• <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 ?

    基于光譜指數(shù)和機器學習的土壤有機質(zhì)含量反演

    2020-03-03 14:37:13朱傳梅王宏衛(wèi)謝霞馬利剛仝雁軍古力孜熱·買買提
    江蘇農(nóng)業(yè)科學 2020年22期
    關(guān)鍵詞:土壤有機質(zhì)遙感機器學習

    朱傳梅 王宏衛(wèi) 謝霞 馬利剛 仝雁軍 古力孜熱·買買提

    摘要:土壤有機質(zhì)(SOM)是衡量礦區(qū)生態(tài)環(huán)境質(zhì)量的重要指標之一。為了提高SOM含量的估算精度,在已有二波段指數(shù)的基礎(chǔ)上加入第3個波段,構(gòu)建新的三波段指數(shù),利用極限學習機(ELM)和隨機森林(RF)分別建立SOM含量的預測模型。在新疆準東煤田采集168個土壤樣點,在室內(nèi)進行SOM含量、光譜的測定。對光譜數(shù)據(jù)進行平滑和預處理后,構(gòu)建多個兩波段、三波段光譜指數(shù),隨后分析不同維度光譜數(shù)據(jù)與SOM含量的敏感程度和敏感區(qū)域。ELM和RF被用于對每個維度最優(yōu)光譜參數(shù)建立預測模型。研究結(jié)果顯示,無論采用哪種方式建模,每個維度的光譜數(shù)據(jù)與SOM含量的敏感程度和建模精度均隨信息維度的增加而增加,即三波段指數(shù)(TBI)>二波段指數(shù)>一維光譜數(shù)據(jù)。在三波段指數(shù)中,ELM的預測效果要優(yōu)于RF,其中(TBI-4)-ELM的預測效果最好,決定系數(shù)(r2)=0.87,均方根誤差(RMSEP)=4.07,相對分析誤差(RPD)=2.63。三波段指數(shù)與ELM的結(jié)合,可以很好地減弱土壤信息噪聲,提高SOM含量的預測精度。

    關(guān)鍵詞:遙感;光譜分析;土壤有機質(zhì);光譜指數(shù);機器學習

    中圖分類號:S153.6+21文獻標志碼:A

    文章編號:1002-1302(2020)22-0233-09

    作者簡介:朱傳梅(1993—),女,新疆昌吉人,碩士研究生,主要從事綠洲聚落景觀與土壤有機質(zhì)研究。E-mail:aspiration818@163.com。

    通信作者:王宏衛(wèi),博士,教授,碩士生導師,主要從事干旱區(qū)綠洲聚落生態(tài)安全格局與土壤重金屬研究。E-mail:wanghw_777@163.com。

    礦產(chǎn)資源的開采和加工可以帶來更多的經(jīng)濟效益,但是開采煤礦會干擾土層,破壞植被,使土壤失去利用價值,這對土地資源的可持續(xù)發(fā)展和生態(tài)環(huán)境構(gòu)成嚴重威脅[1]。在我國,大型的露天煤礦多集中分布于干旱、半干旱生態(tài)脆弱的地帶,該地區(qū)土壤自身修復能力極弱,生態(tài)敏感性極強,再加上礦產(chǎn)資源長期大量被開采和加工,導致當?shù)丨h(huán)境問題和生態(tài)修復問題日益突出[2]。土壤是陸地生態(tài)系統(tǒng)中許多生態(tài)過程(例如養(yǎng)分循環(huán)、水平衡、凋落物分解等)的基礎(chǔ),土壤有機質(zhì)狀態(tài)是衡量退化生態(tài)系統(tǒng)中生態(tài)功能恢復和維持的關(guān)鍵指標[3]。因此,無損地監(jiān)測土壤有機質(zhì)(SOM)含量有助于礦區(qū)環(huán)境管理和生態(tài)恢復。一般的SOM含量測定多基于大量的野外土壤采樣和繁瑣的室內(nèi)化學分析方法,較費時、費力、耗資,無法滿足現(xiàn)代精細農(nóng)業(yè)發(fā)展的需要[3]。與傳統(tǒng)的方法相比,遙感技術(shù)是一種很有前景的土壤屬性定量評估方法,具有快速響應、成本低、采集快等特點,可以很好地用來描述、評估不同尺度下表層土壤的各種特征[4]。因此,基于不同的光譜反射和吸收特性,可見光-近紅外光譜(VIS-NIR)分析技術(shù)可以作為一種替代方法,保證SOM含量的準確估算。

    土壤是由多種物質(zhì)組成的混合物,其反射光譜常包括背景噪聲、基線漂移、傾斜等干擾信息,直接用來進行SOM含量的估算得到的結(jié)果并不理想[5]。相關(guān)研究表明,光譜預處理方法能夠較好地移除噪聲、突出光譜曲線特征、去除或減弱其他因素的影響,為建立具有較高精度的估測模型提供可能[5]。光譜微分是增加信噪比的主要技術(shù)手段之一,其中一階微分(FD)可去除不同的背景噪聲和基線漂移,擴大樣本間光譜的差異,反映被測物體的本質(zhì)特征。連續(xù)統(tǒng)去除(CR)法可減小散射對目標光譜的影響,同時可放大微弱光譜的吸收特性[5]。這2種預處理技術(shù)被廣泛地應用于VIS-NIR分析中,對建立預測能力強、穩(wěn)健性好的分析模型至關(guān)重要。

    以往對于SOM的研究是在一維層面(全波段反射率或?qū)臄?shù)學變換)上選取單個敏感波段或多個敏感波段進行建模,該方法僅考慮了SOM與光譜間的關(guān)系,并沒有考慮光譜間的重疊吸收或相互影響[3-4]。光譜指數(shù)是由幾個窄波段或?qū)挷ǘ谓M合而成,可通過分析特定波段間的相互作用,提高對待測屬性的敏感程度。Wang等采用最優(yōu)兩波段指數(shù)對土壤鹽分含量進行分析和預測,取得了較顯著的成果[3]。然而,Tian等在水稻葉片氮濃度的定量估測中,對比了兩波段指數(shù)和三波段指數(shù)的估算能力[4],這些研究和提出的指標表明,通過兩波段指數(shù)評估某些參數(shù)存在不足。對于土壤這種組成極為復雜的物質(zhì),兩波段指數(shù)能否很好地消除或減弱土壤中其他物質(zhì)產(chǎn)生光的散射和分子的非特征吸收的干擾有待于進一步研究。

    機器學習算法在解析非線性問題時表現(xiàn)能力較好,常用于土壤屬性的定量化估測,其中,極限學習機(ELM)和隨機森林(RF)更是研究的焦點。Douglas等在估算土壤中總石油烴(TPH)含量時,發(fā)現(xiàn)與線性偏最小二乘回歸(PLSR)法相比,RF模型能更好地反映土壤光譜的非線性響應,從而提供更高的預測精度[6]。然而,ELM和RF能否在較多的土壤信息噪聲中(如嚴重的人為影響)和較低的SOM水平(如干旱區(qū)嚴重的荒漠化影響)下,建立SOM含量和光譜參數(shù)的聯(lián)系,并達到一定的預測精度,有待進一步研究。

    本研究的目的:(1)利用波段優(yōu)化算法,構(gòu)建新的三波段光譜指數(shù);(2)量化不同維度的光譜參數(shù)對SOM的響應;(3)通過比較SOM的預測精度,尋找最有效的建模方法。

    1材料與方法

    1.1研究區(qū)介紹和土壤樣本的制備

    研究區(qū)為準東煤田,位于我國新疆準噶爾盆地東南緣(43°45′~45°00′N,88°45′~91°10′E)為13000km2的露天煤田,煤炭儲量預估可達到3900億t[2]。它是世界上最大的綜合煤田,被譽為“中國工業(yè)糧倉”。該地為極端干燥的大陸性氣候,年平均降水量、溫度分別為140~183mm、5.3~7.3℃。土壤母質(zhì)為第四紀沖積沉積物,地表植被稀疏。準東煤田的主要土地利用和土地覆被類型為荒地、草地、農(nóng)田等。自2006年準東煤礦啟動以來,大量的工礦活動已造成了生態(tài)失衡和嚴重的環(huán)境污染,土壤性質(zhì)可能正在發(fā)生變化。

    2014年6月,筆者所在研究團隊收集了168個土壤樣本,期間未發(fā)生極端天氣(如大雨或強風)。研究區(qū)主要地形為丘陵,因此該試驗的主要設(shè)計路線是沿著道路進行。在確保車輛和人員安全的前提下,選擇距離道路較平坦的區(qū)域(>300m)作為采樣地點。在每個采樣點,用木鏟收集直徑在10m以內(nèi)的5個子樣本的表土樣本(土壤深度為0~20cm),并混合成復合樣本(質(zhì)量約1.5kg)。將復合樣品立即裝入帶標簽的防水自封袋中,并使用手持全球定位系統(tǒng)(GPS)和植被覆蓋率儀記錄樣品的坐標、高程、植被覆蓋率等信息。將樣品送回實驗室進行室內(nèi)空氣干燥2周(室溫26~28℃),小心去除非土壤物質(zhì)(礫石、植物根、其他物質(zhì)),然后用瑪瑙研缽研磨并通過1.5mm篩,以減小粒徑的影響。SOM含量通過重鉻酸鉀外部加熱法[5]進行測定。

    1.2光譜數(shù)據(jù)的采集和預處理

    利用ASD地物光譜儀進行土壤樣本的光譜采集,該儀器在350~1000nm與1000~2500nm區(qū)間的采樣間隔分別為1.4、2.0nm,重采樣間隔為1.0nm,輸出波段數(shù)為2151個。土壤光譜的測定應避免外界光源的干擾,因此試驗在暗室中進行,選用50W的鹵素燈,探頭的視場角為5°,探頭距離土壤表面30cm,每測定10次進行1次白板定標,每個土壤樣本重復測定10次,剔除異常光譜后取其算術(shù)平均值作為該樣品的反射率。

    位于兩端(350~399nm和2401~2500nm)處的光譜數(shù)據(jù)通常存在高頻噪聲,因此對其進行剔除。對168個土壤樣本的400~2400nm反射率光譜進行多項式階數(shù)為2、平滑窗口為9點的Savitzky-Golay平滑。高光譜數(shù)據(jù)的維數(shù)較高,存在的多余重復信息和相鄰波段間高度相關(guān)。已有文獻表明,重采樣高光譜數(shù)據(jù)能夠降低信息冗余,提高計算的準確度、速度、反演精度[4]。因此,對光譜數(shù)據(jù)重采樣到10nm,每個光譜由此獲得201個波段,降采樣后的光譜被定義為原始光譜(R)。

    本研究引入了2種光譜預處理方法:用于去除地物背景噪聲、修復基線漂移的一階微分和用于消除散射、突出光譜特性的連續(xù)統(tǒng)去除法。預處理工作均在MATLAB2018b中完成。

    1.3二維、三維相關(guān)系數(shù)

    相關(guān)性分析有助于揭示SOM含量與光譜間線性相關(guān)關(guān)系的強弱,這種關(guān)系通常以一維線性數(shù)據(jù)的形式展示。近年來,許多研究以可視化的形式展示了常見光譜指數(shù)與待測屬性的相關(guān)關(guān)系,該方法不僅將光譜特性從一維擴展到了二維,而且充分考慮了光譜間的相互關(guān)系[3-5],公式如下:

    選取特定敏感區(qū)域的第三波段疊加在兩波段光譜指數(shù)上,往往能夠增加指數(shù)的精確性,增強抗干擾性,清除常用兩波段指數(shù)存在的易飽和現(xiàn)象等。本研究在所選3種指數(shù)的形式基礎(chǔ)上增加第3個波段λ3,使用MATLAB2018b做400~2400nm的全波段循環(huán),并選擇最優(yōu)三波段指數(shù)構(gòu)建估測模型。本研究具體涉及如下:

    1.4建模預測

    為了保證建模集和驗證集數(shù)據(jù)盡可能地涵蓋SOM含量的全部范圍,本研究使用Kennard-Stone(K-S)算法進行樣本集合的劃分。該算法根據(jù)已選擇對象的重要主成分數(shù)量來將歐氏距離(Euclideandistance)最大化。168個土壤樣本被分成2個部分,其中112個樣本用于建模,剩余56個樣本用于驗證建模結(jié)果。

    1.4.1極限學習機

    極限學習機(ELM)是由Huang等提出的基于單隱含層前饋神經(jīng)網(wǎng)絡(luò)的機器算法[7]。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型例如反向傳播前饋(BP)神經(jīng)網(wǎng)絡(luò)模型相比,其學習方式不同,BP神經(jīng)網(wǎng)絡(luò)模型利用梯度下降算法,通過反向傳播方式進行學習,在學習過程中須要不斷地進行迭代來更新權(quán)值和閾值。而ELM僅須要添加隱含層節(jié)點的個數(shù),利用正則化計算網(wǎng)絡(luò)的輸出權(quán)值來達到學習的目的,網(wǎng)絡(luò)中輸入層和輸出層的權(quán)值和閾值通過隨機初始化得到,且不影響網(wǎng)絡(luò)的收斂能力。因此,它的學習速度比BP等提高了數(shù)千倍,且不會出現(xiàn)過擬合現(xiàn)象。

    ELM中,連接層的激活函數(shù)采用更加接近生物學激活模型的softplus函數(shù)代替?zhèn)鹘y(tǒng)的sigmoid函數(shù),已有在不同數(shù)據(jù)庫的大量實驗證明了softplus激活函數(shù)具有更好的泛化性能。本研究通過將步長從3增加到150,每次增加3個步長來確定隱含層的最優(yōu)節(jié)點數(shù),每個模型重復50次以減少隨機誤差。本研究利用MATLAB2018b對Huang等編寫的ELM源碼[7]進行了部分修改和調(diào)試。

    1.4.2隨機森林

    隨機森林(RF)是用于分類和回歸的一種機器學習算法。RF以決策樹學習和簡單平均算法為基礎(chǔ),根據(jù)每個二叉樹上的節(jié)點數(shù)(m)和自助法(Bootstrap)抽換選取n個樣本構(gòu)建決策樹,利用未被選取的樣本對每顆樹進行預測,由于RF隨機選擇特征和變量,使模型不容易陷入過度擬合。

    為了建立RF模型,對模型中二叉樹節(jié)點處的變量個數(shù)(mtry)和決策樹數(shù)量(decisiontree)進行調(diào)整。選擇均方差(MSE)的倒數(shù)作為適應度函數(shù)值,即最優(yōu)模型的適應度函數(shù)值越小,它與期望值間的誤差就越小。mtry以1~9為間隔,每次移動的步長為1,決策樹數(shù)量以100~2000為間隔,每次移動的步長為100。

    1.5模型的精度檢驗

    本研究從擬合程度、估算能力、準確性等3個方面對模型進行驗證。模型的擬合度用決定系數(shù)(r2)評價,r2越接近1說明模型的擬合程度越好。模型的估算能力用驗證集均方根誤差(RMSEP)評價,RMSEP越小說明模型的估算能力越好。估算模型的準確性用相對分析誤差(RPD)來評價。

    2結(jié)果與分析

    2.1不同的SOM含量和反射光譜曲線

    表1顯示,168個樣點的SOM含量為0.255~45.708g/kg,平均值為7.461g/kg,標準差為8.747g/kg,變異系數(shù)為117.23%,為強變異,這表明準東煤礦SOM含量空間變異較大,這可能由不同土地利用方式和人為影響造成的。建模集和驗證集間的F-test得出P=0.72>0.05,表明集合的劃分比較相似,但差異不顯著。

    由原始光譜曲線(圖1-a)可知,研究區(qū)不同SOM含量的光譜曲線形態(tài)基本一致,該地區(qū)土壤光譜在可見光波段陡峭上升,反射率與SOM含量呈明顯的負相關(guān)關(guān)系,即SOM含量越高反射率越低,土壤光譜曲線在1400、1900、2200nm附近都存在水分吸收谷,在1900nm處較為明顯[5]。如圖1-b所示,在580、1350、1900nm附近分別出現(xiàn)了不同的正負峰值,可見一階微分有利于顯示原始光譜的部分肩峰。如圖1-c所示,反射率經(jīng)過連續(xù)統(tǒng)去除吸收特征得到了明顯的放大,其中500、1900nm處的為弱吸收帶在連續(xù)統(tǒng)去除曲線中可以觀察出來,而在反射率曲線中則不明顯。

    2.2一維相關(guān)性分析

    由圖2可知,R與SOM含量的相關(guān)性曲線較為平滑,且沒有波段通過0.01水平上的顯著性檢驗,說明R與SOM含量的敏感性較低。然而R經(jīng)過FD處理后,顯著性明顯提升,尤其是在640~1110nm處,最大相關(guān)系數(shù)在840nm處,為0.52,因為該波段附近存在C—H吸收帶,與SOM含量直接相關(guān)[5]。R經(jīng)過CR處理后,在1110~1380nm出現(xiàn)了1個相關(guān)系數(shù)高峰,相關(guān)系數(shù)為0.3~0.4,使原來弱的吸收特征得到了增強。600、840、2250nm分別為R、FD、CR相關(guān)系數(shù)絕對值最大的波段,本研究提取了不同處理中相關(guān)性最強的波段數(shù)據(jù),用于后續(xù)的對比分析和估算建模(表2)。

    2.3二維相關(guān)性分析

    圖3為基于不同光譜處理得到的兩波段光譜指數(shù)(NDI、RI、DI)的二維相關(guān)系數(shù)圖,圖中橫軸代表λ1,[CM(20*2]波長范圍為400~2400nm,豎軸代表λ2,波長范圍為400~2400nm,右邊的顏色軸代表相關(guān)系數(shù)值到顏色圖的映射,顏色軸的上限和下限為最大正相關(guān)系數(shù)和最大負相關(guān)系數(shù)。與圖2相比,二維相關(guān)系數(shù)值的閾值范圍均大于一維相關(guān)系數(shù)。其中以SOM含量與CR的差值指數(shù)(DI)的相關(guān)性為例(圖3-i),最大相關(guān)系數(shù)與(圖2)中CR的一維最大相關(guān)系數(shù)相比提高了0.12。R和CR構(gòu)建的兩波段指數(shù)其相關(guān)性較好的波段主要集中在可見光和短波近紅外區(qū)域(圖3-a、圖3-b),這與Zhang等的研究結(jié)果[5]一致。在每個兩波段指數(shù)中,F(xiàn)D對SOM含量的敏感性最強,其中FD-NDI、FD-DI(圖3-b、圖3-h)得到的相關(guān)系數(shù)較大,約為0.55。提取每個指數(shù)的最優(yōu)波段組合并計算其與SOM含量的相關(guān)系數(shù),結(jié)果列于表2中。

    2.4三維相關(guān)性分析

    為了充分挖掘光譜數(shù)據(jù),根據(jù)前人的研究[5]進展,本研究在兩波段(λ1、λ2)指數(shù)的基礎(chǔ)上增加第3個波段λ3,構(gòu)建新的三波段指數(shù)。三波段指數(shù)在兩波段光譜指數(shù)的基礎(chǔ)上放大了與SOM含量相關(guān)系數(shù)的閾值范圍(圖4至圖7)。同時,本研究發(fā)現(xiàn)在R所構(gòu)建的三波段指數(shù)中(圖5至圖7),最優(yōu)指數(shù)的波長基本都在可見光和近紅外短波范圍內(nèi),820~850nm為主要敏感區(qū),已有研究發(fā)現(xiàn)820nm附近存在C—H吸收帶,這與SOM含量直接相關(guān)[5];在FD中(圖4至圖7),最優(yōu)指數(shù)集中在長波近紅外范圍,每個指數(shù)中均有1個或多個波靠近1450、1950nm的水分吸收帶。同時,除TBI-4外,其余3個三波段指數(shù)中均有1個波段靠近2300nm,已有研究證明2300nm附近存在1個與SOM含量相關(guān)的C—H特征峰[8-9],在每個三波段指數(shù)中,F(xiàn)D的敏感性均最強,但從切片圖(圖4至圖7中的d、e、f)中來看,敏感區(qū)域較為分散,不集中;在CR中(圖4至圖7),780~1100nm的短波近紅外為敏感區(qū)域,880、950、1020nm為主要的敏感波段,在TBI-2和TBI-3中均有出現(xiàn)。在所有三波段指數(shù)中,TBI-4(FD2020,F(xiàn)D2360,F(xiàn)D1150)的效果最優(yōu),最大相關(guān)系數(shù)為0.65,相比于FD的兩波段指數(shù)(圖3-b、圖3-e、圖3-h)提升了0.1。因此,優(yōu)化后的三波段指數(shù)是估測SOM含量較為有前景的指標,同時也表明兩波段指數(shù)存在一定的不足。提取每個三波段指數(shù)的最優(yōu)波段組合并計算其與SOM含量的相關(guān)系數(shù),結(jié)果列于表2中。

    2.5建模與預測

    利用ELM和RF2種機器算法分別建立SOM含量預測模型,不同維度的最優(yōu)光譜參數(shù)(表2)和建模集中的SOM含量作為機器算法的訓練樣本(表1),驗證集中的SOM含量作為機器算法的預測樣本(表1)。

    結(jié)果表明,無論采用哪一種模型,一維光譜數(shù)據(jù)的預測效果明顯不如多維指數(shù)的建模預測結(jié)果,r2(0.55,0.51)、RPD(1.41,1.36)較低,RMSE(7.57,7.84)相對較高(表3),雖然ELM的估算精度略高于RF,但該模型僅具有區(qū)分樣本數(shù)據(jù)含量高低的能力,量化能力較弱。

    兩波段指數(shù)的建模效果相較一維光譜數(shù)據(jù)有所提升,r2為0.59~0.72,RMSE為5.89~7.09,RPD為1.51~1.82。三波段指數(shù)的估算效果均優(yōu)于前兩者,r2為0.78~0.87,RMSE為4.07~5.2,RPD為2.03~2.63。此外,在三波段指數(shù)的建模結(jié)果中,ELM對SOM含量的估算能力普遍優(yōu)于RF。其中使用三波段指數(shù)4-ELM的預測效果最好(r2=0.87、RMSE=4.07、RPD=2.63),其擬合程度、估算能力和準確性均優(yōu)于本研究中的所有模型。

    3結(jié)論與討論

    光譜指數(shù)根據(jù)地物的光譜特性,對波段進行簡單組合,以達到對地表參量簡單有效的度量[10]。前人研究發(fā)現(xiàn)由于研究人員自身客觀條件的局限性,研究所用的試驗數(shù)據(jù)往往來自某一特定地區(qū),使光譜指數(shù)往往具有一定的局限性[11-14]。本研究參考植被光譜分析方法,采用波段優(yōu)化算法分析了在400~2400nm范圍內(nèi)任意2個波段的NDI、RI、DI與SOM含量間的關(guān)系,發(fā)現(xiàn)其對SOM含量的響應大大提升。

    本研究發(fā)現(xiàn),光譜指數(shù)法可在一維線性數(shù)據(jù)的基礎(chǔ)上更為深層次挖掘光譜信息,充分考慮波段間的相互關(guān)系和提高建模預測的精度。通過在已有的兩波段指數(shù)中添加第3個敏感波段,構(gòu)建新的三波段指數(shù),發(fā)現(xiàn)三波段光譜指數(shù)放大了與SOM含量相關(guān)系數(shù)的閾值范圍,其中FD的三波段指數(shù)4效果最優(yōu),最大相關(guān)系數(shù)為0.65。利用ELM和RF對不同維度的最優(yōu)光譜參數(shù)分別建立預測模型,發(fā)現(xiàn)無論采用哪種模型,預測精度均跟據(jù)光譜參數(shù)維度的增加而增加,并且在三波段指數(shù)中,ELM的建模效果均優(yōu)于RF。其中,三波段光譜指數(shù)4-ELM的預測能力最優(yōu),r2=0.87,RPD=2.63。該研究結(jié)果對減少土壤中其他信息噪聲的干擾和土壤屬性的定量估算具有一定的參考價值,為估測土壤中其他屬性提供了新的思路。

    參考文獻:

    [1]BaoNS,WuLX,YeBY,etal.Assessingsoilorganicmatterofreclaimedsoilfromalargesurfacecoalmineusingafieldspectroradiometerinlaboratory[J].Geoderma,2017,288:47-55.

    [2]彭麗萍,戴岳,師慶東.新疆準東荒漠區(qū)5種典型植物水分來源[J].干旱區(qū)研究,2018,35(5):1146-1152.

    [3]WangXP,ZhangF,DingJL,etal.Estimationofsoilsaltcontent(SSC)intheEbinurLakeWetlandNationalNatureReserve(ELWNNR),NorthwestChina,basedonaBootstrap-BPneuralnetworkmodelandoptimalspectralindices[J].ScienceoftheTotalEnvironment,2018,615:918-930.

    [4]TianYC,YaoX,YangJ,etal.Assessingnewlydevelopedandpublishedvegetationindicesforestimatingriceleafnitrogenconcentrationwithground-andspace-basedhyperspectralreflectance[J].FieldCropsResearch,2011,120(2):299-310.

    [5]ZhangZP,DingJL,WangJZ,etal.PredictionofsoilorganicmatterinnorthwesternChinausingfractional-orderderivativespectroscopyandmodifiednormalizeddifferenceindices[J].CATENA,2020,187:104257.

    [6]DouglasRK,NawarS,CipulloS,etal.Evaluationofvis-NIRreflectancespectroscopysensitivitytoweatheringforenhancedassessmentofoilcontaminatedsoils[J].ScienceoftheTotalEnvironment,2018,626:1108-1120.

    [7]HuangGB,DianHW,YuanL.Extremelearningmachines:asurvey[J].InternationalJournalofMachineLearning&Cybernetics,2011,2:107-122.

    [8]史舟,王乾龍,彭杰,等.中國主要土壤高光譜反射特性分類與有機質(zhì)光譜預測模型[J].中國科學:地球科學,2014,44(5):978-988.

    [9]鄭曼迪,熊黑鋼,喬娟峰,等.基于綜合光譜指數(shù)的不同程度人類干擾下土壤有機質(zhì)含量預測[J].江蘇農(nóng)業(yè)學報,2018,34(5):1048-1056.

    [10]張子鵬,丁建麗,王敬哲.基于諧波分析算法的干旱區(qū)綠洲土壤光譜特性研究[J].光學學報,2019,39(2):391-401.

    [11]張賢龍,張飛,張海威,等.基于光譜變換的高光譜指數(shù)土壤鹽分反演模型優(yōu)選[J].農(nóng)業(yè)工程學報,2018,34(1):110-117.

    [12]尼加提·卡斯木,茹克亞·薩吾提,師慶東,等.基于優(yōu)化光譜指數(shù)的土壤有機質(zhì)含量估算[J].農(nóng)業(yè)機械報,2018,49(11):155-163.

    [13]章濤,于雷,易軍,等.高光譜小波能量特征估測土壤有機質(zhì)含量[J].光譜學與光譜分析,2019,39(10):3217-3222.

    [14]徐麗華,謝德體.土壤有機質(zhì)含量預測精度對光譜預處理和特征波段的響應[J].江蘇農(nóng)業(yè)學報,2019,35(6):1340-1345.

    猜你喜歡
    土壤有機質(zhì)遙感機器學習
    不同林分類型及土層對土壤養(yǎng)分的影響
    不同干擾林地土壤重金屬與養(yǎng)分積累的關(guān)系
    科技資訊(2017年1期)2017-03-27 11:19:38
    長白山北坡和西坡林線土壤有機質(zhì)含量的對比分析
    基于機器學習的圖像特征提取技術(shù)在圖像版權(quán)保護中的應用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預測分析
    時代金融(2016年27期)2016-11-25 17:51:36
    前綴字母為特征在維吾爾語文本情感分類中的研究
    科教導刊(2016年26期)2016-11-15 20:19:33
    基于支持向量機的金融數(shù)據(jù)分析研究
    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
    中國“遙感”衛(wèi)星今年首秀引關(guān)注
    欧美黑人欧美精品刺激| 亚洲国产中文字幕在线视频| 亚洲熟女毛片儿| 欧美激情高清一区二区三区| 我的亚洲天堂| 久久影院123| 在线观看日韩欧美| 亚洲男人天堂网一区| av免费在线观看网站| 日韩欧美在线二视频| 国产xxxxx性猛交| 亚洲免费av在线视频| 好男人电影高清在线观看| tocl精华| 日韩精品中文字幕看吧| 国产xxxxx性猛交| 性色av乱码一区二区三区2| 一级毛片高清免费大全| 亚洲精品国产精品久久久不卡| 久久香蕉国产精品| 麻豆成人av在线观看| 多毛熟女@视频| 亚洲五月天丁香| 一级a爱片免费观看的视频| 亚洲色图av天堂| 精品无人区乱码1区二区| 如日韩欧美国产精品一区二区三区| 亚洲熟女毛片儿| 久久久久九九精品影院| 精品国产国语对白av| 在线天堂中文资源库| 丰满人妻熟妇乱又伦精品不卡| 亚洲自拍偷在线| 日本撒尿小便嘘嘘汇集6| 黄色 视频免费看| 亚洲中文av在线| 最新美女视频免费是黄的| 久热这里只有精品99| 一级片'在线观看视频| 欧美av亚洲av综合av国产av| 精品无人区乱码1区二区| 纯流量卡能插随身wifi吗| 欧美乱妇无乱码| 亚洲专区国产一区二区| 最近最新中文字幕大全免费视频| 国产免费男女视频| 国产亚洲精品久久久久5区| 好看av亚洲va欧美ⅴa在| 国产成年人精品一区二区 | 高清在线国产一区| avwww免费| 国产激情久久老熟女| 91成人精品电影| 国产精品久久久久久人妻精品电影| 国产成人精品久久二区二区免费| 长腿黑丝高跟| 人人妻人人添人人爽欧美一区卜| 欧美久久黑人一区二区| 欧美成人免费av一区二区三区| 亚洲男人的天堂狠狠| 成人亚洲精品av一区二区 | 老汉色∧v一级毛片| 成人黄色视频免费在线看| 国产精品98久久久久久宅男小说| 亚洲一区二区三区欧美精品| av在线播放免费不卡| 亚洲av成人av| 19禁男女啪啪无遮挡网站| 亚洲五月色婷婷综合| 国产免费现黄频在线看| 99久久久亚洲精品蜜臀av| 久久性视频一级片| 亚洲熟女毛片儿| 久久午夜亚洲精品久久| 色播在线永久视频| 香蕉丝袜av| 女性被躁到高潮视频| 夜夜爽天天搞| 亚洲欧美激情在线| 一夜夜www| 欧美 亚洲 国产 日韩一| 欧美在线一区亚洲| 亚洲成人国产一区在线观看| 亚洲第一欧美日韩一区二区三区| 精品国产一区二区三区四区第35| 成人亚洲精品av一区二区 | cao死你这个sao货| 久久香蕉精品热| 两性夫妻黄色片| 97碰自拍视频| 99久久综合精品五月天人人| 精品人妻在线不人妻| 两个人看的免费小视频| 国产一区二区激情短视频| 亚洲专区字幕在线| 99国产精品一区二区蜜桃av| 九色亚洲精品在线播放| 国产成人影院久久av| 每晚都被弄得嗷嗷叫到高潮| e午夜精品久久久久久久| 在线观看免费视频网站a站| 黄色怎么调成土黄色| 欧美日韩中文字幕国产精品一区二区三区 | 老司机亚洲免费影院| 搡老乐熟女国产| 18禁黄网站禁片午夜丰满| 91精品三级在线观看| 99久久人妻综合| 男女高潮啪啪啪动态图| 啦啦啦 在线观看视频| 黄色a级毛片大全视频| 亚洲激情在线av| 国产日韩一区二区三区精品不卡| 99精国产麻豆久久婷婷| 亚洲人成网站在线播放欧美日韩| 99久久综合精品五月天人人| 久久久精品欧美日韩精品| 香蕉丝袜av| 一个人免费在线观看的高清视频| 岛国视频午夜一区免费看| 久久亚洲精品不卡| 亚洲自拍偷在线| 亚洲 国产 在线| 欧美日韩黄片免| 国产aⅴ精品一区二区三区波| 电影成人av| 国产真人三级小视频在线观看| 看免费av毛片| 久久久久久久久久久久大奶| 超碰97精品在线观看| 老司机午夜福利在线观看视频| 亚洲成人国产一区在线观看| 搡老熟女国产l中国老女人| 18禁裸乳无遮挡免费网站照片 | e午夜精品久久久久久久| 欧美午夜高清在线| 搡老乐熟女国产| 亚洲狠狠婷婷综合久久图片| 国产亚洲精品久久久久久毛片| 很黄的视频免费| 1024香蕉在线观看| 欧美乱色亚洲激情| 成人手机av| 美女大奶头视频| 一级毛片高清免费大全| 日韩大码丰满熟妇| 亚洲国产精品sss在线观看 | 大陆偷拍与自拍| 精品国内亚洲2022精品成人| 国产蜜桃级精品一区二区三区| 黑人欧美特级aaaaaa片| 满18在线观看网站| 桃红色精品国产亚洲av| 午夜免费成人在线视频| 制服人妻中文乱码| 欧美激情高清一区二区三区| 97人妻天天添夜夜摸| 日韩av在线大香蕉| 亚洲av成人不卡在线观看播放网| 中文字幕最新亚洲高清| 少妇裸体淫交视频免费看高清 | 精品久久久精品久久久| 后天国语完整版免费观看| 黄色 视频免费看| 欧美一级毛片孕妇| 欧美日韩中文字幕国产精品一区二区三区 | 91在线观看av| 成年人黄色毛片网站| 久久香蕉激情| 欧美午夜高清在线| 国产免费男女视频| 欧美日韩福利视频一区二区| 精品国产一区二区三区四区第35| 一区二区三区国产精品乱码| 久久久久国内视频| av中文乱码字幕在线| 国产区一区二久久| 精品国产一区二区三区四区第35| 女人爽到高潮嗷嗷叫在线视频| 久久性视频一级片| 两个人免费观看高清视频| 亚洲一区二区三区不卡视频| 一区在线观看完整版| 精品乱码久久久久久99久播| 国产精品98久久久久久宅男小说| 国产精品亚洲一级av第二区| 国产欧美日韩一区二区精品| 美女大奶头视频| 成人18禁在线播放| 中文字幕人妻丝袜制服| 悠悠久久av| 欧美大码av| 久久久久久久久久久久大奶| 国产xxxxx性猛交| 色综合婷婷激情| 后天国语完整版免费观看| 免费在线观看完整版高清| 在线观看舔阴道视频| 欧美人与性动交α欧美精品济南到| 免费av毛片视频| 国产野战对白在线观看| 村上凉子中文字幕在线| 神马国产精品三级电影在线观看 | 亚洲人成77777在线视频| 波多野结衣av一区二区av| 91精品三级在线观看| 久久国产乱子伦精品免费另类| 欧美精品啪啪一区二区三区| 欧美中文综合在线视频| 国产欧美日韩一区二区精品| 亚洲狠狠婷婷综合久久图片| 精品国产一区二区三区四区第35| 亚洲五月色婷婷综合| 一区二区三区国产精品乱码| 自线自在国产av| 亚洲欧美一区二区三区黑人| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲av五月六月丁香网| 国产蜜桃级精品一区二区三区| 久久亚洲真实| 最新美女视频免费是黄的| 成人特级黄色片久久久久久久| 另类亚洲欧美激情| 国产黄色免费在线视频| 成人18禁高潮啪啪吃奶动态图| 亚洲五月色婷婷综合| 女生性感内裤真人,穿戴方法视频| aaaaa片日本免费| 日韩国内少妇激情av| av欧美777| 国产成+人综合+亚洲专区| 日韩免费av在线播放| 亚洲av电影在线进入| 亚洲成国产人片在线观看| 亚洲av成人一区二区三| 99久久人妻综合| 久久精品国产亚洲av高清一级| 自拍欧美九色日韩亚洲蝌蚪91| 韩国av一区二区三区四区| 在线观看一区二区三区| 十八禁人妻一区二区| 热re99久久国产66热| 久久狼人影院| 中亚洲国语对白在线视频| 91麻豆av在线| 欧美成人午夜精品| 19禁男女啪啪无遮挡网站| av片东京热男人的天堂| 欧美日韩精品网址| 亚洲视频免费观看视频| 欧美人与性动交α欧美精品济南到| 亚洲av成人一区二区三| 国产又色又爽无遮挡免费看| 18美女黄网站色大片免费观看| 亚洲精品av麻豆狂野| 亚洲成人免费av在线播放| 午夜亚洲福利在线播放| 成人18禁在线播放| 黑人巨大精品欧美一区二区蜜桃| av网站免费在线观看视频| 可以在线观看毛片的网站| 伊人久久大香线蕉亚洲五| 免费观看人在逋| 成人18禁高潮啪啪吃奶动态图| 神马国产精品三级电影在线观看 | 这个男人来自地球电影免费观看| 日本三级黄在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲人成网站在线播放欧美日韩| 国产一区二区三区综合在线观看| 国产成人欧美在线观看| 老司机在亚洲福利影院| 成人免费观看视频高清| 18禁黄网站禁片午夜丰满| 亚洲国产精品合色在线| 88av欧美| 日本撒尿小便嘘嘘汇集6| 国产精品98久久久久久宅男小说| 欧美激情极品国产一区二区三区| 桃色一区二区三区在线观看| 777久久人妻少妇嫩草av网站| 人人妻人人爽人人添夜夜欢视频| 美女 人体艺术 gogo| 久久久久国产精品人妻aⅴ院| 人人妻人人爽人人添夜夜欢视频| 欧美乱妇无乱码| 91九色精品人成在线观看| 一区福利在线观看| 视频在线观看一区二区三区| 丰满迷人的少妇在线观看| 亚洲五月色婷婷综合| 天堂动漫精品| 三级毛片av免费| 精品久久久精品久久久| 久久国产乱子伦精品免费另类| 久久亚洲真实| 又黄又粗又硬又大视频| 精品国产乱码久久久久久男人| 日韩大尺度精品在线看网址 | 色综合站精品国产| 色综合欧美亚洲国产小说| 久久久久国产精品人妻aⅴ院| 国产真人三级小视频在线观看| 啪啪无遮挡十八禁网站| 欧美中文综合在线视频| 国产99白浆流出| 日韩视频一区二区在线观看| 久久草成人影院| 九色亚洲精品在线播放| 国产成年人精品一区二区 | 午夜精品国产一区二区电影| 天天添夜夜摸| www.精华液| 老汉色∧v一级毛片| 国产精品自产拍在线观看55亚洲| 精品午夜福利视频在线观看一区| 亚洲熟女毛片儿| 一级片免费观看大全| 老司机亚洲免费影院| 丝袜美腿诱惑在线| 又黄又粗又硬又大视频| 中文字幕人妻丝袜制服| 两性午夜刺激爽爽歪歪视频在线观看 | 久久影院123| 国产av一区二区精品久久| 自拍欧美九色日韩亚洲蝌蚪91| 午夜影院日韩av| 国产麻豆69| 色哟哟哟哟哟哟| 久久亚洲真实| 亚洲精品一卡2卡三卡4卡5卡| 黄频高清免费视频| www日本在线高清视频| 99精国产麻豆久久婷婷| 色综合婷婷激情| 国产亚洲欧美在线一区二区| 日日夜夜操网爽| 在线永久观看黄色视频| 欧美大码av| 午夜福利一区二区在线看| 国产国语露脸激情在线看| 亚洲国产精品合色在线| 国产av一区二区精品久久| 一边摸一边抽搐一进一小说| 免费在线观看日本一区| 99国产极品粉嫩在线观看| 老鸭窝网址在线观看| 怎么达到女性高潮| 久久久国产欧美日韩av| 大香蕉久久成人网| 丝袜美足系列| 婷婷六月久久综合丁香| 国产精品美女特级片免费视频播放器 | 国产成人精品无人区| 高潮久久久久久久久久久不卡| 在线观看免费视频网站a站| 人妻久久中文字幕网| 国产又爽黄色视频| 法律面前人人平等表现在哪些方面| 天天影视国产精品| 成人三级做爰电影| avwww免费| 免费久久久久久久精品成人欧美视频| 在线观看一区二区三区| 成人18禁在线播放| 免费在线观看完整版高清| 两个人看的免费小视频| 岛国视频午夜一区免费看| 两个人看的免费小视频| 亚洲精品美女久久av网站| 99精品在免费线老司机午夜| 国产三级黄色录像| 精品卡一卡二卡四卡免费| 在线观看免费午夜福利视频| 天天躁夜夜躁狠狠躁躁| av片东京热男人的天堂| 啦啦啦免费观看视频1| 精品久久蜜臀av无| 日韩成人在线观看一区二区三区| 日本vs欧美在线观看视频| 亚洲少妇的诱惑av| 国产精品亚洲av一区麻豆| 无遮挡黄片免费观看| 首页视频小说图片口味搜索| 国产不卡一卡二| 人妻久久中文字幕网| 男女下面进入的视频免费午夜 | 中文字幕另类日韩欧美亚洲嫩草| 亚洲专区字幕在线| 免费人成视频x8x8入口观看| 国产精品一区二区精品视频观看| 久久亚洲真实| 丰满饥渴人妻一区二区三| 桃红色精品国产亚洲av| 少妇粗大呻吟视频| 97超级碰碰碰精品色视频在线观看| 婷婷精品国产亚洲av在线| 久99久视频精品免费| 日韩中文字幕欧美一区二区| 五月开心婷婷网| 狂野欧美激情性xxxx| 99国产极品粉嫩在线观看| 国产区一区二久久| 男女下面进入的视频免费午夜 | 麻豆av在线久日| 少妇 在线观看| 亚洲五月婷婷丁香| 丝袜在线中文字幕| 老司机午夜十八禁免费视频| 啦啦啦免费观看视频1| 欧洲精品卡2卡3卡4卡5卡区| 日韩欧美三级三区| 最新美女视频免费是黄的| www.999成人在线观看| 啦啦啦在线免费观看视频4| 久久精品人人爽人人爽视色| 超碰成人久久| av超薄肉色丝袜交足视频| 中文亚洲av片在线观看爽| 欧美日韩视频精品一区| 好男人电影高清在线观看| 女人精品久久久久毛片| 精品一品国产午夜福利视频| 9色porny在线观看| 女生性感内裤真人,穿戴方法视频| 丝袜美足系列| 国产成人精品久久二区二区91| 黄色成人免费大全| 波多野结衣一区麻豆| www.自偷自拍.com| 婷婷丁香在线五月| 搡老岳熟女国产| 极品人妻少妇av视频| 欧美不卡视频在线免费观看 | 久久亚洲精品不卡| 中文字幕高清在线视频| 亚洲成国产人片在线观看| www.自偷自拍.com| 热99re8久久精品国产| 亚洲成人久久性| 两性夫妻黄色片| 亚洲中文字幕日韩| 一级,二级,三级黄色视频| 两个人看的免费小视频| 亚洲,欧美精品.| √禁漫天堂资源中文www| av在线播放免费不卡| 老司机福利观看| 午夜影院日韩av| 美女 人体艺术 gogo| 激情视频va一区二区三区| 18禁美女被吸乳视频| 国产日韩一区二区三区精品不卡| 亚洲国产毛片av蜜桃av| 久99久视频精品免费| 国产欧美日韩一区二区三区在线| 首页视频小说图片口味搜索| 在线永久观看黄色视频| 日日爽夜夜爽网站| 久久中文字幕一级| 亚洲欧美精品综合一区二区三区| 如日韩欧美国产精品一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 最新在线观看一区二区三区| 日韩欧美一区视频在线观看| 9色porny在线观看| 久久久精品欧美日韩精品| 欧美激情久久久久久爽电影 | 午夜久久久在线观看| a级片在线免费高清观看视频| 亚洲欧美日韩高清在线视频| 丝袜美腿诱惑在线| 黑人巨大精品欧美一区二区mp4| 99香蕉大伊视频| 97碰自拍视频| 熟女少妇亚洲综合色aaa.| 国产91精品成人一区二区三区| 精品国内亚洲2022精品成人| 国产伦人伦偷精品视频| 亚洲中文字幕日韩| 性少妇av在线| 免费av毛片视频| 日日爽夜夜爽网站| 久久99一区二区三区| 女同久久另类99精品国产91| 久久久精品国产亚洲av高清涩受| 亚洲片人在线观看| 可以在线观看毛片的网站| 天堂中文最新版在线下载| 欧美成人午夜精品| 老司机午夜十八禁免费视频| 亚洲精品久久成人aⅴ小说| 人妻丰满熟妇av一区二区三区| 国产精品爽爽va在线观看网站 | www.熟女人妻精品国产| 色综合站精品国产| 777久久人妻少妇嫩草av网站| 国产99久久九九免费精品| 90打野战视频偷拍视频| 午夜激情av网站| 99在线视频只有这里精品首页| 亚洲自拍偷在线| 搡老乐熟女国产| 露出奶头的视频| 欧美精品啪啪一区二区三区| 男人操女人黄网站| 波多野结衣av一区二区av| 中文字幕最新亚洲高清| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲人成电影免费在线| 在线观看一区二区三区激情| 精品日产1卡2卡| 欧美黑人精品巨大| 黄色毛片三级朝国网站| 男女之事视频高清在线观看| 国产一区二区三区视频了| 亚洲成国产人片在线观看| 亚洲成人国产一区在线观看| 搡老熟女国产l中国老女人| 亚洲五月天丁香| 一进一出抽搐gif免费好疼 | 亚洲第一青青草原| 在线观看免费高清a一片| 亚洲黑人精品在线| 成人av一区二区三区在线看| av网站在线播放免费| 免费高清视频大片| 又黄又粗又硬又大视频| 欧美精品一区二区免费开放| 丁香欧美五月| 人妻丰满熟妇av一区二区三区| 精品免费久久久久久久清纯| 不卡一级毛片| 大码成人一级视频| 亚洲成av片中文字幕在线观看| 高清欧美精品videossex| 91国产中文字幕| 女人高潮潮喷娇喘18禁视频| 国内久久婷婷六月综合欲色啪| 国产免费现黄频在线看| 国产精品免费视频内射| 日本撒尿小便嘘嘘汇集6| 午夜免费观看网址| 久久精品亚洲精品国产色婷小说| 久久精品成人免费网站| 最好的美女福利视频网| 国产日韩一区二区三区精品不卡| 少妇裸体淫交视频免费看高清 | 日韩精品中文字幕看吧| 久久香蕉激情| 在线观看免费视频网站a站| 99国产精品99久久久久| 国产精品久久视频播放| 涩涩av久久男人的天堂| 国产在线精品亚洲第一网站| 亚洲七黄色美女视频| 12—13女人毛片做爰片一| 熟女少妇亚洲综合色aaa.| 国产精品九九99| 亚洲av五月六月丁香网| 美女 人体艺术 gogo| 久久精品国产清高在天天线| 久久精品亚洲精品国产色婷小说| 制服诱惑二区| 久久狼人影院| 国产成人免费无遮挡视频| 免费搜索国产男女视频| 亚洲av成人不卡在线观看播放网| 中文字幕最新亚洲高清| 少妇裸体淫交视频免费看高清 | a级毛片在线看网站| 亚洲av成人不卡在线观看播放网| 国产高清国产精品国产三级| 欧美激情高清一区二区三区| 精品一区二区三区视频在线观看免费 | 亚洲 欧美一区二区三区| 欧美在线一区亚洲| 黑人巨大精品欧美一区二区蜜桃| 国产日韩一区二区三区精品不卡| 久久人妻熟女aⅴ| 欧美一区二区精品小视频在线| 久久久国产一区二区| 国产成人精品在线电影| 亚洲欧美日韩另类电影网站| 免费在线观看亚洲国产| 黄片小视频在线播放| 欧美性长视频在线观看| bbb黄色大片| 亚洲精品一二三| 欧美国产精品va在线观看不卡| 在线观看免费午夜福利视频| 久久天堂一区二区三区四区| 国产免费男女视频| 一进一出抽搐动态| 1024香蕉在线观看| 不卡av一区二区三区| 国产精品美女特级片免费视频播放器 | 人人妻人人爽人人添夜夜欢视频| 老司机亚洲免费影院| 美女 人体艺术 gogo| 99热只有精品国产| 亚洲av五月六月丁香网| 香蕉国产在线看| 精品人妻1区二区| 精品欧美一区二区三区在线| av国产精品久久久久影院| 日本黄色日本黄色录像| 国产熟女xx| 啪啪无遮挡十八禁网站| 黄网站色视频无遮挡免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产又色又爽无遮挡免费看| 亚洲午夜理论影院| 国产欧美日韩一区二区精品| 国产免费av片在线观看野外av|