• <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 ?

    基于低空無(wú)人機(jī)遙感技術(shù)的油菜機(jī)械直播苗期株數(shù)識(shí)別

    2017-11-01 22:51:14趙必權(quán)丁幼春蔡曉斌廖慶喜
    關(guān)鍵詞:株數(shù)植被指數(shù)柵格

    趙必權(quán),丁幼春,蔡曉斌,謝 靜,廖慶喜,張 建

    ?

    基于低空無(wú)人機(jī)遙感技術(shù)的油菜機(jī)械直播苗期株數(shù)識(shí)別

    趙必權(quán)1,2,丁幼春3,蔡曉斌4,謝 靜5,廖慶喜3,張 建1,2※

    (1. 華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院,武漢430070;2. 農(nóng)業(yè)部長(zhǎng)江中下游耕地保育重點(diǎn)實(shí)驗(yàn)室,武漢430070; 3. 華中農(nóng)業(yè)大學(xué)工學(xué)院,武漢430070;4. 中國(guó)科學(xué)院測(cè)量與地球物理研究所,武漢430077; 5. 華中農(nóng)業(yè)大學(xué)理學(xué)院,武漢 430070)

    植株數(shù)量識(shí)別是油菜機(jī)械直播效果和質(zhì)量評(píng)估的關(guān)鍵。該文針對(duì)油菜機(jī)械直播田間植株數(shù)量檢測(cè)中人工統(tǒng)計(jì)耗時(shí)、費(fèi)工、效率低下的現(xiàn)實(shí),通過(guò)自主搭建的低空無(wú)人機(jī)遙感平臺(tái)采集油菜機(jī)械直播區(qū)域的遙感影像,基于超高分辨率(0.18 cm/pixel)遙感影像計(jì)算的顏色植被指數(shù)進(jìn)行油菜目標(biāo)識(shí)別及其形態(tài)特征信息提取。結(jié)合田間調(diào)查數(shù)據(jù),采用逐步回歸分析方法,建立了機(jī)械直播油菜在苗期的株數(shù)與遙感特征信息之間的關(guān)系。結(jié)果顯示,油菜目標(biāo)的株數(shù)與其外接矩形的長(zhǎng)寬比、像素分布密度和周長(zhǎng)柵格數(shù)具有較好的線性關(guān)系,回歸模型的決定系數(shù)2為0.803,并通過(guò)顯著性檢驗(yàn),其標(biāo)準(zhǔn)估計(jì)誤差為0.699。模型檢驗(yàn)結(jié)果顯示,觀測(cè)值與預(yù)測(cè)值之間的2為0.809,均方根誤差RMSE為0.728。研究結(jié)果表明,利用集成超高分辨率傳感器的低空無(wú)人機(jī)遙感平臺(tái),通過(guò)計(jì)算顏色植被指數(shù)并分析油菜目標(biāo)數(shù)量與形態(tài)特征的相關(guān)性,能有效識(shí)別油菜機(jī)械直播的出苗株數(shù),可為后續(xù)油菜機(jī)械直播效果的快速、準(zhǔn)確評(píng)估提供技術(shù)支持。

    無(wú)人機(jī);遙感;模型;油菜;機(jī)械直播;株數(shù);多元回歸

    0 引 言

    油菜是全球重要的油料作物,中國(guó)是世界油菜的主要種植國(guó),種植面積和總產(chǎn)量均占世界的30%左右,均居世界第一[1-2]。目前,中國(guó)農(nóng)村勞動(dòng)力、生產(chǎn)資料的成本大幅上漲以及油菜機(jī)械化程度低等問(wèn)題導(dǎo)致油菜種植的經(jīng)濟(jì)效益低于其他作物,影響了農(nóng)戶生產(chǎn)的積極性。傳統(tǒng)人工種植的用工費(fèi)用占生產(chǎn)成本的60%~70%,每公頃耗工180~225個(gè),高昂的用工成本,迫切需要實(shí)現(xiàn)油菜的機(jī)械化種植[3-6]。最新頒布的《全國(guó)農(nóng)業(yè)機(jī)械化發(fā)展第十三個(gè)五年規(guī)劃》也明確指出,推進(jìn)主要農(nóng)作物生產(chǎn)全程機(jī)械化,同時(shí)加快配套機(jī)械化技術(shù)推廣應(yīng)用。提高油菜種植的機(jī)械化水平,將有效促進(jìn)油菜種植的可持續(xù)發(fā)展[7]。

    油菜播種機(jī)械在示范推廣前都必須經(jīng)過(guò)嚴(yán)格的檢驗(yàn)和評(píng)估,而田間試驗(yàn)機(jī)械化是制約中國(guó)農(nóng)作物品種試驗(yàn)工作的主要瓶頸[8]。植株數(shù)量識(shí)別是油菜機(jī)械播種效果評(píng)估的基礎(chǔ),也是進(jìn)行后續(xù)的出苗率估算、行距與株距分布特征等播種效果和質(zhì)量評(píng)估的前提。楊松等以人工調(diào)查的方式對(duì)油菜田間植株分布規(guī)律進(jìn)行研究,為2BFQ- 6型油菜精量聯(lián)合直播機(jī)的結(jié)構(gòu)優(yōu)化、排種過(guò)程改進(jìn)提供參考依據(jù),其中就包括油菜株數(shù)的調(diào)查和成苗率的計(jì)算[9]。此外,其他作物出苗數(shù)、果實(shí)數(shù)量的田間識(shí)別也是農(nóng)業(yè)領(lǐng)域研究的熱點(diǎn)。Shi等設(shè)計(jì)了一個(gè)基于地面雷達(dá)的玉米植株位置和間距自動(dòng)測(cè)量系統(tǒng),該系統(tǒng)對(duì)200株玉米計(jì)數(shù)識(shí)別的結(jié)果誤差為5.5%,間距的均方根誤差(root mean square error,RMSE)為1.9 cm[10]。Font等在夜間的葡萄園設(shè)置人工光照環(huán)境并拍攝紅葡萄的高分辨率影像,利用光譜反射特征對(duì)紅葡萄進(jìn)行數(shù)量識(shí)別,其結(jié)果與人工計(jì)數(shù)相比,平均誤差率為-14%[11]。由此可見,數(shù)量識(shí)別研究在播種效果評(píng)估、產(chǎn)量預(yù)估等方面有重要作用。

    低空無(wú)人機(jī)遙感技術(shù)具有高分辨率、實(shí)時(shí)獲取影像、操作簡(jiǎn)單和低成本等優(yōu)勢(shì),在現(xiàn)代農(nóng)業(yè)生產(chǎn)上具有重要應(yīng)用前景[12-14]。Hunt等通過(guò)無(wú)人機(jī)獲取的近紅外-綠波段-藍(lán)波段(NIR-G-B)影像進(jìn)行了冬小麥的監(jiān)測(cè),發(fā)現(xiàn)葉面積指數(shù)(leaf area index,LAI)與綠色歸一化植被指數(shù)(green normalized difference vegetation Index, GNDVI)有著較好的相關(guān)性(2=0.85),表明無(wú)人機(jī)平臺(tái)能為精準(zhǔn)農(nóng)業(yè)提供重要信息[15]。Bendig等從無(wú)人機(jī)影像得到的作物表面模型(crop surface models, CSMs)對(duì)大麥的生物量進(jìn)行估計(jì),得到2高達(dá)0.92的預(yù)測(cè)模型[16]。李冰等利用低空無(wú)人機(jī)遙感監(jiān)測(cè)冬小麥覆蓋度變化,提出低空無(wú)人機(jī)遙感在大面積農(nóng)作物覆蓋度監(jiān)測(cè)有良好應(yīng)用前景[17]。王利民等基于無(wú)人機(jī)影像進(jìn)行農(nóng)業(yè)遙感監(jiān)測(cè)的應(yīng)用,結(jié)果表明基于無(wú)人機(jī)影像的農(nóng)情遙感監(jiān)測(cè)具有巨大的推廣潛力[18]。汪小欽等通過(guò)無(wú)人機(jī)遙感進(jìn)行可見光波段的植被信息提取,且進(jìn)一步提出了可見光波段差異植被指數(shù)(visible-band difference vegetation index, VDVI),該指數(shù)對(duì)植被信息提取的精度高達(dá)90%[19]。Sankaran等以冬小麥為研究對(duì)象,利用無(wú)人機(jī)分別采集3種類型的冬小麥越冬期前后的多光譜影像,基于GNDVI反演的冬小麥的出苗率、越冬存活率與地面觀測(cè)值比較,發(fā)現(xiàn)整體的出苗率相關(guān)系數(shù)為0.87,越冬存活率相關(guān)系數(shù)為0.86[20]。因此,低空無(wú)人機(jī)遙感技術(shù)是評(píng)估作物種植和長(zhǎng)勢(shì)的一種有用工具。

    目前,雖然通過(guò)遙感手段對(duì)作物種植進(jìn)行識(shí)別和監(jiān)測(cè)已經(jīng)成為研究的熱點(diǎn)和常規(guī)的方式,但這些研究和應(yīng)用通常專注于宏觀尺度下作物生長(zhǎng)信息的提取,如作物類型識(shí)別、覆蓋度監(jiān)測(cè)等,而對(duì)微觀尺度下作物生長(zhǎng)信息,如株數(shù)、出苗率等鮮有研究。少部分的研究也往往關(guān)注特定類型的作物,如玉米、小麥等,這些作物因其幼苗的生長(zhǎng)特征明顯也更適合進(jìn)行微觀尺度下的生長(zhǎng)信息識(shí)別和提取研究。本文以機(jī)械直播的油菜為研究對(duì)象,一方面因?yàn)闄C(jī)械直播的油菜,其生長(zhǎng)和分布具有較好的可識(shí)別性,同時(shí)也是利用無(wú)人機(jī)低空遙感技術(shù)對(duì)油菜直播機(jī)械改進(jìn)、油菜直播全程自動(dòng)化的探索。

    綜上所述,針對(duì)油菜機(jī)械直播植株數(shù)量檢測(cè)中人工統(tǒng)計(jì)耗時(shí)、費(fèi)力,探索油菜直播全程自動(dòng)化識(shí)別新方式,本文通過(guò)自主搭建的超高分辨率低空無(wú)人機(jī)遙感平臺(tái)對(duì)油菜苗期出苗株數(shù)提取展開研究。利用獲取的超高分辨率遙感影像,在目標(biāo)識(shí)別、特征提取等方法下提取油菜苗期的特征信息,結(jié)合多元線性回歸分析方法,探究機(jī)械直播油菜在苗期的株數(shù)與其形態(tài)特征之間的關(guān)系,嘗試得出油菜直播機(jī)械作業(yè)下的油菜在苗期出苗數(shù)量的回歸模型,探索利用低空無(wú)人機(jī)遙感技術(shù)進(jìn)行油菜直播機(jī)械作業(yè)下的油菜苗期出苗數(shù)量信息提取的可行性。

    1 材料與方法

    1.1 研究區(qū)域與試驗(yàn)設(shè)計(jì)

    本研究在湖北省武漢市華中農(nóng)業(yè)大學(xué)的油菜試驗(yàn)基地開展。實(shí)驗(yàn)田塊共13壟,實(shí)驗(yàn)田從西到東分別通過(guò)氣送式精量播種(8行)、氣力滾筒式精量排種(6行)、旋轉(zhuǎn)盤式排種(8行)、離心式排種(8行)共4種自行探索性研制的不同原理與結(jié)構(gòu)的排種器對(duì)甘藍(lán)型油菜“華油雜62”進(jìn)行播種作業(yè),作業(yè)時(shí)間分別為2016-10-06、2016-10-07、2016-10-09和2016-10-09。研究區(qū)域面積約為50 m×25 m(圖1)。

    本研究的影像數(shù)據(jù)于2016-11-02通過(guò)低空無(wú)人機(jī)平臺(tái)獲取。研究中使用的是集成Nikon D800相機(jī)(株式會(huì)社尼康,NIKON CORPORATION)的超高分辨率成像平臺(tái)。無(wú)人機(jī)平臺(tái)為大疆M600飛行器(大疆創(chuàng)新科技有限公司,DJI-Innovations),其在無(wú)風(fēng)環(huán)境下最大水平飛行速度為18 m/s,最大負(fù)載質(zhì)量為6 kg,在最大負(fù)載質(zhì)量下能持續(xù)飛行16 min。平臺(tái)搭載的Nikon D800相機(jī),實(shí)際輸出分辨率為3 615萬(wàn)像素(7 360像素×4 912像素),本研究采用尼康50 mm f/1.4D定焦鏡頭,同時(shí)配備GPS模塊和無(wú)線觸發(fā)器。數(shù)據(jù)獲取時(shí),設(shè)置無(wú)人機(jī)飛行航向重疊度為80%,旁向重疊度為70%,飛行高度為20 m,同時(shí)設(shè)置交叉飛行的航線。相機(jī)快門無(wú)線觸發(fā)器將相機(jī)成像間隔設(shè)置為1 s。

    圖1 研究區(qū)域

    無(wú)人機(jī)飛行過(guò)程共拍攝影像816幅,圖像記錄為24位的真彩色JEPG格式。無(wú)人機(jī)獲取的影像首先通過(guò)Pix4D Mapper無(wú)人機(jī)圖像拼接軟件進(jìn)行處理,本研究在影像拼接時(shí),通過(guò)增加用RTK采集的地面控制點(diǎn)來(lái)進(jìn)一步提高影像的空間精度,最終生成試驗(yàn)區(qū)域的正射影像,其空間分辨率為0.18 cm/pixel,其中驗(yàn)證控制點(diǎn)的RMSE為=0.76 cm,=0.74 cm。圖1是本文的研究區(qū)域,圖1b是圖像采集區(qū)域整體拼接結(jié)果影像,圖1c是包含了4種排種器試驗(yàn)的研究區(qū)域影像。

    本文根據(jù)不同的排種器類型對(duì)研究區(qū)域分別隨機(jī)選取6個(gè)(共24個(gè))樣方區(qū)域,通過(guò)田間實(shí)地調(diào)查獲取樣方中油菜的株數(shù)。氣力滾筒式精量排種(6行)的樣方區(qū)域尺寸為1.6 m×2 m;氣送式精量播種(8行)、旋轉(zhuǎn)盤式排種(8行)、離心式排種(8行)的樣方尺寸為2 m×2.5 m。本文是從整體的角度出發(fā),因此在不影響本研究的基礎(chǔ)上,結(jié)合不同的壟寬情況,未對(duì)所有樣方區(qū)域尺寸統(tǒng)一。本研究中油菜直播的作業(yè)時(shí)間相隔較短(3d),因此假設(shè)本研究的作業(yè)間隔對(duì)油菜的出苗情況沒(méi)有顯著的影響。本研究的技術(shù)路線見圖2。

    注:ExG為過(guò)綠指數(shù),ExG-ExR為過(guò)綠-過(guò)紅指數(shù),NGRDI為歸一化綠-紅差值指數(shù),GLI為綠葉指數(shù)。

    1.2 研究方法

    1.2.1 油菜目標(biāo)識(shí)別與分割

    1)基于顏色植被指數(shù)的油菜植株目標(biāo)識(shí)別

    通過(guò)搭載多光譜和高光譜傳感器的衛(wèi)星與航空遙感技術(shù),能獲取植被在更多波段上的光譜信息,但通過(guò)這種方式難以獲取足夠高分辨率的影像,不能滿足油菜出苗期植株提取的要求。

    相比多光譜和高光譜傳感器,本文采用的單反相機(jī)雖然無(wú)法獲得豐富的光譜信息,但其超高分辨率的成像特點(diǎn)對(duì)于油菜出苗期植株準(zhǔn)確提取更為重要。與此同時(shí),基于傳統(tǒng)數(shù)碼相機(jī)的可見光波段進(jìn)行植被指數(shù)的研究也取得了較好的進(jìn)展。高林等基于無(wú)人機(jī)數(shù)碼影像對(duì)冬小麥葉面積指數(shù)進(jìn)行探測(cè)研究,發(fā)現(xiàn)通過(guò)無(wú)人機(jī)搭載的數(shù)碼相機(jī)獲取的RGB影像計(jì)算的可見光大氣阻抗植被指數(shù)(visible atmospherically resistant index,VARI)模型估測(cè)的LAI與實(shí)測(cè)值擬合2達(dá)到0.71,證明無(wú)人機(jī)數(shù)碼影像能應(yīng)用于冬小麥LAI探測(cè)[21]。張正健等人通過(guò)無(wú)人機(jī)拍攝的RGB影像對(duì)若爾蓋高原草地生物量進(jìn)行估測(cè),發(fā)現(xiàn)歸一化綠-紅差值指數(shù)(normalized green-red difference,NGRDI)對(duì)生物量的模擬精度最高,R達(dá)到0.856[22]。丁雷龍等基于4種RGB色域的顏色植被指數(shù),對(duì)冬小麥覆蓋區(qū)域進(jìn)行識(shí)別,4種顏色植被指數(shù)的植被識(shí)別精度達(dá)到90%以上[23]。楊琦等利用無(wú)人機(jī)拍攝RGB影像來(lái)提取甘蔗株高并估算LAI,結(jié)果發(fā)現(xiàn)選取的6種可見光植被指數(shù)均能估測(cè)甘蔗LAI,其中綠紅植被指數(shù)(green red vegetation index, GRVI)的2為0.779[24]。表1列舉了基于傳統(tǒng)數(shù)碼相機(jī)可見光波段建立的常用顏色植被指數(shù)[25-26]。

    表1 基于傳統(tǒng)數(shù)碼相機(jī)的常用顏色植被指數(shù)

    注:、、分別為紅波段、綠波段和藍(lán)波段反射率。

    Note:,,respectively represents the reflectance of Red-band, Green-band, Blue-band.

    根據(jù)油菜苗期植株對(duì)綠波段敏感的特征,本研究將基于過(guò)綠指數(shù)(excess green,ExG)、過(guò)綠-過(guò)紅指數(shù)(excess green-excess red,ExG-ExR)、歸一化綠-紅差值指數(shù)(normalized green-red difference,NGRDI)和綠葉指數(shù)(green leaf index,GLI)進(jìn)行油菜植株目標(biāo)的識(shí)別,選擇出可用于油菜植株目標(biāo)分割的顏色植被指數(shù)。

    2)基于Otsu閾值算法的油菜植株目標(biāo)分割

    本研究選取Otsu閾值算法來(lái)自動(dòng)確定閾值,進(jìn)行油菜植株目標(biāo)的分割。Otsu閾值算法,又稱為最大類間方差法,是一種自適應(yīng)的閾值提取方法[27]。這種方法的核心思想是通過(guò)一個(gè)最佳閾值,使得目標(biāo)和背景的類間方差最大,其快速運(yùn)算、錯(cuò)分概率小的特點(diǎn),適合于油菜植株分布的識(shí)別和提取。

    設(shè)影像(,),大小為像元×像元,背景較暗,閾值為;目標(biāo)和背景的像元點(diǎn)占整幅影像的比例分別為1、2,平均灰度分別為1、2;影像總平均灰度,類間方差為;同時(shí)將影像中像素的灰度值小于閾值的像素個(gè)數(shù)記作1,像素灰度大于閾值的像素個(gè)數(shù)記作2,則有:

    (2)

    12×(3)

    1+2= 1 (4)

    1122(5)

    =1(1–)2+2(2–)2(6)

    通過(guò)上述公式,求得使取最大值使得閾值即為最佳閾值。

    1.2.2 油菜株數(shù)多元線性回歸建模

    通過(guò)線性方程來(lái)表示因變量與多個(gè)自變量間的數(shù)量關(guān)系,這種分析方法就稱為多元線性回歸建模[28]。本研究通過(guò)隨機(jī)抽樣的方式,將提取所得目標(biāo)中的80%用于多元回歸建模,剩余20%的目標(biāo)用于建模結(jié)果的檢驗(yàn)。本文共提取了油菜目標(biāo)的15類形態(tài)參數(shù)特征信息作為自變量。表2中列舉了這些特征信息的提取公式[29]。

    表2 特征信息提取公式

    注:1()、2()、3、4由外接矩形計(jì)算所得,分別為外接矩形的周長(zhǎng)(cm)、面積(cm2)、長(zhǎng)寬比和面積周長(zhǎng)比。其余特征由柵格特征計(jì)算所得。5(b)為周長(zhǎng)柵格數(shù),6(P)為面積柵格數(shù),7為柵格長(zhǎng)寬比,8為邊界指數(shù),9為形狀指數(shù),10為像素分布密度,11為勻稱度,12為緊湊度,13為圓度,14為方度,15為橢圓度。公式中,V代表油菜目標(biāo)體積的柵格個(gè)數(shù)。l、w分別是油菜目標(biāo)的長(zhǎng)、寬柵格數(shù)。、分別是在和方向上的方差,1、2、3是協(xié)方差矩陣對(duì)角化的特征值。

    Note:1()、2()、3、4is calculated by the external rectangle of the object, they are perimeter (cm), area (cm2), length-wide ratio, area-perimeter ratio of the external rectangle. The others calculated from the raster characteristic of the object.5(b) is the count of raster about perimeter,6(P)is the count of raster about area,7is the length-wide ratio of raster number,8is boundary index,9is shape index,10is the distribution density of the pixel feature,11is symmetry,12is compactness,13is round fit,14is rectangle fit,15is ellipticity fit。In the formula,Vrepresent is the count of raster about volume.lis the count of raster about length.wis the count of raster about width.andrespectively represent variances in theanddirections.1、2、3is the eigenvalue of the diagonalization covariance matrix.

    近似外包橢圓,主要通過(guò)協(xié)方差矩陣的特征值來(lái)計(jì)算。協(xié)方差矩陣是對(duì)稱矩陣,對(duì)角線上是方差,非對(duì)角線上是協(xié)方差。協(xié)方差矩陣對(duì)角化后,得到3個(gè)表示沿特征向量方向的方差的特征值。所以當(dāng)協(xié)方差矩陣是對(duì)角矩陣時(shí),方差等于特征值。其協(xié)方差矩陣如下。

    1)自變量的初步篩選

    本研究對(duì)這些自變量之間,以及它們與因變量之間的線性相關(guān)程度進(jìn)行分析。若兩自變量之間的相關(guān)系數(shù)||≥0.8,則認(rèn)為二者存在突出的共線性。本文繼續(xù)將它們分別與因變量的相關(guān)系數(shù)||進(jìn)行比較,只保留較大值所對(duì)應(yīng)的自變量。

    2)逐步多元回歸建模

    逐步回歸分析是多元線性回歸分析中的一種常用方法。它對(duì)方程中引入的變量反復(fù)檢驗(yàn),使模型外的自變量均無(wú)統(tǒng)計(jì)學(xué)意義,而模型內(nèi)的自變量均有統(tǒng)計(jì)學(xué)意義。本研究設(shè)置變量入選、剔除的顯著水平分別為0.05和0.10。

    1.2.3 模型精度檢驗(yàn)

    油菜株數(shù)多元回歸模型的精度評(píng)價(jià),主要是通過(guò)未用于建模的20%油菜目標(biāo)觀測(cè)值和模型預(yù)測(cè)值進(jìn)行比較,檢驗(yàn)指標(biāo)主要有2、均方根誤差(root mean square error,RMSE)、平均絕對(duì)誤差(mean absolute error,MAE)、預(yù)測(cè)株數(shù)總和。

    2 結(jié)果與分析

    2.1 油菜植株目標(biāo)識(shí)別

    基于過(guò)綠指數(shù)(ExG)、過(guò)綠-過(guò)紅指數(shù)(ExG-ExR)、歸一化綠-紅差值指數(shù)(NGRDI)和綠葉指數(shù)(GLI)的影像對(duì)第7號(hào)樣方區(qū)域(位于圖1c中序號(hào)為2的區(qū)域內(nèi))進(jìn)行Otsu閾值化的結(jié)果如圖3所示。圖3a是RGB影像。圖3b是基于ExG的閾值化提取結(jié)果,其閾值為55。圖3c是基于ExG-ExR的閾值化提取結(jié)果,其閾值為-14.6。圖3d是基于NGRDI的閾值化提取結(jié)果,其閾值為0.047。圖3e是基于GLI的閾值化提取結(jié)果,其閾值為0.074。圖3表明,4種可見光植被指數(shù)閾值化結(jié)果都能較好地對(duì)油菜目標(biāo)進(jìn)行識(shí)別和提取。

    圖3 使用Otsu對(duì)不同植被指數(shù)的油菜目標(biāo)提?。ㄒ?號(hào)樣方為例)

    為了在4種可見光植被指數(shù)中選擇最優(yōu)的植被指數(shù),本研究對(duì)閾值化結(jié)果矢量化后對(duì)圖層進(jìn)行疊加分析,圖4顯示的是4種可見光植被指數(shù)的矢量邊界。為了直觀比較,本文進(jìn)一步對(duì)兩個(gè)不同位置的油菜目標(biāo)進(jìn)行放大。圖4的結(jié)果顯示,NGRDI指數(shù)和ExG指數(shù)的油菜目標(biāo)的范圍小于ExG-ExR指數(shù)和GLI指數(shù)。在4種可見光植被指數(shù)都能較好地識(shí)別出油菜目標(biāo)的情況下,當(dāng)這個(gè)油菜目標(biāo)的范圍更大的時(shí)候,在這個(gè)范圍內(nèi)的油菜目標(biāo)的特征和信息就相對(duì)更完整。因此,ExG-ExR指數(shù)和GLI指數(shù)的效果要比NGRDI指數(shù)和ExG指數(shù)好。對(duì)圖4的進(jìn)一步觀察發(fā)現(xiàn),GLI指數(shù)比其他3個(gè)指數(shù)有更多面積較小的“噪點(diǎn)”。這種情況不利于后續(xù)的處理。因此,本文選擇ExG-ExR指數(shù)用于油菜目標(biāo)的識(shí)別和提取。

    圖4 基于4種可見光植被指數(shù)提取的油菜目標(biāo)的疊加(以7號(hào)樣方為例)

    為了解決提取結(jié)果中油菜目標(biāo)存在的斑塊破碎、面積過(guò)小等問(wèn)題,本研究還進(jìn)行一系列的目標(biāo)識(shí)別后處理,包括矢量化、緩沖區(qū)分析、剔除異常值等。緩沖區(qū)分析中,本研究設(shè)置緩沖距離為向外延伸1 cm。進(jìn)行緩沖區(qū)分析的原因在于提取并矢量化后的油菜目標(biāo)間,由于間距、葉片大小和傾角等方面存在差異使得油菜目標(biāo)數(shù)量顯著增加,同時(shí)也對(duì)數(shù)據(jù)的精度造成影響。從解譯的結(jié)果來(lái)看,某些距離較近的油菜目標(biāo),它們可能是同一株油菜不同傾斜方向的葉片,或能合并成一個(gè)完整油菜目標(biāo)。

    異常值的剔除,主要是對(duì)面積過(guò)小的“油菜目標(biāo)”進(jìn)行剔除。本研究根據(jù)影像的空間分辨率,同時(shí)結(jié)合影像獲取時(shí)油菜的生長(zhǎng)情況及對(duì)真彩色影像的解譯結(jié)果,選擇1.16 cm2(約36個(gè)像素)為閾值,剔除面積小于此值的“油菜目標(biāo)”。

    本文基于過(guò)綠-過(guò)紅指數(shù)(ExG-ExR)圖像,對(duì)24個(gè)樣方區(qū)域的影像,分割提取了3 565個(gè)油菜目標(biāo)。圖5展示第7號(hào)樣方區(qū)域中經(jīng)過(guò)后處理得到的用于特征信息提取的矢量油菜目標(biāo)、外接矩形邊界和柵格油菜目標(biāo)。

    圖5 油菜目標(biāo)處理結(jié)果(以7號(hào)樣方為例)

    2.2 油菜植株目標(biāo)形態(tài)特征提取

    油菜株數(shù)識(shí)別的基礎(chǔ)是油菜目標(biāo)的提取,但要得到最終的株數(shù)結(jié)果,還需要完成油菜植株個(gè)體的分割剝離。雖然很多植株群體無(wú)法分割出單獨(dú)的植株個(gè)體,但多株群體其植株數(shù)量往往決定了其目標(biāo)的形態(tài)特征。因此本研究通過(guò)形態(tài)特征估算不同植株目標(biāo)內(nèi)所對(duì)應(yīng)的個(gè)體數(shù)量,即表2提取所得的15類形態(tài)特征。表3是變量間的相關(guān)系數(shù),所有的相關(guān)系數(shù)均在顯著水平= 0.01(雙尾)下顯著。

    2.3 基于形態(tài)參數(shù)的油菜植株數(shù)量估測(cè)模型

    表3中第1列數(shù)據(jù),反映出15類形態(tài)特征參數(shù)與因變量有著較好的相關(guān)性(||> 0.5),其中5(周長(zhǎng)柵格數(shù))與的相關(guān)系數(shù)的絕對(duì)值最大,達(dá)到0.886。這表明基于形態(tài)參數(shù)對(duì)油菜植株數(shù)量進(jìn)行估測(cè)建模具有可行性。

    表3 變量間相關(guān)系數(shù)

    表3的其他列數(shù)據(jù),反映的是兩個(gè)自變量之間的相關(guān)系數(shù),若該值的絕對(duì)值越接近1,表明這些自變量存在較為嚴(yán)重的共線性(一般超過(guò)0.8即認(rèn)為共線性明顯),這會(huì)降低模型的預(yù)測(cè)精度,同時(shí)將難以衡量每個(gè)解釋變量對(duì)總體2的貢獻(xiàn)。因此本文對(duì)這些特征信息進(jìn)行初步篩選時(shí),以0.8作為兩變量之間相關(guān)系數(shù)絕對(duì)值的閾值。

    實(shí)際上,以1(外接矩形的周長(zhǎng))為例,對(duì)表3的第2列分析可得,與1(外接矩形的周長(zhǎng))相關(guān)系數(shù)的絕對(duì)值大于0.8的形態(tài)特征參數(shù)有2(外接矩形的面積)、4(外接矩形的面積周長(zhǎng)比)、5(周長(zhǎng)柵格數(shù))、6(面積柵格數(shù))、8(邊界指數(shù))、9(形狀指數(shù))、12(緊湊度)、13(圓度),其中最大值高達(dá)0.992(4)。這說(shuō)明這些自變量之間存在明顯的共線性。1與2、4、5及6相關(guān)性較高,主要的原因在于它們都與油菜目標(biāo)的幾何特征,如周長(zhǎng)、面積等有著密切的聯(lián)系。因此,根據(jù)這些形態(tài)特征參數(shù)的含義和提取公式(表2)也能進(jìn)一步解釋它們之間存在嚴(yán)重共線性的原因。所以,在這些存在明顯共線性關(guān)系的形態(tài)特征參數(shù)中,本研究選擇與因變量有著最高相關(guān)性的5(周長(zhǎng)柵格數(shù))作為建模的參數(shù)。

    根據(jù)對(duì)表3各列數(shù)據(jù)的分析,本研究最終確定3(外接矩形的長(zhǎng)寬比)、5(周長(zhǎng)柵格數(shù))、10(像素分布密度)共3個(gè)自變量用于建模。

    油菜目標(biāo)外接矩形的長(zhǎng)寬比,是描述油菜目標(biāo)的形態(tài),其值越大,油菜目標(biāo)越狹長(zhǎng),其形狀越趨向于長(zhǎng)方形;反之,油菜目標(biāo)形狀越緊湊,趨向于圓形、正方形。像素分布密度特征描述的是柵格對(duì)象像素在空間分布情況,其值取決于對(duì)象的形狀。正方形對(duì)象的像素分布密度值最大;對(duì)象形狀越狹長(zhǎng),像素分布密度越小。周長(zhǎng)柵格數(shù),反映油菜目標(biāo)邊界所占的柵格個(gè)數(shù),其值越大,周長(zhǎng)越大。

    表4對(duì)3個(gè)自變量分別從總體數(shù)據(jù)和建模數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,每個(gè)特征信息的各項(xiàng)指標(biāo)差異不大,這也驗(yàn)證了抽樣的結(jié)果對(duì)于反映總體的特征具有可靠性,所以抽樣的結(jié)果能應(yīng)用于建模過(guò)程中。

    基于油菜目標(biāo)外接矩形的長(zhǎng)寬比(1)、像素分布密度(2)和周長(zhǎng)柵格數(shù)(3)進(jìn)行油菜植株數(shù)量()的逐步回歸建模。所得模型的2為0.803,值為3 864.825,模型值<0.05,標(biāo)準(zhǔn)估計(jì)誤差為0.699,3個(gè)自變量在模型中均顯著,因此可以認(rèn)為油菜目標(biāo)的植株數(shù)量與其外接矩形的長(zhǎng)寬比、像素分布密度和周長(zhǎng)柵格數(shù)存在線性關(guān)系,建立的回歸方程成立,所得模型方程為

    = 0.3181– 1.592+ 0.013+ 3.32 (9)

    表4 三個(gè)自變量的統(tǒng)計(jì)描述

    注:①表示總體數(shù)據(jù),②表示建模數(shù)據(jù)。1、2、3分別為3105

    Note: ①indicates total data, ②indicates modeling data.1、2、3respectively represent3105

    模型從整體的角度出發(fā),建立了研究區(qū)域所采用的自行探索性研制的不同原理與結(jié)構(gòu)的4種排種器直播作業(yè)下油菜目標(biāo)的植株數(shù)量與形態(tài)特征之間的一般關(guān)系。模型系數(shù)的正負(fù)值顯示,油菜對(duì)象外接矩形的長(zhǎng)寬比、周長(zhǎng)柵格數(shù)與植株數(shù)量成正相關(guān),而像素分布密度與植株數(shù)量成負(fù)相關(guān)。從表3也發(fā)現(xiàn),像素分布密度與外接矩形的長(zhǎng)寬比、周長(zhǎng)柵格數(shù)成負(fù)相關(guān)。因此,模型符合實(shí)際規(guī)律。

    結(jié)合三個(gè)自變量的標(biāo)準(zhǔn)化系數(shù)分析,1、2、3對(duì)應(yīng)標(biāo)準(zhǔn)化系數(shù)分別為0.056、–0.120、0.794。標(biāo)準(zhǔn)化系數(shù)反映的是變量之間的相對(duì)重要性,若該變量波動(dòng)程度較大,則顯得該變量比較重要。因此,從周長(zhǎng)柵格數(shù)的標(biāo)準(zhǔn)化系數(shù)也印證了其波動(dòng)的程度較大,相比像素分布密度,其重要性更明顯。

    綜上所述,本研究所得的模型及其各自變量均具有統(tǒng)計(jì)學(xué)意義,回歸模型的2為0.803,對(duì)總體變異的解釋程度較理想。一般情況下,當(dāng)油菜目標(biāo)外接矩形的長(zhǎng)寬比值越大,其形狀越狹長(zhǎng),像素分布密度也就越小,從而使其周長(zhǎng)柵格數(shù)有所增加,最后該油菜目標(biāo)所對(duì)應(yīng)的植株數(shù)量相對(duì)較多。

    2.4 預(yù)測(cè)結(jié)果與精度評(píng)價(jià)

    模型檢驗(yàn)的結(jié)果顯示(圖6),觀測(cè)值和模型預(yù)測(cè)值擬合2為0.809;油菜目標(biāo)觀測(cè)的株數(shù)總和為1 268株,預(yù)測(cè)總和約為1307株,預(yù)測(cè)總和比觀測(cè)總和多39株,誤差率為3.08%;RMSE為0.728;MAE為0.420。圖6反映了觀測(cè)值和模型預(yù)測(cè)值之間的擬合效果。各項(xiàng)指標(biāo)顯示,模型的檢驗(yàn)結(jié)果較為理想。擬合2>0.8,RMSE、MAE均小于1,且MAE還小于0.5??紤]到在數(shù)據(jù)處理過(guò)程中,對(duì)油菜目標(biāo)進(jìn)行了異常值的剔除,所以所得的結(jié)果仍在合理的范圍內(nèi)。

    圖6 株數(shù)的真實(shí)值和模型預(yù)測(cè)值的比較

    3 結(jié)論與討論

    研究發(fā)現(xiàn),將低空無(wú)人機(jī)遙感技術(shù)與油菜機(jī)械化直播相結(jié)合,能有效識(shí)別油菜機(jī)械直播的出苗株數(shù),可為后續(xù)油菜機(jī)械直播效果的快速、準(zhǔn)確評(píng)估提供技術(shù)支持。識(shí)別的機(jī)械直播油菜目標(biāo)對(duì)應(yīng)的植株數(shù)量與其外接矩形的長(zhǎng)寬比、密度像素分布和周長(zhǎng)柵格數(shù)存在線性關(guān)系,2= 0.803。一般而言,油菜目標(biāo)外接矩形的長(zhǎng)寬比的值越大,其形狀越狹長(zhǎng),像素分布密度就越小,從而使其周長(zhǎng)柵格數(shù)有所增加,最后該油菜目標(biāo)所對(duì)應(yīng)的植株數(shù)量相對(duì)較多。所得模型的2為0.803,通過(guò)顯著性檢驗(yàn),標(biāo)準(zhǔn)估計(jì)誤差為0.699。驗(yàn)證結(jié)果顯示,觀測(cè)值和預(yù)測(cè)值的擬合2為0.809,預(yù)測(cè)總和比觀測(cè)總和多39株,誤差率為3.08%,均方根誤差為0.728,平均絕對(duì)誤差為0.420。

    本研究從整體的角度出發(fā),利用超高分辨率的遙感影像對(duì)研究區(qū)域的機(jī)械直播油菜進(jìn)行株數(shù)識(shí)別并獲得較好的結(jié)果。未來(lái),可以針對(duì)本研究區(qū)域油菜機(jī)械直播所采用的自行探索性研制的不同原理與結(jié)構(gòu)的排種器分別評(píng)估并進(jìn)行對(duì)比,分析這4種排種器機(jī)械直播效果和質(zhì)量的優(yōu)劣,實(shí)現(xiàn)更深入的油菜機(jī)械直播效果和質(zhì)量評(píng)估。除此以外,植株數(shù)量識(shí)別作為油菜機(jī)械播種效果和質(zhì)量評(píng)估的基礎(chǔ),還能在此基礎(chǔ)上進(jìn)行后續(xù)出苗率估算、行距與株距分布特征等播種效果和質(zhì)量評(píng)估的嘗試。

    綜上所述,低空無(wú)人機(jī)遙感技術(shù)在農(nóng)業(yè)現(xiàn)代化、機(jī)械化、規(guī)?;N植等方面的應(yīng)用潛力巨大。低空無(wú)人機(jī)遙感技術(shù)憑借其成本低、易操作、效率高等優(yōu)勢(shì),未來(lái)可能應(yīng)用于油菜或其他作物的機(jī)械播種效果和質(zhì)量的評(píng)估。

    [1] 吳崇友,易中懿.我國(guó)油菜全程機(jī)械化技術(shù)路線的選擇[J].中國(guó)農(nóng)機(jī)化,2009(2):3-6. Wu Chongyou, Yi Zhongyi. Selection of technology route of oilseed rape mechanization in entire production proceeding in China[J]. Chinese Agricultural Mechanization, 2009(2): 3-6. (in Chinese with English abstract)

    [2] 王漢中,殷艷.我國(guó)油料產(chǎn)業(yè)形勢(shì)分析與發(fā)展對(duì)策建議[J].中國(guó)油料作物學(xué)報(bào),2014,36(3):414-421. Wang Hanzhong, Yin Yan. Analysis and strategy for oil crop industry in China[J]. Chinese Journal of Oil Crop Sciences, 2014, 36(3): 414-421. (in Chinese with English abstract)

    [3] 諶國(guó)鵬,馮志峰,李英,等.我國(guó)油菜生產(chǎn)機(jī)械化的現(xiàn)狀、問(wèn)題及對(duì)策[J].中國(guó)種業(yè),2009(8):14-15. Chen Guopeng, Feng Zhifeng, Li Ying, et al. Current situation, problem and countermeasure of rape production mechanization in china[J]. China Seed Industry, 2009(8): 14-15. (in Chinese with English abstract)

    [4] 馬霓,李云昌,胡瓊,等.我國(guó)南方冬油菜機(jī)械化生產(chǎn)農(nóng)藝研究進(jìn)展[J].中國(guó)油料作物學(xué)報(bào),2010, 32(3):451-456. Ma Ni, Li Yunchang, Hu Qiong, et al. Research of agronomic techinques for mechanical production of winter rape (Brassica campestris L.) in south China[J]. Chinese Journal of Oil Crop Sciences, 2010, 32(3): 451-456. (in Chinese with English abstract)

    [5] 周廣生,左青松,廖慶喜,等.我國(guó)油菜機(jī)械化生產(chǎn)現(xiàn)狀、存在問(wèn)題及對(duì)策[J].湖北農(nóng)業(yè)科學(xué),2013, 52(9):2153-2157. Zhou Guangsheng, Zuo Qingsong, Liao Qingxi, et al. Mechanical production status, existing problems and strategy discussion of rapeseed in China[J]. Hubei Agricultural Sciences, 2013, 52(9):2153-2157.(in Chinese with English abstract)

    [6] 吳崇友,王積軍,廖慶喜,等.油菜生產(chǎn)現(xiàn)狀與問(wèn)題分析[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào),2017, 38(1):124-131. Wu Chongyou, Wang Jijun, Liao Qingxi, et al. Current status and problems of rapeseed production[J]. Journal of Chinese Agricultural Mechanization, 2017, 38(1): 124-131.(in Chinese with English abstract)

    [7] 羅錫文,廖娟,胡煉,等.提高農(nóng)業(yè)機(jī)械化水平促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展[J].農(nóng)業(yè)工程學(xué)報(bào),2016, 32(1):1-11. Luo Xiwen, Liao Juan, Hu Lian, et al. Improving agricultural mechanization level to promote agrivultural sustainable development[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 1-11. (in Chinese with English abstract)

    [8] 朱明,陳海軍,李永磊.中國(guó)種業(yè)機(jī)械化現(xiàn)狀調(diào)研與發(fā)展分析[J].農(nóng)業(yè)工程學(xué)報(bào),2015, 31(14):1-7. Zhu Ming, Chen Haijun, Li Yonglei. Investigation and development analysis of seed industry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(14): 1-7. (in Chinese with English abstract)

    [9] 楊松,廖慶喜,陳立,等.2BFQ-6型油菜精量聯(lián)合直播機(jī)播種油菜的田間植株分布規(guī)律[J].農(nóng)業(yè)工程學(xué)報(bào), 2011,27(12):23-28. Yang Song, Liao Qingxi, Chen Li, et al. Distribution of rapeseed sowed by 2BFQ-6 precision planter[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(12): 23-28. (in Chinese with English abstract)

    [10] Shi Yeyin, Wang Ning, Taylor Randal K, et al. Automatic corn plant location and spacing measurement using laser line-scan technique[J]. Precision Agriculture, 2013, 14(5): 478-494.

    [11] Font D, Palleja T, Tresanchez M., et al. Counting red grapes in vineyards by detecting specular spherical reflection peaks in RGB images obtained at night with artificial illumination[J]. Computers and Electronics In Agriculture, 2014, 108: 105-111.

    [12] Colomina I, Molina P. Unmanned aerial systems for photogrammetry and remote sensing: A review[J]. Journal of Photogrammetry and Remote Sensing (ISPRS), 2014, 92: 79-97.

    [13] Zhang Chunhua, Kovacs John M. The application of small unmanned aerial systems for precision agriculture: a review[J]. Precision Agriculture, 2012, 13(6): 693-712.

    [14] 汪沛,羅錫文,周志艷,等.基于微小型無(wú)人機(jī)的遙感信息獲取關(guān)鍵技術(shù)綜述[J].農(nóng)業(yè)工程學(xué)報(bào),2014, 30(18):1-12. Wang Pei, Luo Xiwen, Zhou Zhiyan, et al. Key technology for remote sensing information acquisition based on micro UAV[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(18): 1-12. (in Chinese with English abstract)

    [15] Hunt E Raymond, Hively W Dean, Fujikawa Stephen J, et al. Acquisition of NIR-Green-Blue digital photographs from unmanned aircraft for crop monitoring[J]. Remote Sensing, 2010, 2(1): 290-305.

    [16] Bendig Juliane, Bolten Andreas, Bennertz Simon, et al. Estimating biomass of barley using crop surface models (CSMs) derived from UAV-Based RGB imaging[J]. Remote Sensing, 2014, 6(11): 10395-10412.

    [17] 李冰,劉镕源,劉素紅,等.基于低空無(wú)人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2012, 28(13):160-165. Li Bing, Liu Rongyuan, Liu Suhong, et al. Monitoring vegetation coverage variation of winter wheat by low-altitude UAV remote sensing system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(13): 160-165.(in Chinese with English abstract)

    [18] 王利民,劉佳,楊玲波,等.基于無(wú)人機(jī)影像的農(nóng)情遙感監(jiān)測(cè)應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào),2013, 29(18):136-145. Wang Limin, Liu Jia, Yang Lingbo, et al. Applications of unmanned aerial vehicle images on agricultural remote sensing monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(18):136-145. (in Chinese with English abstract)

    [19] 汪小欽,王苗苗,王紹強(qiáng),等.基于可見光波段無(wú)人機(jī)遙感的植被信息提取[J].農(nóng)業(yè)工程學(xué)報(bào),2015, 31(5):152-157. Wang Xiaoqin, Wang Miaomiao, Wang Shaoqiang, et al. Extraction of vegetation information from visible unmanned aerial vehicle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 152-157. (in Chinese with English abstract)

    [20] Sankaran Sindhuja, Khot Lav R, Carter Arron H. Field-based crop phenotyping: Multispectral aerial imaging for evaluation of winter wheat emergence and spring stand[J]. Computers and Electronics in Agriculture, 2015,118:372-379.

    [21] 高林,楊貴軍,李紅軍,等.基于無(wú)人機(jī)數(shù)碼影像的冬小麥葉面積指數(shù)探測(cè)研究[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2016, 24(9):1254-1264. Gao Lin, Yang Guijun, Li Hongjun, et al. Winter wheat LAI estimation using unmanned aerial vehicle RGB-imaging[J]. Chinese Journal of Eco-Agriculture, 2016, 24(9): 1254-1264. (in Chinese with English abstract)

    [22] 張正健,李愛農(nóng),邊金虎,等.基于無(wú)人機(jī)影像可見光植被指數(shù)的若爾蓋草地地上生物量估算研究[J].遙感技術(shù)與應(yīng)用,2016, 31(1):51-62. Zhang Zhengjian, Li Ainong, Bian Jinhu, et al. Estimating aboveground biomass of grassland in Zoige by visible vegetation index derived from unmanned aerial vehivle image[J]. Remote Sensing Technology And Application, 2016, 31(1): 51-62.(in Chinese with English abstract)

    [23] 丁雷龍,李強(qiáng)子,杜鑫,等.基于無(wú)人機(jī)圖像顏色指數(shù)的植被識(shí)別[J].國(guó)土資源遙感,2016, 28(1):78-86. Ding Leilong, Li Qiangzi, Du Xin, et al. Vegetation extraction method based on color indices from UAV images[J]. 2016, 28(1): 78-86. (in Chinese with English abstract)

    [24] 楊琦,葉豪,黃凱,等.利用無(wú)人機(jī)影像構(gòu)建作物表面模型估測(cè)甘蔗LAI[J].農(nóng)業(yè)工程學(xué)報(bào),2017, 33(8):104-111. Yang Qi, Ye Hao, Huang Kai, et al. Estimation of leaf area index of sugarvane using crop surface model based on UAV image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33 (8): 104-111.(in Chinese with English abstract)

    [25] 郭鈮.植被指數(shù)及其研究進(jìn)展[J].干旱氣象, 2003, 21(4) :71-75. Guo Ni. Vegetation index and its advances[J]. Arid Meteo Rology, 2003, 21(4): 71-75.(in Chinese with English abstract)

    [26] 田慶久,閔祥軍.植被指數(shù)研究進(jìn)展[J].地球科學(xué)進(jìn)展,1998, 13(4):10-16. Tian Qingjiu, Min Xiangjun. Advances in study on vegetation indices[J]. Advance in Earth Sciences, 1998, 13(4): 10-16. (in Chinese with English abstract)

    [27] Otsu N. Threshold selection method from gray-level histograms[J]. Systems Man & Cybernetics IEEE ransactions on, 1979, 9(1): 62-66.

    [28] 潘林,潘發(fā)明.SPSS統(tǒng)計(jì)分析大全[M].北京:清華大學(xué)出版社,2016.

    [29] Trimble. eCognition Developer 9.0 Reference Book[Z]. 2014.

    趙必權(quán),丁幼春,蔡曉斌,謝 靜,廖慶喜,張 建.基于低空無(wú)人機(jī)遙感技術(shù)的油菜機(jī)械直播苗期株數(shù)識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào),2017,33(19):115-123. doi:10.11975/j.issn.1002-6819.2017.19.015 http://www.tcsae.org

    Zhao Biquan, Ding Youchun, Cai Xiaobin, Xie Jing, Liao Qingxi, Zhang Jian. Seedlings number identification of rape planter based on low altitude unmanned aerial vehicles remote sensing technology[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 115-123. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2017.19.015 http://www.tcsae.org

    Seedlings number identification of rape planter based on low altitude unmanned aerial vehicles remote sensing technology

    Zhao Biquan1,2, Ding Youchun3, Cai Xiaobin4, Xie Jing5, Liao Qingxi3, Zhang Jian1,2※

    (1.430070,; 2.(),430070,; 3.430070,; 4.430077,; 5.430070,)

    Identification of plant number of rape seedlings is the key to evaluating effect and quality of mechanical planting. In terms of the long-lasting and inefficient manual statistics in plant quantity detection of rape seedlings planted mechanically, this article explored a new means to automatically identify the number by a low altitude unmanned aerial vehicles (UAV) remote sensing system with ultra-high resolution. A color vegetation index, excess green - excess red (ExG-ExR), was chosen for image segmentation which was performed by Otsu algorithm. The features of rape plant like spectral and shape information were extracted after image segmentation. Combined with the field survey data, the research applied stepwise multiple regression analysis to build the relationship between the plant number of rape seedlings and features. The low altitude UAV used in research was integrated with an ultra-high resolution sensor, Nikon D800, an FX-format digital single lens reflex (DSLR) camera with effective pixel count of 36.3 million for definition and image quality. Its ultra-high resolution (0.18 cm/pixel) made the identification of rape seedlings plant number possible, although it captured RGB (red, green, blue) images. In fact, there were several color vegetation indices based on visible band. And the research on them had an outstanding achievement. This article compared the ExG, ExG-ExR, normalized green-red difference (NGRD) and green leaf index (GLI), which were commonly used in the study, especially in the UAV digital image system. The result of image segmentation showed that all the color vegetation indices could be suitable for the rape seedlings area identification and extraction. In the end, ExG-ExR was chosen in this paper because it was matched with the area of rape seedlings in RGB image best, while GLI had a lot of noise. Before feature extraction, there were some post-processings for the segmentation objects, such as vectorization, buffer analysis, abnormal object elimination and field survey data input. Finally, in 24 quadrats of this research area, 3 565 segmentation objects of rape with 15 shape features were identified and extracted. Eighty percent of them were randomly selected for regression, while the remaining 20% were used for testing. A correlation analysis for 15 shape features was conducted to solve the problem of choosing independent variables preliminarily. Three shape features, i.e. the length-to-width ratio of the minimum bounding rectangle, the distribution density of the pixels and the raster number of perimeter, were chosen for the stepwise multiple regression analysis. For the minimum bounding rectangle of vector segmentation rape objects, the length-to-width ratio was calculated. The distribution density of the pixels describes the distribution of the pixels of a segmentation object in space. The most “dense” shape is a square; the more an object is shaped like a filament, the lower its density. The raster number of perimeter is the sum of the raster numbers of border length for a segmentation object. The result indicated that there was a linear relationship between the plant number and 3 selected shape features. The model showed a determination coefficient2of 0.803 with high significance, and its standard error of estimate (SEE) was 0.699. Furthermore, strong correlation existed between the ground-measured and model-predicted plant number (2=0.809) in the test, and the root-mean-square error (RMSE) was 0.728. Overall, by calculating the color vegetation index and analyzing the correlation between rape seedlings plant number and features, the application of low altitude UAV remote sensing system integrated with ultra-high resolution sensor can effectively identify the plant number of rape seedlings planted by mechanical planter. Based on the automatic identification of rape seedlings plant number, the estimation of rape seedlings emergence and the distribution characteristic of row and plant space would be the next study direction for the evaluation on effect and quality of mechanical planting of rape seedlings.

    unmanned aerial vehicles; remote sensing; models; rape; mechanical planting; plant number; multiple regression

    10.11975/j.issn.1002-6819.2017.19.015

    TP75;S127

    A

    1002-6819(2017)-19-0115-09

    2017-05-15

    2017-08-05

    國(guó)家自然科學(xué)基金(41201364,31501222);中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2017JC038, 2015BQ026,2014QC013)

    趙必權(quán),廣東佛山人,博士生,主要從事基于低空遙感技術(shù)的的田間表型觀測(cè)方法研究。武漢 華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院,430070。Email:zhaobiq@163.com

    ※通信作者:張 建,湖北大冶人,副教授,主要從事基于低空遙感技術(shù)的的田間表型觀測(cè)平臺(tái)研制及相關(guān)理論方法研究。武漢 華中農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院,430070。Email:JZ@mail.hzau.edu.cn

    猜你喜歡
    株數(shù)植被指數(shù)柵格
    基于鄰域柵格篩選的點(diǎn)云邊緣點(diǎn)提取方法*
    我院耐碳青霉烯類腸桿菌科細(xì)菌感染分布特點(diǎn)及耐藥性分析
    優(yōu)質(zhì)米水稻品種龍稻18配套栽培技術(shù)研究
    AMSR_2微波植被指數(shù)在黃河流域的適用性對(duì)比與分析
    河南省冬小麥產(chǎn)量遙感監(jiān)測(cè)精度比較研究
    巧解“植樹問(wèn)題”
    主要植被指數(shù)在生態(tài)環(huán)評(píng)中的作用
    西藏科技(2015年1期)2015-09-26 12:09:29
    基于MODIS數(shù)據(jù)的植被指數(shù)與植被覆蓋度關(guān)系研究
    不同剖面形狀的柵格壁對(duì)柵格翼氣動(dòng)特性的影響
    春季保護(hù)地蔓生四季豆每穴株數(shù)與栽培密度試驗(yàn)
    日韩国内少妇激情av| 男人操女人黄网站| 亚洲精品久久成人aⅴ小说| 日韩国内少妇激情av| 黄色毛片三级朝国网站| 淫妇啪啪啪对白视频| 夜夜爽天天搞| 精品一区二区三区视频在线观看免费| 亚洲欧美激情综合另类| 亚洲熟妇中文字幕五十中出| 免费在线观看影片大全网站| 夜夜躁狠狠躁天天躁| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲精品色激情综合| 免费无遮挡裸体视频| 日韩欧美国产在线观看| 国产熟女午夜一区二区三区| 亚洲中文av在线| 欧美又色又爽又黄视频| 亚洲va日本ⅴa欧美va伊人久久| 夜夜夜夜夜久久久久| 18禁美女被吸乳视频| 国产av一区二区精品久久| 国产精品一区二区精品视频观看| 国产单亲对白刺激| 久久久国产成人免费| 亚洲无线在线观看| 久久精品人妻少妇| 又黄又粗又硬又大视频| www.精华液| 亚洲国产精品成人综合色| 在线永久观看黄色视频| 老司机靠b影院| 看黄色毛片网站| 少妇的丰满在线观看| 久久性视频一级片| 在线观看午夜福利视频| 99国产精品一区二区蜜桃av| 久久精品夜夜夜夜夜久久蜜豆 | 99国产综合亚洲精品| 国产99白浆流出| 日韩大尺度精品在线看网址| 久久午夜亚洲精品久久| 欧美黑人欧美精品刺激| 男人舔奶头视频| 色婷婷久久久亚洲欧美| 国产又黄又爽又无遮挡在线| 给我免费播放毛片高清在线观看| 免费高清视频大片| 韩国精品一区二区三区| 欧美激情久久久久久爽电影| 校园春色视频在线观看| 麻豆成人午夜福利视频| 国产精品自产拍在线观看55亚洲| 精品福利观看| 久久精品91蜜桃| 欧美又色又爽又黄视频| 国产蜜桃级精品一区二区三区| АⅤ资源中文在线天堂| 日韩欧美免费精品| 99riav亚洲国产免费| 精品一区二区三区四区五区乱码| 欧美成人免费av一区二区三区| 精品国产乱子伦一区二区三区| 成人永久免费在线观看视频| 一二三四在线观看免费中文在| 欧美+亚洲+日韩+国产| 久热这里只有精品99| 国产精品自产拍在线观看55亚洲| 中国美女看黄片| 亚洲欧洲精品一区二区精品久久久| 欧美 亚洲 国产 日韩一| 午夜免费成人在线视频| 国产成人精品无人区| 午夜久久久在线观看| 亚洲精品一卡2卡三卡4卡5卡| 国产真人三级小视频在线观看| av视频在线观看入口| 久久久国产成人精品二区| 中文资源天堂在线| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产欧美一区二区综合| 国产av一区在线观看免费| av免费在线观看网站| 日韩欧美一区二区三区在线观看| 久久香蕉激情| 久久精品国产综合久久久| 大型黄色视频在线免费观看| 亚洲国产欧洲综合997久久, | 变态另类成人亚洲欧美熟女| АⅤ资源中文在线天堂| 亚洲成国产人片在线观看| 757午夜福利合集在线观看| av在线播放免费不卡| 国产精品 国内视频| 国内久久婷婷六月综合欲色啪| 黑人巨大精品欧美一区二区mp4| 在线免费观看的www视频| 欧美乱妇无乱码| 欧美一级a爱片免费观看看 | 亚洲精品中文字幕一二三四区| 亚洲成a人片在线一区二区| 看黄色毛片网站| 国产三级在线视频| 99国产精品一区二区蜜桃av| 丰满人妻熟妇乱又伦精品不卡| 亚洲熟女毛片儿| 天堂√8在线中文| 好男人在线观看高清免费视频 | 亚洲精品美女久久av网站| 久99久视频精品免费| 一区二区三区国产精品乱码| 精品久久久久久,| 两个人视频免费观看高清| 亚洲一区高清亚洲精品| 日韩中文字幕欧美一区二区| videosex国产| 欧美国产日韩亚洲一区| 国产一级毛片七仙女欲春2 | 国产精品国产高清国产av| 少妇被粗大的猛进出69影院| 久99久视频精品免费| 色综合婷婷激情| 国产男靠女视频免费网站| 欧美日韩中文字幕国产精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 在线观看www视频免费| 亚洲精品美女久久久久99蜜臀| 欧美色视频一区免费| 精品久久久久久久久久免费视频| 91成人精品电影| 欧美成人性av电影在线观看| 国产av一区在线观看免费| 亚洲精品中文字幕在线视频| 国内毛片毛片毛片毛片毛片| 日韩欧美国产在线观看| 人人妻,人人澡人人爽秒播| 亚洲七黄色美女视频| 成人18禁在线播放| 国产精品久久久久久亚洲av鲁大| 亚洲精华国产精华精| 欧美一级a爱片免费观看看 | а√天堂www在线а√下载| www.熟女人妻精品国产| 国产精品久久久久久亚洲av鲁大| av超薄肉色丝袜交足视频| 精品久久久久久久久久免费视频| 亚洲自拍偷在线| av视频在线观看入口| 最新美女视频免费是黄的| 亚洲成人久久性| 亚洲性夜色夜夜综合| 欧美中文综合在线视频| 国产高清视频在线播放一区| 亚洲精品中文字幕一二三四区| 正在播放国产对白刺激| 国产精品久久久久久亚洲av鲁大| www.www免费av| 啦啦啦观看免费观看视频高清| 亚洲精品在线观看二区| 十八禁人妻一区二区| 中文字幕久久专区| 欧美黑人精品巨大| 免费在线观看亚洲国产| 精品少妇一区二区三区视频日本电影| 亚洲国产欧洲综合997久久, | 欧美午夜高清在线| av福利片在线| 黄色成人免费大全| 国产私拍福利视频在线观看| 国产麻豆成人av免费视频| 少妇熟女aⅴ在线视频| 免费av毛片视频| bbb黄色大片| 亚洲一区中文字幕在线| 欧美黑人欧美精品刺激| 亚洲av电影不卡..在线观看| 日韩精品青青久久久久久| 亚洲黑人精品在线| 精品一区二区三区av网在线观看| 99re在线观看精品视频| 国产成人一区二区三区免费视频网站| 精品少妇一区二区三区视频日本电影| 中文字幕另类日韩欧美亚洲嫩草| 久久青草综合色| 美女免费视频网站| 一级作爱视频免费观看| 变态另类成人亚洲欧美熟女| 欧美日韩亚洲综合一区二区三区_| 法律面前人人平等表现在哪些方面| 少妇粗大呻吟视频| 久久人人精品亚洲av| 精品久久久久久久末码| 久久精品国产综合久久久| 少妇被粗大的猛进出69影院| 久久久国产成人精品二区| 亚洲三区欧美一区| 51午夜福利影视在线观看| 国产又黄又爽又无遮挡在线| 国产在线观看jvid| 欧美日韩福利视频一区二区| 手机成人av网站| АⅤ资源中文在线天堂| 国产高清videossex| 一区二区三区高清视频在线| 丝袜人妻中文字幕| 亚洲最大成人中文| videosex国产| 亚洲人成网站高清观看| 日本 av在线| 欧美成狂野欧美在线观看| 中文字幕精品免费在线观看视频| 久久香蕉国产精品| 丰满人妻熟妇乱又伦精品不卡| 此物有八面人人有两片| 狠狠狠狠99中文字幕| 黑人欧美特级aaaaaa片| 一a级毛片在线观看| 青草久久国产| 黄色成人免费大全| 免费看美女性在线毛片视频| 真人做人爱边吃奶动态| 亚洲成av片中文字幕在线观看| 在线av久久热| 丝袜在线中文字幕| 日韩大码丰满熟妇| 亚洲国产精品合色在线| 国产精品av久久久久免费| 国产人伦9x9x在线观看| 亚洲第一av免费看| 日韩一卡2卡3卡4卡2021年| 又紧又爽又黄一区二区| 国产精品精品国产色婷婷| 精品第一国产精品| 亚洲精品久久成人aⅴ小说| 无人区码免费观看不卡| 国产99白浆流出| 两个人视频免费观看高清| 日日爽夜夜爽网站| 国产蜜桃级精品一区二区三区| 日韩一卡2卡3卡4卡2021年| 亚洲熟女毛片儿| 国产黄色小视频在线观看| 精品国产乱子伦一区二区三区| 中文字幕人成人乱码亚洲影| 欧美丝袜亚洲另类 | 老熟妇乱子伦视频在线观看| 国产一区二区在线av高清观看| 人妻久久中文字幕网| 一区二区三区高清视频在线| 国产色视频综合| 久久久久国产精品人妻aⅴ院| 19禁男女啪啪无遮挡网站| 亚洲男人的天堂狠狠| 欧美又色又爽又黄视频| 久99久视频精品免费| 女同久久另类99精品国产91| 日本a在线网址| 国产精品野战在线观看| 男女床上黄色一级片免费看| 中文字幕最新亚洲高清| 男人舔女人下体高潮全视频| 欧美丝袜亚洲另类 | 亚洲三区欧美一区| 午夜福利在线观看吧| 久久精品国产综合久久久| 亚洲久久久国产精品| 99热这里只有精品一区 | 国产亚洲精品av在线| 免费在线观看完整版高清| 欧美成人免费av一区二区三区| www.自偷自拍.com| 免费在线观看黄色视频的| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久人妻精品电影| 男男h啪啪无遮挡| 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| 人人妻人人澡欧美一区二区| 国产极品粉嫩免费观看在线| 国产一级毛片七仙女欲春2 | 午夜影院日韩av| 国产熟女午夜一区二区三区| 国产99白浆流出| 亚洲五月天丁香| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品1区2区在线观看.| 在线天堂中文资源库| 国产av一区在线观看免费| 美女免费视频网站| 可以免费在线观看a视频的电影网站| 999久久久国产精品视频| 男人的好看免费观看在线视频 | 黄色女人牲交| 成人亚洲精品av一区二区| 最好的美女福利视频网| 久久香蕉激情| 悠悠久久av| 午夜免费激情av| 亚洲最大成人中文| 日日干狠狠操夜夜爽| 中文字幕高清在线视频| 久久香蕉国产精品| 久久 成人 亚洲| 欧美黑人欧美精品刺激| 久久午夜综合久久蜜桃| 久久中文看片网| 欧洲精品卡2卡3卡4卡5卡区| 亚洲美女黄片视频| 国产精品亚洲av一区麻豆| 亚洲全国av大片| 欧美乱妇无乱码| 在线观看免费视频日本深夜| 丝袜人妻中文字幕| 亚洲成人免费电影在线观看| av超薄肉色丝袜交足视频| 色婷婷久久久亚洲欧美| 大型av网站在线播放| 一本大道久久a久久精品| 91成年电影在线观看| 91老司机精品| 天堂动漫精品| 精品国产乱子伦一区二区三区| 国产一卡二卡三卡精品| 成人18禁在线播放| 欧美午夜高清在线| 成人18禁高潮啪啪吃奶动态图| 黄色女人牲交| 中文字幕最新亚洲高清| 国产精品免费一区二区三区在线| 久久人妻av系列| 一区福利在线观看| 一卡2卡三卡四卡精品乱码亚洲| 国产三级在线视频| 亚洲成国产人片在线观看| 精品人妻1区二区| 欧美日韩福利视频一区二区| 久久精品人妻少妇| 日韩一卡2卡3卡4卡2021年| 成人国产一区最新在线观看| 国产国语露脸激情在线看| 在线观看www视频免费| www.www免费av| 在线观看66精品国产| 免费搜索国产男女视频| 欧美激情久久久久久爽电影| 一个人观看的视频www高清免费观看 | 后天国语完整版免费观看| 国产视频一区二区在线看| 亚洲av日韩精品久久久久久密| 成人三级做爰电影| 午夜影院日韩av| 天堂√8在线中文| 黄片播放在线免费| 国产精品二区激情视频| xxx96com| 日本精品一区二区三区蜜桃| 99精品在免费线老司机午夜| 欧美日韩中文字幕国产精品一区二区三区| 亚洲av片天天在线观看| 欧美性猛交╳xxx乱大交人| 国产亚洲精品综合一区在线观看 | 久99久视频精品免费| 12—13女人毛片做爰片一| 精品欧美国产一区二区三| 亚洲 欧美 日韩 在线 免费| 久久性视频一级片| 午夜视频精品福利| 国产极品粉嫩免费观看在线| 国产av在哪里看| 亚洲成人久久爱视频| 久久婷婷成人综合色麻豆| 最近在线观看免费完整版| 国产视频一区二区在线看| av视频在线观看入口| 岛国在线观看网站| 精品久久久久久久末码| 成人特级黄色片久久久久久久| 免费看十八禁软件| 欧美日韩黄片免| 制服诱惑二区| 成人国产一区最新在线观看| 国产97色在线日韩免费| 啦啦啦免费观看视频1| 精品午夜福利视频在线观看一区| 两个人免费观看高清视频| 熟女少妇亚洲综合色aaa.| 国产成人系列免费观看| 日韩欧美在线二视频| 少妇被粗大的猛进出69影院| 黄片播放在线免费| 国产精品日韩av在线免费观看| 精品久久久久久久人妻蜜臀av| 欧美性猛交黑人性爽| 亚洲av片天天在线观看| 搡老妇女老女人老熟妇| 欧美日韩精品网址| 午夜福利视频1000在线观看| 一进一出抽搐gif免费好疼| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲av成人不卡在线观看播放网| 最新在线观看一区二区三区| 男人舔女人下体高潮全视频| 91大片在线观看| 天堂动漫精品| 午夜日韩欧美国产| 精品国产乱码久久久久久男人| 亚洲一区二区三区不卡视频| 亚洲精品中文字幕一二三四区| 美女国产高潮福利片在线看| 18禁裸乳无遮挡免费网站照片 | 亚洲aⅴ乱码一区二区在线播放 | 亚洲男人天堂网一区| 九色国产91popny在线| 亚洲国产欧洲综合997久久, | 亚洲av第一区精品v没综合| 日韩精品中文字幕看吧| 18禁美女被吸乳视频| 免费一级毛片在线播放高清视频| 国产主播在线观看一区二区| 国产单亲对白刺激| 一区二区日韩欧美中文字幕| 91大片在线观看| 免费高清视频大片| 99久久99久久久精品蜜桃| 欧美性猛交╳xxx乱大交人| 精品国产乱子伦一区二区三区| 日本精品一区二区三区蜜桃| 国产1区2区3区精品| 亚洲中文av在线| 热re99久久国产66热| 久久中文字幕人妻熟女| 曰老女人黄片| 欧美乱妇无乱码| 日韩免费av在线播放| av片东京热男人的天堂| 亚洲精品久久成人aⅴ小说| 最新美女视频免费是黄的| 国产成年人精品一区二区| 欧美最黄视频在线播放免费| 叶爱在线成人免费视频播放| 婷婷精品国产亚洲av| a在线观看视频网站| 国产一区二区三区视频了| 人人妻人人澡人人看| 亚洲自拍偷在线| 法律面前人人平等表现在哪些方面| 国产私拍福利视频在线观看| 国产激情偷乱视频一区二区| 亚洲av第一区精品v没综合| 一二三四在线观看免费中文在| 成年人黄色毛片网站| 成人国产一区最新在线观看| 91麻豆av在线| 少妇被粗大的猛进出69影院| 国产激情久久老熟女| 国产成人系列免费观看| 亚洲免费av在线视频| 亚洲真实伦在线观看| 精品日产1卡2卡| 亚洲成人国产一区在线观看| 中文字幕高清在线视频| 99国产精品一区二区蜜桃av| 999久久久精品免费观看国产| 国产成人一区二区三区免费视频网站| 国产真人三级小视频在线观看| 天堂影院成人在线观看| 亚洲av日韩精品久久久久久密| 免费在线观看视频国产中文字幕亚洲| 日韩大码丰满熟妇| 自线自在国产av| 老司机午夜福利在线观看视频| 他把我摸到了高潮在线观看| 日日爽夜夜爽网站| 两个人视频免费观看高清| 中文亚洲av片在线观看爽| 国产麻豆成人av免费视频| 搡老岳熟女国产| 午夜久久久久精精品| 老汉色av国产亚洲站长工具| 搡老熟女国产l中国老女人| 国产精品 国内视频| 老汉色∧v一级毛片| e午夜精品久久久久久久| 国产真人三级小视频在线观看| 成人18禁高潮啪啪吃奶动态图| 视频区欧美日本亚洲| 岛国在线观看网站| 好男人在线观看高清免费视频 | 日本在线视频免费播放| 啦啦啦 在线观看视频| 国产成+人综合+亚洲专区| 在线观看午夜福利视频| 日韩精品青青久久久久久| 婷婷丁香在线五月| 亚洲成av片中文字幕在线观看| 韩国av一区二区三区四区| a级毛片在线看网站| 一进一出抽搐gif免费好疼| 少妇的丰满在线观看| 亚洲,欧美精品.| 在线国产一区二区在线| 中亚洲国语对白在线视频| ponron亚洲| 欧美成人免费av一区二区三区| 国产成年人精品一区二区| 女人爽到高潮嗷嗷叫在线视频| 中国美女看黄片| www.自偷自拍.com| 日本在线视频免费播放| 国产一区二区激情短视频| 欧美精品啪啪一区二区三区| 国产亚洲av嫩草精品影院| 最好的美女福利视频网| 91大片在线观看| 亚洲性夜色夜夜综合| 久久国产精品影院| 午夜激情福利司机影院| 国产免费av片在线观看野外av| 国产精品野战在线观看| 夜夜爽天天搞| 欧美+亚洲+日韩+国产| www.精华液| 亚洲中文av在线| 免费无遮挡裸体视频| 在线观看免费午夜福利视频| 国产真人三级小视频在线观看| 欧美一级a爱片免费观看看 | 久久精品国产99精品国产亚洲性色| 久久中文看片网| 香蕉久久夜色| 俺也久久电影网| 少妇粗大呻吟视频| 欧美成人免费av一区二区三区| 亚洲熟妇中文字幕五十中出| 欧美精品啪啪一区二区三区| 欧美人与性动交α欧美精品济南到| 亚洲精品在线观看二区| 级片在线观看| 色综合站精品国产| 国产免费男女视频| 一边摸一边抽搐一进一小说| 亚洲专区中文字幕在线| 欧美中文综合在线视频| 淫秽高清视频在线观看| 国产视频一区二区在线看| 两人在一起打扑克的视频| 精品国产美女av久久久久小说| 精品国产国语对白av| 18美女黄网站色大片免费观看| 天天躁夜夜躁狠狠躁躁| 亚洲男人的天堂狠狠| 成人免费观看视频高清| 黑人巨大精品欧美一区二区mp4| 日本撒尿小便嘘嘘汇集6| 久久狼人影院| 久久久久久久久免费视频了| 精品免费久久久久久久清纯| 成人av一区二区三区在线看| 99热这里只有精品一区 | 成人手机av| 色在线成人网| 免费观看精品视频网站| 人成视频在线观看免费观看| 嫩草影视91久久| 97超级碰碰碰精品色视频在线观看| 免费电影在线观看免费观看| 亚洲专区字幕在线| 国产熟女午夜一区二区三区| 国产高清激情床上av| 在线国产一区二区在线| 久久久久九九精品影院| 此物有八面人人有两片| 久久人妻av系列| 亚洲欧美一区二区三区黑人| 午夜视频精品福利| 女人被狂操c到高潮| www.999成人在线观看| 一本大道久久a久久精品| 久久久国产成人免费| 一区二区日韩欧美中文字幕| 欧美日本视频| 午夜精品在线福利| 亚洲片人在线观看| 一级毛片精品| 丝袜人妻中文字幕| 丁香欧美五月| 一级毛片高清免费大全| 一本久久中文字幕| 啦啦啦免费观看视频1| 亚洲av中文字字幕乱码综合 | 国产精品影院久久| 日本一本二区三区精品| 18禁美女被吸乳视频| 精品电影一区二区在线| 国内久久婷婷六月综合欲色啪| 国产精品精品国产色婷婷| 久久婷婷成人综合色麻豆| svipshipincom国产片| 久久人妻福利社区极品人妻图片| 每晚都被弄得嗷嗷叫到高潮| 欧美国产日韩亚洲一区| 日韩欧美免费精品| 国内少妇人妻偷人精品xxx网站 | 亚洲avbb在线观看| 黑丝袜美女国产一区| 999久久久精品免费观看国产| 成人亚洲精品av一区二区| 亚洲人成77777在线视频| 亚洲电影在线观看av| 91麻豆av在线| 亚洲av电影在线进入| 亚洲精品国产区一区二| 法律面前人人平等表现在哪些方面| 国产精品av久久久久免费|