• <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
    侵犯人妻中文字幕一二三四区| 国产欧美日韩一区二区三| 一个人免费看片子| 在线观看人妻少妇| 国产真人三级小视频在线观看| 新久久久久国产一级毛片| 少妇精品久久久久久久| 国产免费av片在线观看野外av| 国产精品二区激情视频| 亚洲色图 男人天堂 中文字幕| 正在播放国产对白刺激| 丰满饥渴人妻一区二区三| 国产精品久久久av美女十八| 日本a在线网址| 国产欧美日韩一区二区精品| 精品国内亚洲2022精品成人 | 真人做人爱边吃奶动态| 大型黄色视频在线免费观看| 成人亚洲精品一区在线观看| 欧美人与性动交α欧美精品济南到| 正在播放国产对白刺激| 精品国产亚洲在线| 国产欧美日韩精品亚洲av| 日韩大码丰满熟妇| 人人澡人人妻人| 一级黄色大片毛片| 久久av网站| 麻豆av在线久日| 国产精品免费大片| 美女国产高潮福利片在线看| 国产高清激情床上av| 中文字幕人妻丝袜制服| 成人三级做爰电影| a级毛片黄视频| 精品一区二区三卡| 亚洲av日韩在线播放| 首页视频小说图片口味搜索| 欧美精品啪啪一区二区三区| 精品视频人人做人人爽| 亚洲国产精品一区二区三区在线| 午夜激情久久久久久久| 97人妻天天添夜夜摸| 久久狼人影院| 免费看十八禁软件| 久久影院123| 又紧又爽又黄一区二区| 国产精品二区激情视频| 一区在线观看完整版| 午夜免费鲁丝| 中文字幕制服av| 老汉色av国产亚洲站长工具| 国产成人一区二区三区免费视频网站| 国产亚洲精品一区二区www | 啪啪无遮挡十八禁网站| 国产精品免费大片| 国产日韩欧美视频二区| 日本黄色日本黄色录像| 操出白浆在线播放| 一区二区三区乱码不卡18| 色在线成人网| 久久亚洲真实| 最新美女视频免费是黄的| 欧美成人午夜精品| 日本精品一区二区三区蜜桃| 国产成人一区二区三区免费视频网站| av不卡在线播放| 搡老岳熟女国产| 性色av乱码一区二区三区2| 亚洲成a人片在线一区二区| 大片免费播放器 马上看| 日韩欧美国产一区二区入口| 18禁美女被吸乳视频| 成年女人毛片免费观看观看9 | 在线观看66精品国产| 国产在线一区二区三区精| 欧美成人免费av一区二区三区 | 亚洲av日韩精品久久久久久密| 日本黄色日本黄色录像| 蜜桃在线观看..| 考比视频在线观看| 一进一出好大好爽视频| 国产亚洲欧美在线一区二区| 大香蕉久久网| 国产福利在线免费观看视频| 视频在线观看一区二区三区| 欧美成狂野欧美在线观看| 亚洲人成伊人成综合网2020| 一本—道久久a久久精品蜜桃钙片| 欧美一级毛片孕妇| 久久99热这里只频精品6学生| 天天躁日日躁夜夜躁夜夜| 美女视频免费永久观看网站| 亚洲伊人色综图| 在线观看免费视频日本深夜| 一区二区三区乱码不卡18| 国产精品影院久久| 精品人妻在线不人妻| 亚洲七黄色美女视频| av超薄肉色丝袜交足视频| 亚洲免费av在线视频| 少妇裸体淫交视频免费看高清 | 日韩一卡2卡3卡4卡2021年| 两性夫妻黄色片| 国产国语露脸激情在线看| 色婷婷av一区二区三区视频| √禁漫天堂资源中文www| 中文字幕高清在线视频| 免费在线观看视频国产中文字幕亚洲| 亚洲va日本ⅴa欧美va伊人久久| 又黄又粗又硬又大视频| 欧美成人午夜精品| 999久久久国产精品视频| 人妻一区二区av| 亚洲久久久国产精品| 午夜福利免费观看在线| 免费观看av网站的网址| a级毛片在线看网站| 成人黄色视频免费在线看| 十分钟在线观看高清视频www| 多毛熟女@视频| 91精品国产国语对白视频| 婷婷成人精品国产| 亚洲九九香蕉| 欧美久久黑人一区二区| videos熟女内射| 99国产精品一区二区蜜桃av | 国产精品98久久久久久宅男小说| 欧美日本中文国产一区发布| 91麻豆av在线| 丝袜在线中文字幕| 成在线人永久免费视频| 欧美精品av麻豆av| 十八禁高潮呻吟视频| 18禁美女被吸乳视频| 国产片内射在线| 久久久精品区二区三区| 国产伦人伦偷精品视频| av天堂久久9| 在线亚洲精品国产二区图片欧美| 亚洲av日韩在线播放| 搡老岳熟女国产| 69av精品久久久久久 | 91成年电影在线观看| 女人精品久久久久毛片| 在线观看www视频免费| 岛国毛片在线播放| 2018国产大陆天天弄谢| 欧美 日韩 精品 国产| 成在线人永久免费视频| 欧美久久黑人一区二区| 精品亚洲乱码少妇综合久久| cao死你这个sao货| 免费一级毛片在线播放高清视频 | 久久影院123| 91字幕亚洲| 男女之事视频高清在线观看| 国产片内射在线| 午夜精品国产一区二区电影| 一级,二级,三级黄色视频| 淫妇啪啪啪对白视频| 国产深夜福利视频在线观看| 国产成人精品无人区| 最新美女视频免费是黄的| 伊人久久大香线蕉亚洲五| 免费观看人在逋| 久久久精品94久久精品| 亚洲美女黄片视频| 成人黄色视频免费在线看| 欧美乱码精品一区二区三区| 日韩欧美三级三区| 狂野欧美激情性xxxx| 久久国产精品影院| 国产精品av久久久久免费| 黑人猛操日本美女一级片| 蜜桃国产av成人99| 国产有黄有色有爽视频| 国产一区二区 视频在线| 好男人电影高清在线观看| 51午夜福利影视在线观看| 伦理电影免费视频| 少妇精品久久久久久久| 别揉我奶头~嗯~啊~动态视频| 一本综合久久免费| kizo精华| 日韩一卡2卡3卡4卡2021年| 欧美精品亚洲一区二区| 国产在线视频一区二区| 国产成人啪精品午夜网站| 亚洲熟女毛片儿| 露出奶头的视频| 法律面前人人平等表现在哪些方面| 欧美日韩黄片免| 大陆偷拍与自拍| 国产精品欧美亚洲77777| 不卡一级毛片| 啪啪无遮挡十八禁网站| 日日夜夜操网爽| 搡老岳熟女国产| 制服诱惑二区| 亚洲va日本ⅴa欧美va伊人久久| 深夜精品福利| 国产成人欧美在线观看 | 亚洲,欧美精品.| 性少妇av在线| 一级黄色大片毛片| 天天添夜夜摸| 一级毛片女人18水好多| 久久久精品免费免费高清| 国产欧美日韩综合在线一区二区| 侵犯人妻中文字幕一二三四区| 91成年电影在线观看| 男女高潮啪啪啪动态图| 丝袜喷水一区| 国产成人av教育| 亚洲精品一卡2卡三卡4卡5卡| 黄色视频不卡| 亚洲欧洲日产国产| 国产成人系列免费观看| 精品国产乱码久久久久久小说| 免费日韩欧美在线观看| 久久久欧美国产精品| 亚洲国产av新网站| 亚洲精品国产区一区二| 免费女性裸体啪啪无遮挡网站| 丰满迷人的少妇在线观看| 极品少妇高潮喷水抽搐| 欧美日韩福利视频一区二区| 久久久精品区二区三区| 亚洲精华国产精华精| 精品高清国产在线一区| 十八禁网站网址无遮挡| 正在播放国产对白刺激| 91字幕亚洲| 亚洲精品自拍成人| 久久精品亚洲精品国产色婷小说| 久久久水蜜桃国产精品网| 国产成人啪精品午夜网站| 久久精品国产a三级三级三级| 日本黄色视频三级网站网址 | 热99久久久久精品小说推荐| 国产亚洲av高清不卡| 色婷婷久久久亚洲欧美| av福利片在线| 免费在线观看视频国产中文字幕亚洲| 一区二区三区激情视频| 亚洲人成77777在线视频| 欧美黄色淫秽网站| 曰老女人黄片| 欧美午夜高清在线| 青草久久国产| 久久久久久久久免费视频了| 亚洲国产成人一精品久久久| 欧美激情极品国产一区二区三区| 三级毛片av免费| 精品久久久精品久久久| 欧美精品高潮呻吟av久久| 久久亚洲真实| 青青草视频在线视频观看| 丰满饥渴人妻一区二区三| 十八禁网站免费在线| 人人妻人人澡人人看| 午夜福利影视在线免费观看| 国产不卡一卡二| av超薄肉色丝袜交足视频| 欧美大码av| 欧美亚洲日本最大视频资源| 在线天堂中文资源库| 国产欧美日韩综合在线一区二区| 一区二区三区乱码不卡18| 久久精品熟女亚洲av麻豆精品| a级毛片在线看网站| 亚洲欧美日韩高清在线视频 | 高清黄色对白视频在线免费看| 国产精品欧美亚洲77777| 精品国产超薄肉色丝袜足j| 性高湖久久久久久久久免费观看| 人人妻人人澡人人看| 成人永久免费在线观看视频 | 亚洲精品国产一区二区精华液| 国产精品亚洲一级av第二区| 人妻一区二区av| 三级毛片av免费| 久久精品亚洲精品国产色婷小说| 日韩视频在线欧美| 久久久久久久久久久久大奶| 一级毛片女人18水好多| 丁香欧美五月| 汤姆久久久久久久影院中文字幕| 久久人人爽av亚洲精品天堂| 老汉色∧v一级毛片| 久久精品人人爽人人爽视色| 狂野欧美激情性xxxx| 变态另类成人亚洲欧美熟女 | 欧美亚洲 丝袜 人妻 在线| 亚洲精品av麻豆狂野| 精品亚洲乱码少妇综合久久| 最近最新中文字幕大全免费视频| 熟女少妇亚洲综合色aaa.| 亚洲五月色婷婷综合| 99re6热这里在线精品视频| 国产成人一区二区三区免费视频网站| 久久精品亚洲熟妇少妇任你| 久久久精品免费免费高清| 国产av又大| 色综合婷婷激情| 久久狼人影院| 91国产中文字幕| 国产1区2区3区精品| 久久久国产欧美日韩av| 麻豆av在线久日| 中文字幕av电影在线播放| 波多野结衣av一区二区av| 亚洲国产欧美一区二区综合| 青青草视频在线视频观看| 新久久久久国产一级毛片| 老鸭窝网址在线观看| xxxhd国产人妻xxx| 无遮挡黄片免费观看| 又大又爽又粗| 亚洲国产欧美网| 午夜福利一区二区在线看| 国产极品粉嫩免费观看在线| 亚洲va日本ⅴa欧美va伊人久久| 亚洲伊人色综图| 亚洲黑人精品在线| 色视频在线一区二区三区| 国产亚洲精品第一综合不卡| 老鸭窝网址在线观看| 国产精品电影一区二区三区 | 12—13女人毛片做爰片一| 国产av精品麻豆| 欧美中文综合在线视频| 亚洲欧美激情在线| 国产免费现黄频在线看| 91麻豆av在线| 一区二区三区激情视频| 久久久欧美国产精品| 高清黄色对白视频在线免费看| 国产精品欧美亚洲77777| 午夜精品国产一区二区电影| 国产福利在线免费观看视频| 菩萨蛮人人尽说江南好唐韦庄| 午夜福利视频精品| 国产野战对白在线观看| 美女高潮喷水抽搐中文字幕| 精品一区二区三区四区五区乱码| 岛国在线观看网站| 黄片小视频在线播放| 精品国产一区二区久久| 777久久人妻少妇嫩草av网站| 国产精品二区激情视频| 老司机午夜十八禁免费视频| 欧美日韩av久久| 国产免费av片在线观看野外av| 中文字幕人妻熟女乱码| 欧美性长视频在线观看| 欧美黄色片欧美黄色片| 国产国语露脸激情在线看| 国产精品久久久久成人av| 蜜桃在线观看..| 一区二区av电影网| 777久久人妻少妇嫩草av网站| 十八禁网站网址无遮挡| 中文字幕色久视频| 日韩中文字幕欧美一区二区| 亚洲性夜色夜夜综合| 久久午夜综合久久蜜桃| 十八禁高潮呻吟视频| 亚洲精品自拍成人| 成人精品一区二区免费| 亚洲国产看品久久| 亚洲色图 男人天堂 中文字幕| 精品高清国产在线一区| 亚洲精品久久成人aⅴ小说| 精品国产乱码久久久久久小说| 曰老女人黄片| 大片电影免费在线观看免费| 欧美成人午夜精品| 亚洲精品美女久久久久99蜜臀| 久久久久国内视频| 久久久久精品国产欧美久久久| 亚洲精品成人av观看孕妇| 国产在线免费精品| 美女扒开内裤让男人捅视频| 动漫黄色视频在线观看| 国产有黄有色有爽视频| 淫妇啪啪啪对白视频| 国产精品久久久av美女十八| 日本av免费视频播放| 国产精品熟女久久久久浪| 美女高潮喷水抽搐中文字幕| 亚洲成国产人片在线观看| 亚洲欧美日韩另类电影网站| 视频区欧美日本亚洲| 久久久久精品国产欧美久久久| 韩国精品一区二区三区| 国产福利在线免费观看视频| xxxhd国产人妻xxx| 一区二区日韩欧美中文字幕| 人人妻人人澡人人看| 777久久人妻少妇嫩草av网站| 久久精品人人爽人人爽视色| 色尼玛亚洲综合影院| 狠狠精品人妻久久久久久综合| 交换朋友夫妻互换小说| 91精品国产国语对白视频| 久久久精品免费免费高清| 精品久久久久久电影网| 国产亚洲一区二区精品| 国产精品自产拍在线观看55亚洲 | 国产一区二区 视频在线| 日本五十路高清| 成人黄色视频免费在线看| 97人妻天天添夜夜摸| 亚洲性夜色夜夜综合| 亚洲情色 制服丝袜| 在线观看一区二区三区激情| 桃红色精品国产亚洲av| 超碰成人久久| 大香蕉久久网| svipshipincom国产片| 国产男靠女视频免费网站| 欧美日韩成人在线一区二区| 9191精品国产免费久久| 久久毛片免费看一区二区三区| 亚洲成a人片在线一区二区| 美女视频免费永久观看网站| 高清黄色对白视频在线免费看| 看免费av毛片| 日韩精品免费视频一区二区三区| 久久久国产成人免费| 在线十欧美十亚洲十日本专区| 深夜精品福利| 免费久久久久久久精品成人欧美视频| 午夜视频精品福利| 最近最新免费中文字幕在线| 亚洲欧美一区二区三区久久| 国产一卡二卡三卡精品| 中文字幕色久视频| 好男人电影高清在线观看| 1024视频免费在线观看| 国产人伦9x9x在线观看| 老司机在亚洲福利影院| 国产精品自产拍在线观看55亚洲 | 亚洲午夜理论影院| 欧美午夜高清在线| 亚洲成a人片在线一区二区| 亚洲成人免费电影在线观看| 久久久久久久精品吃奶| 一级毛片精品| 精品人妻在线不人妻| 菩萨蛮人人尽说江南好唐韦庄| 日韩一区二区三区影片| 免费女性裸体啪啪无遮挡网站| 国精品久久久久久国模美| 宅男免费午夜| 色综合欧美亚洲国产小说| 久久精品国产a三级三级三级| 亚洲av国产av综合av卡| 美国免费a级毛片| 久久久水蜜桃国产精品网| 国产高清国产精品国产三级| 亚洲欧美色中文字幕在线| 午夜老司机福利片| 丰满饥渴人妻一区二区三| 久久亚洲真实| 午夜福利影视在线免费观看| 捣出白浆h1v1| 久久ye,这里只有精品| 亚洲欧美色中文字幕在线| 精品国产乱码久久久久久小说| 精品国产亚洲在线| 久久久久久久精品吃奶| 亚洲av成人一区二区三| 99国产精品免费福利视频| 午夜成年电影在线免费观看| 国产欧美日韩一区二区三区在线| 麻豆av在线久日| 欧美国产精品va在线观看不卡| 国产一区二区三区在线臀色熟女 | 国产av精品麻豆| 亚洲精品av麻豆狂野| 国产伦理片在线播放av一区| www.精华液| 国产xxxxx性猛交| 少妇的丰满在线观看| 国产在线一区二区三区精| 69精品国产乱码久久久| 麻豆成人av在线观看| 男女免费视频国产| 国产成人精品久久二区二区免费| 国产精品二区激情视频| 丰满人妻熟妇乱又伦精品不卡| 丁香欧美五月| 亚洲免费av在线视频| 丝瓜视频免费看黄片| 久久久国产成人免费| 亚洲中文字幕日韩| 男女免费视频国产| 国产在视频线精品| 久久久国产精品麻豆| 久久99热这里只频精品6学生| 高清视频免费观看一区二区| 男女高潮啪啪啪动态图| av欧美777| 熟女少妇亚洲综合色aaa.| 日韩成人在线观看一区二区三区| 国产欧美日韩综合在线一区二区| 久久婷婷成人综合色麻豆| 欧美成狂野欧美在线观看| 国产精品亚洲一级av第二区| 一级片免费观看大全| 国产精品熟女久久久久浪| 国产伦人伦偷精品视频| netflix在线观看网站| 亚洲av日韩精品久久久久久密| 窝窝影院91人妻| 黄片小视频在线播放| 久久国产精品人妻蜜桃| 蜜桃在线观看..| svipshipincom国产片| 日韩 欧美 亚洲 中文字幕| 成年女人毛片免费观看观看9 | 色婷婷久久久亚洲欧美| 国产亚洲精品久久久久5区| 法律面前人人平等表现在哪些方面| 国产一区有黄有色的免费视频| 成人国产av品久久久| 女同久久另类99精品国产91| 中文字幕人妻丝袜制服| 亚洲av成人一区二区三| 午夜福利免费观看在线| 丝袜美足系列| videosex国产| 男男h啪啪无遮挡| 一个人免费在线观看的高清视频| 亚洲午夜理论影院| 丝袜美腿诱惑在线| 一本大道久久a久久精品| 欧美日韩亚洲综合一区二区三区_| 久久精品亚洲精品国产色婷小说| 日韩欧美免费精品| 热99国产精品久久久久久7| 99精国产麻豆久久婷婷| 午夜91福利影院| 欧美激情高清一区二区三区| 日韩免费高清中文字幕av| 天堂中文最新版在线下载| 老司机亚洲免费影院| 国产成人精品无人区| 一二三四在线观看免费中文在| 99riav亚洲国产免费| 999久久久精品免费观看国产| 国产精品偷伦视频观看了| 999精品在线视频| 精品国产乱码久久久久久小说| 成人国产一区最新在线观看| 国产精品秋霞免费鲁丝片| 涩涩av久久男人的天堂| 狂野欧美激情性xxxx| 久久亚洲精品不卡| svipshipincom国产片| 亚洲,欧美精品.| 亚洲 欧美一区二区三区| 久久久水蜜桃国产精品网| 国产成人免费无遮挡视频| 成人亚洲精品一区在线观看| 国产亚洲精品一区二区www | 天堂中文最新版在线下载| 色婷婷久久久亚洲欧美| 日韩人妻精品一区2区三区| 国产精品亚洲一级av第二区| 成人黄色视频免费在线看| 999久久久国产精品视频| 香蕉国产在线看| 好男人电影高清在线观看| 成人国语在线视频| 男女无遮挡免费网站观看| 亚洲精品国产色婷婷电影| 99国产精品免费福利视频| 美女福利国产在线| 大陆偷拍与自拍| 色老头精品视频在线观看| 又大又爽又粗| 少妇粗大呻吟视频| 99久久精品国产亚洲精品| 欧美在线黄色| 久久午夜综合久久蜜桃| 欧美日本中文国产一区发布| 黑人操中国人逼视频| 国产成人精品无人区| 亚洲熟女毛片儿| 如日韩欧美国产精品一区二区三区| 亚洲全国av大片| 桃花免费在线播放| 亚洲精品久久成人aⅴ小说| 久久热在线av| 成人亚洲精品一区在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 1024香蕉在线观看| 午夜免费鲁丝| 大陆偷拍与自拍| 水蜜桃什么品种好| 如日韩欧美国产精品一区二区三区| 日韩制服丝袜自拍偷拍| 欧美一级毛片孕妇| 1024香蕉在线观看| 国产1区2区3区精品| 亚洲精品中文字幕一二三四区 | a级毛片在线看网站| 少妇 在线观看| 成年人黄色毛片网站| 国产男靠女视频免费网站| √禁漫天堂资源中文www| 捣出白浆h1v1|