• <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 ?

    土壤有機質(zhì)高光譜估算模型研究進展

    2017-10-13 15:36:43章濤于雷
    湖北農(nóng)業(yè)科學 2017年17期
    關鍵詞:土壤有機質(zhì)高光譜

    章濤+于雷

    摘要:土壤有機質(zhì)高光譜估算較傳統(tǒng)土壤農(nóng)化分析方法表現(xiàn)出極大優(yōu)勢,順應了現(xiàn)代農(nóng)業(yè)發(fā)展的迫切需要。國內(nèi)外眾多學者先后對土壤有機質(zhì)高光譜估算模型進行了大量研究,估算模型由簡單的一元線性模型逐漸發(fā)展為多元線性及非線性模型,常用的建模方法分為線性方法和非線性方法,重點分析了各種方法的適用性。通過總結(jié)分析前人研究,發(fā)現(xiàn)土壤有機質(zhì)高光譜估算模型研究存在以下發(fā)展趨勢:多種建模方法耦合使用增多;建模方法的復雜度逐漸增強;嘗試消減外部環(huán)境因素對建模的影響;嘗試將室內(nèi)土壤有機質(zhì)估算模型應用于野外實地研究。

    關鍵詞:土壤有機質(zhì);高光譜;多元逐步回歸;偏最小二乘回歸

    中圖分類號:S153.6 文獻標識碼:A 文章編號:0439-8114(2017)17-3205-04

    DOI:10.14088/j.cnki.issn0439-8114.2017.17.002

    Research Progress on Hyperspectral Estimation Model of Soil Organic Matter

    ZHANG Tao,YU Lei

    (School of Urban and Environmental Sciences, Huazhong Normal University, Wuhan 430079, China)

    Abstract: The hyperspectral estimation of soil organic matter shows a great advantage compared with the traditional soil agro-chemical analysis method, which conforms to the urgent need of modern agricultural development. Many models have studied the hyperspectral estimation model of soil organic matter at home and abroad. The estimation model has been developed from simple linear model to multivariate linear and nonlinear model. The commonly used modeling method is divided into linear method and nonlinear method. The applicability of the various methods is analyzed. By analyzing the previous studies, it is found that there are the following trends in the study of hyperspectral estimation model of soil organic matter: the coupling of multiple modeling methods is increasing; the complexity of modeling method is gradually enhanced; try to reduce the influence of external environmental factors on modeling; the indoor soil organic matter estimation model is applied to fieldresearch.

    Key words: soil organic matter; hyperspectral; stepwise multiple linear regression; partial least squares regression

    土壤有機質(zhì)是指存在于土壤中所含碳的有機物質(zhì),可以提供植物所需的養(yǎng)分,其含量是衡量土壤肥力高低的重要指標[1]。準確掌握土壤有機質(zhì)含量是現(xiàn)代農(nóng)業(yè)生產(chǎn)管理的重要基礎。傳統(tǒng)的土壤農(nóng)化分析方法可以準確測定土壤有機質(zhì)含量,但采樣易對土體造成破壞,并且實驗耗時長,不便于土壤有機質(zhì)的實時高效測定。土壤高光譜技術因具有信息量大、零破壞、無污染、高效率等特點[2],被逐漸應用于土壤有機質(zhì)估算研究中。國內(nèi)外學者通過大量實驗揭示了土壤有機質(zhì)的高光譜響應規(guī)律,嘗試了各種方法模擬土壤有機質(zhì)與高光譜反射率之間的關系,較好地實現(xiàn)了土壤有機質(zhì)含量的定量估算。本文對已有土壤有機質(zhì)高光譜建模方法進行了梳理和總結(jié)。

    1 土壤有機質(zhì)高光譜估算模型的發(fā)展過程

    1960年開始,土壤有機質(zhì)的光譜特征逐漸受到關注,學者們嘗試揭示土壤有機質(zhì)與土壤光譜之間的關系。Bowers等[3]研究發(fā)現(xiàn)土壤反射光譜與土壤有機質(zhì)含量呈顯著負相關。徐彬彬等[4]、彭杰等[5]通過對比分析去除土壤有機質(zhì)前后的土壤高光譜,發(fā)現(xiàn)土壤有機質(zhì)對全波段光譜均有一定程度的影響,有機質(zhì)含量降低后土壤光譜反射率增加。另外,Montgomery[6]認為土壤有機質(zhì)大于9%時能夠掩蓋其他土壤性質(zhì)(如水分)對光譜反射率的貢獻。Galvao等[7]則認為當土壤有機質(zhì)大于2%時,土壤有機質(zhì)遮蔽其他土壤組成物質(zhì)光譜特性(如鐵錳的光譜特性)的能力增強。雖然這兩者之間存在觀點差異,但已經(jīng)定性地指出土壤有機質(zhì)含量超出某個閾值會對土壤光譜反射特性產(chǎn)生影響。這一階段主要表現(xiàn)為對土壤有機質(zhì)與土壤光譜進行定性研究。

    1980年之后,學者們發(fā)現(xiàn)在土壤高光譜的眾多波段中存在無效和冗余信息及吸收峰重疊現(xiàn)象[8],導致估算模型精度降低,因此,逐漸形成了基于土壤有機質(zhì)的敏感波段建立高光譜估算模型的研究思路,有效地提升了估算土壤有機質(zhì)含量的精度。相關分析方法被較早地應用于分析土壤有機質(zhì)與土壤光譜反射率之間的相關性,提取相關系數(shù)較高(顯著)的波段作為敏感波段,建立簡單線性回歸模型[9]。何挺[10]通過比較各波長的相關系數(shù),選取了849、 1 681、2187 nm 3個波長作為敏感波段,建立了多元回歸模型,其決定系數(shù)(Determination coefficients,R2)達到0.885;謝伯承[11]通過這種思路確定了447 nm波長為敏感波段,建立了有較高預測精度估算模型,均方根誤差(Root mean squared error,RMSE)為0.547 6。此方法雖簡便易行,但由于土壤高光譜數(shù)據(jù)波長變量數(shù)量龐大且相互之間存在多重共線性,土壤有機質(zhì)的光譜信息受到土壤其他組分的影響,使得很多波段的相關系數(shù)較低,這造成了信息丟失,致使模型穩(wěn)定性較低。彭杰等[12]通過去除土壤有機質(zhì),對比分析土壤有機質(zhì)去除前后土壤光譜反射率變化,將影響程度最大的波段作為土壤有機質(zhì)敏感波段,建立估算模型的預測精度雖然有所提升,但因去有機質(zhì)實驗操作過程繁瑣,該方法沒有得到廣泛應用。這一階段高光譜估算土壤有機質(zhì)含量逐漸由定性研究轉(zhuǎn)向定量研究。endprint

    2000年至今,偏最小二乘回歸(Partial least squares regression,PLSR)方法以其優(yōu)越的性能被廣泛應用于土壤高光譜建模,它能夠消除波長變量共線性,解決因土壤各組分的吸收波段相互重疊干擾土壤有機質(zhì)含量估算精度的問題,避免模型過度擬合。Conforti等[13]對采集來自不同地區(qū)的215個不同土壤類型樣本建立土壤有機質(zhì)PLSR估算模型,其模型的R2為0.84,相對分析誤差(Relative percent deviation,RPD)為2.53;于飛健等[14]運用PLSR對采集來自北京地區(qū)的土樣進行有機質(zhì)建模,也取得了較好的預測效果,其R2為0.964 1。然而土壤高光譜機理復雜,并非簡單線性關系,一些非線性數(shù)據(jù)挖掘技術也逐漸廣泛應用于土壤有機質(zhì)估算,如紀文君等[15]和欒福明等[16]分別利用支持向量機(Support vector machines,SVM)和人工神經(jīng)網(wǎng)絡(Artificial neural network,ANN)方法建立土壤有機質(zhì)反演模型,R2分別為0.927、0.938。此類機器學習算法模型能夠較好地處理復雜的非線性問題,表現(xiàn)出較高性能。各種建模方法的相繼應用標志著土壤有機質(zhì)高光譜定量估算研究逐漸成熟。

    2 建立土壤有機質(zhì)高光譜估算模型的主要方法

    土壤高光譜是土壤各組分的綜合外在表現(xiàn),采用物理模型模擬土壤光譜形成機理存在較大難度,難以從高光譜形成機理層面正向推導計算土壤有機質(zhì)含量。因此,學者們主要基于經(jīng)驗和先驗知識采用反演理論建立土壤有機質(zhì)高光譜估算模型。但是,土壤有機質(zhì)與高光譜反射率之間關系復雜,學者們對此的觀點尚不統(tǒng)一,建模方法主要分為線性方法和非線性方法。

    2.1 線性方法

    2.1.1 多元逐步回歸 多元逐步回歸(Stepwise multiple linear regression,SMLR)是篩選對因變量影響大的自變量建立回歸模型的方法。SMLR根據(jù)自變量對因變量的貢獻大小,由大到小地逐個引入回歸方程,剔除對因變量作用不顯著的自變量。其特點是雙向篩選,即引入有意義的變量(前進法)同時剔除無意義變量(后退法)。SMLR盡可能地包含了對因變量有顯著影響的自變量,在性能上要優(yōu)于普通多元回歸方法,在一定條件下顯示了建模結(jié)果的可靠性。在土壤高光譜領域,以土壤有機質(zhì)為因變量,土壤反射光譜為自變量進行多元回歸分析,根據(jù)回歸系數(shù)和F統(tǒng)計量最高、RMSE最小的原則,選擇土壤高光譜反演的最佳回歸模型[17]。Hummel 等[18]在室內(nèi)分析了土壤有機質(zhì)和光譜曲線之間的關系,采用光譜反射率倒數(shù)的對數(shù)建立多元逐步回歸模型。彭杰等[19]提取敏感波段建立土壤全氮預測模型,結(jié)果表明逐步回歸模型相比一元線性回歸具有更好的精度和穩(wěn)定性。王超等[20]利用SMLR構建了不同預處理方法下的褐土有機質(zhì)反演模型,基于一階微分預處理構建的模型的R2大于0.92。然而土壤高光譜信息錯綜復雜,彼此關聯(lián),一旦自變量之間存在共線性問題則不適用SMLR[21]。

    2.1.2 主成分回歸 主成分回歸(Principal component regression,PCR)對全部光譜信息進行壓縮,將高度相關的波長變量歸于一個獨立變量,獲得少量的獨立變量,建立回歸方程,通過內(nèi)部檢驗來防止過度擬合[17]。主成分回歸可以診斷自變量間的共線性,在保留原有信息的基礎上達到降維的效果[22]。主成分回歸法在處理大數(shù)據(jù)方面具有顯著優(yōu)勢,也被廣泛應用于可見—近紅外光譜數(shù)據(jù)建模。Chang等[23]使用PCR對多種土壤成分進行反演,結(jié)果表明可以較好地預測土壤全碳、全氮、水分等成分,其R2均大于0.8。盧艷麗等[22]在室內(nèi)條件下利用主成分回歸法建立土壤有機質(zhì)預測模型,其模型預測值與實測值的R2為0.840、RMSE為0.226。相比SMLR,PCR較好地解決了自變量間存在信息重疊的問題,防止模型過度擬合,但忽略了因變量的作用。

    2.1.3 偏最小二乘回歸 PLSR是一種新型的多元回歸分析方法,借鑒了多元線性回歸分析、典型相關分析和主成分分析的思想?;?PLSR 方法建立土壤有機質(zhì)高光譜估算模型,能夠從光譜數(shù)據(jù)中揭示最大有機質(zhì)含量變化的主控因子,減少光譜維數(shù),使建立的模型具有更好的魯棒性[24]。PLSR最重要的優(yōu)點就在于可以提供一種“多對多”線性回歸建模的方法,特別是當兩組變量的個數(shù)很多,且都存在多重相關性,而觀測數(shù)據(jù)的數(shù)量又較少時,用偏最小二乘回歸建立的模型具有傳統(tǒng)的經(jīng)典回歸分析等方法所沒有的優(yōu)勢[25]。由于PLSR具有上述優(yōu)勢,國內(nèi)外許多研究都采用此方法。Cécile等[26]運用PLSR對土壤有機碳進行了預測。史舟等[27]對土壤光譜數(shù)據(jù)采用Savitzky-Golay平滑加一階微分進行轉(zhuǎn)換,分類后結(jié)合PLSR建立土壤有機質(zhì)模型,取得了較好的效果,R2和相對分析誤差(Relative percent deviation,RPD)分別為0.899和3.158。盧延年等[28]利用不同建模方法建立江漢平原土壤有機碳預測模型,結(jié)果表明PLSR預測結(jié)果要優(yōu)于SMLR和PCR。但PLSR也存在一定的局限性,陳頌超等[29]認為當土壤類型增多時,PLSR則表現(xiàn)不出較好的效果。同時PLSR忽略了土壤光譜信息非線性關系、動態(tài)多變量過程的模型建立等,都是值得深入研究的課題。

    2.2 非線性方法

    2.2.1 人工神經(jīng)網(wǎng)絡 ANN是一種模仿動物神經(jīng)網(wǎng)絡的數(shù)學模型,通常被稱為“黑箱子”模型,由輸入層、隱含層、輸出層構成。ANN能夠模擬任何輸入變量和輸出變量的非線性關系,具有自學習、自適應能力及很強的容錯能力,在處理非線性問題上表現(xiàn)出較大優(yōu)勢。蔣樺林等[30]分別利用ANN、PLSR和SMLR 3種模型對土壤養(yǎng)分進行預測,結(jié)果表明ANN建立的模型預測效果最好,能夠穩(wěn)定地完成快速檢測。欒福明等[17]基于不同模型對土壤有機質(zhì)含量進行了比較分析,結(jié)果發(fā)現(xiàn)ANN的線性和非線性逼近能力較強,擬合效果優(yōu)于MLSR。盡管展現(xiàn)出諸多優(yōu)勢,但仍有一些缺陷。朱繼文等[31]認為由于ANN缺乏洞察數(shù)據(jù)集特性的解釋能力,很難全面解釋神經(jīng)網(wǎng)絡作出決策或產(chǎn)生輸出的過程。反向傳播神經(jīng)網(wǎng)絡(Back propagation neural network,BPNN)是目前使用最普遍的ANN方法之一,其學習過程由信號的正向傳播與誤差的逆向傳播兩個過程組成。田永超等[32]對5種不同類型土壤的有機質(zhì)含量進行高光譜定量估測,結(jié)果表明PLSR-BPNN建模效果最好,優(yōu)于PLSR、SMLR、PCR。然而BPNN不具備發(fā)現(xiàn)新知識的能力,需要大量參數(shù)來訓練和構造神經(jīng)網(wǎng)絡,且輸出結(jié)果難以解釋。endprint

    2.2.2 支持向量機 SVM是一種新型機器學習模型,該方法建立在統(tǒng)計學習理論、維理論和結(jié)構風險最小化原理的基礎上[33]。其處理過程可概括為升維和線性化,SVM可以解決小樣本情況下的機器學習問題,巧妙地將非線性問題轉(zhuǎn)化為線性問題。Viscarra等[34]將澳大利亞各地的土壤光譜建立有機碳、黏粒含量和pH的SVM反演模型,其R2分別為0.86,0.85,0.75。于雷等[35]通過不同方法對土壤有機質(zhì)進行反演,使用SVM建立的模型R2和RMSE分別為0.83、4.02,RPD為2.48,具有較好的預測效果。譚琨等[36]使用多種方法建立了礦區(qū)土壤有機質(zhì)含量與土壤光譜反射率之間的模型,結(jié)果表明SVM估算精度最高,優(yōu)于SMLR和PLSR。但SVM是一種基于小樣本統(tǒng)計理論的機器學習算法,在處理大規(guī)模樣本數(shù)據(jù)集方面并不能達到理想的訓練效率[37]。

    2.2.3 局部加權回歸 局部加權回歸(Locally weighted regression,LWR)是從光譜庫中選取光譜特征相近的樣本建立局部模型,是一種局部建模方法。土壤光譜數(shù)據(jù)越全面,基于大樣本土壤光譜數(shù)據(jù)的局部模型預測效果就越好[29]。LWR由于選取相似樣本,排除了不相關樣本的影響,從而表現(xiàn)出較好的預測能力。目前LWR用于土壤高光譜反演建模相對較少,多是基于大樣本的土壤光譜庫,如Ji等[38]基于中國土壤光譜庫,利用LWR較好地預測了225個獨立于光譜庫的土壤樣本的有機質(zhì)含量,其R2=0.641,RPD=1.79;陳頌超等[29]基于中國土壤光譜庫建立了多種土壤全氮反演模型,結(jié)果表明LWR要優(yōu)于PLSR、ANN及SVM,說明在大樣本、大尺度區(qū)域LWR能發(fā)揮更好的作用。王乾龍等[39]基于大樣本土壤光譜數(shù)據(jù)庫,建立土壤全氮反演模型,結(jié)果表明LWR模型要優(yōu)于PLSR全局模型。上述研究表明,應用LWR建模的前提是構建大樣本土壤光譜數(shù)據(jù)庫。

    3 土壤有機質(zhì)高光譜估算模型的發(fā)展趨勢

    利用土壤高光譜對土壤有機質(zhì)含量進行研究,目的是尋求建立土壤有機質(zhì)快速、高效、便捷的估算模型,為精準農(nóng)業(yè)發(fā)展提供強有力的技術支撐。經(jīng)過近60年的發(fā)展,土壤有機質(zhì)高光譜估算模型研究取得了較為顯著的成效,理論體系正逐步完善,為高光譜技術的推廣應用奠定了基礎。然而,土壤有機質(zhì)高光譜估算建模研究目前尚處于發(fā)展階段,由于土壤高光譜形成機理高度復雜且土壤有機質(zhì)高光譜建模受到土壤水分、土壤質(zhì)地、測試環(huán)境等諸多因素影響,不同研究對象所選取的最佳建模方法不一。除上文列舉的6種主要方法外,回歸樹[40]、隨機森林[41]等方法也有較好的預測效果,但因在土壤有機質(zhì)高光譜估算建模中應用尚不成熟,未一一列舉。

    通過文獻分析發(fā)現(xiàn),目前土壤有機質(zhì)高光譜估算模型主要存在4個方面的發(fā)展趨勢:

    1)多種建模方法耦合使用增多。每種建模方法都具有不同特點,不同方法的耦合使用可利用各自優(yōu)勢,相互取長補短,從而提升模型的整體預測性能[15,32]。然而,方法的組合不是任意搭配,需充分理解方法的原理及性能,確保形成優(yōu)勢互補。

    2)建模方法的復雜度逐漸增強。建模方法從簡單的一元或多元線性回歸方法逐步發(fā)展為非線性方法,在方法性能提升的同時,模型復雜度也在逐漸增強。特別是機器學習方法的引入,雖能取得較好的預測效果,卻使得對模型的可解釋性變?nèi)酢?/p>

    3)嘗試消減外部環(huán)境因素對建模的影響。土壤是一個復雜的系統(tǒng),各組分均有自身的光譜吸收特征,尤其土壤含水量、質(zhì)地、鐵鋁含量等理化特性對高光譜觀測具有顯著影響。學者們已逐漸重視消減與土壤有機質(zhì)無關的外部環(huán)境因素,純化得到土壤有機質(zhì)的光譜響應信息,提高估算模型的精度。

    4)嘗試將室內(nèi)土壤有機質(zhì)估算模型研究成果應用于野外實地研究。目前的研究成果主要基于室內(nèi)試驗數(shù)據(jù)建立土壤有機質(zhì)高光譜估算模型,這些成果如何改進使其適用于野外復雜環(huán)境中實時估算土壤有機質(zhì)含量,尚需要開展實證研究。今后的趨勢是加強土壤高光譜野外實地試驗,促進土壤高光譜技術推廣應用,實現(xiàn)土壤有機質(zhì)的動態(tài)監(jiān)測,服務于現(xiàn)代精準農(nóng)業(yè)。

    參考文獻:

    [1] 方少文,楊梅花,趙小敏,等.紅壤區(qū)土壤有機質(zhì)光譜特征與定量估算——以江西省吉安縣為例[J].土壤學報,2014,51(5):1003-1010.

    [2] NOCITA M,KOOISTRA L,BACHMANN M,et al. Predictions of soil surface andtop-soil organic carbon content through the use of laboratory and fieldspectroscopyinthe Albany Thicket Biome of Eastern Cape Province of South Africa[J].Geoder-ma,2011, 167-168:295-302.

    [3] BOWERS S A,HANKS R J. Reflection of radiant energy from soils[J].Soil Science,1965,100(2):130-138.

    [4] 徐彬彬,季耿善.土壤光譜反射特性研究及其應用[J].土壤學進展,1987,15(1):3-11.

    [5] 彭 杰,張楊珠,周 清,等.去除有機質(zhì)對土壤光譜特性的影響[J].土壤,2006,38(4):453-458.

    [6] MONTGOMERY O L. An investigation of the relationship between spectral reflectance and the chemical, physical,and genetic characteristics of soils[D].West Lafayette,Indiana:Purdue University,1976.endprint

    [7] GALVAO L S,PIZARRO M A,EPIPHANIO. Variations in reflectance of tropical soils:Spectral chemical composition relationships from AVIRIS data[J].Remote Sensing of Environment,2001,75(2):245-255.

    [8] 郝 勇,孫旭東,潘圓媛,等.蒙特卡羅無信息變量消除方法用于近紅外光譜預測果品硬度和表面色澤的研究[J].光譜學與光譜分析,2011,31(5):1225-1229.

    [9] 賀軍亮,蔣建軍,周生路,等.土壤有機質(zhì)含量的高光譜特性及其反演[J].中國農(nóng)業(yè)科學,2007,40(3):638-643.

    [10] 何 挺.土地質(zhì)量高光譜遙感監(jiān)測方法研究[D].武漢:武漢大學,2003.

    [11] 謝伯承.基于高光譜遙感不同發(fā)生層土壤的光譜信息的提取研究[D].陜西楊凌:西北農(nóng)林科技大學,2004.

    [12] 彭 杰,張楊珠,龐新安,等.新疆南部土壤有機質(zhì)含量的高光譜特征分析[J].干旱區(qū)地理,2010,33(5):740-746.

    [13] CONFORTI M,BUTTAFUOCO G,LEONE A P,et al. Studying the relationship between water-induced soil erosion and soil organic matter using Vis-NIR spectroscopy and geomorphological analysis:A case study in Southern Italy[J].Catena,2013, 110:44-58.

    [14] 于飛健,閔順耕,巨曉棠,等.近紅外光譜法分析土壤中的有機質(zhì)和氮素[J].分析試驗室,2002,31(3):49-51.

    [15] 紀文君,李 曦,李成學,等.基于全譜數(shù)據(jù)挖掘技術的土壤有機質(zhì)高光譜預測建模研究[J].光譜學與光譜分析,2012,32(9):2393-2398.

    [16] 欒福明,張小雷,熊黑鋼,等.基于不同模型的土壤有機質(zhì)含量高光譜反演比較分析[J].光譜學與光譜分析,2013,33(1):196-200.

    [17] 肖捷穎,王 燕,張 倩,等.土壤重金屬含量的高光譜遙感反演方法綜述[J].湖北農(nóng)業(yè)科學,2013,52(6):1248-1253,1259.

    [18] HUMMEL J W,SUDDUTH K A,HOLLINGER S E. Soil moisture and organic matter prediction of surface and subsurface soils using an NIR soil sensor[J]. Computers and Electronics in Agriculture,2001,32(2):149-165.

    [19] 彭 杰,向紅英,周 清,等.不同類型土壤全氮含量的高光譜預測研究[J].中國農(nóng)學通報,2013,29(9):105-111.

    [20] 王 超,馮美臣,楊武德,等.麥田耕作層土壤有機質(zhì)的高光譜監(jiān)測[J].山西農(nóng)業(yè)科學,2014,42(8):869-873.

    [21] 周文芳,李 民.逐步回歸分析法的一點不足之處[J].西北水電,2004(4):49-50.

    [22] 盧艷麗,白由路,楊俐蘋,等.基于主成分回歸分析的土壤有機質(zhì)高光譜預測與模型驗證[J].植物營養(yǎng)與肥料學報,2008, 14(6):1076-1082.

    [23] CHANG C W,LAIRD D A,HURBURGH M J,et al. Near-Infrared reflectance spectroscopy-principal components regression analyses of soil properties[J].Soil Science,170(4):244-255.

    [24] 翁永玲,戚浩平,方洪賓,等.基于PLSR方法的青海茶卡-共和盆地土壤鹽分高光譜遙感反演[J].土壤學報,2010,47(6):1255-1263.

    [25] 吳 瓊,原忠虎,王曉寧.基于偏最小二乘回歸分析綜述[J].沈陽大學學報(自然科學版),2007,19(2):33-35.

    [26] C?魪CILE G,RAPHAEL A,ALEX B. Soil organic carbon prediction by hyperspectral remote sensing and field vis-NIR spectroscopy:An Australian case study[J].Geoderma,2008,146:403-411.

    [27] 史 舟,王乾龍,彭 杰,等.中國主要土壤高光譜反射特性分類與有機質(zhì)光譜預測模型[J].中國科學:地球科學,2014,44(5):978-988.

    [28] 盧延年,劉艷芳,陳奕云,等.江漢平原土壤有機碳含量高光譜預測模型優(yōu)選[J].中國農(nóng)學通報,2014,30(26):127-133.

    [29] 陳頌超,馮來磊,李 碩,等.基于局部加權回歸的土壤全氮含量可見-近紅外光譜反演[J].土壤學報,2015,52(2):312-320.

    [30] 蔣燁林,王讓會,李 焱,等.艾比湖流域不同土地覆蓋類型土壤養(yǎng)分高光譜反演模型研究[J].中國生態(tài)農(nóng)業(yè)學報,2016, 24(11):1555-1564.endprint

    [31] 朱繼文,劉丹丹.基于高光譜數(shù)據(jù)的土壤含鹽量BP神經(jīng)網(wǎng)絡模型研究[J].東北農(nóng)業(yè)大學學報,2009,40(10):115-118.

    [32] 田永超,張娟娟,姚 霞,等.基于近紅外光聲光譜的土壤有機質(zhì)含量定量建模方法[J].農(nóng)業(yè)工程學報,2012,28(1):145-152.

    [33] 曾 胤,陸宇振,杜昌文,等.應用紅外光聲光譜技術及支持向量機模型測定土壤有機質(zhì)含量[J].土壤學報,2014,51(6):1262-1269.

    [34] VISCARRA R,BUI E,CARITAT P,et al. Mapping iron oxides and the color of Australian soil using visible-near-infraed reflectance spectra[J].Journal of Geophysical research,2010,115:1-13.

    [35] 于 雷,洪永勝,周 勇,等.連續(xù)小波變換高光譜數(shù)據(jù)的土壤有機質(zhì)含量反演模型構建[J].光譜學與光譜分析,2016,36(5):1428-1433.

    [36] 譚 琨,張倩倩,曹 茜,等.基于粒子群優(yōu)化支持向量機的礦區(qū)土壤有機質(zhì)含量高光譜反演[J].地球科學(中國地質(zhì)大學學報),2015,40(8):1339-1345.

    [37] 丁世飛,齊丙娟,譚紅艷.支持向量機理論與算法研究綜述[J].電子科技大學學報,2011,40(1):2-10.

    [38] JI W,LI S,CHEN S,et al. Prediction of soil attributes using the Chinese soil spectral library and standardized spectra recorded at field conditions[J].Soil & Tillage Research,2016, 155:492-500.

    [39] 王乾龍,李 碩,盧艷麗,等.基于大樣本土壤光譜數(shù)據(jù)庫的氮含量反演[J].光學學報,2014,34(9):308-314.

    [40] BROWN D J,SHEPHERD K D,WALSH M G,et al. Global soil characterization with VNIR diffuse reflectance spectroscopy[J].Geoderma,2006,132(3):209-216.

    [41] 王茵茵,齊雁冰,陳 洋,等.基于多分辨率遙感數(shù)據(jù)與隨機森林算法的土壤有機質(zhì)預測研究[J].土壤學報,2016,53(2):342-354.endprint

    猜你喜歡
    土壤有機質(zhì)高光譜
    基于實測高光譜數(shù)據(jù)的太湖湖濱帶典型植被分
    三門峽土壤有機質(zhì)含量分布特征及其與煙葉品質(zhì)的關系
    長白山區(qū)野生羊肚菌與其土壤成分的相關性分析
    不同林分類型及土層對土壤養(yǎng)分的影響
    不同干擾林地土壤重金屬與養(yǎng)分積累的關系
    科技資訊(2017年1期)2017-03-27 11:19:38
    基于實測光譜的紅花葉綠素含量高光譜估算模型研究
    長白山北坡和西坡林線土壤有機質(zhì)含量的對比分析
    一種基于引導濾波和MNF的高光譜遙感圖像分類方法
    軟件導刊(2016年9期)2016-11-07 22:19:22
    吐絲期玉米倒伏后地面高光譜特征參數(shù)分析
    基于高光譜響應的農(nóng)田大棚EVA棚膜拉伸強度估計
    曰老女人黄片| 天堂动漫精品| 在线观看午夜福利视频| 久久精品夜夜夜夜夜久久蜜豆 | 欧美日韩福利视频一区二区| 大型av网站在线播放| 成人亚洲精品一区在线观看| 男女床上黄色一级片免费看| 他把我摸到了高潮在线观看| 啦啦啦免费观看视频1| 日韩欧美 国产精品| 一边摸一边做爽爽视频免费| 免费在线观看视频国产中文字幕亚洲| 亚洲va日本ⅴa欧美va伊人久久| 亚洲欧美日韩高清在线视频| 一区二区三区高清视频在线| 成人国产综合亚洲| 国产亚洲精品一区二区www| 黄色a级毛片大全视频| 男女那种视频在线观看| 成人18禁高潮啪啪吃奶动态图| 亚洲avbb在线观看| 国产高清videossex| xxxwww97欧美| 女人被狂操c到高潮| 国内精品久久久久久久电影| 十分钟在线观看高清视频www| 精品日产1卡2卡| 欧美乱码精品一区二区三区| 男人舔女人的私密视频| 成人免费观看视频高清| av福利片在线| 精品一区二区三区av网在线观看| 精品不卡国产一区二区三区| 国产蜜桃级精品一区二区三区| 国产成人精品久久二区二区91| 国产精品亚洲av一区麻豆| 99国产精品99久久久久| 99国产极品粉嫩在线观看| 国产精品一区二区三区四区久久 | 欧美中文综合在线视频| 国产黄片美女视频| 国产免费av片在线观看野外av| 亚洲欧美一区二区三区黑人| 桃色一区二区三区在线观看| 国产激情偷乱视频一区二区| 男人舔奶头视频| АⅤ资源中文在线天堂| 欧美日韩一级在线毛片| 99国产精品99久久久久| 国产免费av片在线观看野外av| 女生性感内裤真人,穿戴方法视频| 中国美女看黄片| 亚洲人成伊人成综合网2020| 国产精品电影一区二区三区| 亚洲欧美日韩高清在线视频| 夜夜看夜夜爽夜夜摸| 99热只有精品国产| 好男人在线观看高清免费视频 | 成人亚洲精品一区在线观看| 桃色一区二区三区在线观看| 亚洲va日本ⅴa欧美va伊人久久| 男女午夜视频在线观看| 男女之事视频高清在线观看| 久久草成人影院| 亚洲国产日韩欧美精品在线观看 | 精品欧美一区二区三区在线| 婷婷精品国产亚洲av| avwww免费| 免费女性裸体啪啪无遮挡网站| 国产极品粉嫩免费观看在线| 国产精品亚洲美女久久久| 亚洲精品一区av在线观看| 精品久久久久久久毛片微露脸| 午夜老司机福利片| 欧美日本视频| 村上凉子中文字幕在线| 最近最新中文字幕大全免费视频| √禁漫天堂资源中文www| 757午夜福利合集在线观看| 久久国产精品男人的天堂亚洲| 日本免费a在线| 免费在线观看亚洲国产| 搞女人的毛片| 在线观看一区二区三区| 亚洲精品久久国产高清桃花| 一本精品99久久精品77| 亚洲 欧美 日韩 在线 免费| 欧美午夜高清在线| 国产精品一区二区免费欧美| 亚洲欧美精品综合一区二区三区| 天堂√8在线中文| 亚洲色图 男人天堂 中文字幕| 国产99久久九九免费精品| 悠悠久久av| 美女高潮到喷水免费观看| 在线观看免费午夜福利视频| 中文资源天堂在线| 美女午夜性视频免费| 亚洲一码二码三码区别大吗| 亚洲国产精品久久男人天堂| 侵犯人妻中文字幕一二三四区| 亚洲精品久久成人aⅴ小说| 亚洲国产精品成人综合色| 婷婷丁香在线五月| 亚洲欧美精品综合一区二区三区| 日韩有码中文字幕| 级片在线观看| 99久久久亚洲精品蜜臀av| 亚洲精品国产精品久久久不卡| 在线观看免费午夜福利视频| 在线国产一区二区在线| 2021天堂中文幕一二区在线观 | 欧美成人午夜精品| 国产精品九九99| 日本一区二区免费在线视频| 在线十欧美十亚洲十日本专区| 一区福利在线观看| 国产精华一区二区三区| 麻豆一二三区av精品| www.自偷自拍.com| 满18在线观看网站| 夜夜躁狠狠躁天天躁| 丝袜在线中文字幕| 极品教师在线免费播放| 十分钟在线观看高清视频www| 欧美乱色亚洲激情| av在线播放免费不卡| 一级片免费观看大全| 欧美中文日本在线观看视频| 一卡2卡三卡四卡精品乱码亚洲| 免费看日本二区| 成年免费大片在线观看| 精品高清国产在线一区| 久久青草综合色| 热re99久久国产66热| 岛国在线观看网站| 精品国产亚洲在线| 一级a爱片免费观看的视频| 1024香蕉在线观看| 欧美性猛交黑人性爽| а√天堂www在线а√下载| 夜夜夜夜夜久久久久| 一本综合久久免费| 久久中文看片网| 欧美色视频一区免费| 国产成人精品久久二区二区免费| 国产精品久久久久久精品电影 | 97碰自拍视频| 搡老妇女老女人老熟妇| 高清在线国产一区| 午夜福利在线在线| 视频在线观看一区二区三区| 人人澡人人妻人| 男人舔女人的私密视频| 久久亚洲真实| 窝窝影院91人妻| 2021天堂中文幕一二区在线观 | 老司机靠b影院| 国产成人影院久久av| xxx96com| 亚洲精品一区av在线观看| 大型av网站在线播放| 日本一本二区三区精品| 久久久国产欧美日韩av| 久久久久九九精品影院| 一本综合久久免费| 日本精品一区二区三区蜜桃| 成人亚洲精品av一区二区| 国产亚洲精品久久久久久毛片| 天堂√8在线中文| xxxwww97欧美| 精品一区二区三区视频在线观看免费| 男女之事视频高清在线观看| 啦啦啦观看免费观看视频高清| 久久中文字幕一级| 久久久久国产一级毛片高清牌| 国产精品亚洲一级av第二区| 久久人妻福利社区极品人妻图片| 亚洲第一电影网av| 国产精品久久久久久亚洲av鲁大| 18禁美女被吸乳视频| 国内久久婷婷六月综合欲色啪| 亚洲电影在线观看av| 成人亚洲精品一区在线观看| 老司机福利观看| 在线观看www视频免费| 欧美激情极品国产一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 在线观看免费视频日本深夜| 极品教师在线免费播放| 淫妇啪啪啪对白视频| av中文乱码字幕在线| 最近最新中文字幕大全免费视频| 久久 成人 亚洲| 18禁黄网站禁片免费观看直播| 一个人观看的视频www高清免费观看 | av在线天堂中文字幕| 精品久久久久久成人av| 久久精品人妻少妇| 高清毛片免费观看视频网站| 亚洲va日本ⅴa欧美va伊人久久| 免费电影在线观看免费观看| 亚洲一区高清亚洲精品| 一区二区三区激情视频| 亚洲av熟女| 亚洲精品国产一区二区精华液| 在线观看免费视频日本深夜| 久久久久久久午夜电影| 久久久久国产一级毛片高清牌| 久久精品91蜜桃| 露出奶头的视频| 亚洲av电影不卡..在线观看| 日韩欧美国产一区二区入口| 亚洲五月天丁香| 亚洲av中文字字幕乱码综合 | 日韩欧美国产在线观看| 久9热在线精品视频| 国产激情欧美一区二区| 精品国产一区二区三区四区第35| 热99re8久久精品国产| 美女国产高潮福利片在线看| 国产精品,欧美在线| 好男人在线观看高清免费视频 | 亚洲一码二码三码区别大吗| 国产亚洲欧美精品永久| 国产精品亚洲一级av第二区| 十八禁网站免费在线| 久久亚洲真实| 一区二区三区国产精品乱码| 宅男免费午夜| 亚洲成a人片在线一区二区| 国产精品免费视频内射| 免费看美女性在线毛片视频| 看免费av毛片| 国内揄拍国产精品人妻在线 | 手机成人av网站| 老汉色av国产亚洲站长工具| 日本三级黄在线观看| 老司机靠b影院| 18禁美女被吸乳视频| 午夜福利18| 国产精品av久久久久免费| 黄片播放在线免费| 久久狼人影院| 一进一出抽搐动态| 动漫黄色视频在线观看| 亚洲人成77777在线视频| 国产久久久一区二区三区| 精品电影一区二区在线| 这个男人来自地球电影免费观看| 国产伦在线观看视频一区| 亚洲成人国产一区在线观看| 亚洲第一欧美日韩一区二区三区| 在线十欧美十亚洲十日本专区| 国产精品二区激情视频| 国产久久久一区二区三区| 午夜视频精品福利| 这个男人来自地球电影免费观看| 两性午夜刺激爽爽歪歪视频在线观看 | 色综合亚洲欧美另类图片| av片东京热男人的天堂| 久久久久久人人人人人| 成人手机av| 亚洲va日本ⅴa欧美va伊人久久| 长腿黑丝高跟| 最近最新中文字幕大全电影3 | 国产精品美女特级片免费视频播放器 | 亚洲第一欧美日韩一区二区三区| 亚洲全国av大片| 一级片免费观看大全| 色综合婷婷激情| 国产精品,欧美在线| 精品无人区乱码1区二区| 国产精品亚洲一级av第二区| 午夜亚洲福利在线播放| 91在线观看av| 变态另类丝袜制服| 午夜两性在线视频| 欧美日韩乱码在线| 国产亚洲精品av在线| 亚洲激情在线av| 国产97色在线日韩免费| 男人舔女人的私密视频| 亚洲成av人片免费观看| 一级a爱视频在线免费观看| 嫩草影院精品99| 高清在线国产一区| 免费看a级黄色片| 欧美乱妇无乱码| 日韩精品中文字幕看吧| 国产精品爽爽va在线观看网站 | 久久狼人影院| 成年女人毛片免费观看观看9| 久久久久久九九精品二区国产 | 黑人欧美特级aaaaaa片| 黄色女人牲交| 欧美中文综合在线视频| 美女午夜性视频免费| 国内精品久久久久久久电影| 日韩欧美免费精品| 久久青草综合色| 国产精品免费一区二区三区在线| 国产精品久久电影中文字幕| 久久国产乱子伦精品免费另类| 成人手机av| 成人国产综合亚洲| 性色av乱码一区二区三区2| 日日夜夜操网爽| 在线永久观看黄色视频| 校园春色视频在线观看| 无遮挡黄片免费观看| 在线观看午夜福利视频| 欧美绝顶高潮抽搐喷水| 国产一区二区三区在线臀色熟女| 脱女人内裤的视频| 亚洲男人天堂网一区| 成年女人毛片免费观看观看9| 老司机靠b影院| 久久精品91无色码中文字幕| 色婷婷久久久亚洲欧美| 免费观看人在逋| 99热这里只有精品一区 | 法律面前人人平等表现在哪些方面| 伊人久久大香线蕉亚洲五| 男女那种视频在线观看| 搡老岳熟女国产| 欧美黄色淫秽网站| 精品电影一区二区在线| 欧美乱妇无乱码| 一级黄色大片毛片| 欧美在线一区亚洲| www日本在线高清视频| 亚洲久久久国产精品| 亚洲avbb在线观看| 国产真人三级小视频在线观看| 一进一出抽搐动态| 精品一区二区三区视频在线观看免费| 男人的好看免费观看在线视频 | 久久精品国产亚洲av香蕉五月| 欧美丝袜亚洲另类 | 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看成人毛片| 自线自在国产av| 禁无遮挡网站| 黄色成人免费大全| 中国美女看黄片| 欧美精品啪啪一区二区三区| 国产伦人伦偷精品视频| 亚洲一区二区三区不卡视频| 亚洲人成77777在线视频| 啦啦啦韩国在线观看视频| 国产一卡二卡三卡精品| √禁漫天堂资源中文www| 精华霜和精华液先用哪个| 国产成人一区二区三区免费视频网站| 一区二区三区高清视频在线| 青草久久国产| 一边摸一边做爽爽视频免费| a在线观看视频网站| 午夜激情av网站| 欧美日韩亚洲综合一区二区三区_| 麻豆一二三区av精品| 在线天堂中文资源库| 观看免费一级毛片| 精品国产美女av久久久久小说| av福利片在线| 黄色a级毛片大全视频| 国产成人系列免费观看| 少妇熟女aⅴ在线视频| 99国产极品粉嫩在线观看| 免费看十八禁软件| 夜夜躁狠狠躁天天躁| 天天躁狠狠躁夜夜躁狠狠躁| 国产亚洲av嫩草精品影院| 欧美精品啪啪一区二区三区| 成人免费观看视频高清| 亚洲国产精品久久男人天堂| 色综合婷婷激情| 村上凉子中文字幕在线| 国产亚洲精品久久久久5区| 欧美中文日本在线观看视频| 国产亚洲av高清不卡| 久热这里只有精品99| 一本久久中文字幕| 中文资源天堂在线| 美女高潮喷水抽搐中文字幕| 夜夜夜夜夜久久久久| 精品福利观看| 天堂√8在线中文| 欧美一级毛片孕妇| 精品国产超薄肉色丝袜足j| 天堂动漫精品| 久久亚洲真实| 亚洲av中文字字幕乱码综合 | 国产精品av久久久久免费| 狂野欧美激情性xxxx| 一级a爱视频在线免费观看| 亚洲激情在线av| 成年人黄色毛片网站| 国产99久久九九免费精品| 日韩 欧美 亚洲 中文字幕| 国产亚洲av嫩草精品影院| 成人永久免费在线观看视频| 日韩欧美三级三区| 99久久精品国产亚洲精品| 在线十欧美十亚洲十日本专区| 久久狼人影院| 精品无人区乱码1区二区| 日韩中文字幕欧美一区二区| 国产精品爽爽va在线观看网站 | 人妻久久中文字幕网| 又紧又爽又黄一区二区| 嫩草影院精品99| 日本在线视频免费播放| 丝袜在线中文字幕| 亚洲国产精品成人综合色| 久久久久免费精品人妻一区二区 | 免费搜索国产男女视频| 亚洲欧美日韩高清在线视频| 波多野结衣av一区二区av| 男人的好看免费观看在线视频 | 久久久久国产精品人妻aⅴ院| 婷婷六月久久综合丁香| 国产成人一区二区三区免费视频网站| 日本成人三级电影网站| or卡值多少钱| 国产在线精品亚洲第一网站| 在线视频色国产色| 午夜免费激情av| 色综合婷婷激情| 精品国产一区二区三区四区第35| 免费在线观看黄色视频的| 国产精品99久久99久久久不卡| 嫩草影院精品99| 脱女人内裤的视频| 久久精品国产亚洲av香蕉五月| 国产极品粉嫩免费观看在线| 精品福利观看| 淫秽高清视频在线观看| 国产亚洲欧美精品永久| 久久天堂一区二区三区四区| 久99久视频精品免费| 精品久久久久久久人妻蜜臀av| 国产真人三级小视频在线观看| 一进一出抽搐动态| 国产精品99久久99久久久不卡| 一夜夜www| 人人妻人人看人人澡| 男女床上黄色一级片免费看| 久久久久精品国产欧美久久久| 日本免费一区二区三区高清不卡| 啪啪无遮挡十八禁网站| 国产极品粉嫩免费观看在线| 亚洲av五月六月丁香网| 亚洲熟女毛片儿| avwww免费| 免费看十八禁软件| 91九色精品人成在线观看| 日本免费一区二区三区高清不卡| 在线天堂中文资源库| aaaaa片日本免费| 成人特级黄色片久久久久久久| 岛国视频午夜一区免费看| 非洲黑人性xxxx精品又粗又长| 欧美一级a爱片免费观看看 | 日本免费a在线| 可以在线观看的亚洲视频| 国产视频内射| 熟妇人妻久久中文字幕3abv| 90打野战视频偷拍视频| 久久久精品国产亚洲av高清涩受| 久热爱精品视频在线9| 日韩精品免费视频一区二区三区| 女警被强在线播放| 激情在线观看视频在线高清| 国产亚洲欧美在线一区二区| 女人被狂操c到高潮| 大型黄色视频在线免费观看| 亚洲欧美一区二区三区黑人| 久久热在线av| 国产av在哪里看| 中文字幕另类日韩欧美亚洲嫩草| 脱女人内裤的视频| 91大片在线观看| 日韩中文字幕欧美一区二区| 亚洲国产欧洲综合997久久, | 亚洲av熟女| 真人做人爱边吃奶动态| 国内少妇人妻偷人精品xxx网站 | 久久九九热精品免费| 99精品在免费线老司机午夜| 久久天堂一区二区三区四区| 久久午夜亚洲精品久久| 国产亚洲精品av在线| 日韩精品免费视频一区二区三区| 狂野欧美激情性xxxx| 日韩中文字幕欧美一区二区| 国内毛片毛片毛片毛片毛片| 亚洲中文日韩欧美视频| 少妇被粗大的猛进出69影院| 成人亚洲精品av一区二区| 午夜视频精品福利| 免费电影在线观看免费观看| 中出人妻视频一区二区| 亚洲国产欧美日韩在线播放| 19禁男女啪啪无遮挡网站| 成人18禁在线播放| 亚洲国产高清在线一区二区三 | 真人一进一出gif抽搐免费| 一级a爱视频在线免费观看| 中文字幕人妻丝袜一区二区| av福利片在线| 国产午夜福利久久久久久| 久久久久久久精品吃奶| 日韩精品中文字幕看吧| 长腿黑丝高跟| 精品久久久久久久久久久久久 | 自线自在国产av| 国产成人影院久久av| 精品卡一卡二卡四卡免费| 日韩欧美免费精品| 精品久久久久久久久久免费视频| 女生性感内裤真人,穿戴方法视频| 一级作爱视频免费观看| 亚洲色图av天堂| 亚洲成av人片免费观看| 日本黄色视频三级网站网址| 香蕉丝袜av| 日本熟妇午夜| 在线天堂中文资源库| 黄色丝袜av网址大全| 18禁观看日本| 精品国产乱码久久久久久男人| 亚洲午夜理论影院| 国产午夜福利久久久久久| 99久久无色码亚洲精品果冻| 国产精品野战在线观看| 亚洲成人国产一区在线观看| 99精品久久久久人妻精品| 可以在线观看毛片的网站| 19禁男女啪啪无遮挡网站| 中出人妻视频一区二区| 亚洲精品在线观看二区| 日本a在线网址| 日日夜夜操网爽| 18禁黄网站禁片免费观看直播| 丝袜人妻中文字幕| 麻豆一二三区av精品| 国产精品九九99| 久久 成人 亚洲| 19禁男女啪啪无遮挡网站| 国产亚洲欧美精品永久| 午夜福利欧美成人| 国产极品粉嫩免费观看在线| 午夜福利在线在线| 18美女黄网站色大片免费观看| 精品福利观看| 成人亚洲精品一区在线观看| 久久 成人 亚洲| 一区二区日韩欧美中文字幕| 可以免费在线观看a视频的电影网站| 亚洲中文字幕日韩| 久久久久久久午夜电影| 中文字幕最新亚洲高清| 黑人操中国人逼视频| 男人舔女人下体高潮全视频| 精品无人区乱码1区二区| 免费看a级黄色片| 欧美日韩一级在线毛片| 久久久久久九九精品二区国产 | 欧美精品亚洲一区二区| av有码第一页| 九色国产91popny在线| 一级a爱视频在线免费观看| 高清毛片免费观看视频网站| 少妇熟女aⅴ在线视频| 90打野战视频偷拍视频| 久久久久久久久中文| 男女床上黄色一级片免费看| x7x7x7水蜜桃| 伊人久久大香线蕉亚洲五| 中文字幕另类日韩欧美亚洲嫩草| 国产成人欧美在线观看| 精品国产超薄肉色丝袜足j| 亚洲国产精品成人综合色| 欧美日韩精品网址| 欧美激情 高清一区二区三区| 国产成人欧美在线观看| 黑人操中国人逼视频| 午夜福利免费观看在线| а√天堂www在线а√下载| 观看免费一级毛片| 亚洲激情在线av| 啦啦啦观看免费观看视频高清| 精品国产一区二区三区四区第35| 国产亚洲欧美精品永久| 精品国产超薄肉色丝袜足j| 狠狠狠狠99中文字幕| 久久久久国产精品人妻aⅴ院| 99在线人妻在线中文字幕| 首页视频小说图片口味搜索| 午夜福利18| 一本久久中文字幕| 不卡av一区二区三区| 国产成年人精品一区二区| 亚洲免费av在线视频| 亚洲全国av大片| 日韩欧美在线二视频| 午夜免费观看网址| 国产成+人综合+亚洲专区| 夜夜爽天天搞| 久久人人精品亚洲av| 麻豆成人午夜福利视频| 午夜福利一区二区在线看|