• <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 ?

    孕穗至成熟期水稻冠層溫度和土溫水溫的模擬

    2022-07-29 08:57:38趙子皓江曉東楊沈斌
    江蘇農業(yè)科學 2022年13期
    關鍵詞:土溫冠層水溫

    趙子皓, 江曉東, 楊沈斌

    (江蘇省農業(yè)氣象重點實驗室/南京信息工程大學氣象災害預報預警與評估協同創(chuàng)新中心/南京信息工程大學應用氣象學院,江蘇南京 210044)

    冠層指植物枝葉的稠密頂層,是植物的地上部分。本研究所指的水稻冠層溫度包括稻田水面以上30、60、90 cm的溫度,冠層溫度以及土溫、水溫會對作物的生長發(fā)育造成影響,但數據的獲取需要進行觀測,常規(guī)氣象觀測不提供該類數據。利用環(huán)境氣象要素與作物表型參數模擬冠層溫度是簡便且相對準確的方案。相較于環(huán)境大氣,冠層空氣直接接觸作物,冠層溫度是作物生理研究的重要參數之一,對作物的生長發(fā)育造成重要影響。早在20世紀90年代,Chauham等研究發(fā)現,水稻灌漿期的冠層溫度與水稻產量呈負相關關系。灌漿成熟期的冠層高溫還與稻米的直鏈淀粉含量呈正相關關系,高溫會對稻米的品質造成不利影響。另外,水稻冠層溫度對水稻葉面積指數、根系分布、葉片基角、開張角等眾多生理指標造成影響。除了冠層溫度外,水溫和土溫也會對水稻生長造成影響。適當提高水溫可以使水稻幼苗的株高生長速度加快。Yin較早分析了稻田水層溫度對水稻抽穗開花期的影響,結果表明,水層溫度在水稻生長早期對其發(fā)育進程的影響超過氣溫。但在水稻生長發(fā)育中后期,水層溫度影響有限,冠層溫度對水稻生長發(fā)育以及產量形成造成較大影響。土溫升高可以促進高寒地區(qū)水稻干物質積累以及分蘗數增長。冠層溫度作為直接影響作物生長發(fā)育的氣象要素,被廣泛用于各項作物生理研究,例如改進作物生長發(fā)育模型、判斷作物缺水程度、計算作物水分利用率、建立灌溉指標等都會用到作物冠層溫度。水稻冠層的溫度與環(huán)境溫度存在差異,采用環(huán)境溫度可能會導致作物生理研究結果的誤差。因此,獲取作物冠層溫度以及土溫和水溫具有重要意義。而由于水稻冠層的特殊結構,水稻不同器官主要位于冠層內的不同高度,例如冠層底部主要為水稻的莖,冠層中部主要包含水稻的莖和葉,冠層上部主要包含水稻的葉和穗。故冠層內不同高度層的溫度對水稻的生長發(fā)育及產量的影響不同,研究水稻冠層內不同高度層的溫度模擬同樣具有重要意義。

    回歸模型是模擬冠層溫度的方法之一,段永紅等對不同天氣和土壤條件下小麥的冠層溫度、土壤溫度建立回歸方程,效果較好,在晴朗濕潤麥地里,94.7%的模擬冠層溫度誤差小于2 ℃。王春玲等選擇溫室外的溫度、風速、相對濕度、太陽高度角等4個要素,利用反向傳播(BP)神經網絡對溫室內的溫度進行模擬,效果較好。相較于回歸模型,BP神經網絡和支持向量機(SVM)模型的機器學習模型具有自學習、非線性等優(yōu)點,也常用于人工溫室內溫度、作物需水量、葉面積指數(LAI)、產量等要素的模擬或預測,并取得了較好的效果,說明利用機器學習模型模擬稻田冠層溫度是可行的。

    可見作物冠層各層溫度以及土溫和水溫的準確獲取具有重要意義。為模擬稻田冠層各層溫度以及水層和土層溫度,本研究選用相對容易獲取的環(huán)境氣象要素資料以及水稻表型參數資料,利用線性回歸模型、BP神經網絡模型、SVM模型等方法模擬水稻30、60、90 cm冠層溫度以及土溫、水溫,以期為冠層溫度和水溫土溫的模擬提供技術支撐。

    1 資料與方法

    1.1 試驗設計

    選取兩優(yōu)培九品種水稻,于2019年在南京信息工程大學農業(yè)氣象實驗站(118°42′17″E,32°12′24″N)開展大田分播期試驗。播種期分別為4月10日、4月20日、4月30日,插秧期分別為5月3日、5月17日、6月2日,栽插密度為23穴/m。在水稻孕穗至成熟期間,于7月28日至9月29日進行溫度觀測。利用溫濕度儀(HOBO U23-001,USA)觀測并記錄田間5 cm土溫、水溫以及30、60、90 cm冠層溫度,每間隔5 min測定1次,并取1 h均值用于各層溫度模擬。間隔1 h觀測和記錄大田2 m處溫度(HOBO U23-001,USA)以及風速(HOBO S-WCB-M003,USA)資料。每周定時觀測記錄水稻株高、LAI。株高利用直尺人工觀測,觀測3次取平均值;葉面積利用LI-3000型葉面積儀(Li-COR,USA)測定。試驗期間記錄試驗地每日天氣情況。依據GB/T 35663—2017《天氣預報基本術語》,根據云量觀測資料對記錄的天氣條件進行訂正。天空總云量0~2成的日期記錄為晴天。存在降雨的日期記錄為雨天。其余少云、多云、陰天天氣都記為多云。云量和降水量資料由南京信息工程大學大氣觀測場提供。

    1.2 研究方法

    1.2.1 BP神經網絡 BP神經網絡模型包括輸入層、中間層、輸出層等3層結構(圖1),包括輸入數據的正向傳播以及誤差的反向傳播訂正2個主要計算過程,當完成一次正向傳播后,模型計算誤差,并將誤差向后傳遞至輸入層,并改變各步驟相應的權值。更新權值后重新訓練模型,不斷重復上述過程,直到達到一定設定條件時,模型停止訓練。

    模型中間層節(jié)點數設置如下:

    (1)

    式中:表示中間層節(jié)點數量;表示輸入層的節(jié)點數量;表示輸出層的節(jié)點數量;表示調節(jié)數,的取值范圍是1~10。考慮到增強模型的魯棒性以及獲得更大數據量,將3個播期的資料統一處理,不單獨針對某一播期建立模型。將數據分為晴天、多云、雨天3類。在每一類數據中,分別利用環(huán)境溫度、風速、水稻株高、水稻LAI建立模型。在本研究192 d數據中,雨天共計93 d,多云共計59 d,晴天共計40 d,為了保證各類天氣訓練效果一致,取樣本數相同的訓練集和測試集,在雨天、多云天氣中隨機選取40 d(960 h)數據,保證3種天氣都取40 d數據用于模型訓練和預測。將水稻株高、LAI以及環(huán)境溫度、風速要素分為測試集(每種天氣10 d,占25%)以及訓練集(除測試集之外的30 d數據,占75%)輸入BP神經網絡模型,調整模型中間層節(jié)點數、模型訓練次數等,將模型調試到最準確的狀態(tài),對水稻冠層溫度進行模擬。

    1.2.2 支持向量機 SVM將輸入向量通過非線性變換映射到一個高維特征空間,以結構風險最小化為原則,按照一定誤差閾值分離數據的最優(yōu)超平面。SVM模型包括輸入層、中間層和輸出層3個部分,中間層節(jié)點與輸入樣本和支持向量的內積(,)對應,輸出是多個中間層節(jié)點的線性組合。本研究選取徑向基函數作為核函數,徑向基函數見公式(2)。使用LIBSVM軟件包實現建模。

    (,)=exp(-‖-‖),>0。

    (2)

    式中:表示樣本;、表示樣本序號;為模型的待定系數,將影響模型支持向量的個數,從而影響訓練與預測的速度。

    將水稻株高、LAI以及環(huán)境溫度、風速等要素分為測試集(每種天氣10 d)以及訓練集(除測試集之外的30 d數據)輸入SVM模型,調整模型懲罰系數等參數,將模型調試到最準確的狀態(tài),對水稻冠層溫度進行模擬。

    1.2.3 模型評價指標 選用均方根誤差(RMSE)、皮爾遜相關性系數()、絕對誤差()以及相對誤差(RE)對模型模擬效果進行評價。各評價指標計算方法如下:

    (3)

    (4)

    (5)

    (6)

    2 結果與分析

    2.1 線性回歸模型

    由表1可知,線性回歸模型對各層溫度模擬RMSE較大,各天氣和分層的RMSE都大于1。模型絕對誤差較大,除雨天 30 cm 冠層溫度、雨天60 cm冠層溫度絕對誤差小于1 ℃外,其余情況的絕對誤差都大于1 ℃。各天氣和分層情況下模擬值與觀測值相關性都達到極顯著水平(<0.01),但相關性系數較低,僅各天氣條件下60 cm冠層溫度以及多云和晴天條件下30 cm冠層溫度相關系數達到0.90及以上。各天氣和分層情況下相對誤差都較大,晴天時90 cm冠層溫度相對誤差最大(8.52%)??梢娋€性回歸模型對各層溫度模擬誤差較大,精度無法滿足業(yè)務需求。模型對土溫、水溫模擬值誤差較小,對冠層溫度模擬誤差較大,這是由于土溫和水溫日變化幅度較小,數值較穩(wěn)定,而冠層溫度日變化幅度較大,影響冠層溫度的因素較多,給冠層溫度的模擬造成了一定困難。

    表1 線性回歸模型測試集評價結果

    由圖2可知,線性回歸模型對土溫、水溫模擬值(即圖中預測值,下同)的日變化幅度大于觀測值,模擬值的日最高溫度大于觀測值,日最低溫度小于觀測值。線性回歸模型對土溫、水溫模擬值的絕對誤差較小,但對溫度日極值模擬誤差較大,這是由于土溫、水溫的日變化幅度本身較小,所以較小的絕對誤差也會造成對日最高、日最低溫度模擬效果較差。線性回歸模型對30、60、90 cm 冠層溫度的日變化規(guī)律模擬效果較好,模擬值與觀測值變化趨勢接近,但由于30、60、90 cm冠層溫度數值較大,且日變化幅度較大,故模擬值的平均絕對誤差仍然大于對土溫、水溫模擬值的平均絕對誤差。

    由圖3可以看出,各天氣下土溫、水溫的模擬值與觀測值距離1 ∶1線較遠,決定系數()較小。這是由于土溫、水溫的日變化幅度較小,所以即使絕對誤差較小,但模擬值與觀測值仍然偏離1 ∶1線較遠。另外,由于土溫、水溫的日變化幅度小于冠層溫度的日變化幅度,所以當天的土溫、水溫數據在圖中比較集中,形成了幾個較為獨立的區(qū)域。30、60、90 cm冠層溫度的模擬值與觀測值均勻分布在 1 ∶1 線兩側,較土溫、水溫的模擬結果有明顯提高。各冠層溫度的模擬值與觀測值的都≥0.70。其中,30、60 cm冠層溫度的較高,各天氣條件下 90 cm 冠層溫度的值較低,全部低于0.80。

    2.2 BP神經網絡模型

    將環(huán)境溫度、風速、水稻株高、LAI輸入BP神經網絡模型,調整模型參數,使模型達到較為準確的狀態(tài)。最終采用的中間層節(jié)點數為10個,學習率為1×10,訓練次數為15萬次。由表2可以看出,BP神經網絡模型與線性回歸模型各項評價指標數值接近,準確度沒有明顯改善。各天氣各分層的RMSE全部大于1。除雨天30 cm冠層溫度、雨天60 cm冠層溫度的絕對誤差小于1 ℃外,其余情況的絕對誤差都大于1 ℃。各天氣條件和分層的模擬溫度與觀測溫度的相關性全部達到極顯著水平,但相關性系數較低,僅60 cm冠層溫度以及多云和晴天條件下30 cm冠層溫度的模擬溫度與觀測溫度的相關系數達到0.90及以上。模型相對誤差整體較大,尤其以 90 cm 冠層溫度的相對誤差最大,晴天90 cm冠層溫度的相對誤差達到8.45%。

    表2 BP神經網絡模型測試集評價結果

    由圖4可以看出,與線性回歸模型相比,BP神經網絡模型同樣無法準確模擬土溫、水溫的日變化規(guī)律。模型對土溫、水溫的日最高溫度模擬值大于觀測值,對日最低溫度模擬值小于觀測值,模擬溫度的日變化幅度遠大于觀測值。BP神經網絡模型對30、60、90 cm冠層溫度的日變化規(guī)律模擬效果較好,模擬值與觀測值變化趨勢接近??傮w而言,BP神經網絡模型與線性回歸模型效果接近,對土溫、水溫模擬值的絕對誤差較小,對土溫、水溫的日最高、日最低溫度模擬效果較差,對冠層溫度模擬值的絕對誤差較大。

    由圖5可以看出,土溫、水溫的模擬值與觀測值分布較分散,距離1 ∶1線較遠,較小,說明模型對土溫、水溫模擬的誤差較大。BP神經網絡模型對30、60、90 cm冠層溫度的模擬值與觀測值均勻分布在1 ∶1線兩側。與線性回歸模型結果相似,BP神經網絡模型對30、60、90 cm冠層溫度模擬值與觀測值的都≥0.70。其中,60 cm冠層溫度模擬值與觀測值的較高,各天氣條件下全部達到0.80以上,90 cm冠層溫度模擬值與觀測值的較低,各天氣條件下全部低于0.80。

    2.3 支持向量機模型

    將測試集數據輸入訓練好的模型,以檢驗模型對各層溫度模擬的準確性,測試集模型評價結果見表3,可以看出,相比線性回歸模型以及BP神經網絡模型,SVM模型對稻田各層溫度的模擬準確度得到提高,各天氣、各高度層的最大RMSE為2.01,最小相關系數為0.85,相關性全部達到極顯著水平。模型對90 cm冠層溫度模擬誤差較大,最大絕對誤差為1.29 ℃,最大相對誤差為4.91%。SVM模型尤其對土溫、水溫的模擬效果較好,RMSE與絕對誤差、相對誤差都得到了有效的控制。

    表3 SVM模型測試集評價結果

    由圖6可以看出,與線性回歸模型、BP神經網絡模型相比,SVM模型對土溫、水溫日最高和日最低溫度模擬誤差大幅降低,模型能夠有效模擬土溫、水溫的日變化規(guī)律。多云和晴天條件下模擬值與觀測值基本一致,但雨天條件下部分時刻的土溫、水溫模擬仍存在較大誤差。SVM模型對各層冠層溫度模擬的也較準確,對各天氣、各分層溫度模擬結果都好于線性回歸模型以及BP神經網絡模型,模型適用性較好。

    由圖7可以看出,SVM模型對各層溫度模擬效果都較好,各天氣條件下各分層溫度的模擬值與真實值都均勻分布在1 ∶1線兩側,各天氣條件下各分層的最小為0.75。除晴天90 cm冠層溫度外,其他多云、晴天條件下各層溫度模擬值與觀測值的全部超過0.90,雨天條件下SVM模型的較低,但雨天條件下SVM模型的仍然大于線性回歸模型以及BP神經網絡模型。SVM模型對土溫和水溫模擬的效果優(yōu)于各層冠層溫度。

    由圖8可以看出,線性回歸模型與BP神經網絡模型對各層溫度模擬效果基本一致,平均絕對誤差大于SVM模型,SVM模型溫度模擬平均絕對誤差最小。3種模型對90 cm冠層溫度的模擬平均絕對誤差最大,對冠層內較低高度的溫度模擬平均絕對誤差較小。不同天氣條件下模型對各層溫度模擬效果存在一定差異,線性回歸模型和BP神經網絡模型對雨天各層溫度模擬的平均絕對誤差最小,對晴天各層溫度模擬的平均絕對誤差最大。SVM模型在不同天氣條件下模擬的平均絕對誤差均較小,說明SVM模型適用性較好,在不同天氣條件下都有較好的表現。

    3 討論

    線性回歸模型和BP神經網絡模型對稻田各層溫度模擬結果較接近,模擬誤差較大,無法滿足應用需求。尤其是線性回歸模型和BP神經網絡模型無法準確模擬土溫和水溫的日極值溫度,對土溫和水溫的日變化規(guī)律模擬效果較差。SVM模型對各層溫度的模擬誤差較小,模型能夠準確模擬土溫、水溫的日變化規(guī)律,對土溫、水溫的日極值模擬準確度遠高于線性回歸模型和BP神經網絡模型。SVM模型精度最高,對不同天氣條件下各層溫度模擬的最大絕對誤差為1.29 ℃(晴天90 cm冠層溫度),最小絕對誤差為0.09 ℃(多云5 cm土溫)。將環(huán)境溫度、風速、水稻株高、LAI參數輸入SVM模型可準確模擬稻田各層溫度,為更加便捷準確地獲取稻田土溫、水溫和冠層溫度提供了科學依據。

    BP神經網絡和SVM模型都是非線性自學習的機器學習模型。BP神經網絡的3層結構,其本質主要由一系列計算公式組成。這些公式的形式固定,系數(也就是權值)未知,在第1次正向計算前,通過隨機函數對這些系數賦值,然后將輸入數據代入公式逐步計算,得到輸出值后計算輸出值與真實值的誤差,再將誤差反向傳遞,去訂正這些公式的系數,誤差反向傳遞主要是通過對這些計算公式求偏導以及權值訂正公式得到對每個系數的訂正值,完成所有系數的訂正后,再進行下一次正向計算,如此循環(huán)往復,直到誤差小于閾值或訓練次數達到設置值。BP神經網絡容易出現過擬合現象,也就是模型學習能力過強,識別到了錯誤樣本的規(guī)律,導致模型在訓練集效果較好,但在測試集誤差較大。在本研究的模型構建過程中,在利用公式(1)計算中間層節(jié)點數的前提下,適當降低中間層節(jié)點數,可以降低模型的復雜程度,削弱模型的學習能力,從而減輕過擬合現象。SVM模型模擬誤差小于BP神經網絡,這是由于SVM模型在數據分類原理上不同于BP神經網絡,SVM模型將數據投影到特征三維空間,通過結構化風險最小原則構建最優(yōu)超平面實現數據分類。SVM模型的模擬主要由少數支持向量決定,模型可以抓住關鍵樣本,避開部分錯誤樣本數據,從而減少過擬合。另外,SVM模型的復雜程度取決于支持向量的數量,而不是數據維度,而支持向量由模型選取,不同于BP神經網絡需要人工設置一個合適的中間層節(jié)點數。所以在控制模型學習能力方面,SVM模型可以實現對數據的自適應,從而避免過擬合,提高測試集模擬精度。

    由于冠層最高層接收太陽輻射最多,作物光合作用最強,作物生理過程產生熱量交換,對冠層溫度的模擬不利,且水稻冠層頂部葉片集中,葉片氣孔的蒸騰作用同樣導致較多熱量交換,增加了模型的誤差。因此3種模型都對90 cm冠層溫度模擬的誤差最大,對葉片較少的30 cm冠層溫度模擬的誤差較小。由于土溫、水溫的日變化較小,溫度值變化較平穩(wěn),所以3種模型對土溫、水溫模擬的誤差小于冠層溫度。線性回歸模型和BP神經網絡模型都對雨天各層溫度模擬的誤差最小,晴天誤差最大。主要是由于晴天光照較強,作物光合作用、蒸騰等生理過程產生的熱量交換為溫度模擬增加了難度。由于SVM模型效果較好,模型對不同天氣條件下各層溫度模擬誤差比較接近,誤差都較小。SVM模型適用性較好,適用于不同天氣條件。

    利用SVM模型模擬水稻冠層溫度以及土溫和水溫是可行的。本研究所用數據包括3個播期共計120 d(包括2 880 h)的觀測資料,其中雨天、多云、晴天各40 d(960 h)。雖然SVM模型對各天氣條件下各層溫度模擬的誤差已經較小,但獲取更大量的觀測數據有望進一步提高模型訓練效果,從而減小溫度模擬的誤差。且本研究僅選用了當地主栽的水稻品種,不同水稻品種的株高、LAI存在差異,對水稻冠層內能量的傳輸造成一定影響,而水稻的株高和LAI參數在本研究構建的模型中發(fā)揮重要作用,如果能對更多水稻品種進行試驗,則可以加入水稻品種參數,對模型進一步完善。

    4 結論

    利用環(huán)境溫度、風速以及水稻LAI、株高表型參數,實現對不同天氣下水稻冠層各層溫度以及土溫、水溫的模擬。在線性回歸模型、BP神經網絡模型、SVM模型中,SVM模型模擬效果最好,平均誤差最小,對日最高、最低溫度模擬準確度最高。在不同分層中,模型對90 cm冠層溫度模擬的誤差最大。在不同天氣中,模型對晴天溫度模擬誤差最大。SVM模型對溫度模擬準確度較高,可用于各種天氣條件下對水稻冠層各層溫度以及土溫和水溫的模擬。

    猜你喜歡
    土溫冠層水溫
    基于低空遙感的果樹冠層信息提取方法研究
    基于激光雷達的樹形靶標冠層葉面積探測模型研究
    安徽省淮南森林冠層輻射傳輸過程的特征
    大氣科學(2021年1期)2021-04-16 07:34:18
    基于PLC的水溫控制系統設計
    電子制作(2019年7期)2019-04-25 13:18:10
    基于DS18B20水溫控制系統設計
    電子制作(2018年17期)2018-09-28 01:56:38
    大慶市雙膜日光溫室保溫性能研究
    施氮水平對冬小麥冠層氨揮發(fā)的影響
    城市河岸帶夏季土壤表層溫度的多時間尺度特征及其影響因素*
    分蘗期控制灌溉對土溫及水稻干物質積累等的影響
    華北農學報(2016年2期)2016-06-03 01:42:58
    大聯大:最先感知“水溫”變化
    久久久久久久久大av| av免费在线看不卡| 国产精品99久久久久久久久| 国产av一区二区精品久久| 黑人巨大精品欧美一区二区蜜桃 | 日韩成人av中文字幕在线观看| 日本vs欧美在线观看视频| 久久久久久久久久人人人人人人| 久久久精品94久久精品| 欧美日韩在线观看h| 老司机影院毛片| 在线天堂最新版资源| 亚洲精品日韩在线中文字幕| 精品久久久久久久久亚洲| 自拍欧美九色日韩亚洲蝌蚪91| 99九九线精品视频在线观看视频| 日韩免费高清中文字幕av| av电影中文网址| 夜夜骑夜夜射夜夜干| 国模一区二区三区四区视频| 欧美性感艳星| 免费av中文字幕在线| 草草在线视频免费看| av播播在线观看一区| 街头女战士在线观看网站| 久久久久视频综合| 午夜免费鲁丝| 久久久久网色| 午夜老司机福利剧场| 亚洲,一卡二卡三卡| 色94色欧美一区二区| 最近手机中文字幕大全| 国产黄片视频在线免费观看| 亚洲欧洲精品一区二区精品久久久 | 国产精品一区二区在线观看99| 亚洲av综合色区一区| 久久人人爽人人片av| 欧美精品亚洲一区二区| 简卡轻食公司| av不卡在线播放| 我要看黄色一级片免费的| 午夜福利影视在线免费观看| 色婷婷久久久亚洲欧美| 激情五月婷婷亚洲| 国产精品99久久久久久久久| 欧美日韩综合久久久久久| 国产又色又爽无遮挡免| 两个人免费观看高清视频| 尾随美女入室| 亚洲成人av在线免费| 国产在线免费精品| 国产精品不卡视频一区二区| 亚洲国产毛片av蜜桃av| 国产av一区二区精品久久| 国产不卡av网站在线观看| 久久狼人影院| 高清毛片免费看| 三上悠亚av全集在线观看| 亚洲精品日本国产第一区| 国产 精品1| 久久精品夜色国产| 狂野欧美激情性bbbbbb| 丝瓜视频免费看黄片| av女优亚洲男人天堂| 如何舔出高潮| 男人添女人高潮全过程视频| 蜜桃在线观看..| 伊人久久精品亚洲午夜| 人人妻人人澡人人爽人人夜夜| 高清黄色对白视频在线免费看| 如日韩欧美国产精品一区二区三区 | 亚洲精品亚洲一区二区| 三级国产精品欧美在线观看| 天天躁夜夜躁狠狠久久av| 免费人妻精品一区二区三区视频| 三级国产精品欧美在线观看| 色网站视频免费| 久久久亚洲精品成人影院| 久久免费观看电影| 亚洲av成人精品一二三区| 免费av中文字幕在线| 国产免费视频播放在线视频| 我要看黄色一级片免费的| 国产日韩欧美视频二区| 高清毛片免费看| av视频免费观看在线观看| 如何舔出高潮| 成人国产av品久久久| 午夜福利视频精品| 久久国产亚洲av麻豆专区| 国产欧美另类精品又又久久亚洲欧美| 久久久国产欧美日韩av| videos熟女内射| 久久久欧美国产精品| 国产毛片在线视频| 在线精品无人区一区二区三| 黑丝袜美女国产一区| 看免费成人av毛片| 国产精品一区www在线观看| 蜜桃国产av成人99| 在线观看免费视频网站a站| 亚洲国产精品一区二区三区在线| 观看av在线不卡| 亚洲怡红院男人天堂| 欧美国产精品一级二级三级| 国内精品宾馆在线| 国产精品国产三级国产专区5o| 极品少妇高潮喷水抽搐| 日韩成人伦理影院| 老司机影院毛片| 亚洲欧美精品自产自拍| 亚洲av中文av极速乱| 人人妻人人澡人人看| 国产男女内射视频| 免费观看性生交大片5| 老司机影院成人| 男人爽女人下面视频在线观看| 91在线精品国自产拍蜜月| 大陆偷拍与自拍| 高清午夜精品一区二区三区| 成人手机av| 免费不卡的大黄色大毛片视频在线观看| 黄片播放在线免费| 欧美日韩国产mv在线观看视频| 在线观看www视频免费| 我要看黄色一级片免费的| 亚洲美女黄色视频免费看| a级毛片在线看网站| 最新中文字幕久久久久| 欧美少妇被猛烈插入视频| 男男h啪啪无遮挡| 亚洲欧美一区二区三区国产| 久久久久久久久久久丰满| 人妻系列 视频| 中文天堂在线官网| 边亲边吃奶的免费视频| 精品久久久久久电影网| 亚洲国产欧美在线一区| 久久国产亚洲av麻豆专区| 99热全是精品| 高清在线视频一区二区三区| 又黄又爽又刺激的免费视频.| 男男h啪啪无遮挡| 成人手机av| 少妇人妻久久综合中文| 大码成人一级视频| a级毛片黄视频| 一个人免费看片子| 我的老师免费观看完整版| 一边亲一边摸免费视频| 欧美日韩av久久| 老女人水多毛片| 国产成人freesex在线| 在线看a的网站| 欧美日韩成人在线一区二区| 黑人猛操日本美女一级片| 男人爽女人下面视频在线观看| 青春草视频在线免费观看| 高清午夜精品一区二区三区| 亚洲美女黄色视频免费看| 自拍欧美九色日韩亚洲蝌蚪91| 97超碰精品成人国产| 亚洲国产日韩一区二区| 日本色播在线视频| 在线观看三级黄色| 嫩草影院入口| 国产精品一二三区在线看| 新久久久久国产一级毛片| 久久精品国产亚洲av涩爱| 欧美日韩综合久久久久久| 成人黄色视频免费在线看| 精品午夜福利在线看| 日韩强制内射视频| 毛片一级片免费看久久久久| 少妇熟女欧美另类| 中文字幕制服av| 国内精品宾馆在线| 久久久国产一区二区| 卡戴珊不雅视频在线播放| 另类精品久久| 内地一区二区视频在线| 91精品一卡2卡3卡4卡| 色94色欧美一区二区| 中文欧美无线码| 午夜av观看不卡| 最近中文字幕2019免费版| 观看av在线不卡| 狂野欧美激情性xxxx在线观看| 国内精品宾馆在线| 国产精品久久久久久久久免| 考比视频在线观看| 制服丝袜香蕉在线| 99热网站在线观看| av天堂久久9| 菩萨蛮人人尽说江南好唐韦庄| 免费观看av网站的网址| 菩萨蛮人人尽说江南好唐韦庄| av国产精品久久久久影院| 亚洲国产精品成人久久小说| 老女人水多毛片| 夫妻性生交免费视频一级片| 日韩精品有码人妻一区| 一级片'在线观看视频| 日日爽夜夜爽网站| 国产成人aa在线观看| 欧美日韩亚洲高清精品| 国产一区有黄有色的免费视频| 国产精品一区二区在线观看99| 搡女人真爽免费视频火全软件| 久久久精品94久久精品| 免费观看av网站的网址| 亚洲av.av天堂| 中文字幕精品免费在线观看视频 | 最近中文字幕高清免费大全6| 亚洲国产精品国产精品| 熟女电影av网| 男女高潮啪啪啪动态图| 丝袜在线中文字幕| 日韩熟女老妇一区二区性免费视频| 亚洲国产av影院在线观看| 亚洲婷婷狠狠爱综合网| 日本91视频免费播放| 欧美精品一区二区大全| 成人影院久久| 少妇熟女欧美另类| 成人综合一区亚洲| 天堂中文最新版在线下载| 精品久久蜜臀av无| 亚洲精品国产av成人精品| 精品亚洲成国产av| 中国美白少妇内射xxxbb| 亚洲av中文av极速乱| 午夜激情久久久久久久| 老司机影院成人| 涩涩av久久男人的天堂| 性高湖久久久久久久久免费观看| 国产精品秋霞免费鲁丝片| 久久午夜福利片| 在线观看人妻少妇| 免费观看av网站的网址| 亚洲国产欧美在线一区| 国产亚洲精品久久久com| 久久婷婷青草| 亚洲欧美一区二区三区黑人 | 国产精品国产av在线观看| 国产免费福利视频在线观看| 黑人高潮一二区| 大片免费播放器 马上看| 婷婷色av中文字幕| 国产一区二区三区综合在线观看 | 成人国语在线视频| 91精品国产国语对白视频| 晚上一个人看的免费电影| videosex国产| 国产成人免费观看mmmm| 老司机影院成人| 久久精品人人爽人人爽视色| av在线播放精品| 99久久精品一区二区三区| 极品人妻少妇av视频| 超碰97精品在线观看| 九九在线视频观看精品| 国产亚洲欧美精品永久| 少妇 在线观看| 一级毛片aaaaaa免费看小| 人人妻人人爽人人添夜夜欢视频| 亚洲人成77777在线视频| 亚洲综合色惰| 最近2019中文字幕mv第一页| 国产精品人妻久久久久久| 美女主播在线视频| 一本久久精品| av专区在线播放| 男女啪啪激烈高潮av片| 中文精品一卡2卡3卡4更新| 狂野欧美白嫩少妇大欣赏| 另类亚洲欧美激情| 男人操女人黄网站| 插阴视频在线观看视频| 欧美97在线视频| 插逼视频在线观看| 日韩中文字幕视频在线看片| 亚洲欧美中文字幕日韩二区| 赤兔流量卡办理| 免费av中文字幕在线| 春色校园在线视频观看| 美女中出高潮动态图| 母亲3免费完整高清在线观看 | 最后的刺客免费高清国语| 秋霞在线观看毛片| 麻豆精品久久久久久蜜桃| 亚洲五月色婷婷综合| 亚洲成人一二三区av| 亚洲国产色片| 综合色丁香网| 韩国高清视频一区二区三区| 午夜福利,免费看| 寂寞人妻少妇视频99o| 欧美国产精品一级二级三级| 十八禁高潮呻吟视频| 这个男人来自地球电影免费观看 | 国产精品久久久久久av不卡| 成年av动漫网址| 色网站视频免费| 日韩av免费高清视频| 欧美亚洲日本最大视频资源| 久久99一区二区三区| 久久 成人 亚洲| 一级毛片aaaaaa免费看小| 亚洲精品日韩av片在线观看| 日本爱情动作片www.在线观看| 三上悠亚av全集在线观看| 黄色一级大片看看| 亚洲av男天堂| 91在线精品国自产拍蜜月| 亚洲国产欧美在线一区| 久久国产亚洲av麻豆专区| 日本91视频免费播放| 汤姆久久久久久久影院中文字幕| 一区二区三区四区激情视频| 国产爽快片一区二区三区| 久久久久久久久久久久大奶| 国产精品久久久久久av不卡| 亚洲精华国产精华液的使用体验| 亚洲综合色惰| 欧美丝袜亚洲另类| 成人毛片60女人毛片免费| 黄片播放在线免费| 丝袜喷水一区| 在线看a的网站| 黄色毛片三级朝国网站| 日韩电影二区| 只有这里有精品99| 91久久精品国产一区二区成人| 丝袜喷水一区| 一级毛片黄色毛片免费观看视频| 国产精品欧美亚洲77777| 欧美3d第一页| 满18在线观看网站| 91精品国产国语对白视频| 国产又色又爽无遮挡免| 99热网站在线观看| 国产无遮挡羞羞视频在线观看| 成人亚洲欧美一区二区av| 一级毛片电影观看| 亚洲国产成人一精品久久久| 久久久国产欧美日韩av| 色婷婷久久久亚洲欧美| 一区二区日韩欧美中文字幕 | 成人二区视频| 成人免费观看视频高清| 多毛熟女@视频| 国产精品蜜桃在线观看| 国产白丝娇喘喷水9色精品| 中文精品一卡2卡3卡4更新| 三级国产精品片| 狂野欧美白嫩少妇大欣赏| 99久久综合免费| 伊人久久国产一区二区| 亚洲成人av在线免费| 99九九线精品视频在线观看视频| 国产色爽女视频免费观看| av在线观看视频网站免费| 午夜福利影视在线免费观看| 蜜桃在线观看..| 成人国产av品久久久| 十八禁网站网址无遮挡| 欧美日韩在线观看h| 一级毛片我不卡| 美女中出高潮动态图| 免费高清在线观看视频在线观看| 亚洲精品久久午夜乱码| 97在线人人人人妻| 91午夜精品亚洲一区二区三区| 最后的刺客免费高清国语| 九草在线视频观看| 成人影院久久| 丝袜喷水一区| 久久久午夜欧美精品| 一本久久精品| 国产成人午夜福利电影在线观看| 桃花免费在线播放| 久久久久国产精品人妻一区二区| 久久国产精品大桥未久av| 一本色道久久久久久精品综合| 91aial.com中文字幕在线观看| 91久久精品国产一区二区三区| 午夜精品国产一区二区电影| 在线看a的网站| xxxhd国产人妻xxx| 51国产日韩欧美| 国产高清不卡午夜福利| 久久影院123| 午夜视频国产福利| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲图色成人| 亚洲精品久久久久久婷婷小说| a级毛片黄视频| 亚洲成人av在线免费| 欧美日韩视频高清一区二区三区二| 老女人水多毛片| 男女边摸边吃奶| 国产精品嫩草影院av在线观看| 一个人看视频在线观看www免费| 久久ye,这里只有精品| 一级爰片在线观看| 女人精品久久久久毛片| 亚洲国产成人一精品久久久| 国产极品天堂在线| 中文乱码字字幕精品一区二区三区| 欧美日韩综合久久久久久| 啦啦啦视频在线资源免费观看| 欧美激情 高清一区二区三区| 国产国拍精品亚洲av在线观看| 午夜福利视频在线观看免费| 在线观看人妻少妇| 亚洲综合色网址| 99热这里只有是精品在线观看| 黄色一级大片看看| 一级毛片电影观看| 久久久久久久大尺度免费视频| 亚洲精品视频女| 9色porny在线观看| 亚洲不卡免费看| 日本色播在线视频| 99热6这里只有精品| 国产女主播在线喷水免费视频网站| 国产免费一区二区三区四区乱码| 欧美+日韩+精品| 啦啦啦在线观看免费高清www| 欧美性感艳星| 久久青草综合色| 久久婷婷青草| 日日撸夜夜添| 欧美成人精品欧美一级黄| 亚洲精品亚洲一区二区| 国产亚洲最大av| 涩涩av久久男人的天堂| 日韩伦理黄色片| 性色av一级| 交换朋友夫妻互换小说| 日本欧美国产在线视频| 日韩熟女老妇一区二区性免费视频| 99九九线精品视频在线观看视频| 久久久久久久亚洲中文字幕| 亚洲美女视频黄频| 久久精品国产鲁丝片午夜精品| 色婷婷av一区二区三区视频| 国产在线一区二区三区精| 日韩中字成人| 亚洲五月色婷婷综合| 亚洲成色77777| 少妇猛男粗大的猛烈进出视频| 亚洲成色77777| 午夜91福利影院| 久久国产精品大桥未久av| 亚洲婷婷狠狠爱综合网| 精品人妻熟女毛片av久久网站| √禁漫天堂资源中文www| 亚洲丝袜综合中文字幕| 一边亲一边摸免费视频| 一级毛片aaaaaa免费看小| 午夜老司机福利剧场| 日韩一本色道免费dvd| 热99国产精品久久久久久7| 国产免费现黄频在线看| 国产高清国产精品国产三级| 黄色欧美视频在线观看| 我的女老师完整版在线观看| 自线自在国产av| 欧美日韩视频精品一区| 国产日韩欧美视频二区| 国产精品 国内视频| 夜夜骑夜夜射夜夜干| 亚洲经典国产精华液单| av在线播放精品| 亚洲欧美成人精品一区二区| 日韩av免费高清视频| 欧美97在线视频| 国产精品人妻久久久影院| 老女人水多毛片| 亚洲av男天堂| 国产亚洲精品第一综合不卡 | av网站免费在线观看视频| 一本大道久久a久久精品| 在线天堂最新版资源| 丰满少妇做爰视频| 夫妻性生交免费视频一级片| 毛片一级片免费看久久久久| 国产在线免费精品| 黄色毛片三级朝国网站| 亚洲中文av在线| 久久精品久久精品一区二区三区| 不卡视频在线观看欧美| 综合色丁香网| 伦精品一区二区三区| 成人影院久久| 热99久久久久精品小说推荐| 国产精品免费大片| 国产一区有黄有色的免费视频| 国产精品秋霞免费鲁丝片| 中文字幕免费在线视频6| 最黄视频免费看| 亚洲国产成人一精品久久久| 亚洲天堂av无毛| 999精品在线视频| 一区在线观看完整版| 免费看av在线观看网站| 制服诱惑二区| 欧美亚洲日本最大视频资源| 亚洲精品,欧美精品| 在线免费观看不下载黄p国产| 18在线观看网站| 一级黄片播放器| 2022亚洲国产成人精品| 国产精品一二三区在线看| 制服诱惑二区| 中文字幕亚洲精品专区| 久久精品久久久久久噜噜老黄| 国产爽快片一区二区三区| 精品久久久久久电影网| 十八禁高潮呻吟视频| 一本—道久久a久久精品蜜桃钙片| 国产精品麻豆人妻色哟哟久久| 欧美精品国产亚洲| 精品人妻在线不人妻| 18禁在线播放成人免费| 久久精品国产亚洲av涩爱| 精品久久久精品久久久| 欧美日韩成人在线一区二区| 日本91视频免费播放| 18禁在线播放成人免费| av.在线天堂| 国产精品久久久久久精品电影小说| 成人毛片a级毛片在线播放| 日韩 亚洲 欧美在线| 视频在线观看一区二区三区| 免费黄色在线免费观看| 最新的欧美精品一区二区| 视频中文字幕在线观看| 国产亚洲精品久久久com| 人妻制服诱惑在线中文字幕| 亚洲欧美日韩卡通动漫| 久久久久久久久久久免费av| 一区二区三区免费毛片| 最近中文字幕2019免费版| 99九九在线精品视频| 看十八女毛片水多多多| 国产在视频线精品| 亚洲精品aⅴ在线观看| a 毛片基地| 视频在线观看一区二区三区| a级毛色黄片| 国产精品一国产av| 亚洲人成网站在线播| 亚洲怡红院男人天堂| 高清在线视频一区二区三区| 国产成人免费观看mmmm| 久久久a久久爽久久v久久| 2018国产大陆天天弄谢| 精品人妻在线不人妻| 搡老乐熟女国产| 欧美+日韩+精品| 丝袜美足系列| 永久网站在线| 水蜜桃什么品种好| 亚洲精品,欧美精品| 狠狠精品人妻久久久久久综合| 99热网站在线观看| 男人添女人高潮全过程视频| 搡老乐熟女国产| 看免费成人av毛片| 插阴视频在线观看视频| 欧美精品一区二区大全| 国产视频内射| 国产一区二区在线观看日韩| 高清在线视频一区二区三区| 国产国拍精品亚洲av在线观看| 91精品一卡2卡3卡4卡| 一区二区三区四区激情视频| 99国产综合亚洲精品| 麻豆成人av视频| 久久国产亚洲av麻豆专区| 在线天堂最新版资源| 下体分泌物呈黄色| 亚洲精品视频女| 三上悠亚av全集在线观看| 精品久久蜜臀av无| 18+在线观看网站| 国产av国产精品国产| 国产免费一级a男人的天堂| 999精品在线视频| 精品久久蜜臀av无| 亚洲久久久国产精品| av国产久精品久网站免费入址| 亚洲精品aⅴ在线观看| 在线观看www视频免费| 国产极品粉嫩免费观看在线 | 亚洲在久久综合| a 毛片基地| 日日撸夜夜添| 人妻制服诱惑在线中文字幕| 午夜激情福利司机影院| 一本色道久久久久久精品综合| 岛国毛片在线播放| 午夜激情福利司机影院| 国产欧美另类精品又又久久亚洲欧美| 国产精品一区二区三区四区免费观看| 51国产日韩欧美| 日韩中文字幕视频在线看片| 性高湖久久久久久久久免费观看| 亚洲欧美日韩另类电影网站| av又黄又爽大尺度在线免费看| 国产成人精品福利久久| 99热6这里只有精品|