• <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 ?

    基于隨機森林的陜西省西安市近地表氣溫估算

    2022-03-21 06:24:12楊麗萍侯成磊
    地球科學與環(huán)境學報 2022年1期
    關(guān)鍵詞:方根西安市氣溫

    馮 瑞,楊麗萍,侯成磊,王 彤,張 靜,肖 舜

    (1.長安大學 地球科學與資源學院,陜西 西安 710054;2.長安大學 地質(zhì)工程與測繪學院,陜西 西安 710054;3.山東農(nóng)業(yè)工程學院 國土資源與測繪工程學院,山東 濟南 250100;4.陜西師范大學 地理科學與旅游學院,陜西 西安 710119)

    0 引 言

    近地表氣溫指距離地面1.5~2.0 m的大氣溫度。作為描述地表大氣環(huán)境的重要指標,近地表氣溫是氣象觀測的基本要素之一,也是地表與大氣能量交換、水循環(huán)及生態(tài)過程研究的重要輸入因子。近地表氣溫與人類的日常生活和社會生產(chǎn)活動息息相關(guān),高精度、大范圍近地表氣溫監(jiān)測對于生態(tài)環(huán)境、農(nóng)業(yè)生產(chǎn)、氣候變化等研究具有重要的現(xiàn)實意義。

    氣象站點觀測數(shù)據(jù)是獲取近地表氣溫的直接途徑,具有準確性高等特點。早有學者基于氣象觀測數(shù)據(jù),利用反距離權(quán)重、樣條函數(shù)和克里金插值等多種空間插值法獲取了具有空間連續(xù)性的氣溫數(shù)據(jù)。然而受多種因素限制,通常情況下氣象站點數(shù)量有限,在站點稀疏和分布不均勻的地區(qū),利用空間插值法得到的氣溫數(shù)據(jù)誤差較大。相較于傳統(tǒng)的觀測方法,衛(wèi)星遙感技術(shù)具有大范圍、實時性和經(jīng)濟性等優(yōu)勢,同時可提供比氣象站點觀測資料更完整的空間異質(zhì)度信息。隨著衛(wèi)星遙感技術(shù)不斷發(fā)展,國內(nèi)外學者基于遙感數(shù)據(jù)在近地表氣溫反演中開展了大量研究,提出了多種近地表氣溫反演算法,主要可概括為以下4類。第一類為常規(guī)統(tǒng)計法,包括單因子統(tǒng)計法和多因子統(tǒng)計法。該方法通?;诘乇頊囟?Land Surface Temperature,LST)與實際觀測氣溫數(shù)據(jù)間的相關(guān)關(guān)系進行氣溫模擬。陳命男利用一元線性回歸方法分別對上海市2007年和2008年的地表溫度與氣溫觀測數(shù)據(jù)進行擬合,判定系數(shù)()分別為0.566 0和0.706 6;Lin等在結(jié)合歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)和環(huán)境絕對濕度等因子估算復雜地形山區(qū)氣溫時發(fā)現(xiàn),判定系數(shù)從0.60~0.65增加到0.71~0.88,這表明在解釋復雜地形表面能量通量的時空變化時必須考慮相關(guān)的環(huán)境因素;Mohammadi等利用地理加權(quán)回歸方法比較了單變量和多變量模型反演大氣溫度的精度,發(fā)現(xiàn)采用多變量回歸方法精度更高,均方根誤差(Root Mean Square Error,RMSE)為0.62 ℃,平均相關(guān)系數(shù)為0.99。第二類為溫度植被指數(shù)(Temperature-Vegetation Index,TVX)法。該方法是一種利用地表溫度和光譜植被指數(shù)間的負相關(guān)性,從遙感數(shù)據(jù)中提取氣溫的空間鄰域運算方法,適用于濃密植被覆蓋地區(qū)。徐永明等通過去除溫度植被指數(shù)空間窗口內(nèi)殘余水體和云像元改進溫度植被指數(shù)法,提高了算法適用范圍。第三類為能量平衡法。Pape等基于能量平衡方程,并結(jié)合下墊面植被及地貌數(shù)據(jù)反演近地表氣溫,均方根誤差為0.37 ℃~1.02 ℃。第四類為機器學習法。Yoo等設計了8種不同變量輸入方案,利用隨機森林算法模型研究了洛杉磯市和首爾市的日最高氣溫和最低氣溫,最佳模型判定系數(shù)大于0.7,均方根誤差小于1.7 ℃;高亮等采用隨機森林、支持向量機、AdaBoost和嶺回歸等4種機器學習模型擬合觀測氣溫與影響要素的相關(guān)關(guān)系,結(jié)果表明隨機森林模型精度最高,判定系數(shù)平均值為0.85,均方根誤差平均值為0.50 ℃;邢立亭等使用隨機森林模型估算了蘭州市近地表最高氣溫和最低氣溫,模型估算效果良好,判定系數(shù)分別為0.921和0.916。

    綜上所述,前人已提出了多種近地表氣溫遙感反演方法,并在近地表氣溫監(jiān)測中取得了顯著成效。其中,因考慮了多種環(huán)境因子,多因子統(tǒng)計法的反演精度通常高于單因子統(tǒng)計法;溫度植被指數(shù)法輸入?yún)?shù)少且相對簡單,但對于低植被及裸土地區(qū),該方法并不適用;能量平衡法具有深厚的物理基礎(chǔ),但計算過程相對繁雜;機器學習法已廣泛應用于各個領(lǐng)域,已有學者利用機器學習法在近地表氣溫反演中進行了有益嘗試,大量研究表明隨機森林模型在獲取高時空分辨率近地表氣溫中精度較高,表現(xiàn)良好。氣溫的時空分布與變化受海拔高度、地形、下墊面性質(zhì)和緯度等多種因素的綜合影響,且影響關(guān)系復雜。傳統(tǒng)的統(tǒng)計回歸模型對這一復雜耦合關(guān)系的表達能力有限;隨機森林模型訓練速度快,模型參數(shù)調(diào)整相對簡單,可以較好地擬合因變量與多個自變量的非線性關(guān)系,為探討這一復雜耦合關(guān)系提供了新的途徑。

    陜西省西安市是中國西部地區(qū)的中心城市。近年來,隨著西安市向國際化大都市的快速邁進,城市化進程飛速發(fā)展,人口激增,城市規(guī)模不斷擴張,人工景觀大幅代替自然景觀。人類密集活動以及城市下墊面性質(zhì)的變化加劇了西安市局地氣候與環(huán)境問題。前人研究表明,西安市平均氣溫呈上升趨勢,且市區(qū)氣溫上升速率高于郊縣區(qū)。以城市熱島效應為典型的城市氣候與熱環(huán)境問題愈演愈烈,這一問題不僅可以通過熱危害直接威脅人體健康,還會加重空氣污染,間接增加呼吸系統(tǒng)和心腦血管等疾病的發(fā)病率。在上述背景下,開展西安市近地表氣溫估算研究,以期為改善城市氣候、減緩城市熱島效應、打造適宜人居環(huán)境提供參考。

    本文首先基于西安市Landsat 8衛(wèi)星數(shù)據(jù)提取地表溫度、歸一化植被指數(shù)、歸一化建筑指數(shù)(Normalized Difference Built-up Index,NDBI)、改進的歸一化水體指數(shù)(Modified Normalized Difference Water Index,MNDWI)和地表反照率(Albedo)等5種遙感因子,基于30 m空間分辨率的SRTM DEM數(shù)據(jù)提取高程(Altitude)、坡向(Aspect)和坡度(Slope)等3種地形因子,將提取的8個參數(shù)進行相關(guān)性和重要性綜合分析;然后在此基礎(chǔ)上進行不同參數(shù)組合,構(gòu)建多個估算氣溫的隨機森林模型;最后基于氣象站點觀測數(shù)據(jù),利用交叉驗證的方法評估模型性能、驗證模型精度,并選取最優(yōu)參數(shù)組合方案進行近地表氣溫估算。

    1 研究區(qū)概況及數(shù)據(jù)來源

    1.1 研究區(qū)概況

    西安市地處陜西省關(guān)中平原中部,經(jīng)度范圍為107.40°E~109.49°E,緯度范圍為33.42°N~34.45°N(圖1)。西安市整體呈南高北低、階梯狀的地勢特點,城市以北的渭河平原和南部的秦嶺山地形成強烈的地貌對照。西安市管轄11個區(qū)和2個縣,其中灞橋區(qū)、未央?yún)^(qū)、新城區(qū)、蓮湖區(qū)、雁塔區(qū)、碑林區(qū)為西安市中心城區(qū)。長安區(qū)、臨潼區(qū)、高陵區(qū)、閻良區(qū)、鄠邑區(qū)、藍田縣和周至縣是西安市的周邊郊縣區(qū)。山區(qū)主要指東西向橫跨周至縣、鄠邑區(qū)、長安區(qū)和藍田縣的秦嶺山區(qū)。西安市屬暖溫帶半濕潤大陸性季風氣候,四季分明,年平均氣溫為13.0 ℃~13.7 ℃,年降水量為522.4~719.5 mm。

    圖1 陜西省西安市地區(qū)氣象站點分布Fig.1 Distribution of Meteorological Stations in Xi’an City of Shaanxi Province

    1.2 數(shù)據(jù)來源

    遙感數(shù)據(jù)采用2016年5月16日的Landsat 8衛(wèi)星影像,數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)。利用ENVI5.3軟件對衛(wèi)星影像進行了輻射定標、大氣校正及拼接與裁剪。以30 m空間分辨率的SRTM DEM作為高程數(shù)據(jù),數(shù)據(jù)來源于美國地質(zhì)調(diào)查局(http:∥www.usgs.gov/),將6幅DEM數(shù)據(jù)進行拼接、裁剪得到覆蓋全研究區(qū)的DEM數(shù)據(jù)。

    氣象數(shù)據(jù)為2016年5月16日西安市地面自動氣象站點逐小時氣象觀測數(shù)據(jù),采用與衛(wèi)星過境時間相一致的觀測數(shù)據(jù)進行模型性能評估與精度驗證。研究區(qū)共102個氣象站點,由于衛(wèi)星過境時不是整點時刻,所以取過境時相鄰整點實測氣溫數(shù)據(jù)進行線性插值計算出衛(wèi)星過境時的氣溫。研究區(qū)氣象站點分布如圖1所示。

    2 研究方法

    2.1 自變量獲取

    2.1.1 地表溫度

    本文采用胡德勇等針對Landsat 8第10波段(TIRS 10)提出的地表溫度單窗算法(簡稱為TIRS 10-SC算法)計算地表溫度。胡德勇等利用TI-RS 10-SC算法、覃志豪單窗算法和Jiménez-Muňoz算法反演了不同植被覆蓋類型的地表溫度,認為TIRS 10-SC算法可以較好地應用于Landsat 8衛(wèi)星影像數(shù)據(jù)地表溫度反演。TIRS 10-SC算法公式為

    (1)

    =

    (2)

    =(1-)·[1+(1-)]

    (3)

    式中:為地表溫度;為TIRS 10的亮溫;為大氣平均作用溫度;為TIRS 10地表比輻射率;為TIRS 10大氣透射率;取常數(shù)1 321.08 K;和為中間參量。

    2.1.2 其他自變量

    影響近地表氣溫的因素眾多,除地表溫度外,太陽輻射、植被、水體、建筑物分布及地形等因素均具有一定影響。因此,本文引入其他遙感因子(包括歸一化植被指數(shù)、歸一化建筑指數(shù)、改進的歸一化水體指數(shù)和地表反照率)以及地形因子(包括高程、坡向和坡度)作為構(gòu)建隨機森林氣溫估算模型的輸入?yún)?shù)。遙感因子基于Landsat 8衛(wèi)星數(shù)據(jù)獲取,計算公式見表1,地形因子由DEM數(shù)據(jù)獲取。

    表1 遙感因子提取算法Table 1 Extraction Algorithms for Remote Sensing Factors

    2.2 隨機森林

    隨機森林是Breiman提出的一種基于決策樹組合的可用于分類、回歸以及多維數(shù)據(jù)處理的機器學習算法。較傳統(tǒng)決策樹算法而言,該算法能夠平衡分布不均勻樣本的誤差,分類精度高,對異常值和噪聲有很好的容忍度。隨機森林是未經(jīng)修剪的分類樹或回歸樹的集合,這些樹是通過訓練數(shù)據(jù)的自舉樣本和樹歸納中的隨機特征選擇而創(chuàng)建的,隨機森林選取總樣本數(shù)的2/3作為訓練集構(gòu)建決策樹,剩余1/3數(shù)據(jù)用于驗證所構(gòu)建的模型性能。通??赏ㄟ^調(diào)整決策樹的數(shù)量以及單棵決策樹的特征數(shù)量來提高隨機森林模型的性能,本文使用循環(huán)迭代法進行參數(shù)優(yōu)化。對于決策樹數(shù)量設置,將決策樹數(shù)量步長設置為10,自第10棵樹起每加入10棵樹模型運行1次,決策樹數(shù)量至300棵時模型結(jié)束,將判定系數(shù)最大值對應的模型作為此次運算的最佳結(jié)果保存。對于單棵決策樹數(shù)量的設置,在1到模型輸入?yún)?shù)數(shù)量之間選擇一個合適的值作為單棵決策樹的特征數(shù)量,通過在決策樹棵樹的循環(huán)下嵌套一個循環(huán)體,將步長設置為1,把表現(xiàn)最好的作為單棵決策樹的特征數(shù)量進行保存。本文隨機森林模型的構(gòu)建通過MATLAB軟件中的Random Forest工具箱完成,模型實現(xiàn)步驟如下。

    步驟一:通過自舉采樣方法Bootstrap從原始數(shù)據(jù)集中隨機抽取次(有放回),樣本集組成個訓練集,未被抽到的數(shù)據(jù)為袋外(Out of Bag,OOB)數(shù)據(jù),可用于評估構(gòu)建模型的性能。

    步驟二:新構(gòu)建的每個訓練集均單獨作為一棵決策樹,每棵決策樹在生長過程中均不進行剪枝。

    步驟三:重復步驟二次,將生成的棵決策樹組成隨機森林,并應用于分類和回歸。對于每棵樹都能得到一個袋外數(shù)據(jù)誤差統(tǒng)計,對所有決策樹的袋外數(shù)據(jù)誤差取平均后可得到隨機森林泛化誤差估計,袋外數(shù)據(jù)誤差是無偏估計。

    2.3 變量重要性計算

    隨機森林可以在訓練過程中生成輸入變量的重要性度量。本文隨機森林中的變量重要性利用平均精度下降(Mean Decrease Accuracy,MDA)進行表征,該方法是基于袋外數(shù)據(jù)誤差的一種重要性評判方法。其基本原理是在外包樣本數(shù)據(jù)集中改變某一輸入?yún)?shù)值,然后計算造成的估算誤差,通過得到的誤差評判參數(shù)的重要性。若誤差較大,說明該變量對預測結(jié)果越敏感,同時重要性值越大,對模型的貢獻越高。

    2.4 模型驗證方法

    隨機森林是隨機選取樣本數(shù)據(jù)的過程,其本身具有交叉驗證的優(yōu)勢,當模型中決策樹的數(shù)目足夠保證每個樣本都可以充當一次訓練集和樣本集時,可以最大程度地避免模型過度擬合,同時提升模型的外推能力。K折交叉驗證是對交叉驗證的進一步發(fā)展和推廣,根據(jù)Kohavi的研究結(jié)果,10倍的變異系數(shù)在估計模型預測誤差時效果最佳,因此,本文采用10折交叉驗證來評估模型性能,采用判定系數(shù)和均方根誤差作為模型性能的評價指標。

    3 結(jié)果分析

    3.1 變量相關(guān)性與重要性分析

    3.1.1 相關(guān)性分析

    為定量分析自變量與近地表氣溫之間的關(guān)系,本文選用Pearson相關(guān)系數(shù)對近地表氣溫和8個輸入?yún)?shù)之間的潛在關(guān)系進行研究,結(jié)果如圖2所示。

    **表示在0.01水平(雙側(cè))上顯著相關(guān);*表示在0.05水平(雙側(cè))上顯著相關(guān)??v坐標中,1表示地表溫度;2表示改進的歸一化水體指數(shù);3表示歸一化建筑指數(shù);4表示歸一化植被指數(shù);5表示地表反照率;6表示高程;7表示坡向;8表示坡度圖2 相關(guān)性分析結(jié)果Fig.2 Correlation Analysis Results

    相關(guān)性涉及的8個自變量包括5個遙感因子和3個地形因子。遙感因子中,地表溫度、改進的歸一化水體指數(shù)和歸一化植被指數(shù)通過了顯著性檢驗,歸一化建筑指數(shù)和地表反照率未通過顯著性檢驗。其中,地表溫度相關(guān)性最高,相關(guān)系數(shù)為0.551;地表反照率相關(guān)性最低,相關(guān)系數(shù)為0.041。地形因子中,高程和坡度通過顯著性檢驗,坡向未通過顯著性檢驗。高程相關(guān)性最高,相關(guān)系數(shù)為-0.803;坡向相關(guān)性最低,相關(guān)系數(shù)僅0.021。整體來看,8個自變量的相關(guān)性從高到低依次為高程、地表溫度、坡度、改進的歸一化水體指數(shù)、歸一化植被指數(shù)、歸一化建筑指數(shù)、地表反照率、坡向。其中,地表溫度、改進的歸一化水體指數(shù)、歸一化建筑指數(shù)、地表反照率和坡向與近地表氣溫成正相關(guān)關(guān)系;歸一化植被指數(shù)、高程和坡度與近地表氣溫成負相關(guān)關(guān)系;與近地表氣溫相關(guān)性最高的參數(shù)為高程,相關(guān)性最低的為坡向。

    3.1.2 重要性分析

    輸入因子重要性評分用平均精度下降表示,結(jié)果如圖3所示。由圖3可見:在遙感因子中,地表溫度對于近地表氣溫估算的重要性高于其他4個因子,地表溫度的重要性評分最高,所對應的平均值也最高;歸一化建筑指數(shù)重要性評分與平均值最低;改進的歸一化水體指數(shù)、歸一化植被指數(shù)和地表反照率的重要性評分以及平均值差別不大,表明這3個變量對于近地表氣溫估算的貢獻度相當。在地形因子中,高程對于近地表氣溫估算的重要性評分最高,坡度次之,坡向最低,其對應的平均值亦然。整體來看,8個自變量中,高程的重要性評分及平均值最高,地表溫度次之,其他6個自變量的重要性評分沒有明顯差異,歸一化建筑指數(shù)重要性評分及平均值最低。從重要性分析來看,對近地表氣溫估算貢獻度最大的是高程,其次是地表溫度。

    橫坐標中,1表示地表溫度;2表示改進的歸一化水體指數(shù);3表示歸一化建筑指數(shù);4表示歸一化植被指數(shù);5表示地表反照率;6表示高程;7表示坡向;8表示坡度圖3 重要性分析結(jié)果Fig.3 Importance Analysis Results

    3.1.3 相關(guān)性與重要性綜合分析

    第3.1.1和3.1.2節(jié)分別通過自變量與實測氣溫的相關(guān)性和重要性分析了影響因子對近地表氣溫估算的貢獻度以及相關(guān)性和重要性表征變量不同的特征意義。這兩種評價指標具有不同的量綱,為了綜合考慮自變量的相關(guān)性和重要性,并消除不同指標之間的量綱影響,對相關(guān)系數(shù)和重要性評分進行歸一化(MIN-MAX Normalization)處理,將數(shù)據(jù)結(jié)果映射到[0,1],為判定自變量的貢獻度大小及設計不同模型參數(shù)組合方案奠定基礎(chǔ)。

    橫坐標中,1表示地表溫度;2表示改進的歸一化水體指數(shù);3表示歸一化建筑指數(shù);4表示歸一化植被指數(shù);5表示地表反照率;6表示高程;7表示坡向;8表示坡度圖4 歸一化綜合評價結(jié)果Fig.4 Normalized Comprehensive Assessment Results

    歸一化處理結(jié)果如圖4所示。由圖4可見:在遙感因子中,地表溫度歸一化結(jié)果最高,這與地表溫度和近地表氣溫的相關(guān)性和重要性較高相一致,其次為改進的歸一化水體指數(shù),歸一化結(jié)果最低的參數(shù)是地表反照率,表明遙感因子中對近地表氣溫估算貢獻度最大的是地表溫度;在地形因子中,高程的歸一化結(jié)果最高,這與地形因子高程和近地表氣溫的相關(guān)性和重要性最高相一致,其次為坡度,最低為坡向,表明高程對估算近地表氣溫貢獻度最大。整體來看,在構(gòu)建隨機森林模型估算近地表氣溫的過程中,8個自變量的貢獻度從大到小依次為高程、地表溫度、坡度、改進的歸一化水體指數(shù)、歸一化植被指數(shù)、歸一化建筑指數(shù)、地表反照率、坡向,表明在近地表氣溫估算過程中地表溫度和高程是最為重要的兩個輸入?yún)?shù)。近地表氣溫變化受多因素影響,一般情況下,在對流層中其垂直分布隨高程的增加而降低,主要是由于距離地表越遠,吸收的地面長波輻射越少,氣溫越低。地表吸收太陽輻射而增溫,然后向外發(fā)出長波輻射,近地表氣溫因吸收地面輻射而增溫,地表熱量對近地表氣溫變化起直接的、主導的作用,因此,地表溫度與近地表氣溫相關(guān)性較高。歸一化植被指數(shù)反映植被覆蓋度狀況,植被覆蓋度的變化會改變地表潛熱、感熱通量以及植被自身的蒸騰作用,進而對近地表氣溫變化產(chǎn)生影響,在近地表氣溫估算時考慮地表熱量、水體、建筑等下墊面狀況是非常有必要的。因此,根據(jù)歸一化綜合評價結(jié)果所反映的影響因子對近地表氣溫的貢獻度大小,構(gòu)建P2~P8(其中數(shù)字代表參數(shù)個數(shù))共7種參數(shù)組合方案(表2)。

    表2 模型參數(shù)組合方案Table 2 Combination Schemes of Model Parameter

    3.2 隨機森林近地表氣溫估算模型對比與性能評估

    將第3.1.3節(jié)構(gòu)建的7種參數(shù)組合方案分別輸入隨機森林模型進行近地表氣溫估算,采用10折交叉驗證評估模型性能,結(jié)果如表3所示。由表3可知:7種參數(shù)組合方案下的隨機森林模型訓練集判定系數(shù)均高于0.916,均方根誤差均低于0.467 ℃;所有模型驗證集判定系數(shù)均高于0.726,均方根誤差均低于0.840 ℃;訓練集判定系數(shù)均高于驗證集,均方根誤差均低于驗證集。7種參數(shù)組合方案分別構(gòu)建的隨機森林模型均能夠?qū)τ柧毤万炞C集進行較好的擬合,表明隨機森林在研究區(qū)近地表氣溫估算中具有較好效果。

    表3 隨機森林模型性能Table 3 Model Performance of Random Forest

    進一步分析發(fā)現(xiàn),對于訓練集,P5~P8方案模型判定系數(shù)大于P2~P4方案模型,且其均方根誤差小于P2~P4方案模型,隨著輸入?yún)?shù)的增加,P5~P8方案模型判定系數(shù)和均方根誤差無明顯變化,模型性能較P2~P4方案模型表現(xiàn)較好且趨于穩(wěn)定。對于驗證集,P2~P5方案模型判定系數(shù)隨著參數(shù)的增加而增加,均方根誤差隨著參數(shù)的增加而減小,P5方案模型性能表現(xiàn)較好;相比P2~P5方案模型,P6~P8方案模型判定系數(shù)出現(xiàn)先減后增變化,均方根誤差出現(xiàn)先增后減變化。綜合訓練集和驗證集來看,當全部參數(shù)輸入模型后,隨機森林模型(P8方案模型)性能表現(xiàn)最佳,其驗證集精度優(yōu)于P5方案模型,P8方案模型的訓練集判定系數(shù)為0.934,均方根誤差為0.425 ℃(P5方案模型訓練集判定系數(shù)為0.935,均方根誤差為0.426 ℃),驗證集判定系數(shù)為0.795,均方根誤差為0.783 ℃(P5方案模型驗證集判定系數(shù)為0.788,均方根誤差為0.785 ℃)。因此,本文基于P8方案建立研究區(qū)隨機森林近地表氣溫估算模型。

    3.3 結(jié)果驗證

    從上述隨機森林模型估算近地表氣溫的訓練集及驗證集結(jié)果來看,隨機森林近地表氣溫估算模型精度較高,其中P8方案模型精度最高。為進一步驗證模型精度,對基于最佳模型的近地表氣溫估算值與站點觀測值進行線性擬合,結(jié)果如圖5所示。由圖5可見,近地表氣溫估算值與站點觀測值的判定系數(shù)為0.792,均方根誤差為1.055 ℃,氣溫估算精度較好。根據(jù)樣本點相對1∶1線的分布情況可知,部分近地表氣溫估算值出現(xiàn)高值低估的現(xiàn)象。這一方面可能是由于近地表氣溫觀測站點幾乎全部分布在秦嶺以北地區(qū),研究區(qū)南部氣溫觀測站點較為有限(圖1),所以觀測氣溫的高值較多,在模型估算近地表氣溫過程中出現(xiàn)了一定程度的過擬合;另一方面,在氣溫估算過程中,未能考慮太陽輻射對地表溫度直接作用的影響,從而也會導致近地表氣溫高值低估的情況。綜上所述,雖然出現(xiàn)部分高值低估的現(xiàn)象,但根據(jù)總體估算精度來看,低估偏差在合理范圍內(nèi),所構(gòu)建的隨機森林模型適用于西安市近地表氣溫的估算。

    圖5 近地表氣溫估算值和站點觀測值散點圖Fig.5 Scatter Plot of Estimated Temperature and Site Temperature

    3.4 西安市近地表氣溫估算與空間分布特征

    基于上述最佳隨機森林模型,模擬得到 2016年5月16日西安市近地表氣溫(圖6)。由圖6可見,西安市近地表氣溫呈現(xiàn)顯著的空間差異性,整體呈南低北高、中心城區(qū)高于郊縣區(qū)的態(tài)勢。

    圖6 2016年5月16日西安市近地表氣溫空間分布模擬圖Fig.6 Spatial Distribution Simulation Map of the Near-surface Air Temperature in Xi’an City on May 16,2016

    為進一步分析近地表氣溫的空間差異性,提取了不同區(qū)縣的最低氣溫、最高氣溫、平均氣溫和平均高程,結(jié)果如表4所示。由表4可見,西安市13個區(qū)縣的最低氣溫平均值為20.50 ℃,最高氣溫平均值為23.49 ℃,并且各區(qū)縣最高氣溫均高于23.00 ℃,西安市平均氣溫為21.98 ℃。中心城區(qū)的3個氣溫指標均大于郊縣區(qū),其最低氣溫平均值、最高氣溫平均值以及氣溫平均值分別高于郊縣區(qū)1.54 ℃、0.01 ℃和1.76 ℃。13個區(qū)縣平均高程為380~1 433 m,從平均高程來看,秦嶺山區(qū)橫跨的周至縣、鄠邑區(qū)、長安區(qū)和藍田縣的平均高程遠高于其他轄區(qū),這是引起這4個區(qū)縣平均氣溫普遍低于其他轄區(qū)的一個重要原因,對于高程相近的其他轄區(qū),近地表氣溫仍表現(xiàn)出空間差異性。伴隨著城市化發(fā)展,地表下墊面類型發(fā)生改變,尤其對于中心城區(qū),高層建筑、道路鋪裝等均會使植被、土地和水域等自然表面變?yōu)椴煌杆妫M而改變了地表長波輻射能量,導致氣溫發(fā)生變化,這是城市氣溫產(chǎn)生空間差異的另一原因。此外,近地表氣溫受植被覆蓋度、水域面積、人口密度及社會生產(chǎn)活動等眾多因素影響,與中心城區(qū)相比,郊縣區(qū)發(fā)展較慢且區(qū)域面積大,人類社會生產(chǎn)活動相對較少,使郊縣區(qū)平均氣溫普遍低于中心城區(qū)。

    表4 氣溫-高程分區(qū)統(tǒng)計Table 4 Statistics of Air Temperature-altitude in Different Districts

    在中心城區(qū)內(nèi),灞橋區(qū)具有最低氣溫(19.20 ℃),遠低于其他5個轄區(qū),差值為1.53 ℃~3.11 ℃;灞橋區(qū)平均氣溫為22.19 ℃,低于除雁塔區(qū)以外的其他4個轄區(qū),差值為0.62 ℃~1.00 ℃。灞橋區(qū)內(nèi)灞河、浐河和渭河交匯處,水域面積廣,植被覆蓋度相對較高,因此,灞橋區(qū)平均氣溫較低。雁塔區(qū)大型景觀公園較多,綠化率高,平均氣溫最低。蓮湖區(qū)、新城區(qū)和碑林區(qū)屬于老城區(qū),建筑密集,人口密度大,平均氣溫相對較高。對于郊縣區(qū),在周至縣、鄠邑區(qū)、長安區(qū)和藍田縣均觀測到最低氣溫(19.05 ℃),明顯低于高陵區(qū)和閻良區(qū),與臨潼區(qū)相差無異;其平均氣溫也明顯低于高陵區(qū)和閻良區(qū)。秦嶺位于西安市南部,東西向橫跨周至縣、鄠邑區(qū)、長安區(qū)和藍田縣,秦嶺山區(qū)海拔高、植被覆蓋度大,且以自然地表為主,因此,這4個區(qū)縣平均氣溫低于高陵區(qū)、閻良區(qū)和臨潼區(qū)。

    綜合圖6和表4可知:西安市高溫聚集在中心城區(qū),最高氣溫為23.51 ℃;郊縣區(qū)以及植被較為濃密的地區(qū)氣溫低于中心城區(qū);低溫聚集在秦嶺山區(qū),最低氣溫為19.05 ℃。西安市近地表氣溫呈現(xiàn)出中心城區(qū)較高、郊縣區(qū)適中、山區(qū)較低的總體分布格局,且從中心城區(qū)到郊縣區(qū)逐漸降低,山區(qū)氣溫普遍低于中心城區(qū),呈現(xiàn)顯著的城市熱島效應。

    4 結(jié) 語

    (1)相關(guān)性及重要性綜合分析表明,在地表溫度、歸一化植被指數(shù)、歸一化建筑指數(shù)、改進的歸一化水體指數(shù)和地表反照率等5個遙感因子以及高程、坡向和坡度等3個地形因子中,高程對隨機森林模型估算近地表氣溫的貢獻度最大,其次是地表溫度,坡向貢獻度最低。

    (2)7種參數(shù)組合方案構(gòu)建的隨機森林模型均能夠?qū)τ柧毤万炞C集進行較好的擬合,訓練集判定系數(shù)均高于0.916,均方根誤差均低于0.467 ℃,驗證集判定系數(shù)均高于0.726,均方根誤差均低于0.840 ℃;訓練集判定系數(shù)均高于驗證集,均方根誤差均低于驗證集。P8方案模型表現(xiàn)最優(yōu),其訓練集判定系數(shù)為0.934,均方根誤差為0.425 ℃,驗證集判定系數(shù)為0.795,均方根誤差為0.783 ℃,近地表氣溫估算精度判定系數(shù)為0.792,均方根誤差為1.055 ℃,表明隨機森林模型在研究區(qū)近地表氣溫估算中效果良好。

    (3)2016年5月16日,西安市平均氣溫為21.98 ℃,13個區(qū)縣的最低氣溫平均值為20.50 ℃,最高氣溫平均值為23.49 ℃。中心城區(qū)的3個氣溫指標值均高于郊縣區(qū),其最低氣溫平均值、最高氣溫平均值及氣溫平均值分別高于郊縣區(qū)1.54 ℃、0.01 ℃和1.76 ℃。水域和植被覆蓋度高的地區(qū)氣溫相對較低。中心城區(qū)內(nèi),灞橋區(qū)氣溫低于其他轄區(qū);郊縣區(qū)內(nèi),周至縣、鄠邑區(qū)、長安區(qū)和藍田縣低于高陵區(qū)、閻良區(qū)和臨潼區(qū)。西安市近地表氣溫南低北高,空間差異明顯,自中心城區(qū)至郊縣區(qū)到南部山區(qū)逐漸降低,呈現(xiàn)出顯著的城市熱島效應。

    (4)本文在近地表氣溫隨機森林建模中綜合考慮了地表溫度、植被、水體、建筑物及地形等多種因素的影響,結(jié)合最優(yōu)參數(shù)組合方案獲取了精度較好的連續(xù)性空間近地表氣溫信息,對于開拓研究思路、提高估算精度、探索近地表氣溫遙感反演的新方法具有一定的參考意義,可為城市熱島效應研究提供新的思路。但是,影響近地表氣溫的因素眾多,本文在模型設計時僅考慮了5個遙感因子和3個地形因子,未考慮太陽輻射、相對濕度、人口密度等自然因子及社會經(jīng)濟因子,后期將在模型中加入更多因子,深入探討各因子對近地表氣溫估算的影響機理。此外,由于近地表氣溫實測氣象站點數(shù)據(jù)有限,本文僅對單一時相數(shù)據(jù)進行了研究,下一步可在獲取時間序列氣溫數(shù)據(jù)后開展近地表氣溫時空變化過程及機制研究,為城市生態(tài)環(huán)境保護和區(qū)域氣候改善提供基礎(chǔ)數(shù)據(jù)。

    猜你喜歡
    方根西安市氣溫
    方根拓展探究
    基于FY-3D和FY-4A的氣溫時空融合
    深冬氣溫多變 蔬菜管理要隨機應變
    親子創(chuàng)意美工展
    西安市第四醫(yī)院
    123的幾種說法
    均方根嵌入式容積粒子PHD 多目標跟蹤方法
    自動化學報(2017年2期)2017-04-04 05:14:28
    基于CA-Markov模型的西安市熱環(huán)境模擬研究
    揭開心算方根之謎
    與氣溫成反比的東西
    桃色一区二区三区在线观看| 最近2019中文字幕mv第一页| 一个人观看的视频www高清免费观看| 久久精品综合一区二区三区| 日韩三级伦理在线观看| 久久久久久久午夜电影| 免费看日本二区| 校园人妻丝袜中文字幕| 成人国产麻豆网| 国内揄拍国产精品人妻在线| 久久久午夜欧美精品| 精品人妻偷拍中文字幕| 欧美+亚洲+日韩+国产| 中文欧美无线码| 欧美bdsm另类| 天美传媒精品一区二区| 特大巨黑吊av在线直播| 亚洲av二区三区四区| av免费观看日本| 乱人视频在线观看| 久久草成人影院| 国产伦在线观看视频一区| 此物有八面人人有两片| av在线天堂中文字幕| 精品无人区乱码1区二区| 99精品在免费线老司机午夜| 边亲边吃奶的免费视频| 我的女老师完整版在线观看| 给我免费播放毛片高清在线观看| 99热精品在线国产| 日韩av不卡免费在线播放| 色吧在线观看| 国内精品宾馆在线| 精品久久久噜噜| 三级男女做爰猛烈吃奶摸视频| 成人国产麻豆网| 亚洲aⅴ乱码一区二区在线播放| 久久草成人影院| 两性午夜刺激爽爽歪歪视频在线观看| 久久精品久久久久久噜噜老黄 | 亚洲精品国产成人久久av| 久久午夜亚洲精品久久| 国产色爽女视频免费观看| 精品不卡国产一区二区三区| 国产成年人精品一区二区| 国产成人影院久久av| 国产av一区在线观看免费| 国产白丝娇喘喷水9色精品| 少妇被粗大猛烈的视频| 91在线精品国自产拍蜜月| 性欧美人与动物交配| 色5月婷婷丁香| 只有这里有精品99| av视频在线观看入口| 极品教师在线视频| av天堂中文字幕网| 国产亚洲91精品色在线| 成人av在线播放网站| 啦啦啦韩国在线观看视频| 1000部很黄的大片| 嫩草影院精品99| a级毛色黄片| 日韩成人伦理影院| 3wmmmm亚洲av在线观看| 久久久久九九精品影院| 美女被艹到高潮喷水动态| 又粗又爽又猛毛片免费看| 久久久久久国产a免费观看| 乱系列少妇在线播放| 国产精品电影一区二区三区| 只有这里有精品99| 一个人观看的视频www高清免费观看| 欧美高清性xxxxhd video| 久久久久久久久久久免费av| 久久中文看片网| 国产精华一区二区三区| 欧美最黄视频在线播放免费| 神马国产精品三级电影在线观看| 观看美女的网站| 欧美xxxx黑人xx丫x性爽| 久久久国产成人精品二区| 亚洲人成网站高清观看| 色综合色国产| 国产高清激情床上av| 一个人观看的视频www高清免费观看| 日本在线视频免费播放| 黄色日韩在线| 久久人人爽人人爽人人片va| 中文字幕精品亚洲无线码一区| 日韩欧美在线乱码| 91av网一区二区| 亚洲av熟女| 别揉我奶头 嗯啊视频| 天天一区二区日本电影三级| 成人特级黄色片久久久久久久| 色哟哟哟哟哟哟| 免费av不卡在线播放| 免费观看在线日韩| 一个人看的www免费观看视频| 亚洲国产精品合色在线| www.av在线官网国产| 免费av不卡在线播放| 日韩一本色道免费dvd| av国产免费在线观看| 亚洲精品色激情综合| 精品久久久久久久末码| 联通29元200g的流量卡| 又粗又爽又猛毛片免费看| 久久久精品欧美日韩精品| 女人被狂操c到高潮| 欧美激情国产日韩精品一区| 91麻豆精品激情在线观看国产| 国产精华一区二区三区| 91精品一卡2卡3卡4卡| 午夜福利在线在线| 99久久无色码亚洲精品果冻| 亚洲人成网站高清观看| 亚洲真实伦在线观看| 综合色丁香网| 99久久成人亚洲精品观看| 九九在线视频观看精品| 久久久久久久午夜电影| 一卡2卡三卡四卡精品乱码亚洲| 国产高清不卡午夜福利| 爱豆传媒免费全集在线观看| 狂野欧美白嫩少妇大欣赏| 中文字幕av在线有码专区| 亚洲精品乱码久久久久久按摩| 一级毛片电影观看 | 亚洲美女视频黄频| 国产成人a∨麻豆精品| 日本三级黄在线观看| 一级黄色大片毛片| 亚洲一级一片aⅴ在线观看| 美女cb高潮喷水在线观看| 国产综合懂色| 人妻夜夜爽99麻豆av| 亚洲欧洲日产国产| 国产精品伦人一区二区| 欧美区成人在线视频| 色吧在线观看| 精品无人区乱码1区二区| 亚洲无线观看免费| 久久这里只有精品中国| 亚洲成人久久爱视频| 国产免费男女视频| 日韩欧美三级三区| 国产片特级美女逼逼视频| 赤兔流量卡办理| 日产精品乱码卡一卡2卡三| 深爱激情五月婷婷| 欧洲精品卡2卡3卡4卡5卡区| 在线观看av片永久免费下载| 青青草视频在线视频观看| 精品99又大又爽又粗少妇毛片| 在线a可以看的网站| 波多野结衣高清作品| 美女 人体艺术 gogo| 婷婷亚洲欧美| 精品久久国产蜜桃| 久久草成人影院| 夫妻性生交免费视频一级片| 中国国产av一级| 亚洲av电影不卡..在线观看| 人妻夜夜爽99麻豆av| 观看美女的网站| 99久久成人亚洲精品观看| 两个人的视频大全免费| 99国产精品一区二区蜜桃av| 国产成人a区在线观看| 大型黄色视频在线免费观看| 免费搜索国产男女视频| 又黄又爽又刺激的免费视频.| 日韩av不卡免费在线播放| 69人妻影院| 极品教师在线视频| 亚洲国产日韩欧美精品在线观看| 在线播放无遮挡| 国产精品一区二区三区四区免费观看| 成年女人看的毛片在线观看| 中文亚洲av片在线观看爽| 欧美又色又爽又黄视频| 日韩中字成人| 一边亲一边摸免费视频| 欧美成人a在线观看| 可以在线观看的亚洲视频| 天堂影院成人在线观看| 久久亚洲国产成人精品v| 1000部很黄的大片| 99久久精品热视频| 久久综合国产亚洲精品| 精品一区二区三区视频在线| 在线播放国产精品三级| 色哟哟哟哟哟哟| 激情 狠狠 欧美| 成年av动漫网址| 午夜福利在线观看免费完整高清在 | 我要看日韩黄色一级片| 别揉我奶头 嗯啊视频| 欧美一区二区精品小视频在线| 日本av手机在线免费观看| 又爽又黄a免费视频| 男的添女的下面高潮视频| 欧美性感艳星| 久久久a久久爽久久v久久| 久久久午夜欧美精品| 欧美激情在线99| 国产色爽女视频免费观看| 波多野结衣高清无吗| 丝袜美腿在线中文| 欧美最黄视频在线播放免费| 亚洲成人中文字幕在线播放| 99久久精品国产国产毛片| 晚上一个人看的免费电影| 在线观看66精品国产| 26uuu在线亚洲综合色| 超碰av人人做人人爽久久| 欧美高清性xxxxhd video| 两个人的视频大全免费| 欧美zozozo另类| 国产成人精品一,二区 | 又黄又爽又刺激的免费视频.| 亚洲精品久久久久久婷婷小说 | 欧美成人a在线观看| 亚洲三级黄色毛片| 亚洲美女视频黄频| 少妇人妻精品综合一区二区 | 日本免费a在线| 亚洲第一电影网av| av在线观看视频网站免费| 天天躁日日操中文字幕| 中文资源天堂在线| 日韩三级伦理在线观看| 中文字幕免费在线视频6| 国产精品综合久久久久久久免费| 好男人视频免费观看在线| 天堂av国产一区二区熟女人妻| eeuss影院久久| 精品欧美国产一区二区三| 一个人看视频在线观看www免费| 我的女老师完整版在线观看| 99久国产av精品| 日本黄大片高清| 99九九线精品视频在线观看视频| 欧美潮喷喷水| 国产精品久久久久久精品电影| 少妇熟女欧美另类| 熟女电影av网| 女人十人毛片免费观看3o分钟| 精品人妻一区二区三区麻豆| 91aial.com中文字幕在线观看| 一级毛片我不卡| 国产精品不卡视频一区二区| 亚洲av免费在线观看| 人妻系列 视频| 亚洲电影在线观看av| 嫩草影院新地址| 亚洲国产精品国产精品| 亚洲精品日韩在线中文字幕 | 日韩av不卡免费在线播放| 卡戴珊不雅视频在线播放| av专区在线播放| 国内揄拍国产精品人妻在线| 日本黄色片子视频| 12—13女人毛片做爰片一| 69人妻影院| 国产精品电影一区二区三区| 日韩欧美一区二区三区在线观看| 中文字幕制服av| 亚洲激情五月婷婷啪啪| 午夜免费激情av| 亚洲性久久影院| 亚洲四区av| 色综合色国产| 欧美激情在线99| 久久久久免费精品人妻一区二区| 五月玫瑰六月丁香| 高清在线视频一区二区三区 | 哪个播放器可以免费观看大片| 最近中文字幕高清免费大全6| 国产激情偷乱视频一区二区| 国产国拍精品亚洲av在线观看| 人妻久久中文字幕网| 亚洲电影在线观看av| 69人妻影院| 免费一级毛片在线播放高清视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 2022亚洲国产成人精品| 久久久久久久久大av| 少妇裸体淫交视频免费看高清| 国产亚洲av嫩草精品影院| 国产大屁股一区二区在线视频| 欧美日韩综合久久久久久| www.色视频.com| 久久久久九九精品影院| av在线老鸭窝| 国产免费一级a男人的天堂| 一边亲一边摸免费视频| 亚洲欧美日韩高清专用| 国产成人精品一,二区 | 国产人妻一区二区三区在| 亚洲丝袜综合中文字幕| 久久欧美精品欧美久久欧美| 欧美xxxx黑人xx丫x性爽| 久久久久久久久久成人| 噜噜噜噜噜久久久久久91| 啦啦啦观看免费观看视频高清| 自拍偷自拍亚洲精品老妇| 色播亚洲综合网| 一本精品99久久精品77| 欧美精品一区二区大全| 国产亚洲91精品色在线| 97热精品久久久久久| 欧美高清性xxxxhd video| 在线a可以看的网站| 久久久久久久久久黄片| 日本一二三区视频观看| 最近最新中文字幕大全电影3| 国产免费一级a男人的天堂| 成年女人永久免费观看视频| 最近手机中文字幕大全| 亚洲欧美日韩高清在线视频| 国产高潮美女av| 久久精品影院6| 亚洲国产精品成人久久小说 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品,欧美在线| 国产成人a∨麻豆精品| 精品99又大又爽又粗少妇毛片| 夫妻性生交免费视频一级片| 久久国产乱子免费精品| 日本爱情动作片www.在线观看| 午夜福利成人在线免费观看| 人人妻人人澡人人爽人人夜夜 | 精品欧美国产一区二区三| 免费人成在线观看视频色| 欧美又色又爽又黄视频| 听说在线观看完整版免费高清| 桃色一区二区三区在线观看| 伦理电影大哥的女人| 成人国产麻豆网| 能在线免费看毛片的网站| 亚洲无线观看免费| 最近视频中文字幕2019在线8| 欧美一级a爱片免费观看看| 国产一区二区在线观看日韩| 91精品国产九色| 国产极品天堂在线| 一级黄片播放器| 天天躁夜夜躁狠狠久久av| 久久国内精品自在自线图片| 全区人妻精品视频| 国产成人影院久久av| 国产精品.久久久| 日韩成人av中文字幕在线观看| 午夜免费男女啪啪视频观看| 有码 亚洲区| 国产大屁股一区二区在线视频| 26uuu在线亚洲综合色| 亚洲一区高清亚洲精品| 2021天堂中文幕一二区在线观| 麻豆乱淫一区二区| 亚洲欧美精品专区久久| 桃色一区二区三区在线观看| 国产三级在线视频| 人妻系列 视频| 日韩一本色道免费dvd| 禁无遮挡网站| 国产亚洲精品久久久久久毛片| 久久韩国三级中文字幕| 内射极品少妇av片p| 亚洲欧洲日产国产| 精品国内亚洲2022精品成人| 欧美性猛交黑人性爽| 亚洲欧美日韩高清在线视频| 亚洲国产欧洲综合997久久,| 大又大粗又爽又黄少妇毛片口| 在线免费观看的www视频| 在线播放国产精品三级| 美女国产视频在线观看| 99久久人妻综合| 最新中文字幕久久久久| 精品日产1卡2卡| 亚洲成人精品中文字幕电影| 国产精品一二三区在线看| av在线蜜桃| 亚洲精品久久国产高清桃花| 国产老妇女一区| 春色校园在线视频观看| 久久精品91蜜桃| 18禁裸乳无遮挡免费网站照片| 欧美最新免费一区二区三区| 久久午夜福利片| 大香蕉久久网| av卡一久久| 白带黄色成豆腐渣| 美女内射精品一级片tv| 三级男女做爰猛烈吃奶摸视频| 最后的刺客免费高清国语| av福利片在线观看| 一本久久精品| 亚洲欧美精品自产自拍| 亚洲国产色片| 欧美+亚洲+日韩+国产| 国产美女午夜福利| 日本黄大片高清| 嫩草影院新地址| 极品教师在线视频| 精品99又大又爽又粗少妇毛片| 亚洲国产高清在线一区二区三| 欧美一区二区亚洲| 亚洲三级黄色毛片| 在线观看一区二区三区| 日韩 亚洲 欧美在线| 日韩人妻高清精品专区| 三级毛片av免费| 大型黄色视频在线免费观看| 午夜激情欧美在线| 亚洲国产精品sss在线观看| 国产精品一二三区在线看| av在线观看视频网站免费| 欧美丝袜亚洲另类| 2022亚洲国产成人精品| 国产v大片淫在线免费观看| 国产视频内射| 亚洲欧美精品专区久久| 欧美成人精品欧美一级黄| 婷婷色综合大香蕉| 亚洲国产精品久久男人天堂| 久久99热这里只有精品18| 国产乱人偷精品视频| 日韩欧美一区二区三区在线观看| 十八禁国产超污无遮挡网站| 国产成人精品婷婷| 老师上课跳d突然被开到最大视频| 久久精品国产清高在天天线| 欧美一级a爱片免费观看看| 波多野结衣高清作品| 99久久精品一区二区三区| 国产精品日韩av在线免费观看| 中文字幕av在线有码专区| 偷拍熟女少妇极品色| 搞女人的毛片| 丝袜美腿在线中文| 人体艺术视频欧美日本| 18禁裸乳无遮挡免费网站照片| 中文亚洲av片在线观看爽| 久久国内精品自在自线图片| 又粗又爽又猛毛片免费看| 欧美丝袜亚洲另类| 欧美bdsm另类| 中文在线观看免费www的网站| 久久中文看片网| 亚洲欧美日韩高清在线视频| 欧美一区二区国产精品久久精品| 国产午夜精品一二区理论片| 少妇裸体淫交视频免费看高清| 国产精品国产高清国产av| 亚洲欧美清纯卡通| 天天躁夜夜躁狠狠久久av| 高清毛片免费观看视频网站| 你懂的网址亚洲精品在线观看 | 成年av动漫网址| 国产精品免费一区二区三区在线| 午夜视频国产福利| 99国产精品一区二区蜜桃av| 日本黄色视频三级网站网址| 日韩一区二区三区影片| 少妇丰满av| 国产 一区 欧美 日韩| 亚洲国产欧美人成| 天天一区二区日本电影三级| 中国美女看黄片| 天堂中文最新版在线下载 | 欧美日本视频| 日韩成人av中文字幕在线观看| 国产毛片a区久久久久| 天天躁日日操中文字幕| 欧美三级亚洲精品| 51国产日韩欧美| 日日啪夜夜撸| 亚洲av不卡在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | www日本黄色视频网| 国产精品久久电影中文字幕| 国产精品一区二区三区四区久久| 日韩欧美在线乱码| 91在线精品国自产拍蜜月| 变态另类成人亚洲欧美熟女| 国产精品一区www在线观看| 亚洲真实伦在线观看| 久久久国产成人精品二区| 日日撸夜夜添| 天堂av国产一区二区熟女人妻| 美女xxoo啪啪120秒动态图| 国产精品.久久久| 日本一二三区视频观看| 亚洲精品亚洲一区二区| 国产91av在线免费观看| 亚洲精品粉嫩美女一区| 岛国毛片在线播放| 日韩亚洲欧美综合| 91av网一区二区| 亚洲天堂国产精品一区在线| 舔av片在线| 少妇高潮的动态图| 亚洲av免费高清在线观看| 精品人妻偷拍中文字幕| 国产一级毛片在线| 国产蜜桃级精品一区二区三区| 黄色欧美视频在线观看| 91在线精品国自产拍蜜月| 欧美日韩一区二区视频在线观看视频在线 | 99热6这里只有精品| 久久国产乱子免费精品| 国产综合懂色| 亚洲无线在线观看| 久久鲁丝午夜福利片| 国产亚洲精品久久久com| av天堂在线播放| 中文字幕免费在线视频6| 日韩三级伦理在线观看| 欧美日本视频| av卡一久久| 国内少妇人妻偷人精品xxx网站| 亚洲一区高清亚洲精品| 国产一区亚洲一区在线观看| 国产精品不卡视频一区二区| 欧美成人a在线观看| 人妻夜夜爽99麻豆av| 麻豆乱淫一区二区| 黄片wwwwww| 亚洲在线自拍视频| 国产高清有码在线观看视频| 熟女电影av网| 99热6这里只有精品| 26uuu在线亚洲综合色| 丝袜喷水一区| 国产一区二区亚洲精品在线观看| 看免费成人av毛片| 精品一区二区三区视频在线| 美女大奶头视频| 又爽又黄a免费视频| 久久久久久久午夜电影| 黄色日韩在线| 国产中年淑女户外野战色| 精品一区二区免费观看| 国产精品人妻久久久久久| 国产高清有码在线观看视频| 亚洲欧美精品自产自拍| 麻豆av噜噜一区二区三区| 国产精品免费一区二区三区在线| 久久久久免费精品人妻一区二区| 久久久久九九精品影院| 久久人人精品亚洲av| 国产在视频线在精品| 嫩草影院精品99| .国产精品久久| 青春草国产在线视频 | 亚洲一区高清亚洲精品| 黑人高潮一二区| 日韩国内少妇激情av| 毛片女人毛片| 欧美日本亚洲视频在线播放| 最近最新中文字幕大全电影3| 美女xxoo啪啪120秒动态图| 欧美日韩一区二区视频在线观看视频在线 | 亚洲欧美日韩高清在线视频| 亚洲av第一区精品v没综合| 高清午夜精品一区二区三区 | 欧美bdsm另类| 亚洲在线观看片| 日日干狠狠操夜夜爽| 日韩人妻高清精品专区| 免费黄网站久久成人精品| 亚洲av成人av| 精品少妇黑人巨大在线播放 | 老师上课跳d突然被开到最大视频| 成人漫画全彩无遮挡| 寂寞人妻少妇视频99o| 特大巨黑吊av在线直播| 一级毛片电影观看 | 亚洲欧美精品自产自拍| 如何舔出高潮| 一级毛片电影观看 | 变态另类成人亚洲欧美熟女| 欧美色欧美亚洲另类二区| 久久精品国产亚洲av香蕉五月| 日韩欧美在线乱码| 欧美xxxx黑人xx丫x性爽| 神马国产精品三级电影在线观看| 中文字幕免费在线视频6| 亚洲无线在线观看| 免费观看在线日韩| 国产精品伦人一区二区| 欧美精品国产亚洲| 久久久久久久久久成人| 18禁裸乳无遮挡免费网站照片| av在线观看视频网站免费| 成人综合一区亚洲| 日日摸夜夜添夜夜爱| 欧美一区二区精品小视频在线| 免费黄网站久久成人精品| 丰满乱子伦码专区| 看十八女毛片水多多多| 日本撒尿小便嘘嘘汇集6| 又粗又硬又长又爽又黄的视频 | 欧美一区二区国产精品久久精品| 久久久久久久久久久免费av| 日本黄色片子视频| 长腿黑丝高跟| 老熟妇乱子伦视频在线观看| 夜夜夜夜夜久久久久| 国产av不卡久久| 网址你懂的国产日韩在线|