• <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 ?

    融合無(wú)人機(jī)和衛(wèi)星影像的溫帶疏林草原木本和草本植物覆蓋度遙感估算

    2023-10-19 02:48:04李曉雅田昕段濤曹曉明楊凱捷盧琦王鋒
    遙感學(xué)報(bào) 2023年9期
    關(guān)鍵詞:特征模型

    李曉雅,田昕,段濤,曹曉明,楊凱捷,盧琦,王鋒

    1.中國(guó)林業(yè)科學(xué)研究院荒漠化研究所,北京 100091;2.中國(guó)林業(yè)科學(xué)研究院資源信息研究所,北京 100091;3.中國(guó)科學(xué)院微電子研究所,北京 100029

    1 引言

    溫帶疏林草原是中國(guó)半干旱區(qū)的重要生態(tài)系統(tǒng),是在中國(guó)北方森林、草原生態(tài)系統(tǒng)過(guò)渡區(qū)域發(fā)育于沙地的地帶性頂級(jí)群落(于順利,2011;史宇飛 等,2011)。榆樹疏林曾廣泛分布于松遼平原和內(nèi)蒙古高原,由于生境的喪失,目前主要分布于內(nèi)蒙古高原的渾善達(dá)克沙地、科爾沁沙地、呼倫貝爾沙地和毛烏素沙地等地,其中以渾善達(dá)克沙地和科爾沁沙地分布面積最廣,疏林草原景觀最為典型(于順利和陳宏偉,2007)。準(zhǔn)確掌握疏林草原的分布及動(dòng)態(tài),不僅有利于加深對(duì)中國(guó)溫帶疏林草原生態(tài)系統(tǒng)的理解,進(jìn)一步也可為溫帶疏林草原的恢復(fù)和重建提供科學(xué)依據(jù)。

    植被覆蓋度是定量化表征地表植物群落的重要指標(biāo),同時(shí)反映著區(qū)域生態(tài)環(huán)境的變化(DeFries等,2007;Yang 等,2012)。定量獲取疏林草原植被覆蓋度、準(zhǔn)確反演植被動(dòng)態(tài)變化規(guī)律,是實(shí)現(xiàn)疏林草原動(dòng)態(tài)監(jiān)測(cè)與評(píng)估的前提。獲取植被覆蓋度的方法主要包括地面測(cè)量和遙感解譯兩種途徑。野外觀測(cè)獲得的植被覆蓋度信息是實(shí)現(xiàn)覆蓋度遙感反演的基礎(chǔ),為覆蓋度遙感反演提供訓(xùn)練數(shù)據(jù)及驗(yàn)證信息。目前使用遙感手段進(jìn)行覆蓋度反演的方主要包括植被指數(shù)、經(jīng)驗(yàn)?zāi)P?、混合像元分解模型和機(jī)器學(xué)習(xí)方法,植被指數(shù)法通過(guò)建立植被指數(shù)與覆蓋度之間的關(guān)系反演植被覆蓋度(Harris等,2014;Wang 等,2020);經(jīng)驗(yàn)?zāi)P图唇⒉ǘ涡畔⑴c覆蓋度之間的經(jīng)驗(yàn)?zāi)P凸浪阒脖桓采w度(岳健 等,2020),經(jīng)驗(yàn)?zāi)P蛯?duì)數(shù)據(jù)集的正態(tài)分布特性和波段信息的獨(dú)立性要求較高,僅適用于特定的區(qū)域及特定值被,使其在大尺度植被覆蓋度估算中具有一定的局限性(賈坤 等,2013);混合像元分解方法同樣被廣泛應(yīng)用于半干旱地區(qū)植被覆蓋度的估測(cè)中(Cui 等,2019),該方法利用像元分解模型分解像元中各端元的亮度信息貢獻(xiàn),獲得端元植被豐度以估算值被覆蓋度(Adams 等,1986)。混合像元分解方法前期對(duì)光譜端元的選取嚴(yán)重影響到像元分解的精度,植被覆蓋度估測(cè)能力不穩(wěn)定(李曉松 等,2010),且疏林草原具有較復(fù)雜的地表覆蓋情況,端元組合較為復(fù)雜。

    機(jī)器學(xué)習(xí)方法是通過(guò)構(gòu)建樣本數(shù)據(jù)集,結(jié)合地形、氣候、植被指數(shù)、光譜信息等預(yù)測(cè)變量,運(yùn)用數(shù)據(jù)挖掘方法找出隱含在預(yù)測(cè)變量和分類樣本之間的相關(guān)關(guān)系,并自動(dòng)建立估算模型,屬于遙感影像解譯中全監(jiān)督學(xué)習(xí)類方法(周培誠(chéng) 等,2021)。由于機(jī)器方法更適合處理復(fù)雜海量的數(shù)據(jù)集(Brandt等,2016)并具有較高的計(jì)算效率與估算精度,在干旱半干旱區(qū)植被覆蓋類型圖的繪制以及植被覆蓋度反演等方面得到了廣泛的應(yīng)用(Zhang等,2019;陳黔 等,2019;Hunter等,2020)。

    疏林草原具有喬木、灌木和草本植被混合生長(zhǎng)的特點(diǎn),在植物斑塊化分布、高異質(zhì)性景觀的疏林草原區(qū)域,利用中低分辨率衛(wèi)星遙感影像識(shí)別疏林草原,精度難以保證(Latifovic 和Olthof,2004)。近年來(lái),覆蓋全球的高分辨率衛(wèi)星不斷涌現(xiàn),出現(xiàn)了覆蓋全球范圍的中高分辨率衛(wèi)星如哨兵(Sentinel)和國(guó)產(chǎn)高分(GF),為區(qū)域尺度的疏林草原植被覆蓋度估算提供了有利條件。

    無(wú)人機(jī)飛行時(shí)間、靈活、可搭載多種類型傳感器,具有獲取植被結(jié)構(gòu)特征、識(shí)別矮小植株的高空間分辨率優(yōu)勢(shì)(Kattenborn 等,2019),被廣泛應(yīng)用到植被遙感分類和監(jiān)測(cè)中(韓東 等,2018;Wang等,2019;張順 等,2019;蔡棟 等,2019)。無(wú)人機(jī)近地遙感觀測(cè)技術(shù)的逐漸成熟,也帶動(dòng)了遙感信息由過(guò)去地面監(jiān)測(cè)與衛(wèi)星遙感的“二維數(shù)據(jù)”到星—空—地“三維數(shù)據(jù)”的轉(zhuǎn)變,成為地面觀測(cè)與衛(wèi)星遙感之間重要的紐帶,為生態(tài)遙感的進(jìn)一步發(fā)展提供了新的機(jī)遇(蔡宗磊 等,2019;郭慶華 等,2020;廖小罕 等,2019)。不過(guò)由于受到無(wú)人機(jī)續(xù)航時(shí)間的限制,通過(guò)無(wú)人機(jī)實(shí)現(xiàn)區(qū)域尺度的植被監(jiān)測(cè)還面臨較大的挑戰(zhàn)。

    在利用不同空間尺度遙感數(shù)據(jù)時(shí),較大的空間尺度可以反應(yīng)區(qū)域上的規(guī)律,較精細(xì)的空間尺度可以揭示復(fù)雜的地表特征(萬(wàn)昌君 等,2019)。最近出現(xiàn)的這些新數(shù)據(jù)源為我們帶來(lái)了啟示,是否可同時(shí)利用近地遙感和高分辨率衛(wèi)星遙感兩種高空間分辨率數(shù)據(jù)源,基于機(jī)器學(xué)習(xí)算法融合兩種數(shù)據(jù)源在植被遙感監(jiān)測(cè)中各自的優(yōu)勢(shì),實(shí)現(xiàn)區(qū)域尺度溫帶疏林草原不同類型植物的高效精準(zhǔn)識(shí)別和動(dòng)態(tài)監(jiān)測(cè)?

    因此,本研究探索了如何利用高分辨率衛(wèi)星(GF-6 和Sentinel-2)結(jié)合近地遙感獲取的超高分辨率影像,基于機(jī)器學(xué)習(xí)算法估算疏林草原上木本植物和草本植被的覆蓋度。具體目標(biāo)為:(1)基于無(wú)人機(jī)正射影像,利用分類和回歸樹算法對(duì)疏林草原木本植物和草本植物進(jìn)行自動(dòng)精準(zhǔn)分類;(2)利用隨機(jī)森林算法,實(shí)現(xiàn)從無(wú)人機(jī)正射影像到高分衛(wèi)星影像的疏林草原木本植物和草本植被覆蓋度的估算;(3)比較GF-6 和Sentinel-2 兩種高分辨率衛(wèi)星影像對(duì)疏林草原木本植物和草本植被覆蓋度估算的差異。

    2 研究區(qū)與數(shù)據(jù)

    2.1 研究區(qū)概況

    研究區(qū)位于中國(guó)內(nèi)蒙古自治區(qū)錫林郭勒盟正藍(lán)旗渾善達(dá)克沙地榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地,地理位置為42°57′34″N—42°58′15″N,115°57′E—115°58′E,平均海拔高度約為1300 m,面積為1 km×1 km(圖1)。該區(qū)域?qū)儆诟珊怠敫珊荡箨懶詺夂?,年平均氣?.1 ℃,降水集中于7—9 月,年平均降水量為313 mm。疏林草原生態(tài)系統(tǒng)由喬木層、灌木層和草本層3 層垂直結(jié)構(gòu)組成(于順利 等,2007)。將研究區(qū)內(nèi)的唯一喬木種榆樹(Ulmus pumila)和伴生灌木如耬斗葉繡線菊(Spiraea aquilegifolia)、小紅柳(Salix microstachyavar.bordensis)、黃柳(Salix gordejevii)、柴樺(Betula fruticosa)等14種灌木種定義為木本植物。草本層則主要由多年生草本褐沙蒿(Artemisia intramongolica)和一年生草本叉分蓼(Polygonum divaricatum),羊草(Aneurolepidum chinense)等近190 種草本植物構(gòu)成(韓東 等,2018)。

    圖1 中國(guó)內(nèi)蒙古自治區(qū)渾善達(dá)克沙地榆樹疏林草原長(zhǎng)期定位監(jiān)測(cè)大樣地Fig.1 Long-term monitoring plot in Elm(Ulmus pumila)sparse forest grassland ecosystem in the Otindag sandy land(ESFOGE-Plot)Inner Mongolia,China

    2.2 遙感數(shù)據(jù)獲取及預(yù)處理

    2.2.1 無(wú)人機(jī)影像數(shù)據(jù)

    為了建立精準(zhǔn)的疏林草原植被覆蓋度訓(xùn)練數(shù)據(jù)集,選用配置1 cm 精度導(dǎo)航定位和具有2000 萬(wàn)像素CMOS傳感器的小型多旋翼高精度航測(cè)無(wú)人機(jī)(精靈4 RTK,大疆,中國(guó)深圳),采集榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地的無(wú)人機(jī)正射影像。本研究根據(jù)研究區(qū)的邊界設(shè)計(jì)無(wú)人機(jī)飛行方案進(jìn)行航空影像采集,影像拍攝時(shí)間為2020 年7 月20 日,拍攝時(shí)長(zhǎng)為2 h,共采集到1334 張?jiān)己脚挠跋?,無(wú)人機(jī)飛行參數(shù)設(shè)置見(jiàn)表1。利用實(shí)景三維建模軟件Agisoft Metashape(V1.6.5,Agisoft,俄羅斯)對(duì)原始航拍影像進(jìn)行校正和拼接處理,最終獲取樣地的數(shù)字正射影像圖DOM(空間分辨率為2.41 cm/pixel,圖2(a))。

    表1 榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地?zé)o人機(jī)航拍飛行參數(shù)Table 1 Flight parameters of Unmanned Aerial Vehicle(UAV)aerial photogrammetry in the long-term monitoring plot in Elm Sparse Forest Grassland

    圖2 榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地?zé)o人機(jī)正射影像和高分衛(wèi)星影像(框圖部分為分類精度驗(yàn)證區(qū)域)Fig.2 High resolution UAV and satellite images of long-term monitoring plot in Elm sparse forest grassland ecosystem(The area covered by a black box is the sample for validating the classification accuracy)

    2.2.2 衛(wèi)星影像數(shù)據(jù)

    選用GF-6 和Sentinel-2 作為衛(wèi)星影像數(shù)據(jù)??紤]衛(wèi)星過(guò)境時(shí)間及云量,分別選取2020 年7 月22 日GF-6 影像和2020 年7 月1 日Sentinel-2 影像。GF-6影像預(yù)處理過(guò)程包括輻射定標(biāo)、大氣校正等。GF-6 衛(wèi)星輻射定標(biāo)采用中國(guó)資源衛(wèi)星應(yīng)用中心的系數(shù),并采用光譜超立方體的快速視線大氣分析(FLAASH)方法進(jìn)行大氣校正。由歐洲航天局網(wǎng)站(https://scihub.copernicus.eu/[2021-01-08])下載的Sentinel-2 數(shù)據(jù)是經(jīng)過(guò)輻射校正后的反射率產(chǎn)品,利用ESA 官方發(fā)布的大氣校正模型Sen2cor(V2.8,ESA)進(jìn)行大氣校正。由于Sentinel-2 影像可見(jiàn)光波段與紅邊波段和紅外波段具有不同的空間分辨率,對(duì)10 m 分辨率的可見(jiàn)光波段進(jìn)行重采樣,重采樣后的Sentinel-2影像空間分辨率為20 m。分別將無(wú)人機(jī)近地面遙感平臺(tái)獲取的數(shù)字正射影像重采樣到16 m 和20 m,以重采樣后的無(wú)人機(jī)正射影像為基準(zhǔn),基于一階多項(xiàng)式分別對(duì)GF-6 影像和Sentinel-2 影像進(jìn)行精確的幾何配準(zhǔn),校正過(guò)后的誤差不超過(guò)一個(gè)像元,保證了后期處理中對(duì)無(wú)人機(jī)正射影像和衛(wèi)星影像疊加分析的準(zhǔn)確性;最后,利用研究區(qū)邊界分別對(duì)影像進(jìn)行裁剪,獲得兩景預(yù)處理后的研究區(qū)影像(圖2(b),2(c))。輻射校正、大氣校正與圖像裁剪等預(yù)處理在ENVI(V5.3)中完成。

    3 研究方法

    3.1 疏林草原木本和草本植物覆蓋度估算方法

    本研究發(fā)展了一套基于高分辨率衛(wèi)星影像和機(jī)器學(xué)習(xí)算法估算疏林草原木本植物和草本植物的新方法。首先,(1)基于高分辨率的無(wú)人機(jī)正射影像,利用分類與回歸樹算法識(shí)別木本植物和草本植物,分別計(jì)算對(duì)應(yīng)GF-6 和Sentinel-2 衛(wèi)星像元尺度的木本植物和草本植被覆蓋度,作為疏林草原木本植物和草本植物覆蓋度估算模型的訓(xùn)練樣本;(2)提取衛(wèi)星影像的波段信息、植被指數(shù)以及紋理特征等參數(shù),作為疏林草原木本植物和草本植物覆蓋度估算模型的特征因子;(3)利用(1)和(2)的訓(xùn)練樣本數(shù)據(jù)集,基于隨機(jī)森林算法,針對(duì)不同衛(wèi)星數(shù)據(jù)源訓(xùn)練模型建立木本植物和草本植物覆蓋度估算模型;(4)利用已構(gòu)建的疏林草原木本植物和草本植物覆蓋度估算模型,基于高分辨率衛(wèi)星影像計(jì)算疏林草原木本植物和草本植物覆蓋度(圖3)。

    圖3 榆樹疏林草原木本植物和草本植物覆蓋度估算方法流程圖Fig.3 Flowchart of woody and herbaceous Fractional Vegetation Cover(FVC)estimation in Elm sparse forest grassland

    3.1.1 分類訓(xùn)練樣本的獲取

    (1)基于無(wú)人機(jī)影像估算木本和草本植物覆蓋度。機(jī)器學(xué)習(xí)是一種通過(guò)數(shù)據(jù)挖掘方法找出隱含在預(yù)測(cè)變量和分類樣本間的相關(guān)關(guān)系,并自動(dòng)建立預(yù)測(cè)模型的方法。分類與回歸樹(CART)算法是由Breiman 等(1984)提出的一種非參數(shù)的有效監(jiān)督學(xué)習(xí)方法,即從一系列有特征和標(biāo)簽的數(shù)據(jù)中總結(jié)出決策規(guī)則,并用樹狀圖結(jié)構(gòu)來(lái)呈現(xiàn)這些規(guī)則以解決分類和回歸問(wèn)題的算法,能夠有效利用空間輔助信息,深度挖掘特征信息。利用分類與回歸樹算法對(duì)無(wú)人機(jī)正射影像進(jìn)行地物分類,基于色彩空間拓展函數(shù),將正射影像各像元的RGB 信息進(jìn)行擴(kuò)展,將色彩空間拓展到包含RGB(紅,綠,藍(lán))、HSV(色調(diào),飽和度,明度)、Lab(亮度,坐標(biāo)軸從紅色到綠色,坐標(biāo)軸從藍(lán)色到紅色)和XYZ(CIE1931標(biāo)準(zhǔn)色度系統(tǒng))(Reinhard等,2001)共12 種特征作為CART 分類算法的特征因子(Wang等,2019)。

    利用無(wú)人機(jī)正射影像RGB 信息建立色彩空間拓展函數(shù)作為分類與回歸樹模型的特征因子;基于地面調(diào)查數(shù)據(jù)和目視解譯方法,使用圖像編輯軟件(如ImageJ,Photoshop 等)分別選取2020 年正射影像中的木本、草本和裸地,建立研究區(qū)地表類型的樣本訓(xùn)練集作為決策樹分類模型的分類樣本,生成決策樹分類模型。將地物類型劃分為木本植物,草本植物和沙地3 類,得到樣地木本、草本植物與裸沙地的地表類型圖。通過(guò)計(jì)算不同地物類型的像素?cái)?shù)占植被分類圖中總像素?cái)?shù)比例,獲取木本植物和草本植物的植被覆蓋度。

    基于研究區(qū)無(wú)人機(jī)影像的地表類型分布圖(圖4(b)),利用GF-6衛(wèi)星影像和Sentinel-2 衛(wèi)星影像分別對(duì)木本植物和草本植物進(jìn)行掩膜,統(tǒng)計(jì)落在衛(wèi)星像元窗口內(nèi)的木本植物和草本植物像元總數(shù),并計(jì)算其占衛(wèi)星窗口像元總數(shù)的百分比(以下簡(jiǎn)稱覆蓋度分類樣本),得到衛(wèi)星像元尺度的木本和草本植物覆蓋度作為疏林草原覆蓋度模型的分類樣本數(shù)據(jù)。每組GF-6影像為3903個(gè)樣本數(shù)據(jù),Sentinel-2影像為2497個(gè)樣本數(shù)據(jù)。

    圖4 基于無(wú)人機(jī)正射影像的衛(wèi)星像元尺度木本和草本植物覆蓋度計(jì)算方法Fig.4 Methods of woody and herbaceous FVC at pixel-scale of satellite images calculated from DOM obtained by UAV

    (2)分類結(jié)果驗(yàn)證。為驗(yàn)證分類與回歸樹模型對(duì)無(wú)人機(jī)正射影像的分類精度,在無(wú)人機(jī)正射影像中隨機(jī)選取4000 個(gè)像素點(diǎn),將目視判別結(jié)果與模型分類結(jié)果進(jìn)行對(duì)比,基于像素點(diǎn)建立混淆矩陣,并計(jì)算Kappa系數(shù)和總體誤差作為指標(biāo)評(píng)價(jià)決策樹分類精度。

    3.1.2 模型特征因子的選取

    植被指數(shù)對(duì)植被的生物物理特征較為敏感。對(duì)于地表空間復(fù)雜的影像,提取影像的紋理特征可以獲取各種有用的信息,提高分類精度(劉龍飛等,2003)。本實(shí)驗(yàn)選擇的特征包括3 類,分別是波段反射率、植被指數(shù)以及紋理特征(Haralick,1979)。首先,選擇衛(wèi)星像元波段反射率作為模型特征因子(表2);植被指數(shù)包括歸一化植被指數(shù)NDVI(Normalized Difference Vegetation Index),差值植被指數(shù)DVI(Difference Vegetation Index),歸一化綠度植被指數(shù)GNDVI(Green Normalized Difference Vegetation Index),綠波比指數(shù)GRI(Green Ratio Vegetation Index),紅邊指數(shù)(MTCI)和增強(qiáng)型植被指數(shù)EVI(Enhanced Vegetation Index);采用基于統(tǒng)計(jì)分析的灰度共生矩陣GLCM(Gray-Level-Co-occurrence Matrix)實(shí)現(xiàn)GF-6 和Sentinel-2衛(wèi)星各波段紋理特征的計(jì)算。植被指數(shù)和紋理特征的提取在ENVI(V5.3)中完成。GF-6衛(wèi)星模型特征因子選取8 個(gè)波段反射率、6 個(gè)植被指數(shù)和48個(gè)紋理特征,共計(jì)62個(gè)特征因子,Sentinel-2衛(wèi)星選取10 個(gè)波段反射率、6 個(gè)植被指數(shù)和60 個(gè)紋理特征,共計(jì)76個(gè)特征因子。

    表2 榆樹疏林草原木本和草本植物覆蓋度估算模型特征因子與描述Table 2 Features and description of woody and herbaceous FVC estimation model in Elm sparse forest grassland

    3.1.3 疏林草原木本和草本植物覆蓋度估算模型建立

    將影像波段反射率、6 種紋理特征和6 種植被指數(shù)作為特征因子,利用隨機(jī)森林算法建立疏林草原木本植物和草本植物覆蓋度估算模型。隨機(jī)森林是一個(gè)以分類與回歸樹算法為基礎(chǔ),將決策樹作為弱模型的袋裝法集成算法,即通過(guò)構(gòu)建多個(gè)相互獨(dú)立的訓(xùn)練樣本子集訓(xùn)練弱模型,然后對(duì)各預(yù)測(cè)結(jié)果取平均值作為最終預(yù)測(cè)結(jié)果。隨機(jī)森林在利用袋裝法對(duì)獨(dú)立樣本子集進(jìn)行模型訓(xùn)練時(shí),對(duì)每個(gè)特征因子出現(xiàn)的次數(shù)、深度以及模型的準(zhǔn)確率進(jìn)行統(tǒng)計(jì),并賦予每個(gè)特征一定的權(quán)重值,該權(quán)重值即為各特征因子的重要性(Breiman,2001)。

    與復(fù)雜模型相比,優(yōu)先選擇特征因子較少且預(yù)測(cè)結(jié)果相對(duì)準(zhǔn)確的模型(James 等,2013)。由于并非全部特征變量都與覆蓋度相關(guān),利用所有特征因子建立隨機(jī)森林模型后,對(duì)特征因子進(jìn)行優(yōu)選,以提高隨機(jī)森林的預(yù)測(cè)精度并簡(jiǎn)化節(jié)點(diǎn)。特征因子優(yōu)選首先根據(jù)重要性得分對(duì)各特征因子進(jìn)行排序,然后按照重要性排名依次疊加特征因子并訓(xùn)練模型,利用10 倍交叉檢驗(yàn)(Crossvalidation)(Breiman,2001)分別計(jì)算一定特征因子數(shù)量下隨機(jī)森林模型的相關(guān)系數(shù)范圍,并進(jìn)行隨機(jī)森林穩(wěn)健性估計(jì),當(dāng)相關(guān)系數(shù)趨于穩(wěn)定后,排除對(duì)模型貢獻(xiàn)較小的變量,建立最優(yōu)性能下的隨機(jī)森林模型。

    確定模型最佳特征因子后,通過(guò)10 倍交叉檢驗(yàn)查看模型預(yù)測(cè)精度的變化趨勢(shì),調(diào)整隨機(jī)森林模型中樹的數(shù)量和樹的深度等參數(shù)以獲取模型參數(shù)的最優(yōu)值,進(jìn)一步優(yōu)化模型、提高模型預(yù)測(cè)精度。應(yīng)用建立的模型對(duì)研究區(qū)木本植物和草本植物的覆蓋度進(jìn)行估算。以上圖像處理、模型訓(xùn)練、模型構(gòu)建和圖像分類均利用Python(V3.7)語(yǔ)言完成。

    3.2 疏林草原木本和草本植物覆蓋度估算模型驗(yàn)證

    為防止由空間自相關(guān)引起的空間過(guò)度擬合,建模之前在研究區(qū)內(nèi)隨機(jī)且均勻選取25%的獨(dú)立樣本數(shù)據(jù)作為精度驗(yàn)證數(shù)據(jù),以評(píng)估模型對(duì)覆蓋度的估算精度。基于GF-6影像的數(shù)據(jù)集包含978組獨(dú)立驗(yàn)證數(shù)據(jù),基于Sentinel-2 影像的數(shù)據(jù)集包含626組獨(dú)立驗(yàn)證數(shù)據(jù)。比較無(wú)人機(jī)正射影像分類得到的覆蓋度與模型估算得到的覆蓋度值以評(píng)估模型精度,選擇的精度驗(yàn)證指標(biāo)包括模型樣本的決定系數(shù)R2(式(1))、均方根誤差RMSE(式(2))和估算精度EA(式(3))。

    式中,yi為基于正射影像分類得到的覆蓋度,為模型估算的第i個(gè)覆蓋度,N為樣本數(shù)。

    4 結(jié)果與分析

    4.1 疏林草原木本和草本植物覆蓋度估算結(jié)果

    4.1.1 無(wú)人機(jī)正射影像分類

    通過(guò)比較研究區(qū)內(nèi)部樣方的正射影像和分類圖,以目視判別方法評(píng)估分類的準(zhǔn)確性。由圖5可見(jiàn),木本植物、草本植物和裸沙地分類效果良好,草地和裸沙地中稀疏分布的灌木均被完整的提取,木本植物與草本植物邊界清晰,木本植物內(nèi)部完整,準(zhǔn)確排除樹冠間隙和樹冠陰影。目視判別與機(jī)器分類之間的誤差主要是由于草本植物與裸沙地的混合像元分類產(chǎn)生。表3為基于驗(yàn)證像素點(diǎn)建立的木本植物,草本植物和裸沙地的分類結(jié)果混淆矩陣,決策樹分類總體精度為0.89,Kappa 系數(shù)為0.83,分類精度較高。生產(chǎn)者精度和用戶精度的準(zhǔn)確性充分證明了基于分類與回歸樹算法的影像分類能夠準(zhǔn)確劃分無(wú)人機(jī)正射影像像元類型。

    表3 榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地?zé)o人機(jī)正射影像像元分類精度評(píng)價(jià)Table 3 Accuracy evaluation in pixel-based classification of DOM in long-term monitoring plot in Elm sparse forest

    4.1.2 模型特征因子選擇

    不同特征因子數(shù)量下的隨機(jī)森林模型性能驗(yàn)證結(jié)果如圖所示(圖6)?;贕F-6影像的木本植物覆蓋度估算模型在特征因子數(shù)量為14 時(shí),模型趨于穩(wěn)健且預(yù)測(cè)精度較高,可作為平衡預(yù)測(cè)精度和簡(jiǎn)化模型的最優(yōu)特征因子個(gè)數(shù),建立最優(yōu)性能的覆蓋度估算模型?;贕F-6 影像的草本植物覆蓋度模型最優(yōu)特征因子數(shù)量為17?;赟entinel-2影像的木本和草本植物覆蓋度模型最優(yōu)特征因子數(shù)量分別為11和17。

    圖6 不同特征因子數(shù)量下的隨機(jī)森林模型性能驗(yàn)證結(jié)果Fig.6 Random forest model performance verification results under different number of feature factors

    表4 和表5 分別統(tǒng)計(jì)了基于GF-6 和Sentinel-2影像的疏林草原木本植物和草本植物覆蓋度估算模型重要性排名前5 的特征因子?;贕F-6 影像的疏林草原木本植物包含DVI、EVI、NDVI、MTCI和GRVI,均為植被指數(shù)(表4);基于Sentinel-2影像的疏林草原木本植物覆蓋度估算模型特征因子包括了NDVI、GNDVI、GRVI這3個(gè)植被指數(shù)、以及紅波段和植被紅邊1 波段?;贕F-6 的草本植物覆蓋度估算模型特征因子包含黃色波段、紅邊2波段、植被指數(shù)MTCI、紅邊2 波段紋理信息的均值和紅邊2波段紋理信息的方差;基于Sentinel-2的估算模型特征因子包含綠色波段、植被紅邊1、2波段和短波紅外1波段,紋理信息為短波紅外的均值。

    表4 基于GF-6影像的榆樹疏林草原木本和草本植物覆蓋度估算模型特征因子Table 4 Top five preferred features ranking of woody and herbaceous FVC estimation model in Elm sparse forest grassland based on GF-6 image

    表5 基于Sentinel-2影像的榆樹疏林草原木本和草本植物覆蓋度估算模型特征因子Table 5 Top five preferred features ranking of woody and herbaceous FVC estimation model in Elm sparse forest grassland based on Sentinel-2 image

    DVI 是基于GF-6 影像的木本植物覆蓋度估算模型中最重要的特征因子,而NDVI則是Sentinel-2影像的木本植物覆蓋度估算模型中最重要的特征因子。對(duì)兩個(gè)模型特征因子綜合分析可知,植被指數(shù)均對(duì)木本植物覆蓋度的估算起重要作用,基于Sentinel-2 影像的草本植物估算模型最佳預(yù)測(cè)因子為中心波長(zhǎng)在705 nm 的植被紅邊1 波段,重要性達(dá)到0.60(表5),這與基于GF-6 的草本植物覆蓋度模型相似,除黃色波段外,模型特征因子的光譜特征和紋理特征同樣集中在紅邊波段(表4)。由此可知,GF-6 影像和Sentinel-2 影像在730—750 nm 處的反射率能有效反映草本植物植被覆蓋度。說(shuō)明紅邊波段反射率對(duì)草本植物覆蓋度變化較為敏感。

    4.1.3 模型精度驗(yàn)證

    將無(wú)人機(jī)影像分類得到的木本、草本植物覆蓋度樣本值與模型估算值進(jìn)行對(duì)比(圖7)?;贕F-6 影像和Sentinel-2 影像估算的木本植物覆蓋度R2均為0.72,均方根誤差為6.76%和6.53%,估算精度分別為46.31%和54.30%?;贕F-6 影像比基于Sentinel-2 影像的木本植物覆蓋度估算值均方根誤差相比高0.23%,估算精低7.99%?;贕F-6影像和Sentinel-2影像估算的草本植物覆蓋度R2分別為0.66 和0.81,均方根誤差分別為10.69%和8.20%,估算精度分別為77.88%和83.17%?;贕F-6 影像比基于Sentinel-2 影像估算的草本植物覆蓋度R2低0.15,均方根誤差高2.49%,估算精度低5.29%。

    圖7 基于衛(wèi)星影像與基于無(wú)人機(jī)正射影像估算的榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地木本和草本植物覆蓋度結(jié)果比較Fig.7 Comparison of woody and herbaceous FVC in Elm sparse forest grassland estimated by satellite images and DOM of UAV

    兩種衛(wèi)星影像對(duì)疏林草原木本植物覆蓋度估算精度總體差別較小,對(duì)草本植物覆蓋度估算精度Sentinel-2 影像略高于GF-6 影像。不論基于哪種衛(wèi)星影像,木本植物在0—20%區(qū)間的覆蓋度估算精度較高,而在20%—100%區(qū)間估算精度較低,原因可能由于木本植物覆蓋度在20%—100%區(qū)間的訓(xùn)練樣本數(shù)量較少。

    4.2 研究區(qū)覆蓋度分析

    分別基于GF-6 影像和Sentinel-2 影像對(duì)研究區(qū)木本、草本植物覆蓋度進(jìn)行制圖,并與基于無(wú)人機(jī)正射影像得到的木本、草本植物覆蓋度圖對(duì)比,如圖8所示??傮w來(lái)看,基于高分辨率衛(wèi)星影像獲取的木本、草本植物覆蓋度,與基于無(wú)人機(jī)正射影像獲取的木本、草本植物覆蓋度空間分布一致。基于GF-6 衛(wèi)星像元尺度對(duì)正射影像分類結(jié)果進(jìn)行統(tǒng)計(jì),約3/4 的木本植物像元落在0—20%覆蓋度內(nèi)、草本植物像元落在20%—80%覆蓋度范圍內(nèi);基于Sentinel-2 衛(wèi)星像元尺度對(duì)正射影像分類結(jié)果進(jìn)行統(tǒng)計(jì),約4/5 的木本植物像元落在0—20%覆蓋度內(nèi)、草本植物像元落在20%—80%覆蓋度范圍內(nèi)?;贕F-6 影像估算得到的覆蓋度3/4 的木本植物集中在0—20%,草本植物在25%—75%;基于Sentinel-2影像得到的覆蓋度4/5的木本植物集中在0—20%,草本植物在25%—75%。

    圖8 基于高分衛(wèi)星影像和無(wú)人機(jī)正射影像的榆樹疏林草原長(zhǎng)期定位觀測(cè)大樣地木本和草本植物覆蓋度空間分布圖Fig.8 Maps of woody and herbaceous FVC in Elm sparse forest grassland from satellite image(GF-6 and Sentinel-2)and classified DOM

    研究區(qū)木本植物覆蓋度在50%以上僅占研究區(qū)總像元數(shù)的2%—4%,且集中在研究區(qū)西部地勢(shì)較低的區(qū)域。研究區(qū)草本植物覆蓋度分布較為均衡,覆蓋度高于70%的區(qū)域集中分布在研究區(qū)的東部,覆蓋度低于30%的區(qū)域集中分布在地勢(shì)較高的沙丘區(qū)域。

    5 結(jié)論

    本研究探索了一種利用近地遙感和衛(wèi)星遙感影像,基于機(jī)器學(xué)習(xí)算法,估算疏林草原木本植物和草本植物覆蓋度的新方法。研究不僅實(shí)現(xiàn)了基于無(wú)人機(jī)正射影像不同地物類別的精準(zhǔn)分類,獲取了清晰的不同植被類型生活型信息。同時(shí)利用重采樣升尺度的方法分別提取衛(wèi)星影像混合像元內(nèi)的疏林草原木本、草本植物覆蓋度,構(gòu)建了疏林草原木本、草本植物覆蓋度估算模型,實(shí)現(xiàn)了從無(wú)人機(jī)到衛(wèi)星的疏林草原木本植物和草本植被的覆蓋度精準(zhǔn)估算。研究結(jié)果表明:(1)利用無(wú)人機(jī)遙感監(jiān)測(cè)平臺(tái)能夠?qū)崿F(xiàn)疏林草原景觀尺度的精準(zhǔn)植被分類與覆蓋度計(jì)算;(2)構(gòu)建了基于GF-6 衛(wèi)星影像和Sentinel-2 衛(wèi)星影像的木本和草本植物覆蓋度估算模型,實(shí)現(xiàn)了基于高分辨率衛(wèi)星影像的疏林草原木本和草本植物覆蓋度估算;(3)基于Sentinel-2 衛(wèi)星影像的疏林草原木本和草本植物覆蓋度估算精度稍高于GF-6 衛(wèi)星,基于兩個(gè)衛(wèi)星影像的草本植物覆蓋度的估算精度都要顯著高于木本植物。

    近年來(lái),覆蓋全球的高分辨率衛(wèi)星不斷涌現(xiàn),通過(guò)融合不同分辨率的多源衛(wèi)星遙感數(shù)據(jù),基于定量遙感尺度轉(zhuǎn)換模型,監(jiān)測(cè)熱帶地區(qū)稀樹草原上木本植被狀況和動(dòng)態(tài)是稀樹草原研究的熱點(diǎn)(Brandt等,2016;Tian等,2017)。González-Roglich和Swenson(2016)利用中巴地球衛(wèi)星(CBERS)影像與陸地衛(wèi)星(Landsat)影像,基于隨機(jī)森林算法估計(jì)阿根廷中部稀樹草原樹木覆蓋度。Herrmann等(2013)在西非塞內(nèi)加爾使用軌道觀測(cè)衛(wèi)星(Orbview)高分辨率影像與中分辨率成像光譜儀(MODIS)的NDVI數(shù)據(jù),基于決策樹算法建立模型并反演木本覆蓋度。Higginbottom 等(2018)融合Landsat 影像與日本對(duì)地觀測(cè)衛(wèi)星(ALOS)高分辨率合成孔徑雷達(dá)數(shù)據(jù),基于隨機(jī)森林算法繪制出南非林波波省疏林草原地區(qū)木本植物覆蓋度圖。以上研究均應(yīng)用機(jī)器學(xué)習(xí)方法結(jié)合多分辨率遙感影像實(shí)現(xiàn)了熱帶稀樹草原木本植物覆蓋度估算。中國(guó)溫帶疏林草原景觀與熱帶稀樹草原特征相似,在連續(xù)的草本層里鑲嵌有不連續(xù)的喬木和灌木植物,是中國(guó)半干旱區(qū)重要的生態(tài)系統(tǒng),也是世界上唯一分布于溫帶的疏林草原生態(tài)系統(tǒng)(于順利 等,2007)。本研究探索了將無(wú)人機(jī)近地遙感數(shù)據(jù)與高分辨率衛(wèi)星遙感數(shù)據(jù)相結(jié)合的新方法,以分布于中國(guó)內(nèi)蒙古高原上的溫帶疏林草原為對(duì)象,實(shí)現(xiàn)了疏林草原上木本植物和草本植物的同步監(jiān)測(cè)。新方法為實(shí)現(xiàn)區(qū)域尺度溫帶疏林草原不同生活型植物的高效精準(zhǔn)監(jiān)測(cè)提供了方法基礎(chǔ)。

    本研究結(jié)果與同樣利用隨機(jī)森林方法,結(jié)合航空遙感數(shù)據(jù)與衛(wèi)星數(shù)據(jù),估算熱帶稀樹草原木本植物覆蓋度的驗(yàn)證結(jié)果相比(Ludwig等,2019),具有更高的決定系數(shù)和更低的均方根誤差。Ludwig估測(cè)得到的木本植物覆蓋度估算模型決定系數(shù)R2為0.44,均方根誤差為11.6%;基于GF-6 影像和Sentinel-2 影像估算的木本植物覆蓋度估算模型決定系數(shù)R2均為0.72,均方根誤差為6.76%和6.53%。此外,基于隨機(jī)森林建立的植被覆蓋度模型預(yù)測(cè)值均高估了較低的植被覆蓋度值,而低估了高植被覆蓋度值,與隨機(jī)森林算法在預(yù)測(cè)結(jié)果時(shí),對(duì)每棵回歸樹得到的預(yù)測(cè)變量求平均值作為預(yù)測(cè)結(jié)果的屬性相關(guān)(Prasad 等,2006)。隨機(jī)森林該屬性導(dǎo)致在覆蓋度預(yù)測(cè)中對(duì)于較低和較高的木本植物和草本植被覆蓋度估算誤差較大。

    Higginbottom 等(2018)融合了Landsat衛(wèi)星數(shù)據(jù)和PALSAR 合成孔徑雷達(dá)數(shù)據(jù),并通過(guò)組合旱季、雨季多季節(jié)指標(biāo)訓(xùn)練模型。得到的木本植物覆蓋度驗(yàn)證結(jié)果中,決定系數(shù)最高達(dá)0.77。該結(jié)論對(duì)模型的改進(jìn)具有一定的啟發(fā)性,可以結(jié)合輔助數(shù)據(jù)并加入生長(zhǎng)季的不同時(shí)期影像作為預(yù)測(cè)指標(biāo),進(jìn)一步提高疏林草原木本植物和草本植物覆蓋度估算精度。

    基于機(jī)器學(xué)習(xí)算法,融合無(wú)人機(jī)正射影像和高分辨率衛(wèi)星影像等多源數(shù)據(jù),充分發(fā)揮了近地遙感高空間分辨率和衛(wèi)星遙感區(qū)域大尺度覆蓋的特點(diǎn)。無(wú)人機(jī)正射影像為疏林草原木本、草本植被覆蓋度估算模型提供了高質(zhì)量的訓(xùn)練數(shù)據(jù),衛(wèi)星影像為探測(cè)區(qū)域尺度植被狀況提供了基礎(chǔ)數(shù)據(jù)源,機(jī)器學(xué)習(xí)的方法為兩種類型數(shù)據(jù)的融合搭建了橋梁。利用這一方法,未來(lái)可以實(shí)現(xiàn)中國(guó)溫帶疏林草原分布范圍的精確制圖,進(jìn)一步利用多時(shí)相的衛(wèi)星遙感數(shù)據(jù)也可監(jiān)測(cè)疏林草原上木本植物和草本植物的長(zhǎng)期變化特征。

    猜你喜歡
    特征模型
    一半模型
    抓住特征巧觀察
    重要模型『一線三等角』
    新型冠狀病毒及其流行病學(xué)特征認(rèn)識(shí)
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    如何表達(dá)“特征”
    不忠誠(chéng)的四個(gè)特征
    抓住特征巧觀察
    3D打印中的模型分割與打包
    FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
    十分钟在线观看高清视频www| 国产精品免费视频内射| www.自偷自拍.com| 一区二区三区四区激情视频| 国产又色又爽无遮挡免| 男女高潮啪啪啪动态图| 美女大奶头黄色视频| 午夜激情av网站| 国产成人啪精品午夜网站| 黄频高清免费视频| 亚洲男人天堂网一区| 少妇 在线观看| 精品国产一区二区久久| 国产精品一区二区在线观看99| 精品国产一区二区三区四区第35| 老司机影院成人| 综合色丁香网| 成人三级做爰电影| 日韩不卡一区二区三区视频在线| 亚洲中文av在线| 青春草国产在线视频| 欧美少妇被猛烈插入视频| xxx大片免费视频| 精品一区二区三区四区五区乱码 | 午夜福利网站1000一区二区三区| 久久青草综合色| 69精品国产乱码久久久| 两性夫妻黄色片| 中文天堂在线官网| 欧美日韩综合久久久久久| 亚洲成人免费av在线播放| 久久久精品免费免费高清| 男女午夜视频在线观看| 精品一区二区三区av网在线观看 | 欧美少妇被猛烈插入视频| 一级片'在线观看视频| 女人精品久久久久毛片| 少妇被粗大猛烈的视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人精品久久久久久| 飞空精品影院首页| 少妇猛男粗大的猛烈进出视频| 人人妻人人添人人爽欧美一区卜| 国产精品人妻久久久影院| 肉色欧美久久久久久久蜜桃| 精品少妇一区二区三区视频日本电影 | 国产伦理片在线播放av一区| av又黄又爽大尺度在线免费看| 男人添女人高潮全过程视频| 亚洲欧美日韩另类电影网站| 色视频在线一区二区三区| 一本色道久久久久久精品综合| 久久久精品国产亚洲av高清涩受| 丁香六月天网| 欧美日韩视频高清一区二区三区二| 国产精品成人在线| 黄色一级大片看看| 97在线人人人人妻| 亚洲一区中文字幕在线| 亚洲精品国产av成人精品| www.精华液| 日韩伦理黄色片| 人体艺术视频欧美日本| 999久久久国产精品视频| 久久精品国产综合久久久| 亚洲精品aⅴ在线观看| 国产xxxxx性猛交| 国产精品国产三级国产专区5o| 日韩精品免费视频一区二区三区| 亚洲成人手机| av网站在线播放免费| 这个男人来自地球电影免费观看 | 这个男人来自地球电影免费观看 | 国产亚洲午夜精品一区二区久久| 制服丝袜香蕉在线| 91成人精品电影| 精品少妇一区二区三区视频日本电影 | 日韩大片免费观看网站| 欧美日韩一级在线毛片| 天天操日日干夜夜撸| 亚洲第一区二区三区不卡| 丝袜在线中文字幕| 校园人妻丝袜中文字幕| 午夜激情久久久久久久| 成人国产av品久久久| 丰满迷人的少妇在线观看| 汤姆久久久久久久影院中文字幕| 久久免费观看电影| 成人国产麻豆网| 欧美日韩亚洲国产一区二区在线观看 | 人人妻人人添人人爽欧美一区卜| 亚洲美女黄色视频免费看| 最新的欧美精品一区二区| 1024视频免费在线观看| 国产成人精品无人区| 在线免费观看不下载黄p国产| 高清av免费在线| 亚洲熟女精品中文字幕| 国产福利在线免费观看视频| 亚洲一码二码三码区别大吗| 性高湖久久久久久久久免费观看| 高清在线视频一区二区三区| 熟妇人妻不卡中文字幕| 天天躁夜夜躁狠狠躁躁| 久久韩国三级中文字幕| 久久久久久久精品精品| 久久精品亚洲熟妇少妇任你| 纯流量卡能插随身wifi吗| 丁香六月天网| videos熟女内射| 欧美 日韩 精品 国产| 亚洲伊人色综图| 一区福利在线观看| 妹子高潮喷水视频| 高清欧美精品videossex| 国产片特级美女逼逼视频| 亚洲专区中文字幕在线 | 成年美女黄网站色视频大全免费| 亚洲欧美成人精品一区二区| 久久精品国产亚洲av涩爱| 欧美日本中文国产一区发布| 久久久国产欧美日韩av| 97人妻天天添夜夜摸| 亚洲精品,欧美精品| 在线观看一区二区三区激情| 纯流量卡能插随身wifi吗| 人人妻,人人澡人人爽秒播 | 国产免费现黄频在线看| 成人午夜精彩视频在线观看| 人人妻,人人澡人人爽秒播 | 精品久久蜜臀av无| 最黄视频免费看| 最新的欧美精品一区二区| 制服丝袜香蕉在线| 欧美日韩综合久久久久久| 18禁国产床啪视频网站| 伊人久久大香线蕉亚洲五| 五月天丁香电影| 欧美久久黑人一区二区| 美女扒开内裤让男人捅视频| 日韩不卡一区二区三区视频在线| 亚洲精品日韩在线中文字幕| 婷婷色麻豆天堂久久| 在线看a的网站| 伦理电影大哥的女人| 久久亚洲国产成人精品v| 一个人免费看片子| 亚洲精品国产av蜜桃| 青春草国产在线视频| 日本爱情动作片www.在线观看| 高清av免费在线| 色婷婷av一区二区三区视频| 中文欧美无线码| 高清黄色对白视频在线免费看| 午夜福利免费观看在线| 国产伦理片在线播放av一区| 美女中出高潮动态图| 十八禁高潮呻吟视频| 亚洲精品中文字幕在线视频| 亚洲欧美一区二区三区国产| 国产精品久久久久成人av| 91精品国产国语对白视频| 亚洲国产最新在线播放| 成人漫画全彩无遮挡| 亚洲天堂av无毛| 国产熟女午夜一区二区三区| av福利片在线| 中文字幕色久视频| svipshipincom国产片| 精品少妇久久久久久888优播| 亚洲成人手机| 一边摸一边抽搐一进一出视频| 日韩中文字幕欧美一区二区 | 国产精品无大码| 又大又爽又粗| 久久精品亚洲av国产电影网| 人人妻人人澡人人看| 一本色道久久久久久精品综合| 夫妻午夜视频| 日韩一卡2卡3卡4卡2021年| 国产精品无大码| 天堂中文最新版在线下载| 90打野战视频偷拍视频| 19禁男女啪啪无遮挡网站| 在线天堂中文资源库| 国产男女超爽视频在线观看| 国产av码专区亚洲av| 欧美黄色片欧美黄色片| 伊人久久国产一区二区| 午夜精品国产一区二区电影| 国产深夜福利视频在线观看| 久久久国产欧美日韩av| 999久久久国产精品视频| 亚洲少妇的诱惑av| 老熟女久久久| 韩国高清视频一区二区三区| 亚洲国产最新在线播放| 精品国产国语对白av| 精品少妇一区二区三区视频日本电影 | 免费观看av网站的网址| 女人久久www免费人成看片| 久久精品人人爽人人爽视色| 国产有黄有色有爽视频| 亚洲人成77777在线视频| 亚洲,欧美精品.| 欧美变态另类bdsm刘玥| 午夜免费观看性视频| 欧美黄色片欧美黄色片| 成人亚洲欧美一区二区av| 国产精品二区激情视频| 国产成人午夜福利电影在线观看| 午夜福利一区二区在线看| 美女中出高潮动态图| 麻豆精品久久久久久蜜桃| 成年人午夜在线观看视频| 日韩av免费高清视频| 丰满迷人的少妇在线观看| 久久99热这里只频精品6学生| 久久人人爽av亚洲精品天堂| 2018国产大陆天天弄谢| 可以免费在线观看a视频的电影网站 | 精品国产一区二区久久| 精品久久久久久电影网| 日韩一卡2卡3卡4卡2021年| 国产精品秋霞免费鲁丝片| 久久久精品国产亚洲av高清涩受| 亚洲国产av新网站| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美成人综合另类久久久| 国产欧美日韩综合在线一区二区| 中文字幕人妻熟女乱码| 欧美日韩福利视频一区二区| 美女主播在线视频| 亚洲欧美成人综合另类久久久| 两性夫妻黄色片| 亚洲av国产av综合av卡| 日本vs欧美在线观看视频| av天堂久久9| av电影中文网址| 免费看av在线观看网站| 波多野结衣av一区二区av| 亚洲国产日韩一区二区| 伦理电影大哥的女人| 黑丝袜美女国产一区| 久久久久精品人妻al黑| 国产免费现黄频在线看| 亚洲精品视频女| 一级片免费观看大全| 日韩人妻精品一区2区三区| 亚洲成人av在线免费| 亚洲欧美精品自产自拍| 天天躁夜夜躁狠狠久久av| 视频区图区小说| 中文字幕最新亚洲高清| 一二三四中文在线观看免费高清| 少妇人妻久久综合中文| 日韩制服骚丝袜av| 国产激情久久老熟女| 啦啦啦中文免费视频观看日本| 欧美人与性动交α欧美软件| 少妇 在线观看| 欧美av亚洲av综合av国产av | 国产亚洲欧美精品永久| 亚洲精品国产av成人精品| 三上悠亚av全集在线观看| 国产精品二区激情视频| 免费高清在线观看视频在线观看| 熟女少妇亚洲综合色aaa.| 国产精品久久久久成人av| 人人妻,人人澡人人爽秒播 | 超碰97精品在线观看| kizo精华| 丝袜人妻中文字幕| 丰满乱子伦码专区| 亚洲欧美中文字幕日韩二区| 国产精品麻豆人妻色哟哟久久| 亚洲人成77777在线视频| 看非洲黑人一级黄片| 欧美国产精品一级二级三级| 在线 av 中文字幕| 亚洲少妇的诱惑av| 女人久久www免费人成看片| 别揉我奶头~嗯~啊~动态视频 | 精品少妇黑人巨大在线播放| 免费高清在线观看视频在线观看| 欧美国产精品一级二级三级| 国产老妇伦熟女老妇高清| 久久国产精品男人的天堂亚洲| 国产有黄有色有爽视频| 一级毛片 在线播放| 午夜91福利影院| 精品人妻一区二区三区麻豆| 久久久国产精品麻豆| 久久精品久久久久久噜噜老黄| 久久精品久久精品一区二区三区| 久久久久久免费高清国产稀缺| 国产一卡二卡三卡精品 | 日本wwww免费看| 日日摸夜夜添夜夜爱| 中文字幕制服av| 亚洲av电影在线进入| 精品一区二区三区四区五区乱码 | 天天操日日干夜夜撸| 精品午夜福利在线看| 欧美人与性动交α欧美软件| 波多野结衣av一区二区av| 国产av码专区亚洲av| 菩萨蛮人人尽说江南好唐韦庄| 精品少妇内射三级| 韩国精品一区二区三区| 亚洲中文av在线| 日本wwww免费看| 亚洲国产欧美网| 国产爽快片一区二区三区| 在线精品无人区一区二区三| 男人操女人黄网站| 最近中文字幕高清免费大全6| 飞空精品影院首页| 亚洲中文av在线| 久久这里只有精品19| 大片免费播放器 马上看| 人人妻,人人澡人人爽秒播 | 男人舔女人的私密视频| 大香蕉久久网| 亚洲国产av影院在线观看| 嫩草影院入口| 精品亚洲成a人片在线观看| 黄频高清免费视频| 亚洲av福利一区| 五月天丁香电影| 精品亚洲成国产av| 成年美女黄网站色视频大全免费| 亚洲一级一片aⅴ在线观看| 日韩欧美精品免费久久| 精品亚洲乱码少妇综合久久| 久久久久久久久久久免费av| 99久久精品国产亚洲精品| 国产在视频线精品| 美女午夜性视频免费| 天天躁夜夜躁狠狠久久av| 夫妻午夜视频| 最近2019中文字幕mv第一页| h视频一区二区三区| 麻豆av在线久日| 搡老乐熟女国产| 激情视频va一区二区三区| 国产伦理片在线播放av一区| 亚洲熟女精品中文字幕| 一区二区三区四区激情视频| 久久久久久人妻| 国产有黄有色有爽视频| 国产精品免费大片| 一二三四在线观看免费中文在| 1024香蕉在线观看| 免费观看a级毛片全部| 毛片一级片免费看久久久久| 午夜福利视频在线观看免费| 国产免费福利视频在线观看| 夫妻午夜视频| 激情视频va一区二区三区| 19禁男女啪啪无遮挡网站| e午夜精品久久久久久久| 不卡av一区二区三区| 岛国毛片在线播放| 久久人人97超碰香蕉20202| 亚洲,欧美,日韩| 国产精品二区激情视频| 午夜福利在线免费观看网站| 国产av精品麻豆| 考比视频在线观看| 亚洲欧美一区二区三区黑人| 日韩av在线免费看完整版不卡| 一本—道久久a久久精品蜜桃钙片| 天堂8中文在线网| 精品一区二区三区av网在线观看 | 色吧在线观看| 啦啦啦在线观看免费高清www| 午夜久久久在线观看| 国产99久久九九免费精品| 嫩草影院入口| 色婷婷久久久亚洲欧美| 女人爽到高潮嗷嗷叫在线视频| 91精品国产国语对白视频| 亚洲,一卡二卡三卡| 嫩草影院入口| 久久久久精品性色| 欧美日韩精品网址| 9热在线视频观看99| 亚洲三区欧美一区| 亚洲美女搞黄在线观看| 国产xxxxx性猛交| 欧美老熟妇乱子伦牲交| videosex国产| 国产精品 国内视频| 国产一区二区三区av在线| 久久久精品国产亚洲av高清涩受| 校园人妻丝袜中文字幕| 国产成人欧美| 五月开心婷婷网| 日韩精品有码人妻一区| 午夜日韩欧美国产| 亚洲美女搞黄在线观看| 久久久久久久久久久免费av| 99热网站在线观看| 夜夜骑夜夜射夜夜干| 久久久久久人妻| 精品酒店卫生间| 亚洲美女视频黄频| 高清欧美精品videossex| 高清视频免费观看一区二区| 国产97色在线日韩免费| 久久人人爽人人片av| 人体艺术视频欧美日本| 国产精品一区二区在线不卡| 极品少妇高潮喷水抽搐| 老司机影院毛片| 国产精品麻豆人妻色哟哟久久| 国产黄色免费在线视频| 丰满少妇做爰视频| 精品人妻熟女毛片av久久网站| 2018国产大陆天天弄谢| 亚洲av成人不卡在线观看播放网 | 亚洲精品久久午夜乱码| 免费少妇av软件| 七月丁香在线播放| 午夜精品国产一区二区电影| 午夜日本视频在线| 久久精品亚洲熟妇少妇任你| 岛国毛片在线播放| 国产亚洲最大av| 久久久久久人妻| 国产熟女午夜一区二区三区| 少妇 在线观看| 免费观看人在逋| 一二三四中文在线观看免费高清| 精品亚洲成a人片在线观看| 一区二区三区精品91| 国产成人免费无遮挡视频| 一区福利在线观看| 午夜老司机福利片| av不卡在线播放| 欧美日本中文国产一区发布| 黑人猛操日本美女一级片| 狠狠精品人妻久久久久久综合| 亚洲欧美精品综合一区二区三区| 女性生殖器流出的白浆| 国产视频首页在线观看| 亚洲成人免费av在线播放| 国产 一区精品| 国产 精品1| 国产在线免费精品| 国产精品人妻久久久影院| 女性被躁到高潮视频| a级片在线免费高清观看视频| av福利片在线| 中文字幕精品免费在线观看视频| 国产淫语在线视频| 国产一区二区三区av在线| 美国免费a级毛片| 一区福利在线观看| 亚洲精华国产精华液的使用体验| 久久久久精品人妻al黑| 天天操日日干夜夜撸| 国产97色在线日韩免费| 亚洲精品久久午夜乱码| 亚洲精品第二区| 午夜影院在线不卡| 女人久久www免费人成看片| 国产极品天堂在线| 国产精品欧美亚洲77777| 又黄又粗又硬又大视频| 97在线人人人人妻| 五月开心婷婷网| 久久久久精品久久久久真实原创| 黑人欧美特级aaaaaa片| 国产老妇伦熟女老妇高清| 97在线人人人人妻| 精品国产一区二区三区久久久樱花| 在线观看免费日韩欧美大片| 91精品伊人久久大香线蕉| 国产又色又爽无遮挡免| bbb黄色大片| 一级黄片播放器| 日韩熟女老妇一区二区性免费视频| 亚洲国产中文字幕在线视频| 亚洲国产欧美日韩在线播放| 欧美日韩亚洲综合一区二区三区_| 精品一区在线观看国产| 亚洲av成人不卡在线观看播放网 | 一区在线观看完整版| 我要看黄色一级片免费的| 1024香蕉在线观看| 国产成人免费观看mmmm| 激情视频va一区二区三区| 香蕉丝袜av| 国产精品女同一区二区软件| 欧美黑人精品巨大| 美女主播在线视频| 久久人人爽人人片av| 最近中文字幕2019免费版| 久久午夜综合久久蜜桃| 国产亚洲精品第一综合不卡| 黄片无遮挡物在线观看| 亚洲四区av| 国产精品二区激情视频| 欧美另类一区| 伊人久久大香线蕉亚洲五| 国产黄色免费在线视频| 国产精品熟女久久久久浪| www.av在线官网国产| 久久午夜综合久久蜜桃| 国产xxxxx性猛交| 精品久久久久久电影网| 女的被弄到高潮叫床怎么办| 永久免费av网站大全| 热re99久久国产66热| 久久久欧美国产精品| 成人国产av品久久久| 爱豆传媒免费全集在线观看| 激情视频va一区二区三区| 满18在线观看网站| 一区二区三区乱码不卡18| 国产毛片在线视频| 午夜久久久在线观看| 丁香六月天网| 成人黄色视频免费在线看| 最近的中文字幕免费完整| videosex国产| 久久97久久精品| 宅男免费午夜| 午夜激情久久久久久久| 亚洲少妇的诱惑av| 又大又爽又粗| a级毛片黄视频| 90打野战视频偷拍视频| av国产精品久久久久影院| 精品少妇黑人巨大在线播放| 久久综合国产亚洲精品| 亚洲国产精品999| 国产精品一区二区在线不卡| 日韩 欧美 亚洲 中文字幕| 精品一区二区三区四区五区乱码 | 777米奇影视久久| 成年av动漫网址| 香蕉国产在线看| 一级黄片播放器| 美女大奶头黄色视频| 国产在视频线精品| 成人亚洲欧美一区二区av| 欧美日韩视频高清一区二区三区二| 一区福利在线观看| 日韩中文字幕视频在线看片| 免费黄网站久久成人精品| 中文字幕人妻熟女乱码| 韩国高清视频一区二区三区| 色精品久久人妻99蜜桃| 中文字幕精品免费在线观看视频| 色94色欧美一区二区| 国产99久久九九免费精品| 尾随美女入室| 国产片内射在线| 搡老岳熟女国产| 日韩中文字幕视频在线看片| 欧美av亚洲av综合av国产av | 激情视频va一区二区三区| 日韩大码丰满熟妇| 久久久久国产精品人妻一区二区| 午夜福利网站1000一区二区三区| 国产免费一区二区三区四区乱码| 精品酒店卫生间| 天美传媒精品一区二区| 午夜福利,免费看| 国产亚洲午夜精品一区二区久久| 久久久久久人妻| 亚洲天堂av无毛| 免费黄色在线免费观看| 亚洲欧美一区二区三区黑人| 亚洲精品国产av成人精品| 在线天堂最新版资源| 精品少妇内射三级| 精品少妇黑人巨大在线播放| 黑人欧美特级aaaaaa片| 亚洲欧美成人精品一区二区| 国产高清国产精品国产三级| 在线观看免费视频网站a站| 可以免费在线观看a视频的电影网站 | 国产亚洲最大av| 考比视频在线观看| 久久久久精品国产欧美久久久 | 一级毛片黄色毛片免费观看视频| 日本av手机在线免费观看| 免费在线观看完整版高清| 久久人人爽av亚洲精品天堂| 国产不卡av网站在线观看| 国产人伦9x9x在线观看| av视频免费观看在线观看| 日韩中文字幕视频在线看片| 欧美av亚洲av综合av国产av | 亚洲专区中文字幕在线 | 精品少妇一区二区三区视频日本电影 | 午夜日本视频在线| 少妇 在线观看| 十八禁人妻一区二区| 亚洲五月色婷婷综合| 亚洲精品视频女| 黄色 视频免费看| 亚洲av成人精品一二三区| 无遮挡黄片免费观看| 色综合欧美亚洲国产小说| 少妇被粗大的猛进出69影院| 国产精品免费大片| 人妻 亚洲 视频| svipshipincom国产片| 日韩一区二区视频免费看| 亚洲精品国产色婷婷电影|