撒尿小便嘘嘘汇集6| 女人爽到高潮嗷嗷叫在线视频| 午夜免费成人在线视频| 欧美日韩中文字幕国产精品一区二区三区 | 高清在线国产一区| 免费看a级黄色片| 国产av又大| 欧美不卡视频在线免费观看 | 午夜老司机福利片| 国产亚洲一区二区精品| 国产精品久久视频播放| 岛国在线观看网站| 一夜夜www| 99精品在免费线老司机午夜| 99re6热这里在线精品视频| 免费久久久久久久精品成人欧美视频| 在线视频色国产色| 99香蕉大伊视频| 午夜两性在线视频| 18在线观看网站| 欧美精品啪啪一区二区三区| 国产一区二区三区在线臀色熟女 | 久久久精品区二区三区| av超薄肉色丝袜交足视频| 国产亚洲精品一区二区www | 天天躁日日躁夜夜躁夜夜| 人妻一区二区av| 久久久国产成人精品二区 | 日本精品一区二区三区蜜桃| 国产精品永久免费网站| 亚洲国产精品sss在线观看 | 亚洲一卡2卡3卡4卡5卡精品中文| 成人特级黄色片久久久久久久| 亚洲国产精品一区二区三区在线| 欧美乱色亚洲激情| 日韩视频一区二区在线观看| 丁香六月欧美| 美女高潮喷水抽搐中文字幕| 国内久久婷婷六月综合欲色啪| 国产成人系列免费观看| 亚洲成国产人片在线观看| 自线自在国产av| 午夜精品在线福利| 国产无遮挡羞羞视频在线观看| 中亚洲国语对白在线视频| 欧美国产精品va在线观看不卡| 黄色视频不卡| 国精品久久久久久国模美| 宅男免费午夜| 正在播放国产对白刺激| 亚洲视频免费观看视频| 色尼玛亚洲综合影院| 国产亚洲精品第一综合不卡| 日本撒尿小便嘘嘘汇集6| 老汉色∧v一级毛片| 又大又爽又粗| 一级a爱视频在线免费观看| 亚洲av第一区精品v没综合| 中文字幕高清在线视频| 久久精品aⅴ一区二区三区四区| 久久久久视频综合| 国产深夜福利视频在线观看| 国产麻豆69| 一区二区三区激情视频| 18禁裸乳无遮挡免费网站照片 | 亚洲av电影在线进入| 久久青草综合色| 国产精品免费一区二区三区在线 | 99久久人妻综合| 99香蕉大伊视频| 亚洲五月色婷婷综合| 亚洲av欧美aⅴ国产| 国产精品乱码一区二三区的特点 | 在线天堂中文资源库| 最新美女视频免费是黄的| 日韩欧美一区视频在线观看| 国产精品免费大片| 99re在线观看精品视频| 精品午夜福利视频在线观看一区| 免费黄频网站在线观看国产| 久久草成人影院| 人人妻,人人澡人人爽秒播| tocl精华| 久久国产精品影院| 午夜福利在线观看吧| 久久久久国产精品人妻aⅴ院 | 欧美日韩中文字幕国产精品一区二区三区 | 热99国产精品久久久久久7| 99国产综合亚洲精品| 在线国产一区二区在线| 亚洲av日韩精品久久久久久密| 黄色怎么调成土黄色| 美女高潮喷水抽搐中文字幕| 91大片在线观看| 1024香蕉在线观看| 美女扒开内裤让男人捅视频| 久久精品国产亚洲av香蕉五月 | 久久久久精品人妻al黑| 国产精品电影一区二区三区 | 国产精品久久久久成人av| 欧美日韩亚洲综合一区二区三区_| 亚洲av成人一区二区三| 老司机影院毛片| 色综合婷婷激情| 国产免费现黄频在线看| 99久久99久久久精品蜜桃| 99精品欧美一区二区三区四区| 国产日韩一区二区三区精品不卡| 99re6热这里在线精品视频| 久久影院123| 久久亚洲精品不卡| 夫妻午夜视频| 免费在线观看完整版高清| 久久热在线av| 久久久久精品人妻al黑| 少妇猛男粗大的猛烈进出视频| 国产一区二区激情短视频| 啦啦啦视频在线资源免费观看| 国产三级黄色录像| 咕卡用的链子| 满18在线观看网站| 在线观看66精品国产| 亚洲一区二区三区欧美精品| 在线观看www视频免费| 国产精品成人在线| 精品电影一区二区在线| 操美女的视频在线观看| 亚洲欧美色中文字幕在线| 精品久久蜜臀av无| 国产高清激情床上av| 成人18禁在线播放| 亚洲成av片中文字幕在线观看| 精品少妇久久久久久888优播| 日本黄色日本黄色录像| 色播在线永久视频| 天堂中文最新版在线下载| 国产精品久久久久成人av| 亚洲国产精品一区二区三区在线| 亚洲专区国产一区二区| 欧美乱妇无乱码| 午夜视频精品福利| 国产国语露脸激情在线看| 韩国精品一区二区三区| 十分钟在线观看高清视频www| 午夜福利视频在线观看免费| 99久久综合精品五月天人人| 两个人免费观看高清视频| 亚洲欧洲精品一区二区精品久久久| 18禁国产床啪视频网站| 国产激情欧美一区二区| 日韩视频一区二区在线观看| 757午夜福利合集在线观看| 精品福利永久在线观看| 日本黄色视频三级网站网址 | 精品久久久久久,| 亚洲成国产人片在线观看| 日韩 欧美 亚洲 中文字幕| 亚洲精品国产一区二区精华液| 另类亚洲欧美激情| 脱女人内裤的视频| 久久中文字幕人妻熟女| 欧美日韩av久久| 18禁裸乳无遮挡免费网站照片 | 国产黄色免费在线视频| 老司机靠b影院| 人人妻人人澡人人看| 国产男靠女视频免费网站| 777米奇影视久久| 亚洲片人在线观看| 国产在线精品亚洲第一网站| 久久精品人人爽人人爽视色| 无限看片的www在线观看| 天天操日日干夜夜撸| 9热在线视频观看99| 18禁裸乳无遮挡免费网站照片 | 中文欧美无线码| 每晚都被弄得嗷嗷叫到高潮| 精品一区二区三区四区五区乱码| 午夜视频精品福利| 日本撒尿小便嘘嘘汇集6| 亚洲第一av免费看| 成人18禁高潮啪啪吃奶动态图| 天堂√8在线中文| 真人做人爱边吃奶动态| 亚洲av第一区精品v没综合| 成年版毛片免费区| 久久性视频一级片| 亚洲精品在线观看二区| 国产激情久久老熟女| 他把我摸到了高潮在线观看| 国精品久久久久久国模美| 成在线人永久免费视频| 老司机亚洲免费影院| 1024视频免费在线观看| 黄色 视频免费看| 在线观看免费日韩欧美大片| 99re在线观看精品视频| 久久影院123| 国产午夜精品久久久久久| 欧美日韩国产mv在线观看视频| 99国产综合亚洲精品| 色老头精品视频在线观看| 丝袜人妻中文字幕| 日韩免费av在线播放| 女人精品久久久久毛片| 两个人免费观看高清视频| 亚洲国产中文字幕在线视频| 国产在线一区二区三区精| 嫁个100分男人电影在线观看| 9191精品国产免费久久| 99精品欧美一区二区三区四区| 国产精品免费大片| 欧美+亚洲+日韩+国产| 成人手机av| 亚洲欧美精品综合一区二区三区| 亚洲七黄色美女视频| 天天躁日日躁夜夜躁夜夜| 美女高潮到喷水免费观看| 最近最新中文字幕大全电影3 | 老熟妇乱子伦视频在线观看| 啦啦啦 在线观看视频| 国产成人av激情在线播放| 国产精品久久久人人做人人爽| 亚洲一区高清亚洲精品| 12—13女人毛片做爰片一| 人成视频在线观看免费观看| 在线观看舔阴道视频| 国产精品二区激情视频| 免费久久久久久久精品成人欧美视频| 丝瓜视频免费看黄片| 中亚洲国语对白在线视频| 精品卡一卡二卡四卡免费| 亚洲精品一二三| 久久久久精品国产欧美久久久| 一二三四社区在线视频社区8| 亚洲国产欧美网| 久久精品国产亚洲av高清一级| 变态另类成人亚洲欧美熟女 | 天天操日日干夜夜撸| 久久久精品区二区三区| 色婷婷av一区二区三区视频| av欧美777| 国产99久久九九免费精品| 久久中文字幕人妻熟女| 麻豆乱淫一区二区| x7x7x7水蜜桃| 欧美午夜高清在线| 黑人操中国人逼视频| 久久天躁狠狠躁夜夜2o2o| 18禁观看日本| www.精华液| 黄色视频不卡| 曰老女人黄片| 精品熟女少妇八av免费久了| 国产又爽黄色视频| 一级毛片女人18水好多| 最近最新中文字幕大全免费视频| 黄色 视频免费看| 老司机午夜福利在线观看视频| 人妻一区二区av| 成人永久免费在线观看视频| 91国产中文字幕| 91成人精品电影| 精品午夜福利视频在线观看一区| 天天躁狠狠躁夜夜躁狠狠躁| 99热网站在线观看| 精品亚洲成a人片在线观看| 一区在线观看完整版| 国产精品免费视频内射| 国产成人精品久久二区二区91| 男男h啪啪无遮挡| 日本黄色日本黄色录像| 夜夜躁狠狠躁天天躁| 男女床上黄色一级片免费看| 欧美 亚洲 国产 日韩一| 桃红色精品国产亚洲av| 人人妻,人人澡人人爽秒播| av一本久久久久| 国产精品九九99| 精品福利观看| 操出白浆在线播放| 99re在线观看精品视频| 正在播放国产对白刺激| 黑丝袜美女国产一区| 亚洲精品成人av观看孕妇| 免费在线观看亚洲国产| 国产不卡av网站在线观看| 亚洲色图综合在线观看| 久久人妻熟女aⅴ| 国产99白浆流出| 久久精品国产99精品国产亚洲性色 | 最新的欧美精品一区二区| www.自偷自拍.com| 成人18禁在线播放| 国产三级黄色录像| 九色亚洲精品在线播放| 精品国产一区二区久久| 久久精品国产亚洲av香蕉五月 | 久久久久久久精品吃奶| 免费在线观看影片大全网站| 一级片'在线观看视频| 日韩三级视频一区二区三区| 老熟妇乱子伦视频在线观看| 一级作爱视频免费观看| 亚洲片人在线观看| netflix在线观看网站| 国产精华一区二区三区| 巨乳人妻的诱惑在线观看| 亚洲精品av麻豆狂野| 久久久久久久久久久久大奶| 久久精品国产a三级三级三级| 国产精品一区二区在线不卡| 国产av精品麻豆| 动漫黄色视频在线观看| 精品欧美一区二区三区在线| 国产三级黄色录像| 国产视频一区二区在线看| 精品国产一区二区久久| 在线免费观看的www视频| 欧美乱色亚洲激情| 99精品久久久久人妻精品| 国产av一区二区精品久久| 搡老熟女国产l中国老女人| 亚洲五月天丁香| www.自偷自拍.com| 两个人看的免费小视频| 高清黄色对白视频在线免费看| 91字幕亚洲| 国产精品一区二区在线不卡| 黄频高清免费视频| 男人舔女人的私密视频| 国产日韩一区二区三区精品不卡| 亚洲av第一区精品v没综合| 一边摸一边做爽爽视频免费| 可以免费在线观看a视频的电影网站| 国产欧美亚洲国产| 在线观看免费视频日本深夜| 国产精品亚洲av一区麻豆| 亚洲熟妇中文字幕五十中出 | 国产精品久久久人人做人人爽| 一级毛片高清免费大全| 免费女性裸体啪啪无遮挡网站| 黄色成人免费大全| 亚洲色图 男人天堂 中文字幕| 韩国精品一区二区三区| 成人国语在线视频| 日韩欧美一区二区三区在线观看 | 天天躁夜夜躁狠狠躁躁| 制服人妻中文乱码| 大型av网站在线播放| 人人妻,人人澡人人爽秒播| 亚洲欧美日韩高清在线视频| av网站免费在线观看视频| videos熟女内射| 啦啦啦在线免费观看视频4| 国产成人影院久久av| 日韩 欧美 亚洲 中文字幕| 91在线观看av|