• <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 ?

    基于數(shù)字表面模型的冬小麥生物量估算

    2025-04-07 00:00:00郭燕賀佳位盼盼曾凱史舟葉粟楊秀忠鄭國清王來剛
    南方農(nóng)業(yè)學報 2025年1期
    關鍵詞:遷移能力

    DOI:10.3969/j.issn.2095-1191.2025.01.005

    摘要:【目的】構建冬小麥主要生育時期生物量估算模型,分析不同水處理和不同年份情景下估算模型的遷移能力,為冬小麥生物量快速估算、表型研究及制定作物水肥決策提供技術支撐?!痉椒ā客ㄟ^設置不同水氮處理,采用大疆M600 Pro無人機搭載安洲科技K6多光譜成像儀獲取冬小麥關鍵生育期影像,提取影像數(shù)字表面模型,基于無人機影像提取株高,通過BP神經(jīng)網(wǎng)絡構建并改進冬小麥生物量估算模型?!窘Y果】水氮耦合自然狀態(tài)條件下冬小麥實測株高的變化較小,但在氮充足條件下灌溉可增加冬小麥實測株高。無人機提取株高與實測株高的線性決定系數(shù)(R2)為0.81,即無人機提取株高可解釋81%的株高變異。基于無人機遙感影像提取株高構建的冬小麥生物量估算模型,R2、均方根誤差(RMSE)、相對分析誤差(RPD)分別為0.58、4528.23 kg/ha和1.25,說明該模型可對冬小麥生物量進行快速估算,但模型穩(wěn)健性較差(RPDlt;1.4),估算值(16198.27 kg/ha)較實測值(16960.23 kg/ha)偏小,且估算值較分散。通過數(shù)據(jù)轉換,基于生物量/無人機提取株高比值構建的冬小麥生物量估算模型R2、RMSE、RPD分別為0.88、2291.90 kg/ha和2.75,改進后的模型穩(wěn)健性較強(RPDgt;2.0),估算值(17478.21 kg/ha)與實測值(17222.59 kg/ha)較接近,模型估算精度提高了51.72%。經(jīng)驗證,改進的冬小麥生物量估算模型在不同水處理和不同年份情景下具有較強的遷移能力,遷移估算模型的R2均在0.85以上,能實現(xiàn)對冬小麥生物量的精準快速估算?!窘Y論】利用無人機影像提取株高信息,通過數(shù)據(jù)轉換,能有效提高冬小麥生物量估算模型的估算精度。改進的冬小麥生物量估算模型在不同水處理和不同年份情景下均表現(xiàn)出較強的遷移能力,但在不同氮水平情景下的遷移能力存在差異,因此,模型遷移利用前應對不同情景數(shù)據(jù)集進行直方圖特征分析,并綜合考慮多種影響因素以提升模型的泛化能力和魯棒性。

    關鍵詞:冬小麥;生物量;株高;數(shù)字表面模型(DSM);遷移能力

    中圖分類號:S127文獻標志碼:A文章編號:2095-1191(2025)01-0053-11

    Above-ground biomass estimation of winter wheat based on digital surface model

    GUO Yan1,2,HE Jia1,2,WEI Pan-pan1,2,ZENG Kai1,SHI Zhou3,YE Su3,YANG Xiu-zhong1,2,ZHENG Guo-qing1,WANG Lai-gang1,2*

    (1Institute of Agricultural Information Technology,Henan Academy of Agricultural Sciences/Key Laboratory of Huang-Huai-Hai Smart Agricultural Technology,Ministry of Agriculture and Rural Affairs,Zhengzhou,Henan 450002,China;2Henan Engineering Research Center of Crop Planting Monitoring and Warning,Zhengzhou,Henan 450002,China;3College of Environment and Resources,Zhejiang University,Hangzhou,Zhejiang 310058,China)

    Abstract:【Objective】To construct a biomass estimation model for the key growth stages of winter wheat and analyze the transferability of the estimation model under different water treatments and in different years scenarios,which could provide technical support for the rapid estimation of winter wheat above-ground biomass,phenotypic research,and crop water and fertilizer decision-making.【Method】In this study,by setting different water and nitrogen treatments,theDJI M600 Pro unmanned aerial vehicle(UAV)equipped with the Anzhou Technology K6 multispectral imager was used to acquire images of winter wheat during the key growth stages.The digital surface model(DSM)of the images was ex-tracted,and the plant height was extracted based on the UAV images.The winter wheat above-ground biomass estimation model was constructed and improved through the BP neural network method.【Result】Under the natural condition of water-nitrogen coupling,the change in the measured plant height of winter wheat was relatively small,but irrigation un-der nitrogen-sufficient conditions could increase the measured plant height of winter wheat.The linear determination coef-ficient(R2)between the plant height extracted by the UAV and the measured plant height was 0.81,indicating that the plant height extracted by the UAV could explain 81%of the plant height variation.For the winter wheat above-ground biomass estimation model constructed based on the plant height extracted from UAV remote sensing images,R2,root-mean-square error(RMSE)and relative performance deviation(RPD)were 0.58,4528.23 kg/ha and 1.25 respectively.This showed that the model could rapidly estimate the winter wheat above-ground biomass,but the model had poor ro-bustness(RPDlt;1.4).The estimated value(16198.27 kg/ha)was smaller than the measured value(16960.23 kg/ha),and the estimated values were relatively scattered.Through data transformation,for the winter wheat biomass estimation model constructed based on the ratio(above-graund biomass/plant height extracted by UVA ration,R2,RMSE and RPD were 0.88,2291.90 kg/ha and 2.75 respectively.The improved model had strong robustness(RPDgt;2.0).The estimated value(17478.21 kg/ha)was close to the measured value(17222.59 kg/ha),and the model estimation accuracy has in-creased by 51.72%.It was verified that the improved winter wheat above-ground biomass estimation model had strong transferability under different water treatments and in different years.R2 of the transfer estimation model was above 0.85,achieving accurate and rapid estimation of winter wheat above-ground biomass.【Conclusion】Extracting plant height infor-mation using UAV images and improving the winter wheat above-ground biomass estimation model through data transfor-mation can effectively improve the estimation accuracy of wheat biomass estimation model.The improved winter wheat above-ground biomass estimation model shows strong transfer ability under different water treatments and in different years scenarios.However,there are differences in its transferability under different nitrogen-level scenarios.Therefore,before applying the model for transfer estimation,histogram feature analysis should be carried out on the datasets of different scenarios,and various influencing factors should be comprehensively considered to enhance the generalization ability and robustness of the model.

    Key words:winter wheat;above-ground biomass;plant height;digital surface model(DSM);transfer ability

    Foundation items:National Key Research and Development Program of China(2022YFD2001105);Henan Central Government Guiding Local Scienc and Technology Development Fund Project(Z20231811179);Remote Sensing Innova-tion Team of Henan Academy of Agricultural Sciences Agricultural(2024TD28)

    0引言

    【研究意義】生物量對光能利用、干物質(zhì)及產(chǎn)量的形成均有重要影響,其精確估算是陸地生態(tài)學研究重點之一。一方面,作物生物量在全球碳循環(huán)中發(fā)揮重要作用(Piao etal.,2009;Bar-On etal.,2018;黃宏勝等,2024),準確估算作物生物量有助于掌握氣候變化與農(nóng)田生態(tài)系統(tǒng)相互間的反饋作用;另一方面,生物量與作物最終產(chǎn)量的形成密切相關(張傳波等,2022;張寧丹等,2022)。因此,及時準確地進行作物生物量估算,對科學管理與合理利用農(nóng)田、保護和增強其碳匯功能具有重要意義,同時為解決糧食安全問題提供重要數(shù)據(jù)參考?!厩叭搜芯窟M展】近年來,國內(nèi)外應用遙感技術估算作物生物量的研究越來越多(Bendig et al.,2015;賀佳等,2017;Adar et al.,2022;王晗等,2023)。不同的遙感數(shù)據(jù)源估算和反演精度存在明顯差異,以衛(wèi)星遙感影像為數(shù)據(jù)源的生物量估算與反演存在空間時間分辨率低、易受大氣狀況影響等問題,一定程度上制約了模型估算精度(鄭陽等,2017;Imran et al.,2020;Guo et al.,2022c;張科謙等,2023);近地高光譜影像光譜分辨率高,但耗時費力,且監(jiān)測范圍受限(賀佳等,2017)。相對于衛(wèi)星遙感和近地面高光譜遙感,低空無人機可依據(jù)研究目的搭載RGB相機、高光譜成像儀及多光譜相機等不同類型的傳感器,具有操作簡便、靈活性強等優(yōu)勢,是田塊尺度精準觀測的重要手段,在現(xiàn)代化農(nóng)業(yè)定量精細化監(jiān)測中發(fā)揮重要作用(陶惠林等,2019;Fu etal.,2021;Guo et al.,2022b)。目前,農(nóng)業(yè)上采用無人機遙感進行生物量估算主要是利用RGB和多光譜數(shù)字正射影像(Digital ortho-photo map,DOM)提取光譜參數(shù)、計算植被指數(shù)等構建模型。楊俊等(2019)利用無人機數(shù)碼影像估算小麥生物量,發(fā)現(xiàn)圖像顏色指數(shù)與紋理特征結合可提高小麥生物量估算精度,生物量與光譜指數(shù)的相關系數(shù)最高為0.91。但無人機獲取冠層信息時受作物種植區(qū)域、作物類型及作物生育期等多種因素的交互作用,植被指數(shù)存在飽和現(xiàn)象,進而影響生物量估算模型的精度和遷移能力。數(shù)字表面模型(Digitalsurface model,DSM)是超高分辨率無人機影像的另一關鍵信息,與作物高度直接關聯(lián)(Xie et al.,2021;樊意廣等,2022;Qiuetal.,2022)。Chang等(2017)、牛慶林等(2018)、Guo等(2022a)分別利用無人機獲取玉米、高粱等作物的數(shù)字遙感影像,基于數(shù)字地面模型(Digital terrain model,DTM)和DSM估算得到作物株高,結果發(fā)現(xiàn)估算株高與實測株高的均方根誤差(RMSE)在0.33~0.88 m。此外,隨著實時動態(tài)(Real-time kinematic,RTK)和事后動態(tài)(Post processed kinematic,PPK)差分技術的興起,使得無人機在快速、準確獲取株高方面具有顯著優(yōu)勢,越來越多學者利用無人機影像提取株高并進行生物量估算(Niu etal.,2019;劉楊等,2021;Wang et al.,2022)。Niu等(2019)通過使用精靈Phantom 4直接從點云中提取玉米高度,發(fā)現(xiàn)提取高度與實測高度的決定系數(shù)(R2)達0.90,結合植被指數(shù)對玉米生物量進行估算的R2為0.82;Wang等(2022)研究表明,采用PPK和RTK校正DSM獲得的作物表面模型(CSM)可有效提高株高估算準確性;郭燕等(2023a,2023b)研究表明,DSM提取的株高信息結合植被指數(shù)對提升作物生物量估算精度具有重要意義?!颈狙芯壳腥朦c】盡管上述研究在各自方向上已取得一定進展,但直接利用DSM進行生物量估算及模型遷移能力的研究尚無文獻報道。【擬解決的關鍵問題】通過無人機搭載多光譜相機,結合RTK和地面控制點獲取小麥關鍵生育期的影像數(shù)據(jù)和高程信息,提取主要生育期的小麥株高,利用BP神經(jīng)網(wǎng)絡法構建小麥主要生育時期生物量估算模型,并分析不同水處理和不同年份情景下估算模型的遷移能力,為冬小麥生物量快速估算、表型研究及制定作物水肥決策提供技術支撐。

    1數(shù)據(jù)來源與研究方法

    1.1研究區(qū)概況及田間試驗設計

    于2020—2021年和2021—2022年,在河南省周口市商水縣國營農(nóng)場(33°33′N,114°37′E,海拔49 m)開展冬小麥種植試驗,小區(qū)面積約42m2。該區(qū)域地處暖溫帶南部,為季風半濕潤氣候,全年溫度適宜。供試土壤為砂姜黑土,播種前0~20 cm土層基礎養(yǎng)分情況:pH 7.3,有機質(zhì)25.0 g/kg,全氮1.69 g/kg,速效磷22.6 mg/kg,速效鉀139.6 mg/kg。采用隨機區(qū)組試驗設計,設5個氮水平和2個水處理。氮水平分別為N0(0 kg/ha)、N6(90 kg/ha)、N12(180 kg/ha)、N18(270 kg/ha)和N24(360 kg/ha),每個水平重復3次;水處理為自然降水(W0)和因需灌溉(W1),總計30個小區(qū)。氮肥50%作為底肥施入,50%于拔節(jié)期追施;磷肥用量120 kg/ha,鉀肥用量90 kg/ha,均為播種前一次性施入。

    1.2研究技術路線

    總體研究技術路線如圖1所示。首先,通過大疆M600 Pro無人機獲取冬小麥拔節(jié)期、開花期和灌漿期的遙感影像,利用Agisoft PhotoScan Professio-nal 12.0對影像進行拼接及輻射校正等預處理,在3D點云建立過程中創(chuàng)建DSM,以獲得研究區(qū)植被和土壤的DSM數(shù)據(jù)。植被DSM數(shù)據(jù)減去土壤DSM數(shù)據(jù)即獲得冬小麥無人機提取株高(Hdsm)。然后,基于無人機提取株高、實測株高與生物量的關系,確認株高對生物量的貢獻,通過BP神經(jīng)網(wǎng)絡采用無人機提取株高構建冬小麥生物量估算模型。同時,采用生物量與株高的比值改進生物量估算模型,并在不同水處理和不同年份情景下進行模型遷移能力分析與應用,探究影響模型遷移能力的原因,并給出研究建議。

    1.3數(shù)據(jù)獲取與處理

    1.3.1無人機數(shù)據(jù)獲取與處理在冬小麥生長周期的關鍵生育期(拔節(jié)期、開花期和灌漿期),分別選取天氣晴朗的10:00—14:00,采用大疆M600 Pro無人機搭載安洲科技K6多光譜成像儀進行影像獲取。飛行前地面鋪設標準反射率為5%、20%、40%和70%的4塊輻射定標板,同時使用RTK接收機測量試驗區(qū)4個頂點及中間點的地面控制點(Ground control point,GCP)坐標,用于飛行位置和海拔高度精準校正。飛行高度50m,獲取影像空間分辨率為0.02 m。影像獲取后按格式轉換、影像篩選、影像拼接、正射校正及輻射定標等5個步驟進行處理。

    1.3.2冬小麥無人機株高提取冬小麥無人機株高提取步驟如圖2所示。首先將無人機數(shù)據(jù)導入Agisoft PhotoScan Professional 12.0中,檢查無人機影像圖片質(zhì)量,生成點云并對齊照片;然后建立格網(wǎng)并輸入研究區(qū)GCP進行幾何校正,重建DSM后輸出CSM;最后將得到的CSM數(shù)據(jù)導入到ArcGIS 10.6中,采用柵格計算得到無人機提取株高。此外,于2020年10月5日采集裸地影像建立研究區(qū)的地形數(shù)字高程模型(Digital elevation model,DEM)。值得注意的是,在影像拼接建立CSM的過程中,應保證控制點處的高程與實測高程最大偏差小于0.01 m。根據(jù)小區(qū)范圍繪制矩形感興趣區(qū)域(Region of interest,ROI),再通過對標準化處理后的CSM進行分區(qū)統(tǒng)計,即可得到各小區(qū)的冬小麥無人機提取株高。

    1.3.3株高和生物量測定地面數(shù)據(jù)獲取與無人機影像的獲取同步進行。田間樣本采集時使用北斗智能手持終端(UG908)獲取采樣點地理位置信息,在每小區(qū)各選取3處長勢均勻的10株冬小麥測量株高,然后將0.5 m雙行的冬小麥地上植株樣本裝入密封袋。送回實驗室,對莖、葉進行分離,105℃下殺青,80℃烘干至恒重,稱重莖、葉干重之和即為生物量,然后換算為kg/ha,共計獲取180個樣本數(shù)據(jù)。

    1.4 BP神經(jīng)網(wǎng)絡

    BP神經(jīng)網(wǎng)絡是一種采用誤差逆向傳播進行算法訓練的多層前饋網(wǎng)絡,是目前應用最廣泛的神經(jīng)網(wǎng)絡模型(Du etal.,2021;Lan etal.,2023)。BP神經(jīng)網(wǎng)絡常用激活函數(shù)包括identity、sigmoid及ReLU等20多種,當函數(shù)identity處于活動狀態(tài)時,節(jié)點的輸入等于輸出,最適合于潛在行為呈線性(類似線性回歸)的任務(李航,2022),因此本研究采用identity作為訓練模型的激活函數(shù)。本研究共設3層網(wǎng)絡結構,通過準牛頓方法族優(yōu)化器(lbfgs)提高運行速度,同時為防止過擬合,而引入學習率及正則化等參數(shù)對模型進行優(yōu)化(周志華,2022)。

    1.5模型評價指標

    冬小麥生物量估算模型評價指標3個,分別是決定系數(shù)(R2)、RMSE和相對分析誤差(RPD)。R2與PRD越大,RMSE越小,模型估算和遷移能力越好。當估算值與實測值完全一致時,RMSE為0,此時可視為完美模型;RMSE越大,模型誤差越大,其精度較低;反之,RMSE越小,模型精確度越高。RPD≥2.0時表明模型穩(wěn)健性較好,1.4≤RPDlt;2.0時表明模型穩(wěn)健性中等,RPDlt;1.4時表明模型穩(wěn)健性較差(Changetal.,2001;郭燕等,2023a)。

    2冬小麥生物量模型構建及遷移估算

    2.1冬小麥實測株高和生物量統(tǒng)計結果

    不同水氮處理下冬小麥的實測株高和生物量變化見圖3。W0和W1處理均表現(xiàn)為冬小麥實測株高和生物量隨著氮水平的升高而呈逐漸增加趨勢,但增加幅度存在明顯差異。當?shù)接蒒0升至N12,W0和W1處理冬小麥實測株高的增幅分別為23.22和21.33 cm;氮水平由N12升至N24,對應的增幅分別為2.11和0.89 cm。在冬小麥生物量方面,當?shù)接蒒0升至N18,W0和W1處理的生物量增幅分別為15675.24和13912.85 kg/ha;氮水平由N18升至N24,W0處理的生物量基本無明顯變化,而W1處理的生物量仍然呈快速增加趨勢。

    從不同氮水平冬小麥實測株高和生物量的變化趨勢可看出,隨著氮肥施用量的增加,冬小麥實測株高和生物量均呈明顯的上升趨勢,但增加幅度不同,冬小麥實測株高從N12開始趨于穩(wěn)定,生物量則呈持續(xù)上升趨勢。單因素方差分析(One-way ANOVA)結果顯示,冬小麥實測株高在N0、N6和N12水平下存在顯著差異(Plt;0.05,下同),生物量在N0、N6、N12和N18水平下存在顯著差異。綜上所述,在水氮耦合過程中,水分對冬小麥實測株高產(chǎn)生的脅迫效應大于生物量,肥料需要依靠水分才能被作物吸收,即充足水分是保證群體株高和生物量協(xié)調(diào)的基礎。

    2.2冬小麥無人機提取株高與實測株高的關系

    冬小麥無人機提取株高與實測株高的關系見圖4。無人機提取株高與實測株高的相關性隨氮水平的升高而下降,尤其在氮水平由N6升至N12時快速下降,R2從0.59降至0.08,究其原因是相同灌溉條件下,冬小麥株高受品種基因型的影響,灌漿期的株高趨于穩(wěn)定,氮水平的影響減弱(王聲鋒等,2010)。此外,氮水平由N12升至N24時,無人機提取株高分布一致性較強,但在N0和N6水平下無人機提取株高的分布相對分散,說明氮水平在一定范圍可有效增加冬小麥株高,但超過某一閾值后對株高的影響變?nèi)酢?/p>

    不同水處理下,無人機提取株高與實測株高的相關性表現(xiàn)為W0處理優(yōu)于W1處理,R2分別為0.81和0.79。結合圖3可知,水氮耦合自然狀態(tài)條件下冬小麥株高的變化相對較小,但在氮充足條件下灌溉可增加冬小麥株高。無人機提取株高與實測株高的線性R2為0.81,即無人機提取株高可解釋81%的株高變異,不僅為冬小麥株高測量提供了簡便快捷途徑,還為冬小麥生物量精準估算提供了支撐。

    2.3冬小麥無人機提取株高與生物量的關系

    無人機提取冬小麥株高與生物量的關系見圖5。無人機提取株高與生物量的相關性隨氮水平升高的變化規(guī)律不明顯,但氮的效應影響逐漸顯現(xiàn)出來。不同水處理下,無人機提取株高與生物量的相關性表現(xiàn)為W0處理優(yōu)于W1處理,R2分別為0.69和0.50,與部分株高的變化特征具有一致性。水分對冬小麥生物量和株高的影響存在明顯差異,主要是冬小麥株高變化趨于穩(wěn)定時,灌溉使得生物量的增加更傾向于葉片和莖稈生物量的增加,對株高的影響相對較小??傮w來看,無人機提取株高與生物量建立簡單線性關系模型的R2為0.57,即無人機提取株高可解釋57%的生物量變異,說明利用無人機遙感影像提取的株高可用于冬小麥生物量快速估算。

    2.4冬小麥生物量估算模型構建與改進

    為實現(xiàn)對冬小麥生物量進行快速估算,首先采用BP神經(jīng)網(wǎng)絡訓練無人機提取株高與生物量的關系模型(R2為0.57),然后基于訓練模型對冬小麥生物量進行估算,生物量的實測值和估算值關系見圖6。模型的R2、RMSE、RPD分別為0.58、4528.23 kg/ha和1.25,說明該模型可對冬小麥生物量進行快速估算,但模型穩(wěn)健性較差(RPDlt;1.4),估算值(16198.27 kg/ha)較實測值(16960.23 kg/ha)小,且估算值較分散。綜上所述,雖然采用無人機提取株高可對冬小麥生物量進行估算,但由于模型的魯棒性較弱,可能會造成估算結果不準確。這在圖6中95%置信區(qū)間覆蓋的數(shù)據(jù)上也得到驗證,置信區(qū)間數(shù)據(jù)分散程度較高,且部分數(shù)據(jù)并未包含在置信區(qū)間內(nèi),估算結果不確定性大。

    通過數(shù)據(jù)轉換發(fā)現(xiàn),冬小麥生物量/無人機提取株高比值隨氮水平的升高呈近似平行的遞增趨勢(圖7)。為此,提出一種基于比值的生物量快速估算方法,以期提高模型的估算精度。采用與上述相同的方法構建模型對冬小麥生物量進行估算,訓練模型R2為0.89,生物量實測值和估算值的關系見圖8。模型的R2、RMSE、RPD分別為0.88、2291.90 kg/ha和2.75,改進后的模型穩(wěn)健性明顯增強(RPDgt;2.0),說明該模型可對冬小麥生物量進行精準估算,估算值(17478.21 kg/ha)與實測值(17222.59 kg/ha)較接近,即基于比值構建的模型魯棒性顯著提升。與直接采用無人機提取株高建立冬小麥生物量估算模型相比,基于比值構建的模型估算精度提高了51.72%,且模型估算置信區(qū)間較集中,能實現(xiàn)冬小麥生物量的簡潔高效估算。

    假設冬小麥生物量(y)與比值(x)的改進模型表示為y=f(x),將數(shù)據(jù)代入公式后得到模型為y=kx-4004.8。隨著拔節(jié)期、開花期和灌漿期的推進,生物量不斷增加,采用多次截取生物量數(shù)據(jù)集的方法,形成相對應的不同生物量與無人機提取株高數(shù)據(jù)集,采用BP神經(jīng)網(wǎng)絡構建冬小麥生物量估計模型,k與無人機提取株高間存在k≈Hmax的關系,Hmax表示每個數(shù)據(jù)集中無人機提取株高的最大值。因此,將改進模型進行轉換,得到冬小麥生物量估算模型:AGB=4004.80×Hdsm/(Hmax-Hdsm)。該模型可對冬小麥生物量進行精準估算。

    2.5不同情景下改進冬小麥生物量估算模型的遷移能力

    基于W0和W1處理數(shù)據(jù)集分別構建冬小麥生物量估算模型,并對W1和W0處理下的生物量進行遷移估算。將W0處理數(shù)據(jù)集構建的模型遷移到W1處理,模型的R2、RMSE、RPD分別為0.90、2407.44 kg/ha和2.72;而將W1處理數(shù)據(jù)集構建的模型遷移到W0處理,模型的R2、RMSE、RPD分別為0.88、2496.97 kg/ha和2.54。同時,對模型在不同年份下進行遷移估算,設定2020—2021年冬小麥生長季節(jié)為n,2021—2022年冬小麥生長季節(jié)為n+1,基于n和n+1年份數(shù)據(jù)集分別構建冬小麥生物量估算模型,對n+1年份和n年份情境下的生物量進行遷移估算,將n年份數(shù)據(jù)集構建的模型遷移到n+1年份,模型的R2、RMSE、RPD分別為0.88、2257.36 kg/ha和2.75;將n+1年份數(shù)據(jù)集構建的生物量模型遷移到n年份,模型的R2、RMSE、RPD分別為0.86、2239.37 kg/ha和2.93。綜合R2、RMSE和RPD,改進的冬小麥生物量估算模型在不同水處理和不同年份情景下均表現(xiàn)出較好的魯棒性和遷移能力,能實現(xiàn)對冬小麥生物量的精準快速估算。

    不同情景下的模型遷移能力存在差異,不同年份間的遷移估算效果優(yōu)于不同水處理,究其原因可能是由于數(shù)據(jù)特征存在差異。對不同水處理和不同年份用于訓練模型的數(shù)據(jù)集進行統(tǒng)計分析,結果(圖9)顯示,W0和W1處理,n年份和n+1年份實測冬小麥生物量與生物量/無人機提取株高數(shù)據(jù)集的平均值、變程、偏度系數(shù)和峰度系數(shù)較相近,且擬合曲線特征具有相似性,是不同情景條件下模型具有較強遷移能力的保證。不同水處理和不同年份間的數(shù)據(jù)特征也存在差異,W0、W1處理的生物量/無人機提取株高平均值分別為222.31和206.91,二者相差15.40;n、n+1年份的生物量/無人機提取株高平均比值分別為214.09和215.14,二者相差1.05;即不同年份情景下的差值小于不同水處理。同樣,變程、偏度系數(shù)和峰度系數(shù)也存在相似趨勢,使得不同年份情境下的模型遷移效果優(yōu)于不同水處理。

    3討論

    本研究在分析實測株高和無人機提取株高與冬小麥生物量之間關系的基礎上,基于無人機提取株高,采用BP神經(jīng)網(wǎng)絡構建并改進冬小麥生物量估算模型,模型估算效果良好,且在不同水處理和不同年份情景下表現(xiàn)出較強的遷移能力。與實測株高相比,無人機提取株高整體上偏低,主要是冬小麥冠層影像中存在一些土壤背景,且部分冬小麥三維結構空間信息可能缺失,而造成無人機提取株高相對偏低(陶惠林等,2019;劉楊等,2021)。這種情況在一定程度上會影響生物量估算模型的精度,為此,本研究通過對數(shù)據(jù)進行比值變換,有效提高了冬小麥生物量估算模型的精度,且改進的模型在不同水處理和不同年份情景下能獲得較好的遷移估算效果,與Guo等(2022b)對不同水處理植株氮含量模型進行遷移能力分析得到的結果具有一致性。遷移估算是將一個環(huán)境的知識應用到另一環(huán)境中,理想的遷移估算模型要求原訓練集不僅有較大的數(shù)據(jù)量,還對數(shù)據(jù)質(zhì)量要求較高,模型在遷移至目標模型時將包含更多的特征信息,因此,進行遷移估算時首先要對數(shù)據(jù)的分布特征進行分析,是保證模型能遷移并獲得較好的估算效果(李晨光等,2022;周志華,2022)。本研究采用BP神經(jīng)網(wǎng)絡構建模型時,訓練數(shù)據(jù)集綜合了研究區(qū)冬小麥生物量的多個關鍵生育時期信息,且訓練數(shù)據(jù)和測試數(shù)據(jù)的統(tǒng)計分析指標擬合度高,是保證冬小麥生物量估算模型精度和魯棒性均較優(yōu)的重要原因。在實際應用中,根據(jù)數(shù)據(jù)的基本特征有針對性地選擇預訓練模型進行遷移,更有助于提高模型估算效果(Zhu et al.,2021)。

    本研究基于無人機提取株高構建的冬小麥生物量估算模型,雖然在某些情況下低于綜合利用植被指數(shù)、紋理特征等數(shù)據(jù)進行生物量估算的模型精度(陶惠林等,2019;Luo et al.,2022),但該模型僅需無人機遙感影像的提取株高信息,節(jié)省了指數(shù)計算、紋理特征提取等步驟,具有簡便快捷的特點。Steduto和Albrizio(2005)、韓文霆等(2021)研究認為,大田作物絕大部分生育期的水分等資源利用情況不變,基于無人機遙感影像提取單一指標可對其生物量進行估算。不同的建模方法對模型估算結果也存在一定影響(Xu etal.,2022)。本研究采用BP神經(jīng)網(wǎng)絡構建冬小麥生物量估算模型,采用的設備參數(shù)為Intel Core i7-9700K CPU和64 GB RAM,模型訓練用時為0.044 s,實測值和預測值間的R2為0.88。與Wang等(2022)的研究相比,本研究構建的冬小麥生物量估算模型精度優(yōu)于直線模型(R2=0.46~0.93)和PLSR模型(R2=0.50~0.75),但低于RF模型(R2=0.95~0.97)。這主要是由于RF是一種集成機器學習算法,進行模型構建時多種指標的參與不斷進行挑選,促使構建的生物量估算模型精度隨之得到有效提升,但在進行多種指標提取時顯然要花費更多時間,且增加了過程的復雜性。

    本研究利用無人機影像提取株高信息,通過數(shù)據(jù)變換,改進冬小麥生物量估算模型,模型估算精度(R2=0.88)較原模型(R2=0.58)提高了0.30,且在不同水處理和不同年份情景下表現(xiàn)出較強的遷移能力,但在不同品種或面對極端氣候、病蟲害侵襲時,模型估算精度可能會出現(xiàn)波動。因此,后續(xù)研究還需從以下2個方面進行完善:(1)冬小麥生物量估算模型遷移利用前應對不同情景數(shù)據(jù)集進行直方圖特征分析。數(shù)據(jù)集特征差異是導致生物量估算模型遷移能力不同的關鍵因子,數(shù)據(jù)集直方圖特征分析為模型遷移應用提供了前置條件,也為模型精度的提升奠定了基礎。(2)綜合考慮多種因素以提升模型的泛化能力和魯棒性。作物生物量的構成和估算受多種因素影響,除了水分、氮水平和年份等因子外,生物量估算模型可能還受品種及建模方法等因素的影響,建議多角度、多維度綜合考慮冬小麥生物量估算的影響因素,進一步改善模型的泛化能力和魯棒性,以提升模型的適用性及實用性。

    4結論

    利用無人機影像提取株高信息,通過數(shù)據(jù)變換,能有效提高冬小麥生物量估算模型的估算精度。改進后的冬小麥生物量估算模型在不同水處理和不同年份情景下均表現(xiàn)出較強的遷移能力,但在不同氮水平情景下的遷移能力存在差異,因此,模型遷移利用前應對不同情景數(shù)據(jù)集進行直方圖特征分析,并綜合考慮多種影響因素以提升模型的泛化能力和魯棒性。

    參考文獻(References):

    樊意廣,馮海寬,劉楊,邊明博,孟煬,楊貴軍.2022.基于冠層光譜特征和株高的馬鈴薯植株氮含量估算[J].農(nóng)業(yè)機械學報,53(6):202-208.[Fan Y G,F(xiàn)eng H K,Liu Y,Bian M B,Meng Y,Yang G J.2022.Estimation of potato plant nitrogen content based on canopy spectral characteristics and plant height[J].Transactions of the Chinese Society for Agricultural Machinery,53(6):202-208.]doi:10.6041/j.issn.1000-1298.2022.06.021.

    郭燕,井宇航,賀佳,張會芳,賈德偉,王來剛.2023a.基于無人機影像多源信息的冬小麥生物量與產(chǎn)量估算[J].河南農(nóng)業(yè)科學,52(12):149-161.[Guo Y,Jing Y H,He J,Zhang H F,Jia D W,Wang L G.2023a.Winter wheat aboveground biomass and yield estimation based on multi-source information from UAV imagery[J].Journal of Henan Agricultural Sciences,52(12):149-161.]doi:10.15933/j.cnki.1004-3268.2023.12.017.

    郭燕,井宇航,王來剛,黃競毅,賀佳,馮偉,鄭國清.2023b.基于無人機影像特征的冬小麥植株氮含量預測及模型遷移能力分析[J].中國農(nóng)業(yè)科學,56(5):850-865.[Guo Y,Jing Y H,Wang L G,Huang J Y,He J,F(xiàn)eng W,Zheng G Q.2023b.UAV multispectral image-based nitrogen con-tent prediction and the transferability analysis of the mo-delsin winter wheat plant[J].Scientia Agricultura Sinica,56(5):850-865.]doi:10.3864/j.issn.0578-1752.2023.05.004.

    韓文霆,湯建棟,張立元,牛亞曉,王彤華.2021.基于無人機遙感的玉米水分利用效率與生物量監(jiān)測[J].農(nóng)業(yè)機械學報,52(5):129-141.[Han W T,Tang J D,Zhang LY,Niu Y X,Wang T H.2021.Maize water use efficiency and bio-mass estimation based on unmanned aerial vehicle remote sensing[J].Transactions of the Chinese Society for Agri-cultural Machinery,52(5):129-141.]doi:10.6041/j.issn.1000-1298.2021.05.014.

    賀佳,劉冰峰,郭燕,王來剛,鄭國清,李軍.2017.冬小麥生物量高光譜遙感監(jiān)測模型研究[J].植物營養(yǎng)與肥料學報,23(2):313-323.[He J,Liu B F,Guo Y,Wang L G,Zheng G Q,Li J.2017.Biomass estimation model of winter wheat(Triticum aestivum L.)using hyperspectral reflec-tances[J].Journal of Plant Nutrition and Fertilizer,23(2):313-323.]doi:10.11674/zwyf.16173.

    黃宏勝,張馨月,居輝,韓雪.2024.大氣CO2濃度升高背景下冬小麥冠層光譜特征和地上生物量估算[J].作物學報,50(4):991-1003.[Huang H S,Zhang X Y,Ju H,Han X.2024.Spectral characteristics of winter wheat canopy and estimation of aboveground biomass under elevated atmo-spheric CO2 concentration[J].Acta Agronomica Sinica,50(4):991-1003.]doi:10.3724/SP.J.1006.2024.31041.

    李晨光,張波,趙騫,陳小平,王行甫.2022.基于遷移學習的文本共情預測[J].計算機應用,42(11):3603-3609.[Li C G,Zhang B,Zhao Q,Chen X P,Wang X F.2022.Empa-thy prediction from texts based on transfer learning[J].Journal of Computer Applications,42(11):3603-3609.]doi:10.11772/j.issn.1001-9081.2021091632.

    李航.2022.機器學習方法[M].北京:清華大學出版社.[Li H.2022.Machine learning methods[M].Beijing:Tsing-hua University Press.]

    劉楊,馮海寬,黃玨,孫乾,楊福芹,楊貴軍.2021.基于無人機高光譜影像的馬鈴薯株高和地上生物量估算[J].農(nóng)業(yè)機械學報,52(2):188-198.[Liu Y,F(xiàn)eng H K,Huang J,Sun Q,Yang F Q,Yang G J.2021.Estimation of potato plant height and above-ground biomass based on UAV hyper-spectral images[J].Transactions of the Chinese Society for Agricultural Machinery,52(2):188-198.]doi:10.6041/j.issn.1000-1298.2021.02.017.

    牛慶林,馮海寬,楊貴軍,李長春,楊浩,徐波,趙衍鑫.2018.基于無人機數(shù)碼影像的玉米育種材料株高和LAI監(jiān)測[J].農(nóng)業(yè)工程學報,34(5):73-82.[Niu Q L,F(xiàn)eng H K,Yang G J,Li C C,Yang H,Xu B,Zhao Y X.2018.Moni-toring plant height and leaf area index of maize breeding material based on UAV digital images[J].Transactions ofthe Chinese Society of Agricultural Engineering,34(5):73-82.]doi:10.11975/j.issn.1002-6819.2018.05.010.

    陶惠林,徐良驥,馮海寬,楊貴軍,楊小冬,苗夢珂,代陽.2019.基于無人機數(shù)碼影像的冬小麥株高和生物量估算[J].農(nóng)業(yè)工程學報,35(19):107-116.[Tao H L,Xu L J,F(xiàn)eng H K,Yang G J,Yang X D,Miao M K,Dai Y.2019.Estimation of plant height and biomass of winter wheat based on UAV digital image[J].Transactions of the Chi-nese Society of Agricultural Engineering,35(19):107-116.]doi:10.11975/j.issn.1002-6819.2019.19.013.

    王晗,向友珍,李汪洋,史鴻棹,王辛,趙笑.2023.基于無人機多光譜遙感的冬油菜地上部生物量估算[J].農(nóng)業(yè)機械學報,54(8):218-229.[Wang H,Xiang Y Z,Li W Y,Shi H Z,Wang X,Zhao X.2023.Estimation of winter rapeseed above-ground biomass based on UAV multi-spectral remote sensing[J].Transactions of the Chinese Society for Agricultural Machinery,54(8):218-229.]doi:10.6041/j.issn.1000-1298.2023.08.021.

    王聲鋒,段愛旺,徐建新.2010.冬小麥株高和葉面積指數(shù)變化動態(tài)分析及模擬模型[J].灌溉排水學報,29(4):97-100.[Wang S F,Duan A W,Xu J X.2010.Dynamic changes and simulation model of plant height and leaf areaindex of winter wheat[J].Journal of Irrigation and Drai-nage,29(4):97-100.]doi:10.13522/j.cnki.ggps.2010.04.027.

    楊俊,丁峰,陳晨,劉濤,孫成明,丁大偉,霍中洋.2019.小麥生物量及產(chǎn)量與無人機圖像特征參數(shù)的相關性[J].農(nóng)業(yè)工程學報,35(23):104-110.[Yang J,Ding F,Chen C,Liu T,Sun C M,Ding D W,Huo Z Y.2019.Correlation of wheat biomass and yield with UAV image characteristic parameters[J].Transactions of the Chinese Society of Agri-cultural Engineering,35(23):104-110.]doi:10.11975/j.issn.1002-6819.2019.23.013.

    張傳波,李衛(wèi)國,張宏,李偉,馬廷淮,張琤琤,陳華.2022.遙感光譜指標和神經(jīng)網(wǎng)絡結合的冬小麥地上部生物量估測[J].麥類作物學報,42(5):631-639.[Zhang C B,Li W G,Zhang H,Li W,Ma T H,Zhang C C,Chen H.2022.Estimation of winter wheat aboveground biomass based on remote sensing spectral index and neural network[J].Jour-nal of Triticeae Crops,42(5):631-639.]doi:10.7606/j.issn.1009-1041.2022.05.14.

    張科謙,程鋼,吳微,宋向陽,張子謙,姚順,吳帥.2023.融合主被動遙感影像的冬小麥種植面積提取研究[J].河南農(nóng)業(yè)科學,52(6):160-171.[Zhang K Q,Cheng G,Wu W,Song X Y,Zhang Z Q,Yao S,Wu S.2023.Extraction of winter wheat planting area based on fused active and pas-sive remote sensing images[J].Journal of Henan Agricul-tural Sciences,52(6):160-171.]doi:10.15933/j.cnki.1004-3268.2023.06.017.

    張寧丹,任建強,吳尚蓉.2022.基于花后累積地上生物量比例的冬小麥動態(tài)收獲指數(shù)估算[J].農(nóng)業(yè)工程學報,38(7):189-199.[Zhang N D,Ren J Q,Wu S R.2022.Esti-mating the dynamic harvest index of winter wheat usingthe fraction of accumulated aboveground biomass afterflowering[J].Transactions of the Chinese Society of Agri-cultural Engineering,38(7):189-199.]doi:10.11975/j.issn.1002-6819.2022.07.021.

    鄭陽,吳炳方,張淼.2017.Sentinel-2數(shù)據(jù)的冬小麥地上干生物量估算及評價[J].遙感學報,21(2):318-328.[Zheng Y,Wu B F,Zhang M.2017.Estimating the above ground biomass of winter wheat using the Sentinel-2 data[J].Jour-nal of Remote Sensing,21(2):318-328.]doi:10.11834/jrs.20176269.

    周志華.2016.機器學習[M].北京:清華大學出版社.[Zhou Z H.2016.Machine learning[M].Beijing:Tsinghua Uni-versity Press.]

    Adra S,Sternberg M,Paz-Kagan T,Henkin Z,Dovrat G,Zaady E,Argaman E.2022.Estimation of aboveground biomass production using an unmanned aerial vehicle(UAV)and VENμS satellite imagery in Mediterranean and semiarid rangelands[J].Remote Sensing Applications:Society and Environment,26:100753.doi:10.1016/j.rsase.2022.100 753.

    Bar-On Y M,Phillips R,Milo R.2018.The biomass distribu-tion on earth[J].Proceedings of the National Academy ofSciences of the United States of America,1159(25):6506-6511.doi:10.1073/pnas.1711842115.

    Bendig J,Yu K,Aasen H,Bokten A,Bennerta S,Broscheit J,Gnyp M L,Bareth G.2015.Combining UAV-based plant height from crop surface models,visible,and near infrared vegetation indices for biomass monitoring in barley[J].International Journal of Applied Earth Observation and Geoinformation,39:79-87.doi:10.1016/j.jag.2015.02.012.

    Chang A J,Jung J H,Maeda M M,Landivar J.2017.Crop height monitoring with digital imagery from Unmanned Aerial System(UAS)[J].Computers and Electronics in Agriculture,141:232-237.doi:10.1016/j.compag.2017.07.008.

    Chang C W,Laird D A,Mausbach M J,Hurburgh C R.2001.Near-infrared reflectance spectroscopy-principal compo-nents regression analyses of soil properties[J].Soil Science Society of America Journal,65(2):480-490.doi:10.2136/sssaj2001.652480x.

    Du B,Lund P D,Wang J,Kolhe M,Hu E.2021.Comparative study of modelling the thermal efficiency of a novel straight through evacuated tube collector with MLR,SVR,BP and RBF methods[J].Sustainable Energy Technologies and Assessments,44:101029.doi:10.1016/j.seta.2021.10 1029.

    Fu YY,Yang G J,Song X Y,Li Z H,Xu X G,F(xiàn)eng H K,Zhao C J.2021.Improved estimation of winter wheat aboveg-round biomass using multiscale textures extracted from UAV-based digital images and hyperspectral feature analy-sis[J].Remote Sensing,13(4):581.doi:10.3390/rs 1304 0581.

    Guo Y H,Xiao Y,Li M W,Hao F H,Zhang X,Sun H Y,de Beurs K,F(xiàn)u Y S,He Y H.2022a.Identifying crop pheno-logy using maize height constructed from multi-sources images[J].International Journal of Applied Earth Observa-tion and Geoinformation,115:103121.doi:10.1016/j.jag.2022.103121.

    Guo Y,He J,Huang J Y,Jing Y H,Xu S B,Wang L G,Li S M,Zheng G Q.2022b.Effects of the spatial resolution of UAV images on the prediction and transferability of nitro-gen content model for winter wheat[J].Drones,6(10):299.doi:10.3390/drones6100299.

    Guo Y,Jing Y H,He J,Rong Y S,Wang L G,F(xiàn)eng W,Cheng Y Z,Liu T,Zheng G Q.2022c.Estimation of the height and above-ground biomass of winter wheat based on DOM and DSM of UAV images[J].International Conference on Optics and Machine Vision,12173:198-205.doi:10.1117/12.2634386.

    Imran A B,Khan K,Ali N,Ahmad N,Ali A,Shan K.2020.Narrow band based and broadband derived vegetation indi-ces using Sentinel-2 imagery to estimate vegetation bio-mass[J].Global Journal of Environmental Science andManagement,6(1):97-108.doi:10.22034/GJESM.2020.01.08.

    Lan W Q,Yang X,Gong T S,Xie J.2023.Predicting the shelf life of Trachinotus ovatus during frozen storage using a back propagation(BP)neural network model[J].Aqua-culture and Fisheries,8(5):544-550.doi:10.1016/j.aaf.2021.12.016.

    Luo S J,Jiang X Q,He Y B,Li J P,Jiao W H,Zhang S L,Xu F,Han Z C,Sun J,Yang J P,Wang X Y,Ma X T,Lin Z R.2022.Multi-dimensional variables and feature parameter selection for aboveground biomass estimation of potato based on UAV multispectral imagery[J].Frontiers in Plant Science,13:948249.doi:10.3389/fpls.2022.948249.

    Niu Y X,Zhang L Y,Zhang H H,Han W T,Peng X S.2019.Estimating above-ground biomass of maize using features derived from UAV-based RGB imagery[J].Remote Sen-sing,11(11):1261.doi:10.3390/rs 11111261.

    Piao S L,F(xiàn)ang J Y,Ciais P,Petlin P,Huang Y,Sitch S,Wang T.2009.The carbon balance of terrestrial ecosystems in China[J].Nature,458:1009-1013.doi:10.1038/nature 07944.

    Qiu R C,Zhang M,He Y.2022.Field estimation of maize plant height at jointing stage using an RGB-D camera[J].The Crop Journal,10(5):1274-1283.doi:10.1016/j.cj.2022.07.010.

    Steduto P,Albrizio R.2005.Resource use efficiency of field-grown sunflower,sorghum,wheat and chickpea:II.Water use efficiency and comparison with radiation use efficiency[J].Agricultural and Forest Meteorology,130(3-4):269-281.doi:10.1016/J.agrformet.2005.04.003.

    Wang F L,Yang M,Ma L F,Zhang T,Qin W L,Li W,Zhang Y H,Sun Z C,Wang Z M,Li F,Yu K.2022.Estimation of above-ground biomass of winter wheat based on consumer-grade multi-spectral UAV[J].Remote Sensing,14(5):1251.doi:10.3390/rs 14051251.

    Xie T J,Li J J,Yang C H,Jiang Z,Chen Y H,Guo L,Zhang J.2021.Crop height estimation based on UAV images:Me-thods,errors,and strategies[J].Computers and Electronics in Agriculture,185:106155.doi:10.1016/j.compag.2021.106155.

    Xu W K,Zhao L G,Li J,Shang X P,Ding X P,Wang T W.2022.Detection and classification of tea buds based on deep learning[J].Computers and Electronics in Agricul-ture,192:106547.doi:10.1016/j.compag.2021.106547.

    Zhu W B,Braun B,Chiang L H,Romagnoil J A.2021.Investi-gation of transfer learning for image classification and impact on training sample size[J].Chemometrics and In-telligent Laboratory Systems,211:104269.doi:10.1016/j.chemolab.2021.104269.

    (責任編輯:蘭宗寶)

    猜你喜歡
    遷移能力
    試析在高中生數(shù)學學習中,如何養(yǎng)成遷移能力
    初中化學遷移能力的培養(yǎng)
    高中數(shù)學的學習方法分析
    論小學語文閱讀教學探索路向與啟示
    淺談數(shù)學教學中對學生能力的培養(yǎng)
    提高高中生物理知識遷移能力的方法
    基于生活的科學探究,源于基礎的能力提升
    高中化學學生知識遷移學習力研究
    求知導刊(2016年18期)2016-08-10 18:14:19
    大學生就業(yè)路徑分析
    人民論壇(2016年5期)2016-03-24 22:13:11
    談談化學教學中學生遷移能力的培養(yǎng)
    日本在线视频免费播放| 免费在线观看视频国产中文字幕亚洲| 纯流量卡能插随身wifi吗| 精品少妇一区二区三区视频日本电影| 一区二区三区激情视频| 欧美精品啪啪一区二区三区| 怎么达到女性高潮| 黑人操中国人逼视频| 国产成人精品久久二区二区免费| 精品国产乱子伦一区二区三区| 久久国产精品人妻蜜桃| 久久热在线av| 99久久综合精品五月天人人| 久久精品国产99精品国产亚洲性色 | 午夜久久久在线观看| 91九色精品人成在线观看| 大码成人一级视频| 最近最新免费中文字幕在线| 天堂√8在线中文| 男女下面进入的视频免费午夜 | 变态另类丝袜制服| 日韩成人在线观看一区二区三区| 久久香蕉精品热| 亚洲最大成人中文| 50天的宝宝边吃奶边哭怎么回事| 国产精品永久免费网站| 国产人伦9x9x在线观看| 国产激情久久老熟女| 久久久久国产一级毛片高清牌| 嫁个100分男人电影在线观看| 精品久久久久久久毛片微露脸| 久久香蕉国产精品| 黄片小视频在线播放| 深夜精品福利| 亚洲成人国产一区在线观看| 精品少妇一区二区三区视频日本电影| 久久国产亚洲av麻豆专区| 久久草成人影院| 欧美中文日本在线观看视频| 一本久久中文字幕| 大型av网站在线播放| 成人免费观看视频高清| 一区二区日韩欧美中文字幕| 国产成人系列免费观看| 一区二区三区激情视频| 变态另类成人亚洲欧美熟女 | 久久精品国产综合久久久| 亚洲 欧美一区二区三区| 亚洲色图综合在线观看| 看黄色毛片网站| 免费在线观看日本一区| 国产亚洲精品一区二区www| 亚洲最大成人中文| 淫妇啪啪啪对白视频| 丁香六月欧美| 亚洲av成人一区二区三| 咕卡用的链子| 99国产精品99久久久久| 欧美国产精品va在线观看不卡| 亚洲最大成人中文| 在线观看免费视频日本深夜| 久久香蕉精品热| 成人国产一区最新在线观看| 免费少妇av软件| 神马国产精品三级电影在线观看 | 在线视频色国产色| 午夜视频精品福利| 国产精品亚洲一级av第二区| 国产精品国产高清国产av| 亚洲午夜理论影院| 黄片播放在线免费| 级片在线观看| 亚洲avbb在线观看| 欧美日韩亚洲国产一区二区在线观看| www国产在线视频色| 免费不卡黄色视频| 日韩高清综合在线| 久9热在线精品视频| 久久伊人香网站| 精品久久久精品久久久| 午夜福利高清视频| 日韩三级视频一区二区三区| 丝袜人妻中文字幕| 国产精品永久免费网站| 久久国产精品影院| 国产免费av片在线观看野外av| 黄色视频,在线免费观看| 久久久国产成人免费| 国产高清videossex| 欧美精品啪啪一区二区三区| 成人av一区二区三区在线看| 精品一品国产午夜福利视频| 久久中文字幕人妻熟女| 欧美色欧美亚洲另类二区 | 亚洲电影在线观看av| 亚洲第一av免费看| 免费观看人在逋| 国产麻豆成人av免费视频| 欧美久久黑人一区二区| 伦理电影免费视频| 亚洲,欧美精品.| 一级黄色大片毛片| 亚洲欧美激情在线| 男人舔女人的私密视频| 亚洲片人在线观看| 国产成年人精品一区二区| 大陆偷拍与自拍| 电影成人av| 色在线成人网| 午夜免费成人在线视频| 男人舔女人的私密视频| 18禁观看日本| 日韩中文字幕欧美一区二区| 精品国产亚洲在线| 在线观看66精品国产| 亚洲欧美日韩另类电影网站| 欧美绝顶高潮抽搐喷水| 亚洲国产欧美网| 99国产精品99久久久久| 国产成人免费无遮挡视频| 久久久久久久久免费视频了| 99久久综合精品五月天人人| 欧美一级毛片孕妇| 成年女人毛片免费观看观看9| 国产亚洲欧美精品永久| 大码成人一级视频| 国产精品秋霞免费鲁丝片| 欧美日韩一级在线毛片| 亚洲成a人片在线一区二区| 免费久久久久久久精品成人欧美视频| 可以免费在线观看a视频的电影网站| 99久久综合精品五月天人人| 欧美另类亚洲清纯唯美| 久久久久精品国产欧美久久久| 9色porny在线观看| 成人欧美大片| 欧美国产精品va在线观看不卡| 亚洲欧美激情在线| 久久狼人影院| 波多野结衣一区麻豆| 黄色毛片三级朝国网站| 午夜福利18| 亚洲aⅴ乱码一区二区在线播放 | 91国产中文字幕| 亚洲色图综合在线观看| 亚洲第一av免费看| 午夜精品久久久久久毛片777| 精品第一国产精品| 天天躁狠狠躁夜夜躁狠狠躁| 一个人观看的视频www高清免费观看 | 亚洲av第一区精品v没综合| 极品人妻少妇av视频| 波多野结衣巨乳人妻| 天天躁夜夜躁狠狠躁躁| 免费高清在线观看日韩| 97超级碰碰碰精品色视频在线观看| 怎么达到女性高潮| 国产欧美日韩一区二区三区在线| 欧美激情极品国产一区二区三区| 日日干狠狠操夜夜爽| 18禁裸乳无遮挡免费网站照片 | 一区二区三区激情视频| 日韩免费av在线播放| 麻豆久久精品国产亚洲av| 久久欧美精品欧美久久欧美| 婷婷精品国产亚洲av在线| 丁香欧美五月| 男女做爰动态图高潮gif福利片 | 满18在线观看网站| 免费搜索国产男女视频| 国产色视频综合| 人人妻人人澡人人看| 精品欧美一区二区三区在线| 欧美大码av| 午夜免费鲁丝| 亚洲 欧美一区二区三区| 亚洲国产欧美日韩在线播放| 国产精品日韩av在线免费观看 | 纯流量卡能插随身wifi吗| 十八禁网站免费在线| 欧美乱妇无乱码| 99香蕉大伊视频| 久久久久久亚洲精品国产蜜桃av| 女人爽到高潮嗷嗷叫在线视频| 亚洲伊人色综图| 91成年电影在线观看| 嫁个100分男人电影在线观看| 亚洲成a人片在线一区二区| 国产欧美日韩精品亚洲av| 黄色 视频免费看| 午夜视频精品福利| 男女下面进入的视频免费午夜 | 亚洲avbb在线观看| 久久国产亚洲av麻豆专区| 精品福利观看| 婷婷精品国产亚洲av在线| 亚洲视频免费观看视频| 俄罗斯特黄特色一大片| 男人操女人黄网站| 两人在一起打扑克的视频| 黄色毛片三级朝国网站| 久久久久亚洲av毛片大全| 国产精品影院久久| 亚洲七黄色美女视频| 亚洲avbb在线观看| 不卡一级毛片| 露出奶头的视频| 亚洲免费av在线视频| 国产成+人综合+亚洲专区| 亚洲一区二区三区色噜噜| 天堂动漫精品| 日本撒尿小便嘘嘘汇集6| 亚洲一区二区三区不卡视频| av欧美777| 国产精品久久久久久人妻精品电影| 老司机午夜福利在线观看视频| 又黄又爽又免费观看的视频| 91精品三级在线观看| 69精品国产乱码久久久| 好看av亚洲va欧美ⅴa在| 久久国产精品男人的天堂亚洲| 久久人妻熟女aⅴ| 精品日产1卡2卡| 在线观看66精品国产| 88av欧美| 欧美丝袜亚洲另类 | 国产精品1区2区在线观看.| 他把我摸到了高潮在线观看| 一进一出抽搐动态| 午夜福利影视在线免费观看| 精品国产一区二区三区四区第35| 在线天堂中文资源库| a级毛片在线看网站| 色播亚洲综合网| 啪啪无遮挡十八禁网站| 亚洲精品久久国产高清桃花| 久久午夜亚洲精品久久| 精品午夜福利视频在线观看一区| 国产激情欧美一区二区| 国产成+人综合+亚洲专区| 不卡一级毛片| 色综合亚洲欧美另类图片| 免费高清在线观看日韩| a在线观看视频网站| 91麻豆av在线| 国产99久久九九免费精品| 黑人操中国人逼视频| 午夜视频精品福利| 少妇被粗大的猛进出69影院| 国产成人精品无人区| 精品国产一区二区久久| 黄片播放在线免费| 成人av一区二区三区在线看| 亚洲九九香蕉| 午夜久久久久精精品| 亚洲成人久久性| 极品教师在线免费播放| 黄色丝袜av网址大全| 欧美亚洲日本最大视频资源| 精品午夜福利视频在线观看一区| 色尼玛亚洲综合影院| 老熟妇仑乱视频hdxx| 亚洲精华国产精华精| 一区二区三区国产精品乱码| 亚洲精品美女久久av网站| 亚洲国产精品久久男人天堂| 久久久久亚洲av毛片大全| 青草久久国产| 亚洲五月色婷婷综合| 免费看美女性在线毛片视频| 国产1区2区3区精品| 他把我摸到了高潮在线观看| 免费久久久久久久精品成人欧美视频| 波多野结衣高清无吗| 十八禁人妻一区二区| 天天躁夜夜躁狠狠躁躁| 18禁裸乳无遮挡免费网站照片 | 最近最新中文字幕大全电影3 | 男女下面进入的视频免费午夜 | 免费久久久久久久精品成人欧美视频| 日韩欧美国产一区二区入口| 欧美日韩一级在线毛片| 欧美亚洲日本最大视频资源| 午夜福利视频1000在线观看 | 香蕉国产在线看| 一边摸一边抽搐一进一出视频| 女生性感内裤真人,穿戴方法视频| 国产精品 欧美亚洲| 99国产极品粉嫩在线观看| 欧美成人一区二区免费高清观看 | 亚洲欧美一区二区三区黑人| 热re99久久国产66热| 亚洲成人国产一区在线观看| 国产精品永久免费网站| 男人舔女人下体高潮全视频| 精品久久蜜臀av无| 久久人人精品亚洲av| 久久久国产成人免费| 久久国产精品影院| 电影成人av| 无限看片的www在线观看| 变态另类丝袜制服| 高潮久久久久久久久久久不卡| 欧美黑人精品巨大| 成熟少妇高潮喷水视频| 国产野战对白在线观看| 午夜精品久久久久久毛片777| 亚洲五月色婷婷综合| 最近最新中文字幕大全免费视频| 国产精品亚洲美女久久久| 久久久久久国产a免费观看| 可以免费在线观看a视频的电影网站| 一边摸一边做爽爽视频免费| av在线天堂中文字幕| 校园春色视频在线观看| 亚洲成人久久性| 变态另类丝袜制服| 午夜福利成人在线免费观看| 一区二区三区激情视频| 性色av乱码一区二区三区2| 伦理电影免费视频| 此物有八面人人有两片| 视频在线观看一区二区三区| 国产成+人综合+亚洲专区| 国产私拍福利视频在线观看| 久久久精品国产亚洲av高清涩受| 黑人巨大精品欧美一区二区mp4| 亚洲中文av在线| 国产精品久久电影中文字幕| 在线观看www视频免费| 日韩欧美免费精品| 欧美一级a爱片免费观看看 | 首页视频小说图片口味搜索| 黄色成人免费大全| 欧美激情高清一区二区三区| 伦理电影免费视频| 亚洲国产看品久久| 亚洲人成电影免费在线| 老熟妇乱子伦视频在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 国产精华一区二区三区| 亚洲最大成人中文| 天堂√8在线中文| 少妇的丰满在线观看| 亚洲精品一卡2卡三卡4卡5卡| 天堂√8在线中文| 国产区一区二久久| 亚洲成人免费电影在线观看| 69av精品久久久久久| 亚洲色图综合在线观看| 亚洲视频免费观看视频| 久久久久久亚洲精品国产蜜桃av| 亚洲精品国产区一区二| 日日干狠狠操夜夜爽| 看片在线看免费视频| 国产精品香港三级国产av潘金莲| 国产精品美女特级片免费视频播放器 | 看片在线看免费视频| 男人舔女人下体高潮全视频| 非洲黑人性xxxx精品又粗又长| 女同久久另类99精品国产91| 免费观看人在逋| 搡老熟女国产l中国老女人| 午夜两性在线视频| 每晚都被弄得嗷嗷叫到高潮| 满18在线观看网站| 国产成人av激情在线播放| 国产亚洲精品第一综合不卡| 一边摸一边抽搐一进一小说| 国内精品久久久久精免费| 91成人精品电影| 亚洲精品久久国产高清桃花| 国产人伦9x9x在线观看| 一区二区三区高清视频在线| 欧美激情 高清一区二区三区| 免费在线观看黄色视频的| 国产精品电影一区二区三区| 麻豆久久精品国产亚洲av| 一进一出好大好爽视频| 久久久国产成人免费| 国产亚洲精品综合一区在线观看 | 国产区一区二久久| 一级a爱视频在线免费观看| 午夜福利,免费看| 精品一区二区三区四区五区乱码| 色婷婷久久久亚洲欧美| 免费在线观看完整版高清| bbb黄色大片| 成年版毛片免费区| 天堂动漫精品| 免费在线观看亚洲国产| 午夜福利18| 久久久国产成人精品二区| 免费看a级黄色片| 亚洲免费av在线视频| 久久国产乱子伦精品免费另类| 女人被狂操c到高潮| 欧美日本亚洲视频在线播放| 成熟少妇高潮喷水视频| 国产精品久久久久久精品电影 | 日本黄色视频三级网站网址| 久9热在线精品视频| 国产精品综合久久久久久久免费 | 精品不卡国产一区二区三区| 香蕉国产在线看| 99久久久亚洲精品蜜臀av| 中文字幕人妻熟女乱码| 999久久久国产精品视频| 女警被强在线播放| 国产精品一区二区精品视频观看| 长腿黑丝高跟| 国产伦一二天堂av在线观看| 亚洲精品一区av在线观看| 黄色视频,在线免费观看| aaaaa片日本免费| 中文字幕精品免费在线观看视频| 丰满的人妻完整版| 免费在线观看黄色视频的| 激情在线观看视频在线高清| www.999成人在线观看| 国产97色在线日韩免费| 激情视频va一区二区三区| 天天添夜夜摸| 午夜久久久久精精品| 国产男靠女视频免费网站| 18禁裸乳无遮挡免费网站照片 | 日本一区二区免费在线视频| 曰老女人黄片| 亚洲av电影在线进入| 两个人看的免费小视频| 波多野结衣av一区二区av| 亚洲五月婷婷丁香| 色综合婷婷激情| 国产精品爽爽va在线观看网站 | 国产精品亚洲一级av第二区| 亚洲一卡2卡3卡4卡5卡精品中文| 女人高潮潮喷娇喘18禁视频| 亚洲国产中文字幕在线视频| 在线国产一区二区在线| 国产精品av久久久久免费| 少妇熟女aⅴ在线视频| 国产精品久久视频播放| 免费在线观看影片大全网站| 日本vs欧美在线观看视频| 啦啦啦免费观看视频1| 成人18禁在线播放| 免费高清视频大片| 9191精品国产免费久久| av视频在线观看入口| 女同久久另类99精品国产91| 久99久视频精品免费| 乱人伦中国视频| 精品午夜福利视频在线观看一区| 亚洲成人国产一区在线观看| 久久国产亚洲av麻豆专区| 少妇裸体淫交视频免费看高清 | 国产精品永久免费网站| 91精品三级在线观看| 色播在线永久视频| 大型av网站在线播放| 中文亚洲av片在线观看爽| 中文字幕人妻熟女乱码| 成人三级黄色视频| 高清在线国产一区| 欧美激情极品国产一区二区三区| 中文字幕精品免费在线观看视频| 一边摸一边抽搐一进一小说| 精品电影一区二区在线| 精品久久蜜臀av无| 黄片小视频在线播放| 麻豆一二三区av精品| 性色av乱码一区二区三区2| 久久国产精品影院| 女警被强在线播放| 日韩 欧美 亚洲 中文字幕| 久久人妻av系列| 久久精品影院6| 91精品国产国语对白视频| 91成年电影在线观看| 午夜福利影视在线免费观看| 亚洲国产精品成人综合色| 亚洲欧美日韩另类电影网站| 欧美色视频一区免费| 999久久久国产精品视频| 免费不卡黄色视频| 日韩 欧美 亚洲 中文字幕| 高清在线国产一区| 免费高清视频大片| 91在线观看av| 69av精品久久久久久| 在线观看免费视频日本深夜| 如日韩欧美国产精品一区二区三区| 18禁观看日本| 欧美中文日本在线观看视频| 日韩精品免费视频一区二区三区| 久久人妻av系列| 啦啦啦 在线观看视频| 黑人操中国人逼视频| 51午夜福利影视在线观看| av免费在线观看网站| www.www免费av| 每晚都被弄得嗷嗷叫到高潮| 夜夜夜夜夜久久久久| 男人舔女人下体高潮全视频| 欧美久久黑人一区二区| 国产精品自产拍在线观看55亚洲| 欧美绝顶高潮抽搐喷水| 欧美成人一区二区免费高清观看 | 在线视频色国产色| 久久精品国产亚洲av高清一级| 99在线视频只有这里精品首页| 国产精品1区2区在线观看.| 丝袜美腿诱惑在线| 黑人操中国人逼视频| 国产成人精品在线电影| 中文字幕久久专区| 丰满的人妻完整版| 欧美国产日韩亚洲一区| 亚洲精品久久成人aⅴ小说| e午夜精品久久久久久久| 老司机靠b影院| 欧美色视频一区免费| 国产99白浆流出| 亚洲国产欧美一区二区综合| 激情在线观看视频在线高清| 国产精品久久视频播放| 久久久久久免费高清国产稀缺| 久99久视频精品免费| 97碰自拍视频| 亚洲欧美激情综合另类| 国产av在哪里看| 婷婷丁香在线五月| 国产精品久久久人人做人人爽| 欧美大码av| 深夜精品福利| 久久久久久久久免费视频了| 国产黄a三级三级三级人| 丁香六月欧美| 国产精品av久久久久免费| 国产免费男女视频| 老鸭窝网址在线观看| 妹子高潮喷水视频| 别揉我奶头~嗯~啊~动态视频| 人人妻,人人澡人人爽秒播| aaaaa片日本免费| 国产又爽黄色视频| svipshipincom国产片| 国产蜜桃级精品一区二区三区| 国产精品一区二区在线不卡| 国产欧美日韩精品亚洲av| 国产成人精品久久二区二区免费| 国产亚洲欧美在线一区二区| 亚洲中文日韩欧美视频| 99国产综合亚洲精品| 亚洲国产精品合色在线| 亚洲精品久久国产高清桃花| 亚洲中文字幕日韩| 99精品久久久久人妻精品| 亚洲少妇的诱惑av| 欧美成人免费av一区二区三区| 婷婷六月久久综合丁香| 国产aⅴ精品一区二区三区波| 亚洲熟妇熟女久久| 国产亚洲精品综合一区在线观看 | 国产精品亚洲美女久久久| 亚洲aⅴ乱码一区二区在线播放 | 十分钟在线观看高清视频www| 国产成人系列免费观看| 国产av一区在线观看免费| 亚洲视频免费观看视频| 亚洲精品av麻豆狂野| 性色av乱码一区二区三区2| 国产精品免费视频内射| tocl精华| 神马国产精品三级电影在线观看 | 亚洲国产高清在线一区二区三 | 欧美在线一区亚洲| 亚洲欧美日韩另类电影网站| 国产色视频综合| 日本免费一区二区三区高清不卡 | 日韩精品青青久久久久久| 亚洲一区高清亚洲精品| 欧美av亚洲av综合av国产av| 亚洲欧美精品综合久久99| 日韩欧美一区视频在线观看| av天堂久久9| 亚洲成av片中文字幕在线观看| 99国产精品99久久久久| 国产亚洲精品久久久久5区| 色老头精品视频在线观看| 这个男人来自地球电影免费观看| 亚洲精品中文字幕在线视频| 黄色片一级片一级黄色片| 亚洲成人精品中文字幕电影| 亚洲男人的天堂狠狠| 国产精品久久久久久精品电影 | 成人欧美大片| 国产精品av久久久久免费| 欧美日韩精品网址| 一本久久中文字幕| 大型黄色视频在线免费观看| 国产单亲对白刺激| 国产私拍福利视频在线观看| 看片在线看免费视频| 国产伦人伦偷精品视频| 亚洲五月色婷婷综合| 免费在线观看黄色视频的| 国产精品久久久av美女十八| 精品久久久久久久久久免费视频| 99国产综合亚洲精品| 国产精品99久久99久久久不卡| 99久久国产精品久久久| 88av欧美| 国产乱人伦免费视频| 性欧美人与动物交配|