• <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 ?

    融合特征優(yōu)選與隨機森林算法的GF-6影像東北一季稻遙感提取

    2023-10-19 02:48:08張悅琦任鴻瑞
    遙感學(xué)報 2023年9期
    關(guān)鍵詞:盤錦市時序波段

    張悅琦,任鴻瑞

    太原理工大學(xué) 礦業(yè)工程學(xué)院,太原 030024

    1 引言

    中國是世界上最大的水稻生產(chǎn)國和消費國,其中,東北三?。ê邶埥?、吉林、遼寧)一直是水稻的重要產(chǎn)區(qū),種植面積約占全國的17%,為中國糧食生產(chǎn)和農(nóng)業(yè)經(jīng)濟(jì)的快速發(fā)展作出巨大貢獻(xiàn)(方福平和程式華,2018;陸娣 等,2020)。及時準(zhǔn)確獲取水稻種植分布信息,對估算水稻產(chǎn)量、制定農(nóng)業(yè)政策和保障國家糧食安全具有重要作用(李志鵬 等,2014)。

    高分六號(GF-6)衛(wèi)星是中國首顆設(shè)置紅邊波段的光學(xué)遙感衛(wèi)星,于2018 年在酒泉衛(wèi)星中心成功發(fā)射,具有窄幅(PMS)和寬幅(WFV)2 種不同分辨率影像。其中,GF-6 WFV 影像在傳統(tǒng)藍(lán)、綠、紅、近紅外4個波段的基礎(chǔ)上新增紅邊Ⅰ、紅邊Ⅱ、紫邊和黃邊波段,具有更加豐富的波段信息。已有研究表明,紅邊波段對作物的微小變化敏感,在作物識別與分類方面發(fā)揮重要作用(Elvidge和Chen,1995;蘇偉 等,2019;李文杰 等,2020;孫敏軒 等,2020;Kim 和Yeom,2014;Mehdaoui 和Anane,2020)。李前景等(2021)提出一種適用于GF-6 WFV 影像紅邊波段的卷積神經(jīng)網(wǎng)絡(luò)模型算法,成功對作物種植區(qū)進(jìn)行分類識別并驗證了GF-6 WFV 紅邊波段對作物分類的敏感性;梁繼等(2020)基于GF-6 影像構(gòu)建紅邊植被指數(shù),組合多個影像波段后利用支持向量機框架對松嫩平原北部作物進(jìn)行分類,結(jié)果表明紅邊特征能夠顯著提高作物識別精度。

    隨著計算機技術(shù)的快速發(fā)展,機器學(xué)習(xí)近年來廣泛應(yīng)用于水稻、玉米、大豆等作物種植分布提取研究,其主要包括支持向量機、神經(jīng)網(wǎng)絡(luò)、隨機森林等算法。神經(jīng)網(wǎng)絡(luò)具有較強的自適應(yīng)、自學(xué)習(xí)能力,但分類時間復(fù)雜度高、參數(shù)難以確定,且存在過擬合和局部極值問題;支持向量機較神經(jīng)網(wǎng)絡(luò)分類精度高、泛化能力強,但在核函數(shù)的選擇與參數(shù)設(shè)置方面缺乏理論依據(jù)(閆利和江維薇,2016;賈坤 等,2011)。因此,具有訓(xùn)練速度快、分類精度高、不易過擬合、可處理高維數(shù)據(jù)等優(yōu)點的隨機森林算法在作物種植提取研究中更受青睞(侯蒙京 等,2020;陳安旭和李月臣,2020;張鵬和胡守庚,2019;Immitzer 等,2016)。黃健熙等(2017)利用多時相GF-1 WFV數(shù)據(jù)并采用隨機森林算法成功提取嫩江縣玉米與大豆種植分布,結(jié)果表明隨機森林算法較支持向量機算法分類精度更高;王李娟等(2020)基于Sentinel-2 數(shù)據(jù)生成光譜特征、植被指數(shù)、紅邊指數(shù)和紋理特征,根據(jù)特征重要性排序構(gòu)建7種特征組合方案,分別采用隨機森林算法與支持向量機算法對農(nóng)耕區(qū)進(jìn)行土地覆被分類,結(jié)果表明,隨機森林分類精度優(yōu)于相同特征變量下的支持向量機算法,總體精度可達(dá)88.24%。

    截止目前,利用GF-6 WFV 影像提取水稻種植分布的研究中,多注重于紅邊波段對分類精度影響的探討與分析,而紫邊與黃邊波段對水稻分類精度的影響尚未得知。此外,由于時序影像包含信息多,其分類精度通常要優(yōu)于單時相影像,但時序影像分類速度較慢、效率較低。因此,為尋找一種高效、高精度的水稻提取方法,探索GF-6 WFV 新增波段對水稻分類精度的影響,本研究以遼寧省盤錦市為研究區(qū),以GF-6 WFV 影像為數(shù)據(jù)源,利用6景覆蓋水稻關(guān)鍵物候期的單時相影像及其組合的時序影像,通過構(gòu)建光譜特征、植被指數(shù)、水體指數(shù)和紅邊指數(shù)4類特征變量,基于特征優(yōu)選的隨機森林模型開展水稻種植分布提取研究。根據(jù)驗證樣本和實地驗證點對提取結(jié)果進(jìn)行精度驗證,對比分析后獲得提取水稻信息的最優(yōu)特征和最佳時相,為國產(chǎn)GF-6 衛(wèi)星的推廣應(yīng)用提供更多理論方案。

    2 研究區(qū)與數(shù)據(jù)

    2.1 研究區(qū)概況

    盤錦市地處遼寧省西南部,介于40°39′N—41°27′N,121°25′E—122°30′E,下轄有盤山縣、雙臺子區(qū)、大洼區(qū)和興隆臺區(qū)(圖1),是中國重要的商品糧食生產(chǎn)基地和大米出口基地。研究區(qū)屬暖溫帶大陸性半濕潤季風(fēng)氣候,具有光照充足、晝夜溫差大、四季分明等特點,地勢平坦,平均海拔高度約4 m,且土壤略偏堿性。根據(jù)2019盤錦統(tǒng)計年鑒,該區(qū)年均氣溫8 ℃—11 ℃,年均降水618.62 mm。因其獨特的地理環(huán)境和氣候條件,盤錦市適宜農(nóng)作,土地覆蓋類型以耕地為主,其中約85%為灌溉水田,約14%為旱地,因此水稻在全市糧食生產(chǎn)中占有重要地位。結(jié)合2020 版30 m全球地表覆蓋數(shù)據(jù)GlobeLand30(Chen 等,2015),水稻、旱地等耕地占研究區(qū)總面積約70%,除耕地外的主要土地覆蓋類型有水體、建筑用地和天然濕地。水體與天然濕地分布較為集中,主要位于盤錦市南部與西南部;建筑用地遍布全市,呈破碎化分布,占研究區(qū)總面積約15%。

    圖1 盤錦市地理位置和樣本點空間分布Fig.1 Geographical location schematic and spatial distribution of ground feature sample points in Panjin

    結(jié)合Google Earth高分辨率影像進(jìn)行目視解譯,根據(jù)研究區(qū)土地覆蓋情況共獲取樣本點2000 個(圖1(b))。樣本點均勻分布于研究區(qū)內(nèi),包括1000 個水稻樣本點,250 個水體樣本點,300 個天然濕地樣本點,150 個旱地作物樣本點,300 個建筑用地樣本點。其中,70%用作訓(xùn)練樣本,30%用作驗證樣本。此外,通過實地調(diào)查獲得36 個水稻實地驗證點(圖1(b)),并于每個點上拍攝實地照片。

    2.2 遙感數(shù)據(jù)及預(yù)處理

    本研究選用GF-6 衛(wèi)星WFV 傳感器,獲取6 景2020 年5—8 月覆蓋盤錦市的L1A 級遙感影像,分別對應(yīng)三葉期、移栽期、返青期、孕穗期和抽穗期等水稻關(guān)鍵物候期,成像時間分別為2020年5月11日、5月25日、6月1日、6月6日、7月20日與8 月22 日,空間分辨率為16 m。其中,返青期由6月1日與6月6日2景影像共同覆蓋。為便于表述,以5.11、5.25、6.01、7.20、8.22 分別代表三葉期、移栽期、返青期、孕穗期和抽穗期影像。GF-6 WFV 影像具有藍(lán)波段(0.45—0.52 μm)、綠波段(0.52—0.59 μm)、紅波段(0.63—0.69 μm)、近紅外波段(0.77—0.89 μm)、紅邊Ⅰ波段(0.69—0.73 μm)、紅邊Ⅱ波段(0.73—0.77 μm)、紫邊波段(0.40—0.45 μm)和黃邊波段(0.59—0.63 μm)8個波段(陸春玲 等,2021)。

    在ENVI 5.3 遙感圖像處理軟件中進(jìn)行影像預(yù)處理,包括輻射定標(biāo)、大氣校正、正射校正和影像裁剪。遙感影像、絕對輻射定標(biāo)系數(shù)和波譜響應(yīng)函數(shù)可從中國資源衛(wèi)星應(yīng)用中心(http://www.cresda.com/CN/[2021-05-31])下載。

    3 研究方法

    3.1 特征提取

    本研究選取光譜特征、植被指數(shù)、水體指數(shù)和紅邊指數(shù)共20個特征變量(表1)。

    表1 特征變量信息和遙感指數(shù)計算公式Table 1 Information of characteristic variables and formula for calculating remote sensing indicies

    在影像預(yù)處理的基礎(chǔ)上,選取GF-6 WFV 影像的8 個波段作為光譜特征。反映土地覆蓋類型時,植被指數(shù)和水體指數(shù)比單波段信息更為穩(wěn)定,可在一定程度上提高分類精度(何云 等,2019),故選取具有代表性的7 種植被指數(shù)和1 種水體指數(shù)作為隨機森林識別的特征指數(shù)波段。紅邊波段多指植被反射率在近紅外波段與紅光波段之間快速變化的區(qū)域,是指示綠色植物生長狀況的敏感性波段(Horler 等,1983)。鑒于此,本研究將GF-6 WFV影像的2個紅邊波段分別代替歸一化植被指數(shù)NDVI(Normalized Difference Vegetation Index)中的近紅外波段,得到2個紅邊指數(shù)(梁繼 等,2020),即歸一化植被指數(shù)710 即NDVI710(Normalized Difference Vegetation Index 710)和歸一化植被指數(shù)750 即NDVI750(Normalized Difference Vegetation Index 750)。此外,借鑒了Sentinel-2衛(wèi)星的2種紅邊指數(shù)(Clevers和 Gitelson,2013;Dash和 Curran,2004),即歸一化差異紅邊1指數(shù)NDRE1(Normalized Difference Red Edge 1 Index)和地面葉綠素指數(shù)MTCI(Terrestrial Chlorophyll Index)。

    3.2 隨機森林分類

    隨機森林算法是由Breiman(2001)提出的以決策樹為基本分類器,結(jié)合Bagging 集成學(xué)習(xí)理論與隨機子空間方法的一種集成學(xué)習(xí)方法。隨機森林通過自助法(Bootstrap)從原始訓(xùn)練集中有放回地隨機選取N個樣本作為訓(xùn)練樣本,因此會有約37%的樣本未被抽取到,這些樣本被稱為袋外OOB(Out of Bag)數(shù)據(jù),可用于評估隨機森林模型性能(Breiman,1996)。經(jīng)Ntree次樣本抽取和訓(xùn)練可得到Ntree個決策樹模型,在每棵決策樹的每個節(jié)點處隨機選取Mtry(Mtry

    隨機森林中決策樹構(gòu)建時采用基尼指數(shù)進(jìn)行節(jié)點分裂時的特征選擇?;嶂笖?shù)表示樣本集合中隨機樣本被錯分的概率,基尼指數(shù)越小則集合的純度越高,被錯分的概率越?。环粗?,集合越不純。集合D的基尼指數(shù)Gini(D)如式(1)所示:

    式中,K為訓(xùn)練樣本中的種類數(shù);PK為集合D中隨機選取的樣本屬于類別K的概率。

    若集合D根據(jù)特征A是否取某一值α被分為D1和D2兩部分,則在特征A的條件下,集合D的基尼指數(shù)Gini(D,A)如式(2)所示:

    式中,|D|表示集合D中的樣本數(shù),|D1|表示集合D1中的樣本數(shù),|D2|表示集合D2中的樣本數(shù)。由此看出,隨機森林模型構(gòu)建時,若通過某特征劃分后的基尼指數(shù)減少的程度越大,則劃分后集合變純的程度越大,該特征在模型中越重要。因此,采用該方法即平均不純度減少的方法可評估特征重要性,其定義如式(3)所示:

    式中,Ntree為隨機森林模型中決策樹個數(shù);Ginit(D)、Ginit(D,A)分別為第t棵決策樹經(jīng)特征A劃分前后集合D的基尼指數(shù)。

    由于所有特征參與分類將導(dǎo)致信息冗余,從而降低分類精度和分類速度,因此本研究在Python平臺下通過調(diào)用Scikit-learn 庫建立隨機森林模型,采用平均不純度減少的方法計算模型中各特征重要性并按照從高到低的順序進(jìn)行排序。根據(jù)重要性排序,第1 次選擇首位特征,第2 次選擇前2 位特征,依次類推可得到單時相20個不同特征組合、時序影像100個不同特征組合的隨機森林模型,分別計算其OOB 誤差,對模型精度和模型復(fù)雜度綜合考慮后確定最優(yōu)特征組合,從而在保證分類精度的條件下降低模型復(fù)雜度。

    3.3 精度分析

    利用驗證樣本獲得混淆矩陣,計算總體精度OA(Overall Accuracy)、Kappa 系數(shù)和F1 值(F1_score),從而對特征優(yōu)選的隨機森林分類結(jié)果進(jìn)行精度評價,計算公式如式(4)—式(6)所示。OA 為驗證樣本集上分類器預(yù)測正確的概率。Kappa系數(shù)是檢驗驗證樣本與預(yù)測結(jié)果吻合度的指標(biāo),取值范圍為[0,1],越接近1 表示模型吻合度越高(馮銳 等,2017)。F1 值是制圖精度和用戶精度的調(diào)和均值,可用于表征模型輸出的好壞,取值范圍為[0,1],越接近1 表示模型輸出效果越好(楊建宇 等,2019)。

    式中,mi為第i類的分類正確樣本數(shù);Ci為第i類的分類像元總數(shù);Gi為第i類的真實像元總數(shù);N為分類像元總數(shù);n為分類數(shù);P和U分別為制圖精度PA(Producer Accuracy)和用戶精度UA(User Accuracy),計算公式如式(7)所示:

    此外,實地驗證點均為水稻且未在研究區(qū)均勻分布,故僅計算總體精度進(jìn)行說明。

    4 結(jié)果與分析

    4.1 特征重要性評估

    采用平均不純度減少的方法,分別基于單時相GF-6 WFV 影像和時序影像計算模型中各特征重要性(圖2)。由于基于時序影像的特征數(shù)多達(dá)100個,此處僅列出前20位。

    圖2 特征重要性評估結(jié)果和不同特征組合模型OOB精度Fig.2 Feature importance assessment results and OOB accuracy of different feature combination models

    從水稻三葉期至抽穗期,即2020 年5—8 月,水體指數(shù)和植被指數(shù)重要性排名逐漸降低,紅邊指數(shù)的重要性排名逐漸提高(圖2),表明紅邊指數(shù)對土地覆蓋分類貢獻(xiàn)度逐漸增大。2個紅邊波段中,B6 波段重要性相對較高;在NDRE1、MTCI、NDVI710 和NDVI750 等4 個紅邊指數(shù)中,NDRE1的重要性較高,在孕穗期和抽穗期影像中,重要性排名均為首位。究其原因,研究區(qū)水稻覆蓋范圍較大,且5—6 月稻田需進(jìn)行泡田和移栽,呈現(xiàn)出以水體為主的特點,與其他地物類型光譜特征差異較大,歸一化水體指數(shù)NDWI(Normalized Difference Water Index)對水體信息提取效果較好,故5—6 月NDWI 的重要性較高。NDRE1 用紅邊的峰和谷來代替NDVI 的紅光波段與近紅外波段,屬于窄帶綠度指數(shù),相比于寬帶綠度指數(shù)對葉綠素含量、葉冠層的微小變化等更加敏感,能夠提高對作物的識別能力(張沁雨 等,2019)。隨時間的推移,水稻、天然濕地和旱地作物逐漸生長,7—8 月體現(xiàn)出高覆蓋植被特點,故NDRE1 對土地覆蓋分類的貢獻(xiàn)度逐漸增大?;跁r序影像的重要性排名中,前20 位以孕穗期和抽穗期影像的特征量居多,其中光譜特征11個,紅邊指數(shù)4個,植被指數(shù)3 個,水體指數(shù)2 個,前2 位分別為抽穗期影像和孕穗期影像的紅邊指數(shù)NDRE1,即NDRE18.22和NDRE17.20。

    4.2 最優(yōu)特征組合

    對單時相影像20 個不同特征組合和時序影像100 個不同特征組合進(jìn)行OOB 估計,得到OOB 精度(圖2)。因時序影像特征數(shù)過多,圖2中僅顯示前20位。以三葉期影像為例,特征數(shù)從1增加到7,即特征從僅有NDWI到特征包含重要性排序前7位,OOB 精度逐漸增加;特征數(shù)為7 時,OOB 精度達(dá)到0.956;特征數(shù)從7 增加到20,OOB 精度整體上有微小的下降趨勢,但在特征數(shù)為19 時,OOB 精度達(dá)到最高,為0.957。由于特征個數(shù)過少會導(dǎo)致分類精度較低,特征個數(shù)過多會導(dǎo)致信息冗余且增加運行成本,故對模型精度和模型復(fù)雜度綜合考慮后選擇特征重要性排名前7的特征作為隨機森林模型的最優(yōu)輸入特征。根據(jù)相同特征選擇方法,對移栽期、返青期、孕穗期、抽穗期和時序影像進(jìn)行特征選擇,分別選取重要性排名前8、前5、前8、前8和前16的特征作為最優(yōu)輸入特征。

    4.3 基于特征優(yōu)選的隨機森林結(jié)果

    利用單時相影像和時序影像,基于特征優(yōu)選的隨機森林模型對2020 年盤錦市水稻種植分布進(jìn)行提取,獲得6 種水稻分布結(jié)果(圖3)。從目視效果來看,6 種結(jié)果較為一致,水稻主要分布于盤錦市北部、東部與中南部,以大洼區(qū)和盤山縣為主。較于單時相水稻分類結(jié)果,基于時序影像的水稻分類圖斑更為規(guī)整,一定程度緩解了“椒鹽現(xiàn)象”,分類效果最佳。三葉期、移栽期和返青期影像對應(yīng)的分類結(jié)果中,盤錦市西南部水體錯分現(xiàn)象明顯,原因為此時水稻需進(jìn)行泡田、移栽,稻田以水體為主,相似的光譜特征導(dǎo)致部分水體錯分為水稻。水稻孕穗期與抽穗期時稻田體現(xiàn)出植被特征,水體錯分為水稻現(xiàn)象明顯減少,但盤錦市西北與東北部旱地作物錯分為水稻現(xiàn)象有所增加,且“椒鹽現(xiàn)象”更加明顯。

    圖3 基于不同物候期影像的2020年盤錦市水稻分布圖Fig.3 Paddy rice distributions based on different images of phenological phases in Panjin City in 2020

    根據(jù)混淆矩陣分別計算總體精度、Kappa 系數(shù)和各土地覆蓋類型的F1 值,根據(jù)水稻實地驗證點計算實地驗證點精度(表2)。單時相影像分類結(jié)果中,移栽期影像分類結(jié)果精度最高,其總體精度、F1 值(水稻)、Kappa 系數(shù)和實地驗證點精度分別為97.67%、98.84%、0.97 與97.22%,較抽穗期影像分類結(jié)果分別高出1.00%、1.34%、0.02 和2.78%。綜合目視情況,單時相分類結(jié)果中,移栽期影像分類效果最佳,原因在于此時水稻與研究區(qū)內(nèi)天然濕地、旱地作物物候特征差異較大,易于識別。與單時相影像分類結(jié)果相比,基于時序影像的水稻分類精度顯著提高,水稻錯分與漏分現(xiàn)象有所減少,總體精度、F1值(水稻)、Kappa系數(shù)與實地驗證點精度高達(dá)99.33%、100.00%、0.99和97.22%,但其分類速度較慢、效率較低。因此,實際應(yīng)用中為減少運算時間和運行成本,達(dá)到高效、高精度的要求,可直接利用GF-6 WFV 水稻移栽期影像提取水稻種植信息。

    表2 基于特征優(yōu)選隨機森林模型的2020年盤錦市水稻分類結(jié)果精度評價Table 2 Paddy rice classification accuracy based on feature-optimized random forest in Panjin City in 2020

    4.4 紅邊信息對分類精度的影響

    GF-6 衛(wèi)星新增2 個紅邊波段,為直觀反映紅邊信息對土地覆蓋類型分類精度的影響,將紅邊波段B5、B6 和紅邊指數(shù)NDRE1、MTCI、NDVI710、NDVI750共6個特征去除,使用剩余14個特征并利用單時相影像和時序影像,基于特征優(yōu)選的隨機森林模型對2020年盤錦市水稻種植分布進(jìn)行提取,根據(jù)驗證樣本和水稻實地驗證點進(jìn)行精度驗證(表3)。

    結(jié)果表明,三葉期和返青期影像的有紅邊信息與無紅邊信息提取結(jié)果精度較為一致;移栽期影像的無紅邊信息分類結(jié)果較有紅邊信息時精度有所下降,F(xiàn)1 值(水稻)與總體精度分別降低0.33%和0.84%;孕穗期和抽穗期影像的無紅邊信息分類結(jié)果精度顯著下降,F(xiàn)1 值(水稻)分別降低0.47%和0.82%,總體精度分別降低1.67%和1.84%;時序影像的無紅邊信息分類結(jié)果較有紅邊信息時總體精度下降0.33%。水稻實地驗證點較少且均在稻田旁的道路上獲取,因此僅能通過目視解譯對分類結(jié)果進(jìn)行判讀,由于有無紅邊信息分類結(jié)果為像元級差異,故實地驗證精度未發(fā)生變化。三葉期和返青期影像的無紅邊信息分類結(jié)果精度未降低的原因在于,在重要性排序中紅邊波段和紅邊指數(shù)的排名均靠后,對土地覆蓋分類貢獻(xiàn)度較??;移栽期影像的特征重要性排序中,紅邊波段B6 位列第3,故無紅邊信息分類結(jié)果精度有所下降;而孕穗期和抽穗期影像的特征重要性排序中,紅邊指數(shù)NDRE1 均位居首位且重要性較高,對土地覆蓋分類貢獻(xiàn)度較大,故精度下降較移栽期影像更為明顯。時序影像中紅邊指數(shù)特征重要性排名靠前,但無紅邊信息分類結(jié)果精度有所降低卻不明顯,t檢驗結(jié)果表明兩種分類結(jié)果在統(tǒng)計學(xué)上無顯著性差異(P=0.58>0.05)。分析其原因在于,水稻在全生育期內(nèi)與其他地物類型相比有著獨特的光譜特點,即生育期前期體現(xiàn)水體特征,后期體現(xiàn)植被特征,故時序影像中僅利用光譜特征、植被指數(shù)與水體指數(shù)對水稻種植分布進(jìn)行提取,也可獲得較好效果,這也表明時序信息可解決因缺少紅邊信息而分類精度下降的問題。

    4.5 紫邊、黃邊波段對分類精度的影響

    為反映GF-6 WFV新增紫邊(B7)和黃邊(B8)波段對提取作物種植分布的影響,將B7、B8 波段從20 個特征變量中剔除,使用剩余18 個特征并利用單時相影像及時序影像,基于特征優(yōu)選的隨機森林模型提取2020 年盤錦市水稻種植分布并進(jìn)行精度驗證(表4)。

    表4 無B7、B8波段且基于特征優(yōu)選隨機森林模型的2020年盤錦市水稻分類結(jié)果精度評價Table 4 Paddy rice classification accuracy without bands B7 and B8 based on feature-optimized random forest in Panjin City in 2020

    較全特征且基于特征優(yōu)選隨機森林模型的水稻分類精度(表2),三葉期、移栽期、孕穗期與抽穗期影像分類總體精度分別下降0.17%、0.67%、1.00%和1.34%,其中移栽期、孕穗期與抽穗期影像F1值(水稻)分別下降0.17%、0.32%和1.18%,分類精度有所降低的原因是這4期影像的紫邊、黃邊波段在重要性排序中排名較為靠前,對土地覆蓋分類貢獻(xiàn)度較大。較無紅邊信息水稻分類結(jié)果精度(表3),移栽期、孕穗期與抽穗期影像分類總體精度分別提高0.17%、0.67%和0.50%,Kappa系數(shù)均提高0.01。結(jié)果表明紫邊、黃邊波段能夠提高水稻分類精度,但紅邊信息較紫邊、黃邊波段分類結(jié)果精度提高效果更佳,原因在于紅邊波段或紅邊指數(shù)特征重要性排名較紫邊和黃邊波段更為靠前。時序影像分類精度與基于特征優(yōu)選隨機森林模型的水稻分類精度(表2)相一致,略高于無紅邊信息水稻分類結(jié)果精度(表3)且差異無統(tǒng)計學(xué)意義(P=0.47>0.05),結(jié)果表明,基于無紫邊、黃邊波段的時序影像可獲得較高分類精度,時序信息可解決缺少紫邊、黃邊波段而分類精度下降的問題。此外,因分類結(jié)果為像元級差異且水稻實地驗證點位于稻田旁的道路上,故經(jīng)目視解譯判讀后,水稻實地驗證點精度未發(fā)生變化。

    5 結(jié)論

    本研究采用不同物候期的GF-6 WFV影像構(gòu)建光譜特征、植被指數(shù)、水體指數(shù)和紅邊指數(shù)等特征變量,基于特征優(yōu)選的隨機森林模型對2020 年盤錦市水稻種植分布進(jìn)行提取并得到以下結(jié)論:

    (1)不同物候期的單時相影像水稻分類結(jié)果表明,利用單時相GF-6 WFV 影像并基于特征優(yōu)選的隨機森林模型能夠較高精度地獲取水稻種植分布信息,總體精度、F1值(水稻)和實地驗證點精度均在90%以上。綜合目視解譯、驗證樣本精度評價與實地驗證點精度評價,處于水稻移栽期的影像分類結(jié)果最佳,總體精度、F1 值(水稻)、Kappa系數(shù)與實地驗證點精度分別為97.67%、98.84%、0.97和97.22%。

    (2)與單時相影像分類結(jié)果相比,利用時序影像提取水稻種植分布,分類精度顯著提高,總體精度、F1值(水稻)與Kappa 系數(shù)分別為99.33%、100.00%和0.99,較移栽期影像分類結(jié)果分別提高1.66%、1.16%和0.02。利用時序影像基于隨機森林方法進(jìn)行分類時,較多的特征變量造成模型復(fù)雜度較高,分類速度較慢,因此,實際應(yīng)用中,有紅邊信息時利用水稻移栽期的單時相影像進(jìn)行水稻種植分布提取即可滿足精度要求且分類效率較高;無紅邊信息時可利用時序影像進(jìn)行水稻種植分布提取,從而解決無紅邊信息時分類精度較低的問題。

    (3)紅邊波段和紅邊指數(shù)在特征重要性排名較高的影像中,特別是在孕穗期和抽穗期等植被覆蓋度較高的時期,引入紅邊波段和紅邊指數(shù)能夠提高分類精度,減少錯分、漏分現(xiàn)象,優(yōu)于相同分類方法下未引入紅邊波段和紅邊指數(shù)的分類結(jié)果。研究表明,紅邊波段和紅邊指數(shù)的引入能夠增強作物識別能力,在作物精細(xì)提取方面具有重要作用和廣闊前景,但可能由于盤錦市地物類型簡單、種植結(jié)構(gòu)單一,引入紅邊信息后分類精度提高效果不顯著。

    (4)根據(jù)重要性排序可看出紫邊和黃邊波段在土地覆蓋分類中有較好表現(xiàn),但沒有紅邊信息貢獻(xiàn)度大,因此引入紫邊和黃邊波段的分類結(jié)果略優(yōu)于相同分類方法下未引入紫邊和黃邊波段的分類結(jié)果,但較于紅邊信息精度提高效果不顯著。

    水稻因獨特的種植方式,與其他作物有著明顯的光譜差異,且GF-6 WFV 在傳統(tǒng)波段的基礎(chǔ)上新增紅邊(B5、B6)、紫邊(B7)和黃邊(B8)波段,能夠提高水稻信息提取精度,故在種植結(jié)構(gòu)簡單的地區(qū)(如地勢平坦且耕地連片的中國東北地區(qū)),本研究方法分類精度較高且適用性較好。而中國南方作物種植結(jié)構(gòu)復(fù)雜(如地勢起伏較大、地形較為復(fù)雜的四川丘陵地區(qū)、湖南省等),水稻田破碎化嚴(yán)重,且因氣候條件,南方多種植雙季稻,故本研究方法及結(jié)論需進(jìn)行下一步驗證與分析。此外,研究區(qū)內(nèi)不同土地覆蓋類型面積差異較大,本研究中樣本點的選取存在不同類別樣本數(shù)不平衡問題,下一步可對數(shù)據(jù)集進(jìn)行預(yù)處理,從而提高非平衡數(shù)據(jù)集的分類精度。

    猜你喜歡
    盤錦市時序波段
    時序坐標(biāo)
    春日暖陽
    書香不怕巷子深
    基于Sentinel-2時序NDVI的麥冬識別研究
    Theshiningblackpearl
    一種毫米波放大器時序直流電源的設(shè)計
    電子制作(2016年15期)2017-01-15 13:39:08
    勞動力量 美麗盤錦
    盤錦市多年水資源狀況分析
    M87的多波段輻射過程及其能譜擬合
    日常維護(hù)對L 波段雷達(dá)的重要性
    西藏科技(2015年4期)2015-09-26 12:12:58
    国产成人精品久久二区二区免费| 2021天堂中文幕一二区在线观| 欧美黑人精品巨大| 国产高清有码在线观看视频 | 亚洲午夜精品一区,二区,三区| 久久久久久免费高清国产稀缺| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品日韩av在线免费观看| 黄片大片在线免费观看| 色综合欧美亚洲国产小说| 国产精品野战在线观看| 男人舔奶头视频| АⅤ资源中文在线天堂| 久久午夜亚洲精品久久| 久久久久久久久免费视频了| 欧美成人午夜精品| 国产蜜桃级精品一区二区三区| cao死你这个sao货| 中出人妻视频一区二区| 成人国产综合亚洲| 欧美在线黄色| 欧美在线一区亚洲| 亚洲第一电影网av| 国内精品一区二区在线观看| 亚洲国产精品999在线| 久久久精品欧美日韩精品| 别揉我奶头~嗯~啊~动态视频| 淫妇啪啪啪对白视频| 亚洲人成网站在线播放欧美日韩| 88av欧美| 精品熟女少妇八av免费久了| 中文字幕高清在线视频| 亚洲全国av大片| 亚洲18禁久久av| 一边摸一边抽搐一进一小说| 国产av一区在线观看免费| 国产黄片美女视频| 国产精品免费一区二区三区在线| tocl精华| 成人精品一区二区免费| 久久欧美精品欧美久久欧美| 制服丝袜大香蕉在线| av片东京热男人的天堂| 日本熟妇午夜| 丰满的人妻完整版| 日本 欧美在线| 女人被狂操c到高潮| 国产伦在线观看视频一区| 亚洲乱码一区二区免费版| 久久久久久国产a免费观看| 日本一区二区免费在线视频| 男男h啪啪无遮挡| 久久久久久九九精品二区国产 | 久久久久免费精品人妻一区二区| 亚洲成人中文字幕在线播放| 日日干狠狠操夜夜爽| www国产在线视频色| 久久精品亚洲精品国产色婷小说| 久久精品aⅴ一区二区三区四区| 99国产精品一区二区蜜桃av| 中文字幕最新亚洲高清| 国产一级毛片七仙女欲春2| 精品乱码久久久久久99久播| 亚洲成人久久爱视频| 国产1区2区3区精品| 国产爱豆传媒在线观看 | 岛国在线观看网站| 男女下面进入的视频免费午夜| 成人午夜高清在线视频| 欧美日韩亚洲国产一区二区在线观看| 在线观看66精品国产| 亚洲片人在线观看| 色精品久久人妻99蜜桃| 黑人欧美特级aaaaaa片| 久久久久久人人人人人| 嫩草影院精品99| 搡老妇女老女人老熟妇| 99热这里只有精品一区 | 欧美成人午夜精品| 波多野结衣高清作品| 国产av又大| 怎么达到女性高潮| 欧美日本亚洲视频在线播放| 色播亚洲综合网| 美女扒开内裤让男人捅视频| 在线观看免费视频日本深夜| 女生性感内裤真人,穿戴方法视频| 国产成人av教育| 人人妻人人看人人澡| 欧美+亚洲+日韩+国产| 90打野战视频偷拍视频| 久久精品国产99精品国产亚洲性色| 日本熟妇午夜| 美女黄网站色视频| 黄色片一级片一级黄色片| 久久精品国产综合久久久| 天天躁狠狠躁夜夜躁狠狠躁| 美女 人体艺术 gogo| 精品一区二区三区av网在线观看| 亚洲性夜色夜夜综合| 一本久久中文字幕| 国产av麻豆久久久久久久| 男人舔奶头视频| 久久中文字幕一级| 校园春色视频在线观看| 国产乱人伦免费视频| 香蕉av资源在线| 国产精华一区二区三区| 午夜日韩欧美国产| 国产不卡一卡二| 久久精品91无色码中文字幕| 国产精品电影一区二区三区| 国产精品久久久av美女十八| 一本久久中文字幕| 久久久久久久久中文| 女人高潮潮喷娇喘18禁视频| cao死你这个sao货| 看免费av毛片| 97人妻精品一区二区三区麻豆| 岛国在线免费视频观看| 男女那种视频在线观看| 午夜影院日韩av| 国产一区二区三区在线臀色熟女| 国产精品永久免费网站| www.自偷自拍.com| 母亲3免费完整高清在线观看| 最新美女视频免费是黄的| 99久久久亚洲精品蜜臀av| 久久久久久国产a免费观看| 欧美黄色淫秽网站| 久久国产精品影院| 国产午夜精品久久久久久| 精品一区二区三区四区五区乱码| 岛国在线观看网站| 国产av不卡久久| 中文字幕精品亚洲无线码一区| 国产熟女xx| 亚洲精品久久成人aⅴ小说| 这个男人来自地球电影免费观看| 成人18禁在线播放| 麻豆久久精品国产亚洲av| 国产黄a三级三级三级人| e午夜精品久久久久久久| 在线十欧美十亚洲十日本专区| 他把我摸到了高潮在线观看| 亚洲人成伊人成综合网2020| 国产亚洲av高清不卡| 免费在线观看完整版高清| 日本一二三区视频观看| 搞女人的毛片| 国产成年人精品一区二区| 操出白浆在线播放| 老司机深夜福利视频在线观看| 日本 av在线| 色播亚洲综合网| 淫妇啪啪啪对白视频| 亚洲精品在线观看二区| 黄片大片在线免费观看| 亚洲专区字幕在线| 亚洲av成人av| 色av中文字幕| 久久久久久免费高清国产稀缺| 91成年电影在线观看| 亚洲欧美精品综合久久99| 午夜两性在线视频| 90打野战视频偷拍视频| 亚洲国产精品久久男人天堂| 又粗又爽又猛毛片免费看| 51午夜福利影视在线观看| 黄色丝袜av网址大全| 少妇粗大呻吟视频| а√天堂www在线а√下载| 在线播放国产精品三级| 国产亚洲精品第一综合不卡| 这个男人来自地球电影免费观看| 一本大道久久a久久精品| 丰满的人妻完整版| 又爽又黄无遮挡网站| 欧美成人午夜精品| 精品国产乱码久久久久久男人| 级片在线观看| 亚洲美女黄片视频| 俺也久久电影网| 99国产精品99久久久久| 亚洲精品久久成人aⅴ小说| 欧美人与性动交α欧美精品济南到| 女人爽到高潮嗷嗷叫在线视频| 少妇被粗大的猛进出69影院| 成人国语在线视频| 不卡一级毛片| 最近最新免费中文字幕在线| 欧美最黄视频在线播放免费| 国产av一区二区精品久久| 成人av在线播放网站| 欧美绝顶高潮抽搐喷水| 欧美黑人欧美精品刺激| 少妇的丰满在线观看| 夜夜看夜夜爽夜夜摸| 亚洲无线在线观看| 日本一本二区三区精品| 亚洲成人中文字幕在线播放| 亚洲人成电影免费在线| 亚洲中文字幕日韩| 国产亚洲精品久久久久5区| 亚洲欧洲精品一区二区精品久久久| 999精品在线视频| 国产黄色小视频在线观看| 91老司机精品| av在线播放免费不卡| 麻豆国产av国片精品| 欧美绝顶高潮抽搐喷水| 久久久久久大精品| 欧美久久黑人一区二区| 午夜福利18| 午夜福利在线观看吧| 波多野结衣巨乳人妻| 69av精品久久久久久| 非洲黑人性xxxx精品又粗又长| 少妇熟女aⅴ在线视频| 欧美午夜高清在线| 免费看日本二区| 妹子高潮喷水视频| 国产伦人伦偷精品视频| 丁香六月欧美| 免费电影在线观看免费观看| 性欧美人与动物交配| 亚洲精品在线美女| 啪啪无遮挡十八禁网站| 欧美乱码精品一区二区三区| 久久精品aⅴ一区二区三区四区| 美女 人体艺术 gogo| 在线观看免费视频日本深夜| 欧美在线一区亚洲| 一本大道久久a久久精品| www.999成人在线观看| 欧美极品一区二区三区四区| 老熟妇仑乱视频hdxx| 老鸭窝网址在线观看| 精品久久久久久久人妻蜜臀av| 久久亚洲精品不卡| 免费在线观看成人毛片| 亚洲成人久久性| 久久久久久久精品吃奶| 国产熟女xx| 亚洲国产欧洲综合997久久,| 一本精品99久久精品77| 成人18禁在线播放| 国产午夜福利久久久久久| 亚洲狠狠婷婷综合久久图片| 欧美最黄视频在线播放免费| 欧美黄色片欧美黄色片| 丰满人妻熟妇乱又伦精品不卡| av天堂在线播放| 91国产中文字幕| 日韩精品中文字幕看吧| 免费看美女性在线毛片视频| 亚洲精品av麻豆狂野| 他把我摸到了高潮在线观看| 国产成人啪精品午夜网站| 97碰自拍视频| 亚洲一卡2卡3卡4卡5卡精品中文| 中文亚洲av片在线观看爽| 在线观看美女被高潮喷水网站 | 国产高清激情床上av| 久久午夜亚洲精品久久| 亚洲中文字幕日韩| 欧美成人一区二区免费高清观看 | 久久久国产欧美日韩av| 三级毛片av免费| 亚洲电影在线观看av| 欧美日韩乱码在线| 国产av麻豆久久久久久久| 1024香蕉在线观看| 国产成人啪精品午夜网站| 国产亚洲精品第一综合不卡| 很黄的视频免费| 国产一区二区三区视频了| 夜夜爽天天搞| 欧美绝顶高潮抽搐喷水| 亚洲九九香蕉| 亚洲国产日韩欧美精品在线观看 | 在线永久观看黄色视频| 精品日产1卡2卡| 成人国产一区最新在线观看| 操出白浆在线播放| 一进一出抽搐gif免费好疼| 最近最新免费中文字幕在线| 免费无遮挡裸体视频| 舔av片在线| 久久久久久久久免费视频了| 国产精品一及| 高清在线国产一区| 日韩 欧美 亚洲 中文字幕| 久久久久性生活片| 伊人久久大香线蕉亚洲五| 日本一二三区视频观看| 国产精品久久久久久久电影 | 一个人免费在线观看电影 | 国产精品久久久久久亚洲av鲁大| 一级作爱视频免费观看| 久久久久久免费高清国产稀缺| 亚洲国产欧美一区二区综合| 搞女人的毛片| 叶爱在线成人免费视频播放| 国产熟女xx| 亚洲无线在线观看| 国产成人精品久久二区二区免费| 视频区欧美日本亚洲| 国产成人av激情在线播放| 久久亚洲精品不卡| 法律面前人人平等表现在哪些方面| 亚洲国产精品sss在线观看| 亚洲成人久久爱视频| 不卡一级毛片| 好男人在线观看高清免费视频| 在线观看免费视频日本深夜| 精品久久久久久久末码| 婷婷精品国产亚洲av| 国产高清有码在线观看视频 | 国产亚洲欧美在线一区二区| 国产激情欧美一区二区| 亚洲国产欧洲综合997久久,| 高潮久久久久久久久久久不卡| 久久99热这里只有精品18| 校园春色视频在线观看| 久久亚洲精品不卡| 日本在线视频免费播放| 国产精品久久久久久精品电影| 亚洲男人的天堂狠狠| 国产三级在线视频| 国产亚洲欧美98| 久久久久亚洲av毛片大全| 日本一区二区免费在线视频| 嫩草影视91久久| 成年人黄色毛片网站| 国产亚洲精品久久久久久毛片| 精品国产乱码久久久久久男人| 亚洲午夜理论影院| 国产精品av久久久久免费| 天堂av国产一区二区熟女人妻 | 国产片内射在线| 日韩精品免费视频一区二区三区| 亚洲男人的天堂狠狠| 国产一区二区在线观看日韩 | 国产精品av视频在线免费观看| 久久香蕉国产精品| 国产成人精品久久二区二区免费| 麻豆成人av在线观看| 亚洲精品在线观看二区| 国产精品久久久久久人妻精品电影| 精品欧美一区二区三区在线| 亚洲专区国产一区二区| 国产av一区二区精品久久| 亚洲成a人片在线一区二区| 麻豆成人av在线观看| 国产精品一区二区三区四区久久| 亚洲人成电影免费在线| 亚洲国产欧美网| 天天躁狠狠躁夜夜躁狠狠躁| 黄片大片在线免费观看| 看黄色毛片网站| 2021天堂中文幕一二区在线观| 99久久无色码亚洲精品果冻| 中文字幕久久专区| 国产av在哪里看| 男女视频在线观看网站免费 | 老熟妇仑乱视频hdxx| 日韩欧美免费精品| 精品久久久久久久久久免费视频| 欧美+亚洲+日韩+国产| 国产成人影院久久av| 白带黄色成豆腐渣| 最近最新免费中文字幕在线| 国产精品久久久久久久电影 | 国产精品 国内视频| 亚洲一区中文字幕在线| 欧美成人一区二区免费高清观看 | 欧美黄色片欧美黄色片| 啦啦啦韩国在线观看视频| 床上黄色一级片| 免费一级毛片在线播放高清视频| 成在线人永久免费视频| 亚洲va日本ⅴa欧美va伊人久久| 一夜夜www| 欧美日韩国产亚洲二区| 亚洲av熟女| 国产乱人伦免费视频| 色精品久久人妻99蜜桃| 久久久久久免费高清国产稀缺| 亚洲色图 男人天堂 中文字幕| 欧美日韩黄片免| 国产欧美日韩一区二区精品| 日韩欧美国产一区二区入口| 欧美中文日本在线观看视频| 亚洲成人中文字幕在线播放| 国产精品久久电影中文字幕| 国产欧美日韩一区二区三| 久久人妻av系列| 久久中文看片网| 夜夜躁狠狠躁天天躁| 国产欧美日韩精品亚洲av| 日日夜夜操网爽| 久久久久久久午夜电影| 国产熟女xx| 性色av乱码一区二区三区2| 不卡av一区二区三区| 成人午夜高清在线视频| 两人在一起打扑克的视频| 久久久久久人人人人人| e午夜精品久久久久久久| 欧美av亚洲av综合av国产av| 国产久久久一区二区三区| 91麻豆精品激情在线观看国产| 最近最新中文字幕大全电影3| 99精品欧美一区二区三区四区| 夜夜躁狠狠躁天天躁| 久久香蕉国产精品| 欧美乱色亚洲激情| 亚洲一码二码三码区别大吗| av福利片在线观看| 1024手机看黄色片| 欧美一区二区精品小视频在线| 99热6这里只有精品| 欧美日本亚洲视频在线播放| 蜜桃久久精品国产亚洲av| 国产蜜桃级精品一区二区三区| xxx96com| videosex国产| www日本在线高清视频| 人成视频在线观看免费观看| 亚洲国产高清在线一区二区三| 麻豆成人午夜福利视频| 国产精品久久久久久亚洲av鲁大| 欧美黄色淫秽网站| 国产蜜桃级精品一区二区三区| 久久国产精品人妻蜜桃| 欧美日韩中文字幕国产精品一区二区三区| 搞女人的毛片| 日韩大码丰满熟妇| 男人舔女人的私密视频| 首页视频小说图片口味搜索| 麻豆久久精品国产亚洲av| 香蕉国产在线看| 嫩草影视91久久| www国产在线视频色| 欧美黑人精品巨大| 91老司机精品| av在线天堂中文字幕| 欧美精品啪啪一区二区三区| 高清毛片免费观看视频网站| 午夜视频精品福利| 国产成人欧美在线观看| 丰满的人妻完整版| 免费一级毛片在线播放高清视频| 搡老妇女老女人老熟妇| 中文亚洲av片在线观看爽| 在线观看免费午夜福利视频| 无遮挡黄片免费观看| 国产精品 欧美亚洲| 亚洲国产欧洲综合997久久,| 国产亚洲精品一区二区www| 亚洲aⅴ乱码一区二区在线播放 | 在线观看免费午夜福利视频| 在线视频色国产色| 91大片在线观看| 久久久水蜜桃国产精品网| 亚洲午夜理论影院| 亚洲五月天丁香| 国产精品乱码一区二三区的特点| 男插女下体视频免费在线播放| 天天躁夜夜躁狠狠躁躁| 一卡2卡三卡四卡精品乱码亚洲| 亚洲,欧美精品.| 中文字幕高清在线视频| 免费人成视频x8x8入口观看| 精品一区二区三区视频在线观看免费| 国产日本99.免费观看| av在线播放免费不卡| 亚洲av成人精品一区久久| 国产精品爽爽va在线观看网站| 亚洲国产精品合色在线| 真人一进一出gif抽搐免费| 欧美+亚洲+日韩+国产| 成人三级做爰电影| 亚洲av成人av| 欧美 亚洲 国产 日韩一| 麻豆av在线久日| 国产爱豆传媒在线观看 | 免费在线观看完整版高清| 人人妻人人看人人澡| 久久久久久久精品吃奶| 老司机靠b影院| 两人在一起打扑克的视频| 久久精品国产亚洲av香蕉五月| 久久久精品大字幕| 亚洲九九香蕉| 夜夜看夜夜爽夜夜摸| 免费在线观看亚洲国产| 国产av一区二区精品久久| 一级毛片精品| 国产精品久久久久久人妻精品电影| 三级国产精品欧美在线观看 | 欧美性长视频在线观看| 给我免费播放毛片高清在线观看| 99国产极品粉嫩在线观看| 欧美日韩亚洲国产一区二区在线观看| 老汉色av国产亚洲站长工具| 亚洲欧美日韩东京热| 18禁裸乳无遮挡免费网站照片| 伊人久久大香线蕉亚洲五| 美女扒开内裤让男人捅视频| 女生性感内裤真人,穿戴方法视频| 欧美精品啪啪一区二区三区| 欧美色视频一区免费| 美女大奶头视频| 91老司机精品| 精品免费久久久久久久清纯| 色哟哟哟哟哟哟| 国产区一区二久久| av欧美777| 啦啦啦观看免费观看视频高清| 俄罗斯特黄特色一大片| 日韩中文字幕欧美一区二区| 最新在线观看一区二区三区| 91麻豆精品激情在线观看国产| 欧美高清成人免费视频www| 久久精品91无色码中文字幕| 国产精品久久久久久亚洲av鲁大| 正在播放国产对白刺激| 九九热线精品视视频播放| 国产精品一区二区精品视频观看| 国产成人aa在线观看| 欧美黑人精品巨大| 看黄色毛片网站| 中国美女看黄片| 成人国产一区最新在线观看| www.熟女人妻精品国产| 精品久久久久久久毛片微露脸| 色老头精品视频在线观看| 1024手机看黄色片| 男人舔女人下体高潮全视频| 真人做人爱边吃奶动态| 午夜福利在线观看吧| 亚洲精品在线观看二区| 国产aⅴ精品一区二区三区波| a级毛片a级免费在线| 变态另类成人亚洲欧美熟女| 日本撒尿小便嘘嘘汇集6| 国产私拍福利视频在线观看| 在线观看舔阴道视频| 男插女下体视频免费在线播放| 亚洲成人精品中文字幕电影| 午夜精品一区二区三区免费看| 狠狠狠狠99中文字幕| 我的老师免费观看完整版| 久久草成人影院| 九色成人免费人妻av| 757午夜福利合集在线观看| 亚洲人成电影免费在线| 99久久精品热视频| 国产熟女xx| 香蕉国产在线看| 午夜福利欧美成人| 真人做人爱边吃奶动态| 久久久久国内视频| 欧美日本亚洲视频在线播放| 夜夜躁狠狠躁天天躁| 69av精品久久久久久| www.自偷自拍.com| 国产又黄又爽又无遮挡在线| 91av网站免费观看| 亚洲成人久久性| 日韩欧美在线二视频| 嫩草影院精品99| 在线观看www视频免费| 婷婷丁香在线五月| 亚洲精品国产精品久久久不卡| 老司机在亚洲福利影院| 免费在线观看成人毛片| 深夜精品福利| 天天一区二区日本电影三级| 亚洲人成电影免费在线| 欧美午夜高清在线| 99国产精品一区二区三区| av福利片在线| 两个人免费观看高清视频| 99久久99久久久精品蜜桃| 青草久久国产| www日本黄色视频网| 男男h啪啪无遮挡| 男插女下体视频免费在线播放| 一级a爱片免费观看的视频| 国产激情偷乱视频一区二区| 精品久久久久久久末码| 亚洲自拍偷在线| 啦啦啦韩国在线观看视频| 久久精品91无色码中文字幕| 日韩成人在线观看一区二区三区| 窝窝影院91人妻| 日韩高清综合在线| av国产免费在线观看| 国产成人精品久久二区二区免费| 日本一二三区视频观看| 男人舔女人下体高潮全视频| 久久精品国产综合久久久| 真人一进一出gif抽搐免费| 国产av一区二区精品久久| 熟妇人妻久久中文字幕3abv| 欧美人与性动交α欧美精品济南到| 国产免费av片在线观看野外av| 国产成+人综合+亚洲专区| 后天国语完整版免费观看| 久久99热这里只有精品18| 99国产精品一区二区三区| 热99re8久久精品国产|