• <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 ?

    基于多種植被指數(shù)時間序列與機器學(xué)習(xí)的作物遙感分類研究

    2017-10-27 14:11:56蘇騰飛劉全明蘇秀川
    江蘇農(nóng)業(yè)科學(xué) 2017年16期
    關(guān)鍵詞:時間序列遙感植被指數(shù)

    蘇騰飛 劉全明 蘇秀川

    摘要:開展了基于多種植被指數(shù)(vegetation index,VI)時間序列和機器學(xué)習(xí)(machine learning,ML)算法的作物遙感分類研究。從Landsat-8 OLI與EO-1 ALI影像中提取了內(nèi)蒙古五原縣的時間序列數(shù)據(jù)。2顆衛(wèi)星的參數(shù)類似,且它們聯(lián)合提供了更多無云覆蓋的數(shù)據(jù)。7種常用的VI從時間序列遙感數(shù)據(jù)中提取出來,以用作ML算法的輸入。對比分析了SVM、RF、DT 3種ML算法對玉米、向日葵和小麥的區(qū)分效果。共選取了2 584個樣本,其中1 556個樣本用于算法訓(xùn)練。得到了127種VI組合作為輸入時3種算法的分類精度。結(jié)果表明,SVM的分類效果優(yōu)于另外2種算法;VI數(shù)目并非越多越好,綜合考慮算法的精度和穩(wěn)定性,3種VI可以取得最佳的效果;SVM+NDI5+NDVI+TVI是平均分類精度最高的組合,平均精度為9197%。

    關(guān)鍵詞:時間序列;植被指數(shù)(VI);機器學(xué)習(xí)(ML);作物分類;遙感

    中圖分類號: S127文獻(xiàn)標(biāo)志碼:

    文章編號:1002-1302(2017)16-0219-06

    [HJ14mm]

    收稿日期:2016-04-03

    基金項目:國家自然科學(xué)基金(編號:51569018)。

    作者簡介:蘇騰飛(1987—),男,內(nèi)蒙古呼和浩特人,碩士,實驗師,主要從事遙感影像分析算法的研究。E-mail:stf1987@126com。

    通信作者:劉全明,博士,副教授,主要從事遙感測繪方法與應(yīng)用的研究。E-mail:nndlqm@sinacom。

    利用遙感影像開展農(nóng)作物的識別具有重要意義[1-3]。隨著科學(xué)技術(shù)的發(fā)展,越來越多的遙感衛(wèi)星可以實時提供大范圍的對地觀測影像,從而極大地減少了大面積農(nóng)田監(jiān)測的成本。從遙感影像中可以獲取農(nóng)作物長勢信息,并用來估算糧食產(chǎn)量,這些信息都可以有效指導(dǎo)農(nóng)業(yè)生產(chǎn)活動。農(nóng)作物的識別是農(nóng)業(yè)遙感的基礎(chǔ)研究內(nèi)容。只有在準(zhǔn)確獲取農(nóng)作物種類的前提下,作物長勢、面積估計和產(chǎn)量預(yù)測才可以得到更準(zhǔn)確的結(jié)果。另外,作物識別算法的研究還可以提高農(nóng)業(yè)遙感監(jiān)測的自動化程度,從而進(jìn)一步減少農(nóng)情監(jiān)測的成本。

    目前,世界上大多數(shù)發(fā)達(dá)國家都已經(jīng)開展了基于遙感的作物識別研究。美國農(nóng)業(yè)部早在20世紀(jì)70年代就利用Landsat衛(wèi)星獲取的時間序列植被指數(shù)(vegetation index,VI)開展了全世界范圍的作物種類識別研究[4]。法國、加拿大等國家也都開展了類似的研究[5-6]。利用遙感影像識別作物種類,正向著業(yè)務(wù)化、智能化和自動化發(fā)展,其中包含了2個方面的重要內(nèi)容:時間序列VI對于提高作物識別精度是非常必要的;采用合適的ML算法及其最優(yōu)參數(shù)的選取是農(nóng)作物成功識別的關(guān)鍵。

    VI反映了植被對不同光譜波段的響應(yīng)特征。對于不同種類的作物,由于其物候特征的差異,其VI時間序列會表現(xiàn)出不一樣的特點。因此,在農(nóng)業(yè)遙感監(jiān)測中,VI是重要的研究對象。Pea-Barragán等從ASTER時間序列數(shù)據(jù)中提取了12種VI,并結(jié)合紋理特征來構(gòu)建作物分類算法。Zhong等利用3種VI的時間序列對美國Kansas州農(nóng)田的玉米和大豆進(jìn)行了識別[8]。Brown等利用從MODIS時間序列提取的2種VI數(shù)據(jù),對巴西地區(qū)的棉花、大豆和玉米進(jìn)行了識別[9]。Ozdogan也利用了2種VI,驗證了非監(jiān)督分類算法在作物識別中的應(yīng)用[10]。Sakamoto等開展了玉米和大豆的遙感分類研究,但他們僅利用了1種VI[11]。Yin等對比了AVHRR和SPOT提取的NDVI的差異,研究區(qū)域是內(nèi)蒙古的農(nóng)田[12]。Conrad等利用SPOT和ASTER提取的NDVI來識別烏茲別克斯坦農(nóng)業(yè)灌區(qū)的作物種類。Duro等均采用了NDVI來進(jìn)行作物識別研究[6,14-18]。在以上研究中,大多算法僅采用1種VI,采用多種VI的研究也很少評價不同VI對作物分類的效果。實際上,選取多種VI,考察不同VI對各類作物的識別效果,對于提高作物分類精度具有重要意義。

    ML是業(yè)務(wù)化農(nóng)業(yè)遙感監(jiān)測的重要組成部分。近年來,多種ML監(jiān)督算法被應(yīng)用到作物分類中,例如最大似然[19]、神經(jīng)網(wǎng)絡(luò)[20]、決策樹(DT)[3,6-7,9,14-15]、隨機森林(RF)[8]、支持向量機(SVM)等。盡管ML算法種類繁多,但其作物識別的一般步驟為:(1)樣本選擇,利用實測數(shù)據(jù)或其他數(shù)據(jù)源,與遙感影像進(jìn)行匹配,得到樣本數(shù)據(jù);(2)算法訓(xùn)練,利用訓(xùn)練樣本選擇最優(yōu)參數(shù);(3)算法驗證,利用更多的樣本數(shù)據(jù)驗證算法的性能。DT是應(yīng)用較多的算法,Brown等利用DT對巴西地區(qū)的多種作物進(jìn)行了區(qū)分[9]。Edlinger等也利用DT較好地識別了冬小麥[15]。Vieira等將DT和圖像分割技術(shù)相結(jié)合,利用Landsat影像對甘蔗進(jìn)行了識別和提取[14]。Pea-Barragán等利用DT區(qū)分美國加利福尼亞州農(nóng)田的13種作物。苗翠翠等利用DT開展了江蘇省水稻識別研究[21]。馬麗等開展了DT區(qū)分黑龍江地區(qū)水稻、大豆和玉米的研究[18]。其他算法在農(nóng)田遙感分類中也具有較好的效果。Conrad等提出了一種類似DT的基于規(guī)則的農(nóng)田分類算法。Zhong等利用RF和作物的物候特征,得到了較高的分類精度[8]。為了對比基于像素和基于對象圖像分類方法的優(yōu)劣,Duro等采用了DT、RF、SVM 3種算法對加拿大地區(qū)的農(nóng)田進(jìn)行了分類。綜上所述,ML算法的輸入選擇是作物遙感分類的關(guān)鍵。本研究將不同VI組合作為輸入,對DT、RF、SVM 3種算法進(jìn)行了作物分類精度評價,以分析不同VI、ML算法對作物識別精度的影響。

    本研究利用Landsat-8和EO-1(Earth Observation-1)2種中高分辨率遙感衛(wèi)星的時間序列數(shù)據(jù),開展了內(nèi)蒙古五原縣河套灌區(qū)的作物分類研究。五原縣是中國重要的向日葵產(chǎn)區(qū),該縣向日葵產(chǎn)量占全國向日葵產(chǎn)量的十分之一。另外,五原縣還盛產(chǎn)小麥、玉米等糧食作物,是內(nèi)蒙古重要的農(nóng)業(yè)基地之一。因此,對該地區(qū)進(jìn)行作物遙感分類研究是十分必要的。

    1研究區(qū)域與數(shù)據(jù)

    11研究區(qū)域

    五原縣位于內(nèi)蒙古河套平原腹地,屬中溫帶大陸性氣候。雖然當(dāng)?shù)氐哪昃邓績H有170 mm,但憑借黃河灌溉、日照條件和土壤肥沃的優(yōu)勢,五原縣已成為內(nèi)蒙古重要的商品糧基地。玉米、向日葵和小麥?zhǔn)俏逶h3種主要的作物。五原縣有“葵花之鄉(xiāng)”的美譽,其向日葵年產(chǎn)量占全國的十分之一。近年來,隨著人們對經(jīng)濟作物需求的提升,五原縣的向日葵種植面積逐年增大。五原縣的行政區(qū)劃如圖1所示,其中,灰色方框是本研究的研究區(qū)域,右側(cè)的衛(wèi)星圖像是EO-1于2013年8月26日獲取。

    12數(shù)據(jù)及其預(yù)處理

    本研究采用的衛(wèi)星數(shù)據(jù)由Landsat-8業(yè)務(wù)化陸地成像儀(operational land imager,OLI)和EO-1改進(jìn)型陸地成像儀(advanced land imager,ALI)2種中高分辨率的遙感器提供。前者于2013年發(fā)射升空,繼續(xù)了Landsat系列衛(wèi)星的對地觀測任務(wù)。后者于2000年投入使用,其參數(shù)與Landsat系列衛(wèi)星相似。本研究所采用的所有衛(wèi)星影像數(shù)據(jù)(包括2013年4—10月共計11景影像)均在美國地質(zhì)調(diào)查局(USGS)官網(wǎng)免費下載(表1)。OLI和ALI的參數(shù)相似,并且具有類似的波段設(shè)置(表2)。另外,2種傳感器可以獲取更多無云覆蓋的數(shù)據(jù),從而豐富VI時間序列,以提高作物識別的精度。

    本研究的數(shù)據(jù)預(yù)處理主要包含3個步驟:輻射校正、全色銳[CM(25]化和地理配準(zhǔn)。輻射校正由業(yè)務(wù)化的遙感數(shù)據(jù)處理軟件[CM)]

    [FK(W13][HT6H][STHZ][WTHZ][JZ]表2ALI與OLI波段對應(yīng)信息[WTBZ][HTSS][STBZ]

    [BG(!][BHDFG3,WK52,WK23W]波段[ZB(][BHDWG12,WK92,WK14W]EO-1 ALILandsat8 OLI

    [BHDWG12,WK4,WK52,WK10,WK4W][XXZS-ZSX9]波段名稱波長(nm)[XXZSX2-ZSX132]波段名稱波長(nm)[ZB)W]

    [BHDG12,WK52ZQ0,WK4,WK52DW,WK10ZQ0,WK4DWW]可見光14416海岸帶氣溶膠(CA)4430

    [BHDW]14848藍(lán)色(B)4826

    25672綠色(G)5613

    36600紅色(R)6546

    近紅外(NIR)47900——

    48656近紅外(NIR)8646

    短波紅外512444——

    (SWIR)51 6401短波紅外1(SWIR 1)1 6090

    72 2257短波紅外2(SWIR 2)2 2010[HJ][BG)F]

    注:“—”表示不存在該波段的數(shù)據(jù)。

    ENV I 50完成,以得到反射率數(shù)據(jù)。由于OLI和ALI的全色數(shù)據(jù)分辨率不同(前者為15 m,后者為10 m),OLI數(shù)據(jù)在全色銳化后,將其重采樣為10 m分辨率,以保持2種數(shù)據(jù)空間分辨率的一致性。2種傳感器在不同的時間獲取數(shù)據(jù)時,其軌道信息略有差異,這使得時間序列影像中各個影像的地理位置略有偏差。為了糾正這些偏差,采用人工手動配準(zhǔn)的方法選取影像中容易辨識的地物作為控制點,從源數(shù)據(jù)中截取研究區(qū)域的影像。經(jīng)過目視解譯,所有數(shù)據(jù)在空間上的差異不超過1個像素。

    2研究方法

    21選用的VI

    本研究共采用了7種常用的VI,其名稱和計算公式如表3所示,公式里R表示反射率,腳標(biāo)代表波段。本研究共采用

    的波段包括:紅外波段(NIR)、紅色波段(R)、綠色波段(G)、短波紅外1波段(SWIR1)。根據(jù)各個VI計算所用的波段,本研究將其大致分為3類:可見光-紅外、近紅外-短波紅外、可見光-短波紅外。NDI5與NDSVI都與植被含水量有關(guān)。McNairn等利用NDI5來觀測美國玉米田地收獲后植被殘留情況[23]。Qi等利用NDSVI從Landsat影像中提取植被枯萎的信息[24]。

    注:RNIR、RR、RG、RSWIR1分別表示近紅外波段、紅色波段、綠色波段、短波紅外1波段的反射率。

    NDVI是最常用的一種VI,EVI、GNDVI、RDVI均是在NDVI的基礎(chǔ)上發(fā)展的。其中EVI是一種優(yōu)化的VI,它將更多的植被信號從背景信號中分離出來,并且進(jìn)一步減少了大氣對反射率的影響[8]。其公式為

    [JZ(]EVI=G×[SX(]RNIR-RRRNIR+C1RR-C2RB+L[SX)]。[JZ)][JY](1)

    其中,RNIR、RR、RB分別表示近紅外、紅色、藍(lán)色波段的反射率;L是植被頂端覆蓋與背景的調(diào)節(jié)系數(shù);C1和C2是氣溶膠系數(shù);G為增益系數(shù)。根據(jù)文獻(xiàn)[8],本研究將L、C1、C2、G的值分別設(shè)置為1、6、75、25。

    TVI可以表示植被吸收的輻射能量與紅色、綠色和近紅外波段反射率的關(guān)系[22]。其計算公式如下:

    [JZ(]TVI=05[120(RNIR-RG)-200(RR-RG)]。[JZ)][JY](2)

    其中,TVI表示三角植被指數(shù);RNIR、RR、RG分別表示近紅外、紅色、綠色波段的反射率。

    22樣本選取

    在研究區(qū)域共選取了2 584個樣本點。用于訓(xùn)練的樣本共計1 556個,其中玉米、向日葵和小麥各為575、491、490個。用于驗證的樣本為1 028個,玉米、向日葵、小麥分別是380、350、298個。在農(nóng)田均一致的區(qū)域選擇樣本,以減少田間不同植被對分類的不良影響。在選擇樣本時主要參照了Google Earth高分辨率遙感影像的數(shù)據(jù),并分析了樣本的NDVI時間序列變化趨勢以進(jìn)一步提高樣本選擇的準(zhǔn)確性。

    23ML算法的訓(xùn)練

    本研究所采用的3種ML算法均是結(jié)合開源編程軟件OpenCV實現(xiàn)的。OpenCV封裝了豐富的ML算法,并可以與C++編程語言無縫連接,因此,用戶可以靈活地利用OpenCV來完成圖像分析、數(shù)據(jù)挖掘等工作。下面分別介紹3種算法的參數(shù)選取情況。

    231SVM參數(shù)設(shè)置

    OpenCV中集成的SVM算法源代碼是由國立臺灣大學(xué)的Hsu等編寫的,該模塊既可以用于數(shù)據(jù)的多類預(yù)測,也可以用于回歸和聚類分析[25]。SVM是一種基于核函數(shù)的方法,因此,需要首先確定所使用的核函數(shù)。文獻(xiàn)[25]指出,徑向基函數(shù)(radial base function,RBF)適用于大多數(shù)情況。經(jīng)過本研究多次試驗,RBF的效果最佳。

    基于RBF的SVM需要調(diào)節(jié)2個重要的參數(shù):C和σ。本研究采用了k重交叉驗證的方法來確定不同VI組合作為輸入時的最佳參數(shù)設(shè)置,k重交叉驗證可以有效避免過擬合。文獻(xiàn)[26]指出k為10對于ML算法的對比研究是足夠的,因此,本研究的k值為10。經(jīng)過交叉驗證后得到的參數(shù)是最優(yōu)化的。

    232RF參數(shù)設(shè)置

    RF分類器是由若干DT組成的,它可以高效地進(jìn)行高維數(shù)據(jù)分類。近年來的一些研究表明,RF算法在某些應(yīng)用中的性能優(yōu)于DT、神經(jīng)網(wǎng)絡(luò)和最大似然等方法[8]。值得一提的是,該算法不需要交叉驗證的方法來訓(xùn)練參數(shù),它本身提供了一種out-of-bag(OOB)的參數(shù)確定方法,它可以無偏估計出最優(yōu)參數(shù)。

    除了OOB確定的參數(shù)外,RF需要2個人為調(diào)試的參數(shù):DT的數(shù)目NDT和預(yù)測變量數(shù)目mtry。經(jīng)過多次試驗,本研究將NDT設(shè)置為500,更大的數(shù)值不僅不會顯著提升算法精度,還會極大地增加算法的計算量。mtry一般設(shè)置為[KF(]p[,其中p是輸入向量的維度。

    233DT參數(shù)設(shè)置

    DT算法應(yīng)用廣泛,其優(yōu)勢是可以得到一個分類器的樹形表現(xiàn),從而幫助用戶直觀地理解分類器的工作過程。本研究DT分類器的構(gòu)建采用了10重交叉驗證的訓(xùn)練方法。DT最重要的參數(shù)是樹的最大深度Dmax。其值越大,經(jīng)過訓(xùn)練所得的DT越復(fù)雜,并且精度也越高,但分類計算所需時間更長。相反,較小的Dmax可以得到更簡單的DT,其精度較低。經(jīng)過多次試驗,本研究將其設(shè)置為25時,效果最佳。

    3結(jié)果與分析

    本節(jié)分析了不同VI組合作為輸入時的分類結(jié)果。在進(jìn)行精度評價時,計算了不同情況分類結(jié)果的混淆矩陣和總精度。本研究共采用了7種VI,所以采用1種VI時有C71=7種情況,依次類推,本研究共考察了C71+C72+C73+C74+C75+C76+C77=127種VI組合的情況。對于每一種情況,試驗流程都是先利用訓(xùn)練樣本對ML算法進(jìn)行訓(xùn)練,然后再利用驗證樣本得到分類精度。

    31單一VI的分類結(jié)果

    首先考察了7種VI各自作為輸入時的分類精度,以確定作物分類中最佳和最差的VI。由圖2可知,除NDSVI外的其他6種VI,SVM都好于另外2種算法。DT的精度都高于RF。NDSVI的分類精度最低,3種ML算法的精度均低于81%,并且所有結(jié)果中RF+NDSVI的精度是最低的(7374%)。SVM+EVI的精度最高(9543%),SVM+NDVI次之(9494%)。EVI、GNDVI、NDVI、RDVI、TVI的精度均較高,且對于不同的算法,其精度存在差異;對于TVI,3種算法的差異最小,且精度都在91%以上,是平均精度最高的VI。

    由圖2可知,NDSVI的分類效果最差,盡管最高精度是SVM+EVI獲得的,但TVI的分類效果最佳;對于單一VI輸入的情況,RF的效果最差,SVM的效果最好。

    32VI組合的分類結(jié)果

    本節(jié)分析了不同VI組合時的分類效果。按照輸入VI的數(shù)目,共分7種情況。圖3至圖5分別展示了SVM、RF、DT在不同VI輸入數(shù)目時的分類精度。有趣的是,3種算法的分類結(jié)果表現(xiàn)出的規(guī)律不一致。

    由圖3可知,對于SVM,其最高精度隨著輸入VI數(shù)目的增加而下降;平均精度則先略微上升后下降,在VI數(shù)目為3時達(dá)到最大值;最低精度在VI數(shù)目為1時最低,在3時最高。由圖4可知,RF的最高精度在VI數(shù)目為4時最高,在7時最低;其平均精度在4時最高;RF的最低精度在VI數(shù)目為3時最低,隨后隨著VI數(shù)目的增大而升高。由圖5可知,DT的最高精度在VI數(shù)目小于7時均高于90%,而在VI數(shù)目為7時低于80%;其平均精度隨著VI數(shù)目的增大而降低;其最低精度先降低隨后上升,當(dāng)VI數(shù)目為3時最低。3種算法中的最高精度是RF在VI數(shù)目為4時得到的(9630%),對應(yīng)的VI組合是NDI5+NDVI+RDVI+TVI;最低精度也是RF產(chǎn)生的,在VI數(shù)目為3時得到(7053%),其VI組合是EVI+NDI5+TVI。

    由于VI數(shù)目為7的組合只有1種,因此未計算其分類精度標(biāo)準(zhǔn)差。分類精度標(biāo)準(zhǔn)差表示了不同算法在不同VI數(shù)目時的穩(wěn)定性,其值越小,說明算法的穩(wěn)定性越好。由圖6可知,3種算法在VI數(shù)為1時的標(biāo)準(zhǔn)差均大于5%;隨著VI數(shù)目的增加,SVM的標(biāo)準(zhǔn)差逐漸減小,DT則先增大后減小,而RF無明顯規(guī)律。因此,SVM的穩(wěn)定性最佳;RF在VI數(shù)目大于2時的穩(wěn)定性優(yōu)于DT。

    由表4至表6可知,除了VI數(shù)目為1時,3種算法的最差VI組合均為NDSVI外,其他情況下3種算法各自的最佳和最差VI組合都不一樣。這說明在分類過程中,不同VI組合在3種分類器中的貢獻(xiàn)是存在較大差異的。

    綜上所述,VI數(shù)目并非越大越好,3種分類器對不同VI組合的分類效果具有較大的差異;綜合考慮分類精度和穩(wěn)定性,SVM在選用3種VI時的性能相對最佳,其平均分類精度最高(9197%),且標(biāo)準(zhǔn)差小于2%。

    33生產(chǎn)者精度與用戶精度

    生產(chǎn)者精度(producers accuracy,PA)和用戶精度(users accuracy,UA)都是針對某一類別來計算的。PA可以衡量把某一類別分為其他類別的出錯率,而UA能夠描述把其他類分為某一類的錯誤。PA和UA可以用于分析分類結(jié)果中各個類別的分類效果。

    由圖7可知,玉米的PA、向日葵的UA均比小麥的低。這說明3種算法均在玉米和向日葵的分類上效果較差,且3種算法都易將玉米錯分為向日葵。對于SVM和DT,玉米的PA和向日葵的UA都隨著VI數(shù)目的增加而降低,DT的這個

    規(guī)律更為明顯,這表明DT更易混淆這2種類別,且隨著VI數(shù)目的增加,這種混淆更嚴(yán)重。RF也明顯存在著將玉米分為向日葵的錯誤,但它與VI數(shù)目關(guān)系不大。

    玉米和向日葵容易被混淆,與其生長規(guī)律有關(guān)。在五原縣,小麥的收獲季節(jié)一般在夏季7月中下旬,而玉米和向日葵的收獲期都在9月底至10月初。作物的物候特征差異越明顯,基于VI時間序列的分類效果就越好。

    綜上所述,SVM對玉米和向日葵的區(qū)分效果最好,且VI數(shù)目在低于4時,算法的精度最好,玉米的PA和向日葵的UA均高于80%。

    4結(jié)論

    本研究開展了基于VI時間序列和ML算法的作物遙感分類研究。從2013年的Landsat-8 OLI與EO-1 ALI影像中提取了內(nèi)蒙古五原縣的時間序列數(shù)據(jù),2顆衛(wèi)星保證了更多無云覆蓋的數(shù)據(jù)可以被用于本研究。7種常用的VI從時間序列遙感數(shù)據(jù)中提取出來。3種廣泛應(yīng)用的ML算法:SVM、RF、DT被用于區(qū)分玉米、向日葵和小麥。

    本研究共考察了127種VI組合作為輸入時3種算法的分類精度。試驗結(jié)果表明,SVM的精度要優(yōu)于另外2種算法;輸入算法的VI數(shù)目并非越大越好,綜合考慮算法的精度和穩(wěn)定性,選用3種VI可以取得最佳的效果;SVM+NDI5+NDVI+TVI是平均分類精度最高的組合。

    參考文獻(xiàn):

    田振坤,傅鶯鶯,劉素紅,等 基于無人機低空遙感的農(nóng)作物快速分類方法[J] 農(nóng)業(yè)工程學(xué)報,2013,29(7):109-116

    游炯,裴志遠(yuǎn),徐振宇,等 水稻遙感識別偏差修正的地統(tǒng)計學(xué)方法[J] 農(nóng)業(yè)工程學(xué)報,2013,29(21):126-136

    [3]劉曉娜,封志明,姜魯光 基于決策樹分類的橡膠林地遙感識別[J] 農(nóng)業(yè)工程學(xué)報,2013,29(24):163-172

    [4]Roy D P,Wulder M A,Loveland T R,et al Landsat-8:science and product vision for terrestrial global change research[J] Remote Sensing of Environment,2014,145(4):154-172

    [5]Claverie M,Demarez V,Duchemin B,et al Maize and sunflower biomass estimation in southwest France using high spatial and temporal resolution remote sensing data[J] Remote Sensing of Environment,2012,124(9):844-857

    [6]Duro D C,F(xiàn)ranklin S E,Dubé M G A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery[J] Remote Sensing of Environment,2012,118(6):259-272

    [7]Pea-Barragán J M,Ngugi M K,Plant R E,et al Object-based crop identification using multiple vegetation indices,textural features and crop phenology[J] Remote Sensing of Environment,2011,115(6):1301-1316

    [8]Zhong L H,Gong P,Biging G S Efficient corn and soybean mapping with temporal extendability:a multi-year experiment using Landsat imagery[J] Remote Sensing of Environment,2014,140(1):1-13

    [9]Brown J C,Kastens J H,Coutinho A C,et al Classifying multiyear agricultural land use data from Mato Grosso using time-series MODIS vegetation index data[J] Remote Sensing of Environment,2013,130(3):39-50

    [10]Ozdogan M The spatial distribution of crop types from MODIS data:temporal unmixing using independent component analysis[J] Remote Sensing of Environment,2010,114(6):1190-1204

    [11]Sakamoto T,Wardlow B D,Gitelson A A,et al A Two-step filtering approach for detecting maize and soybean phenology with time-series MODIS data[J] Remote Sensing of Environment,2010,114(10):2146-2159

    [12]Yin H,Udelhoven T,F(xiàn)ensholt R,et al How normalized difference vegetation index (NDVI) trends from advanced very high resolution radiometer (AVHRR) and systeme probatoire dobservation de la terre VEGETATION (SPOT VGT) time series differ in agricultural areas:an inner mongolian case study[J] Remote Sensing,2012,4(11):3364-3389

    [13]Conrad C,F(xiàn)ritsch S,Zeidler J A,et al Per-Field irrigated crop classification in arid central Asia using SPOT and ASTER data[J] Remote Sensing,2010,2(4):1035-1056

    [14]Vieira M A,F(xiàn)ormaggio A R,Rennó C D,et al Object based image analysis and data mining applied to a remotely sensed Landsat time-series to map sugarcane over large areas[J] Remote Sensing of Environment,2012,123(8):553-562

    [15]Edlinger J,Conrad C,Lamers J P A,et al Reconstructing the spatio-temporal development of irrigation systems in Uzbekistan using Landsat time series[J] Remote Sensing,2012,4(12):3972-3994

    [16]姜曉劍,劉小軍,田永超,等 基于遙感影像的作物生長監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J] 農(nóng)業(yè)工程學(xué)報,2010,26(3):156-162

    [17]范磊,程永政,王來剛,等 基于多尺度分割的面向?qū)ο蠓诸惙椒ㄌ崛《←湻N植面積[J] 中國農(nóng)業(yè)資源與區(qū)劃,2010,31(6):44-51

    [18]馬麗,徐新剛,賈建華,等 利用多時相 TM 影像進(jìn)行作物分類方法[J] 農(nóng)業(yè)工程學(xué)報,2008,24(增刊2):191-195

    [19]Gao Y,Masa J F,Maathuis B H P,et al Comparison of pixel-based and object-oriented image classification approaches—a case study in a coal fire area,Wuda,Inner Mongolia,China[J] International Journal of Remote Sensing,2006,27(18):4039-4055

    [20]駱成鳳,劉正軍,王長耀,等 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感數(shù)據(jù)土地覆蓋分類[J] 農(nóng)業(yè)工程學(xué)報,2006,22(12):133-137,后插1

    [21]苗翠翠,江南,彭世揆,等 基于NDVI時序數(shù)據(jù)的水稻種植面積遙感監(jiān)測分析——以江蘇省為例[J] 地球信息科學(xué)學(xué)報,2011,13(2):273-280

    [22]Broge N H,Leblanc E Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density[J] Remote Sensing of Environment,2001,76(2):156-172

    [23]Mcnairn H,Protz R Mapping corn residues cover on agricultural fields in Oxford County,Ontario,using thematic mapper[J] Canadian Journal of Remote Sensing,1993,19(2):152-159

    [24]Qi J,Marsett R,Heilman P,et al RANGES improves satellite-based information and land cover assessments in southwest United States[J] Eos Transactions of the American Geophysical Union,2002,83(51):601-606

    [25]Hsu C,Chang C,Lin C A practical guide to support vector classification[EB/OL] (2010-04-15)[2016-04-02] http://wwwcsientuedutw/-cjlin

    [26]Kohavi R A study of cross-validation and bootstrap for accuracy estimation and model selection[EB/OL] (1995-06-15)

    猜你喜歡
    時間序列遙感植被指數(shù)
    AMSR_2微波植被指數(shù)在黃河流域的適用性對比與分析
    河南省冬小麥產(chǎn)量遙感監(jiān)測精度比較研究
    基于時間序列的我國人均GDP分析與預(yù)測
    商(2016年32期)2016-11-24 16:20:57
    基于線性散列索引的時間序列查詢方法研究
    軟件工程(2016年8期)2016-10-25 15:43:57
    基于最大似然法的南京市土地利用類型分類研究
    商(2016年22期)2016-07-08 14:32:30
    基于GIS的東川地區(qū)植被指數(shù)季節(jié)變化研究
    商(2016年22期)2016-07-08 14:05:14
    基于組合模型的能源需求預(yù)測
    中國“遙感”衛(wèi)星今年首秀引關(guān)注
    公眾預(yù)期與不良貸款
    商情(2016年11期)2016-04-15 20:25:31
    主要植被指數(shù)在生態(tài)環(huán)評中的作用
    西藏科技(2015年1期)2015-09-26 12:09:29
    国产女主播在线喷水免费视频网站| 你懂的网址亚洲精品在线观看| 天天操日日干夜夜撸| 汤姆久久久久久久影院中文字幕| 日韩人妻精品一区2区三区| 我的女老师完整版在线观看| 18禁在线无遮挡免费观看视频| 亚洲欧美一区二区三区国产| 一级爰片在线观看| 亚洲av日韩在线播放| 日本wwww免费看| 97在线视频观看| 国产成人a∨麻豆精品| 免费黄色在线免费观看| 宅男免费午夜| 街头女战士在线观看网站| 国产精品三级大全| 97精品久久久久久久久久精品| 一个人免费看片子| 国产av码专区亚洲av| 亚洲色图 男人天堂 中文字幕 | 欧美日韩视频高清一区二区三区二| 亚洲av免费高清在线观看| 丝瓜视频免费看黄片| 亚洲,欧美,日韩| 亚洲国产精品一区二区三区在线| 最近最新中文字幕免费大全7| 91精品国产国语对白视频| 韩国高清视频一区二区三区| 捣出白浆h1v1| 成人国产麻豆网| 久久久久久久精品精品| 另类精品久久| 久久av网站| 午夜日本视频在线| 久久人人爽av亚洲精品天堂| 飞空精品影院首页| 少妇高潮的动态图| 久久久久久伊人网av| 狂野欧美激情性xxxx在线观看| 青青草视频在线视频观看| av国产久精品久网站免费入址| 日韩 亚洲 欧美在线| 亚洲国产欧美日韩在线播放| 亚洲国产毛片av蜜桃av| 免费人成在线观看视频色| 国产免费又黄又爽又色| 最近最新中文字幕大全免费视频 | 午夜免费男女啪啪视频观看| 岛国毛片在线播放| 99国产精品免费福利视频| 国产在线视频一区二区| 纵有疾风起免费观看全集完整版| 全区人妻精品视频| 亚洲中文av在线| 免费在线观看完整版高清| 18+在线观看网站| 亚洲精华国产精华液的使用体验| 捣出白浆h1v1| 亚洲av日韩在线播放| 黑人高潮一二区| 亚洲av免费高清在线观看| 免费少妇av软件| 亚洲欧美精品自产自拍| 免费久久久久久久精品成人欧美视频 | av国产久精品久网站免费入址| 亚洲精品一区蜜桃| 看十八女毛片水多多多| 日本vs欧美在线观看视频| 激情五月婷婷亚洲| 久久久久精品性色| 少妇精品久久久久久久| 国产精品一区二区在线观看99| 成人手机av| 亚洲精品乱码久久久久久按摩| 国产欧美另类精品又又久久亚洲欧美| 啦啦啦中文免费视频观看日本| 2021少妇久久久久久久久久久| 久久精品国产鲁丝片午夜精品| 国产一区二区三区综合在线观看 | 日日啪夜夜爽| 寂寞人妻少妇视频99o| 久久久久视频综合| 色婷婷久久久亚洲欧美| 久久久a久久爽久久v久久| 夫妻性生交免费视频一级片| 777米奇影视久久| 五月天丁香电影| 成年女人在线观看亚洲视频| 男人操女人黄网站| 99九九在线精品视频| 亚洲伊人色综图| 女性生殖器流出的白浆| 亚洲一级一片aⅴ在线观看| 又黄又粗又硬又大视频| 国产日韩欧美在线精品| 亚洲精品aⅴ在线观看| 国产男人的电影天堂91| 啦啦啦啦在线视频资源| 99国产综合亚洲精品| 日韩大片免费观看网站| 亚洲人与动物交配视频| 亚洲精华国产精华液的使用体验| 久久久久精品久久久久真实原创| 精品久久久精品久久久| 一级爰片在线观看| 国产黄色免费在线视频| 亚洲欧美日韩卡通动漫| 少妇精品久久久久久久| 亚洲精品,欧美精品| 久久人人爽av亚洲精品天堂| 亚洲美女搞黄在线观看| 全区人妻精品视频| 国产麻豆69| 人人澡人人妻人| 国产 精品1| 国产爽快片一区二区三区| 国产免费现黄频在线看| 亚洲精品乱久久久久久| 超碰97精品在线观看| 久久久久精品人妻al黑| 最近最新中文字幕免费大全7| 在线 av 中文字幕| 蜜桃在线观看..| 久久99精品国语久久久| 在线观看免费高清a一片| 亚洲国产精品国产精品| 最新的欧美精品一区二区| 久久久久久久精品精品| 亚洲第一av免费看| 国产一区二区三区av在线| 国精品久久久久久国模美| 老熟女久久久| 视频在线观看一区二区三区| 少妇猛男粗大的猛烈进出视频| 亚洲伊人色综图| 满18在线观看网站| 国产成人av激情在线播放| 久久久久久人人人人人| 欧美日韩综合久久久久久| 各种免费的搞黄视频| 美女国产高潮福利片在线看| 久久精品国产亚洲av涩爱| 视频区图区小说| 亚洲精品国产av成人精品| 亚洲少妇的诱惑av| 少妇高潮的动态图| a级片在线免费高清观看视频| 欧美 亚洲 国产 日韩一| 日日啪夜夜爽| 黄色配什么色好看| 在线观看免费日韩欧美大片| 亚洲欧洲精品一区二区精品久久久 | 欧美精品人与动牲交sv欧美| 美女xxoo啪啪120秒动态图| 国产欧美日韩一区二区三区在线| av网站免费在线观看视频| 成人漫画全彩无遮挡| 中文字幕亚洲精品专区| 亚洲精品aⅴ在线观看| 9色porny在线观看| 国产在线一区二区三区精| 永久免费av网站大全| 亚洲精品国产色婷婷电影| 婷婷色av中文字幕| 高清黄色对白视频在线免费看| 久久影院123| 狠狠精品人妻久久久久久综合| 欧美日韩综合久久久久久| 97在线视频观看| 欧美日韩亚洲高清精品| 一级毛片黄色毛片免费观看视频| 精品第一国产精品| 伊人久久国产一区二区| 亚洲激情五月婷婷啪啪| 久久午夜福利片| 亚洲精品aⅴ在线观看| 伦理电影免费视频| 中文字幕亚洲精品专区| 免费观看在线日韩| 国产综合精华液| 精品亚洲成a人片在线观看| 全区人妻精品视频| 最近中文字幕高清免费大全6| 男女午夜视频在线观看 | www日本在线高清视频| 伊人久久国产一区二区| 日韩熟女老妇一区二区性免费视频| 亚洲欧美成人综合另类久久久| 国产成人a∨麻豆精品| 香蕉精品网在线| 国产成人一区二区在线| 天天躁夜夜躁狠狠久久av| 久久久精品94久久精品| 国产日韩一区二区三区精品不卡| 我要看黄色一级片免费的| 麻豆精品久久久久久蜜桃| 免费看光身美女| av免费观看日本| av卡一久久| 自线自在国产av| 99视频精品全部免费 在线| 久久精品久久久久久噜噜老黄| 18禁在线无遮挡免费观看视频| 久热久热在线精品观看| 久热这里只有精品99| 亚洲欧美精品自产自拍| 亚洲成国产人片在线观看| 久久 成人 亚洲| 少妇 在线观看| 免费黄频网站在线观看国产| 国产探花极品一区二区| a级毛片在线看网站| 男女高潮啪啪啪动态图| 久久久久久人人人人人| 制服丝袜香蕉在线| 一区二区三区四区激情视频| 在线观看免费视频网站a站| 国产 一区精品| 午夜福利影视在线免费观看| 成年人免费黄色播放视频| 国产精品国产三级国产av玫瑰| 久久久久国产精品人妻一区二区| 欧美日韩综合久久久久久| 制服人妻中文乱码| 亚洲国产看品久久| 成人国产麻豆网| 少妇人妻精品综合一区二区| 欧美最新免费一区二区三区| 美女xxoo啪啪120秒动态图| av线在线观看网站| 美女大奶头黄色视频| 91精品伊人久久大香线蕉| 日韩视频在线欧美| 久久精品久久久久久噜噜老黄| 免费观看无遮挡的男女| 另类精品久久| 国产精品国产av在线观看| 久久人妻熟女aⅴ| 最新的欧美精品一区二区| 亚洲精品色激情综合| 国产精品久久久久久av不卡| 999精品在线视频| 深夜精品福利| 91aial.com中文字幕在线观看| av天堂久久9| 亚洲四区av| 国产xxxxx性猛交| 精品福利永久在线观看| 大码成人一级视频| 18禁在线无遮挡免费观看视频| 在线亚洲精品国产二区图片欧美| 中国美白少妇内射xxxbb| 大陆偷拍与自拍| 亚洲美女黄色视频免费看| 欧美精品国产亚洲| 美国免费a级毛片| 天天躁夜夜躁狠狠躁躁| 99国产精品免费福利视频| 午夜av观看不卡| 精品第一国产精品| 国产淫语在线视频| 26uuu在线亚洲综合色| 日本欧美国产在线视频| 97超碰精品成人国产| 国产国语露脸激情在线看| 97精品久久久久久久久久精品| 久久久久久久久久人人人人人人| 久久精品久久精品一区二区三区| 日韩在线高清观看一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 国产无遮挡羞羞视频在线观看| 男女免费视频国产| 亚洲成人手机| 岛国毛片在线播放| 视频中文字幕在线观看| 国产精品人妻久久久久久| 成人国产av品久久久| 极品人妻少妇av视频| 少妇 在线观看| 美女脱内裤让男人舔精品视频| 欧美性感艳星| 另类亚洲欧美激情| 日本vs欧美在线观看视频| 久久99热6这里只有精品| 永久网站在线| 99九九在线精品视频| 日本黄色日本黄色录像| 成人漫画全彩无遮挡| 国产又爽黄色视频| 亚洲综合色惰| 十八禁高潮呻吟视频| 波多野结衣一区麻豆| 久久久久精品性色| 日本免费在线观看一区| 在线观看免费高清a一片| 国产成人一区二区在线| 欧美精品av麻豆av| 免费人成在线观看视频色| 一区二区av电影网| 女的被弄到高潮叫床怎么办| 丝袜人妻中文字幕| 久久久久网色| 肉色欧美久久久久久久蜜桃| 日韩欧美精品免费久久| 国产探花极品一区二区| www.色视频.com| 日韩免费高清中文字幕av| 国产精品人妻久久久久久| 大码成人一级视频| 十八禁高潮呻吟视频| 亚洲天堂av无毛| 免费黄色在线免费观看| 久久久久久久久久久久大奶| 99久久综合免费| 捣出白浆h1v1| 久久久精品94久久精品| 久热这里只有精品99| 欧美精品国产亚洲| 精品99又大又爽又粗少妇毛片| 人体艺术视频欧美日本| 大片电影免费在线观看免费| 母亲3免费完整高清在线观看 | 在线天堂中文资源库| 两性夫妻黄色片 | 麻豆乱淫一区二区| 国产在线视频一区二区| 一级片'在线观看视频| 亚洲精品国产av蜜桃| 中文欧美无线码| 国产日韩欧美视频二区| 午夜福利在线观看免费完整高清在| 久久午夜综合久久蜜桃| 久热这里只有精品99| 精品午夜福利在线看| 日本91视频免费播放| 亚洲熟女精品中文字幕| 亚洲精品第二区| 插逼视频在线观看| 国产成人免费无遮挡视频| 日韩,欧美,国产一区二区三区| 精品久久蜜臀av无| 免费黄频网站在线观看国产| av片东京热男人的天堂| 久久久a久久爽久久v久久| 免费播放大片免费观看视频在线观看| 久久久久久人人人人人| 久久精品国产自在天天线| 飞空精品影院首页| 波多野结衣一区麻豆| 一级黄片播放器| 满18在线观看网站| a级毛片黄视频| 国产男女超爽视频在线观看| 视频中文字幕在线观看| 伦精品一区二区三区| 制服人妻中文乱码| 免费在线观看完整版高清| 夫妻午夜视频| 久久狼人影院| 国产精品三级大全| 亚洲人成网站在线观看播放| 亚洲欧洲日产国产| 日韩精品免费视频一区二区三区 | 亚洲av在线观看美女高潮| 亚洲激情五月婷婷啪啪| 久久 成人 亚洲| 精品视频人人做人人爽| 2022亚洲国产成人精品| 一级毛片我不卡| 精品国产一区二区三区四区第35| 蜜臀久久99精品久久宅男| 婷婷色综合www| 99精国产麻豆久久婷婷| av不卡在线播放| 大话2 男鬼变身卡| 亚洲精品日本国产第一区| 成人毛片60女人毛片免费| 欧美人与性动交α欧美软件 | 久久久久国产精品人妻一区二区| 国产精品国产三级专区第一集| 日韩一区二区三区影片| 一区在线观看完整版| 如何舔出高潮| 视频区图区小说| 亚洲图色成人| 我的女老师完整版在线观看| 老女人水多毛片| 国产欧美另类精品又又久久亚洲欧美| 国产色爽女视频免费观看| 亚洲国产精品专区欧美| 久久久a久久爽久久v久久| 中国三级夫妇交换| 少妇精品久久久久久久| 国产精品三级大全| 亚洲精华国产精华液的使用体验| 美女xxoo啪啪120秒动态图| 在线精品无人区一区二区三| 久久久久久久精品精品| 波野结衣二区三区在线| 夜夜骑夜夜射夜夜干| 日本免费在线观看一区| 国产片特级美女逼逼视频| 国产精品 国内视频| 精品少妇内射三级| 熟女av电影| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产精品成人久久小说| 看免费成人av毛片| 一本色道久久久久久精品综合| 亚洲欧美一区二区三区国产| 五月开心婷婷网| 男女边吃奶边做爰视频| 老熟女久久久| 亚洲成人av在线免费| 国产综合精华液| 午夜免费男女啪啪视频观看| 两个人看的免费小视频| 日韩熟女老妇一区二区性免费视频| 美女福利国产在线| 插逼视频在线观看| 男人爽女人下面视频在线观看| 在线看a的网站| av女优亚洲男人天堂| 一级片免费观看大全| a级毛色黄片| 亚洲色图 男人天堂 中文字幕 | 18在线观看网站| 99热这里只有是精品在线观看| 黄片无遮挡物在线观看| 纯流量卡能插随身wifi吗| 一区二区av电影网| 国产免费又黄又爽又色| 多毛熟女@视频| 考比视频在线观看| 久久99热这里只频精品6学生| 国产成人精品福利久久| 最后的刺客免费高清国语| 国产熟女欧美一区二区| 久久久久精品性色| 国产极品天堂在线| 蜜桃国产av成人99| 亚洲av男天堂| 成年动漫av网址| 国国产精品蜜臀av免费| 久久久久精品人妻al黑| 好男人视频免费观看在线| 国产精品久久久久久久电影| 51国产日韩欧美| 亚洲av中文av极速乱| 黄网站色视频无遮挡免费观看| 欧美 日韩 精品 国产| 亚洲国产精品成人久久小说| 大陆偷拍与自拍| 一二三四中文在线观看免费高清| 男女无遮挡免费网站观看| 亚洲av男天堂| 成年av动漫网址| 亚洲天堂av无毛| 久久久久久久大尺度免费视频| 99热网站在线观看| 成年女人在线观看亚洲视频| 精品第一国产精品| 久久久久久久久久久免费av| 女性被躁到高潮视频| 视频在线观看一区二区三区| 国产精品蜜桃在线观看| 国产欧美另类精品又又久久亚洲欧美| 国产午夜精品一二区理论片| 人人澡人人妻人| 亚洲成色77777| 亚洲四区av| 欧美精品人与动牲交sv欧美| 香蕉精品网在线| www.色视频.com| 成人综合一区亚洲| 久久热在线av| 大陆偷拍与自拍| 男人爽女人下面视频在线观看| 亚洲精品,欧美精品| 中文字幕免费在线视频6| 亚洲欧洲国产日韩| 亚洲三级黄色毛片| 亚洲情色 制服丝袜| 性高湖久久久久久久久免费观看| 国语对白做爰xxxⅹ性视频网站| 国产永久视频网站| 妹子高潮喷水视频| 草草在线视频免费看| 国产日韩欧美在线精品| 久久影院123| 性高湖久久久久久久久免费观看| 热99国产精品久久久久久7| av在线观看视频网站免费| 欧美丝袜亚洲另类| 99热网站在线观看| 蜜桃在线观看..| 黄色毛片三级朝国网站| 亚洲国产精品一区二区三区在线| 亚洲av综合色区一区| av一本久久久久| 又黄又爽又刺激的免费视频.| 亚洲激情五月婷婷啪啪| 久久精品夜色国产| av福利片在线| 国产成人精品一,二区| 欧美另类一区| 久久精品国产亚洲av涩爱| 夜夜骑夜夜射夜夜干| 亚洲激情五月婷婷啪啪| 天天躁夜夜躁狠狠躁躁| 国产精品三级大全| 不卡视频在线观看欧美| 99久久精品国产国产毛片| 亚洲激情五月婷婷啪啪| 女人被躁到高潮嗷嗷叫费观| 最近最新中文字幕免费大全7| 97超碰精品成人国产| 国产成人a∨麻豆精品| 波野结衣二区三区在线| 欧美 亚洲 国产 日韩一| 黄片无遮挡物在线观看| 乱码一卡2卡4卡精品| 2018国产大陆天天弄谢| 精品酒店卫生间| 夜夜骑夜夜射夜夜干| 纵有疾风起免费观看全集完整版| 亚洲精品456在线播放app| 国产精品人妻久久久影院| 国产淫语在线视频| 校园人妻丝袜中文字幕| 日本-黄色视频高清免费观看| 熟女人妻精品中文字幕| 久久精品久久久久久噜噜老黄| 久久精品熟女亚洲av麻豆精品| 久久久久人妻精品一区果冻| 久久久久国产网址| av女优亚洲男人天堂| 国产精品偷伦视频观看了| 超碰97精品在线观看| 精品国产一区二区久久| 九九爱精品视频在线观看| 黄片无遮挡物在线观看| 啦啦啦啦在线视频资源| 免费人妻精品一区二区三区视频| 97精品久久久久久久久久精品| 一级片免费观看大全| 最近的中文字幕免费完整| 人成视频在线观看免费观看| 日韩免费高清中文字幕av| 永久网站在线| 99久久精品国产国产毛片| 全区人妻精品视频| 久久国内精品自在自线图片| 亚洲国产精品一区二区三区在线| 久久99热6这里只有精品| av片东京热男人的天堂| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 大片免费播放器 马上看| 大话2 男鬼变身卡| 蜜桃国产av成人99| 亚洲av福利一区| 国产成人精品福利久久| 黄色视频在线播放观看不卡| 久久这里只有精品19| 亚洲人成网站在线观看播放| 一区二区三区乱码不卡18| 日韩av不卡免费在线播放| av黄色大香蕉| 久久热在线av| 九九在线视频观看精品| 欧美亚洲日本最大视频资源| 少妇的逼好多水| 少妇高潮的动态图| 99热全是精品| 十分钟在线观看高清视频www| av视频免费观看在线观看| 大片免费播放器 马上看| 这个男人来自地球电影免费观看 | 久久久久久人人人人人| 亚洲精品乱久久久久久| 免费看不卡的av| xxxhd国产人妻xxx| 老司机影院毛片| 热99国产精品久久久久久7| 亚洲精品aⅴ在线观看| 麻豆乱淫一区二区| 亚洲欧美成人综合另类久久久| av黄色大香蕉| 午夜激情久久久久久久| 亚洲精品一二三| 亚洲欧洲日产国产| 亚洲国产精品999| 18禁在线无遮挡免费观看视频| 免费观看在线日韩| 97人妻天天添夜夜摸| 波多野结衣一区麻豆| 欧美成人精品欧美一级黄| www.色视频.com| 美女中出高潮动态图| 欧美另类一区| 91精品三级在线观看| 丝袜美足系列| 色94色欧美一区二区| 大片免费播放器 马上看| 精品国产露脸久久av麻豆| 黄色视频在线播放观看不卡| 91国产中文字幕| 国产精品久久久久久久久免| 亚洲一级一片aⅴ在线观看| 午夜福利乱码中文字幕| 国产综合精华液| 99视频精品全部免费 在线| 9热在线视频观看99| 超色免费av|