• <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 ?

    作物病蟲害遙感監(jiān)測(cè)研究進(jìn)展與展望

    2019-09-10 07:22:44黃文江師越董瑩瑩葉回春鄔明權(quán)崔貝劉林毅
    智慧農(nóng)業(yè)(中英文) 2019年4期
    關(guān)鍵詞:未來展望遙感作物

    黃文江 師越 董瑩瑩 葉回春 鄔明權(quán) 崔貝 劉林毅

    摘要: 病蟲害是農(nóng)業(yè)生產(chǎn)過程中影響糧食產(chǎn)量和質(zhì)量的重要生物災(zāi)害。目前,我國的作物病蟲害監(jiān)測(cè)方式以點(diǎn)狀的地面調(diào)查為主,無法大面積、快速獲取作物病蟲害發(fā)生狀況和空間分布信息,難以滿足作物病蟲害的大尺度科學(xué)監(jiān)測(cè)和防控的需求。近年來,隨著國內(nèi)外衛(wèi)星光譜、時(shí)間和空間分辨率的不斷提升,利用遙感手段開展高效、無損的病蟲害監(jiān)測(cè)成為有效提升我國病蟲害測(cè)報(bào)水平的重要手段。與此同時(shí),多平臺(tái)、多種方式的作物病蟲害遙感監(jiān)測(cè)也為病蟲害的有效防治和管理提供了重要科技支撐。本文從作物病蟲害光譜特征、遙感監(jiān)測(cè)方法和遙感監(jiān)測(cè)系統(tǒng)等方面闡述了作物病蟲害遙感監(jiān)測(cè)研究的進(jìn)展,分析了當(dāng)前面臨的挑戰(zhàn),并對(duì)未來發(fā)展趨勢(shì)進(jìn)行了展望。

    關(guān)鍵詞: 作物;遙感;病蟲害監(jiān)測(cè);未來展望

    中圖分類號(hào): S-1 文獻(xiàn)標(biāo)志碼: A 文章編號(hào): 201905-SA005

    引文格式:黃文江, 師 ?越, 董瑩瑩, 葉回春, 鄔明權(quán), 崔 ?貝, 劉林毅. 作物病蟲害遙感監(jiān)測(cè)研究進(jìn)展與展望[J]. 智慧農(nóng)業(yè), 2019,1(4): 1-11.

    Huang W, Shi Y, Dong Y, Ye H, Wu M, Cui B, Liu L. Progress and prospects of crop diseases and pests monitoring by remote sensing[J]. Smart Agriculture, 2019, 1(4): 1-11. (in Chinese with English abstract)

    1 引言

    作物病蟲害是農(nóng)業(yè)生產(chǎn)過程中影響糧食產(chǎn)量和質(zhì)量的重要生物災(zāi)害[1,2]。在全球范圍內(nèi),與病害相關(guān)的糧食產(chǎn)量損失約占全球糧食總產(chǎn)量的14%,與蟲害相關(guān)的糧食產(chǎn)量損失約占全球糧食總產(chǎn)量的10%[3]。據(jù)全國農(nóng)業(yè)技術(shù)推廣服務(wù)中 心2018年公布的數(shù)據(jù),中國每年因病蟲害的發(fā)生和危害導(dǎo)致的直接糧食損失約占總產(chǎn)量的30%。2010年“中央一號(hào)文件”提出要支持開展農(nóng)作物病蟲害專業(yè)化統(tǒng)防統(tǒng)治,加強(qiáng)重大病蟲害監(jiān)測(cè)預(yù)警能力建設(shè)[4]。對(duì)病蟲害進(jìn)行早期預(yù)警和防控對(duì)減少農(nóng)業(yè)化學(xué)藥劑的使用量和殘留量,促進(jìn)生態(tài)環(huán)境和國家食品安全,以及對(duì)于中國糧食貿(mào)易策略制定和社會(huì)經(jīng)濟(jì)發(fā)展均具有重要戰(zhàn)略意義。

    隨著遙感科技和計(jì)算機(jī)技術(shù)的發(fā)展,利用遙感手段對(duì)作物病蟲害進(jìn)行“非接觸式”的監(jiān)測(cè)逐漸被應(yīng)用于農(nóng)業(yè)生產(chǎn)過程中。而隨著近年來遙感數(shù)據(jù)尺度的極大豐富,對(duì)病蟲害遙感監(jiān)測(cè)模型方法的研究已成為農(nóng)業(yè)遙感領(lǐng)域中一個(gè)重要研究內(nèi)容[5-9]。隨著遙感與其他數(shù)據(jù)類型之間聯(lián)系的不斷加強(qiáng),各個(gè)層面的研究均得到了深化,遙感技術(shù)在農(nóng)作物病蟲害監(jiān)測(cè)、病蟲害預(yù)測(cè)預(yù)報(bào)以及田間精準(zhǔn)防控和管理等方面都有著不同程度的應(yīng)用。

    利用遙感技術(shù)不僅能夠?qū)ψ魑锊∠x害的發(fā)生范圍進(jìn)行監(jiān)測(cè),也能夠?qū)Σ煌∠x害脅迫的發(fā)生類別和嚴(yán)重程度進(jìn)行識(shí)別和區(qū)分[2,10-12]。各類機(jī)載、星載的精密測(cè)控傳感器的發(fā)展為不同的用戶需求提供了多重“時(shí)—空—譜”分辨率的遙感信息,這為準(zhǔn)確、快速地了解作物病蟲害發(fā)展?fàn)顩r提供了寶貴契機(jī)。而隨著遙感技術(shù)及病蟲害監(jiān)測(cè)水平的不斷提高,一些新的信號(hào)處理技術(shù)、機(jī)器學(xué)習(xí)方法和模式識(shí)別算法在監(jiān)測(cè)建模中被不斷應(yīng)用[6,13-17]。本文介紹了當(dāng)前國內(nèi)外作物病蟲害遙感監(jiān)測(cè)方法和技術(shù),闡述了作物病蟲害遙感監(jiān)測(cè)在監(jiān)測(cè)方法、監(jiān)測(cè)系統(tǒng)研發(fā)與應(yīng)用等方面的研究進(jìn)展,并在此基礎(chǔ)上分析了作物病蟲害遙感監(jiān)測(cè)目前所面臨的挑戰(zhàn),同時(shí)也展望了未來發(fā)展的趨勢(shì)。

    2 作物病蟲害遙感監(jiān)測(cè)方法研究進(jìn)展

    隨著遙感衛(wèi)星數(shù)據(jù)源的不斷豐富,近幾年新發(fā)射的中國高分(GF)系列、歐洲航天局的哨兵系列(Sentinel series)等,加之已有的中國的風(fēng)云(FY)系列、環(huán)境(HJ)系列,美國的Landsat系列衛(wèi)星等,使得遙感觀測(cè)數(shù)據(jù)的空間分辨率和時(shí)間分辨率都得到了極大提升[18]。近年來,利用遙感手段進(jìn)行作物病蟲害監(jiān)測(cè),主要針對(duì)不同的遙感數(shù)據(jù)源的特點(diǎn),對(duì)不同病蟲害脅迫下的光譜響應(yīng)特征進(jìn)行分析,通過選取病蟲害敏感性波段所表現(xiàn)的波普特性,對(duì)遙感信號(hào)進(jìn)行分析和建模,從而實(shí)現(xiàn)病蟲害的監(jiān)測(cè)和分類。

    2.1 基于高光譜分析技術(shù)的遙感監(jiān)測(cè)

    基于高光譜技術(shù)的作物病蟲害監(jiān)測(cè)研究主要集中在可見光波段和近紅外波段。通過高光譜觀測(cè)獲取的作物連續(xù)的波譜信息在病蟲害遙感監(jiān)測(cè)和識(shí)別方面的主要有以下兩方面的應(yīng)用:一方面利用高光譜傳感器可以同時(shí)獲取作物病蟲害脅迫的光譜差異和紋理差異,進(jìn)而結(jié)合兩方面的差異性信息提取脅迫特征;另一方面,獲取的高光譜波段信息可以有效表征由病蟲害引起的葉片理化組分的變化差異。

    作物受病蟲害脅迫后引起的葉片表面“可見—近紅外”波段的光譜反射率的變化是病蟲害遙感的直接特征,反映了植被物理生化組分的響應(yīng)。病蟲害引起的光譜響應(yīng)研究已引起了很多學(xué)者重視,并被廣泛應(yīng)用于遙感監(jiān)測(cè)和早期脅迫診斷研究[19-22]。Luo等[23]研究了生長了蚜蟲的小麥葉片的光譜響應(yīng),結(jié)果表明,在700~750nm、750~930nm、950~1030nm和1040~1130nm處葉片的光譜反射對(duì)小麥蚜蟲的響應(yīng)率顯著;除此之外,利用原始光譜的特征變換形式可以有效地加強(qiáng)波譜特征的差異,從而提取出目標(biāo)病害的類別和嚴(yán)重程度。例如,Spilenlli等[24]對(duì)梨樹冠層光譜數(shù)據(jù)進(jìn)行了求導(dǎo),通過篩選對(duì)梨樹火瘟病較為敏感的導(dǎo)數(shù)特征進(jìn)行了火瘟病的遙感識(shí)別和早期監(jiān)測(cè),并對(duì)不同維度光譜信息的對(duì)比分析,發(fā)現(xiàn)高維的光譜信息包含更多與病害脅迫相關(guān)的特征,能夠?qū)Σ『γ{迫進(jìn)行較為精確的早期監(jiān)測(cè)。Purcell等[25]利用高光譜分析儀測(cè)定了不同侵染等級(jí)下的甘蔗樣本,并通過傅里葉變換(Fourier Transform,F(xiàn)T)對(duì)光譜的紋理信息進(jìn)行了提取,接著利用主成分分析法篩選了重要的特征變量,并用偏最小二乘法(Partial Least-Square Method,PLS)對(duì)篩選特征與不同病害嚴(yán)重度進(jìn)行了建模分析,結(jié)果表明二階微分光譜相比于其他特征擁有更高的監(jiān)測(cè)精度,在病害早期識(shí)別中有較大的應(yīng)用潛力。

    另一方面,對(duì)敏感波段進(jìn)行組合構(gòu)成的光譜指數(shù)不僅擁有明確的物理意義,還能突顯病蟲害的生理生化過程,從而從生物學(xué)機(jī)制的角度實(shí)現(xiàn)對(duì)病蟲害的監(jiān)測(cè)和區(qū)分。Shi等[26]通過接種實(shí)驗(yàn)獲取了小麥條銹病、白粉病和蚜蟲的冠層高光譜數(shù)據(jù),通過相關(guān)性分析篩選了敏感波段并基于敏感波段提取了多個(gè)植被指數(shù)特征,之后通過多種核判別分析構(gòu)建了多種非線性分類器,并利用所構(gòu)建的分類器對(duì)冠層進(jìn)行了監(jiān)測(cè)識(shí)別,結(jié)果表明,基于Sigmoid核函數(shù)構(gòu)建的非線性分類器能夠獲得較高精度的監(jiān)測(cè)效果。Naidu等[21]通過野外實(shí)驗(yàn)獲取了受葡萄卷葉病侵染的葡萄葉片高光譜數(shù)據(jù),通過相關(guān)性分析發(fā)現(xiàn)綠波段和近紅外波段的光譜反射率對(duì)病害脅迫有顯著的響應(yīng)。隨后,基于敏感波段構(gòu)建了相關(guān)的植被指數(shù),實(shí)現(xiàn)了對(duì)葡萄卷葉病的高精度遙感識(shí)別。在這些研究的基礎(chǔ)上,越來越多的學(xué)者發(fā)現(xiàn)作物病蟲害在不同的光譜波段中表現(xiàn)出不同的響應(yīng)[27-29],因此如何針對(duì)不同的病蟲害種類,在實(shí)際監(jiān)測(cè)中需要尋找和構(gòu)建具有高專一性的監(jiān)測(cè)指標(biāo),選擇較為合適的模型構(gòu)建方法是作物病蟲害遙感監(jiān)測(cè)中繼續(xù)解決的關(guān)鍵問題[30-32]。目前較為普遍的思路是通過尋找與病蟲害嚴(yán)重度較為敏感的高光譜波段來提取和構(gòu)建相關(guān)的光譜特征,表1為當(dāng)前主要的作物病蟲害遙感識(shí)別和監(jiān)測(cè)的光譜特征,用于區(qū)分和識(shí)別不同病蟲害脅迫。

    2.2 基于航空/航天平臺(tái)的多光譜遙感監(jiān)測(cè)

    在區(qū)域尺度上,隨著航空/航天遙感平臺(tái)的不斷完善,國內(nèi)外構(gòu)建起了完善的遙感對(duì)地觀測(cè)體系,為病蟲害的大尺度遙感監(jiān)測(cè)提供了技術(shù)支撐。Held等[46]通過分析受甘蔗銹病脅迫的甘蔗光譜數(shù)據(jù),利用DWSI指數(shù)對(duì)EO-1 Hyperion高光譜影像進(jìn)行了分析,成功實(shí)現(xiàn)了研究區(qū)病蟲害發(fā)生范圍的監(jiān)測(cè)。Yuan等[45]通過星地聯(lián)合實(shí)驗(yàn)獲取了陜西關(guān)中地區(qū)小麥白粉病的地面高光譜數(shù)據(jù),并利用SPOT-6衛(wèi)星影像,基于SAM算法將地面高光譜數(shù)據(jù)與多光譜影像進(jìn)行了融合,對(duì)小麥白粉病進(jìn)行監(jiān)測(cè),結(jié)果表明監(jiān)測(cè)精度達(dá)78%,說明基于SAM算法的地面高光譜與多光譜影像融合技術(shù)能夠應(yīng)用于病蟲害遙感監(jiān)測(cè)。Lenthe等[47]通過接種實(shí)驗(yàn)獲取了小麥條銹病和白粉病的地面測(cè)量數(shù)據(jù),同時(shí)也獲取了對(duì)應(yīng)的熱紅外影像,通過選取敏感特征并構(gòu)建監(jiān)測(cè)模型,全局精度達(dá)到了88.6%。Yang等[48]對(duì)棉花根腐病上的多光譜和高光譜圖像信息進(jìn)行了比較,結(jié)果認(rèn)為多光譜影像在大區(qū)域的病蟲害遙感監(jiān)測(cè)和識(shí)別方面能達(dá)到較為滿意的效果。Pan等[33]對(duì)甜菜葉斑病的研究表明,400~900nm光譜范圍內(nèi)的反射率特征能夠?qū)θ~斑病實(shí)現(xiàn)精確監(jiān)測(cè)。Zhang等[17]分別利用馬氏距離法(Mahalanobis Distance,MD),偏最小二乘回歸(Partial Least Squares Regression,PLSR),最大似然法(Maximum Likelihood Estimate,MLE)和混合調(diào)諧濾波的混合像元分解法(Mixture Tuned Matched Filtering,MTMF)對(duì)小麥白粉病進(jìn)行監(jiān)測(cè),在區(qū)域尺度上,采用多時(shí)相遙感衛(wèi)星影像對(duì)病害的發(fā)生和發(fā)展進(jìn)行監(jiān)測(cè),結(jié)果表明,耦合PLSR和MTMF的監(jiān)測(cè)方法對(duì)區(qū)域尺度的白粉病監(jiān)測(cè)精度達(dá)到78%。

    相較于大尺度的衛(wèi)星遙感觀測(cè),基于航空遙感平臺(tái)的機(jī)載高光譜/多光譜傳感器除用到目標(biāo)作物的光譜特征外,也需要對(duì)圖像的結(jié)構(gòu)和紋理特征進(jìn)行解析。例如,Kim等[38]對(duì)獲取的機(jī)載遙感影像的信息熵、對(duì)比度等紋理特征基于顏色共生矩陣方法進(jìn)行了提取,從而實(shí)現(xiàn)了柚皮病進(jìn)行檢測(cè)和病害識(shí)別,分類精度達(dá)到96.7%。Panmanas等[49]對(duì)大豆黃斑病、瘡痂病、黑點(diǎn)病的高光譜遙感影像進(jìn)行分析,結(jié)合光譜信息和紋理信息實(shí)現(xiàn)了病蟲害的區(qū)分和識(shí)別。此外,值得注意的是,在多病害分類和識(shí)別方面,有學(xué)者嘗試?yán)?/p>

    用計(jì)算機(jī)圖形學(xué)的算法對(duì)病蟲害的表征信息進(jìn)行識(shí)別。Wang等[50]利用無人機(jī)影像種顯示的番茄瘟病、紋枯病和胡麻斑病的病斑紋理結(jié)構(gòu)特征,對(duì)三種病害進(jìn)行了區(qū)分和監(jiān)測(cè)。Yao等[51]基于作物在遙感影像中的方向一致性特征,對(duì)多種小麥病蟲害進(jìn)行了識(shí)別。

    農(nóng)田地塊尺度和區(qū)域尺度下基于航空/航天平臺(tái)的多光譜病蟲害遙感監(jiān)測(cè)特點(diǎn)及應(yīng)用案例見表2。

    總體而言,基于高光譜遙感影像對(duì)區(qū)域尺度上的病蟲害監(jiān)測(cè)研究過多的依賴于遙感手段獲取的地物光譜信息,較少的考慮了田間小氣候、病蟲害生境、人為因素等多元數(shù)據(jù)的影響,因此,對(duì)于融合遙感與其他多元數(shù)據(jù)對(duì)病蟲害進(jìn)行監(jiān)測(cè)的研究尚不完善,且系統(tǒng)性較弱,未來在基于多元信息融合研究基礎(chǔ)上的病蟲害監(jiān)測(cè)方面的工作有待加強(qiáng)。

    3 作物病蟲害監(jiān)測(cè)系統(tǒng)研究進(jìn)展

    目前,作物病蟲害監(jiān)測(cè)系統(tǒng)一般由知識(shí)庫、數(shù)據(jù)庫、算法層、分析層和展示層等5部分組成,通常以數(shù)據(jù)庫和算法層等為核心。目前國際上已經(jīng)開發(fā)了多種病蟲害監(jiān)測(cè)系統(tǒng),并被廣泛地應(yīng)用于田間病蟲害脅迫診斷及管理等方面。例如,美國伊利諾伊大學(xué)牽頭研制的農(nóng)情系統(tǒng)Comax/Gos-sym通過其自研的監(jiān)測(cè)和診斷系統(tǒng)確定了灌溉、施肥、施藥和施用脫葉劑的最佳方案,推動(dòng)了棉田管理和病蟲害防治的信息化和自動(dòng)化[74];美國康奈爾大學(xué)和聯(lián)合國糧食及農(nóng)業(yè)組織聯(lián)合開發(fā)了全球谷物銹病監(jiān)測(cè)系統(tǒng)BGRI,應(yīng)用該系統(tǒng)對(duì)全球的銹病進(jìn)行監(jiān)測(cè)并指導(dǎo)防治,在保證作物產(chǎn)量的前提下,可以節(jié)約30%左右的銹病殺菌劑使用量[75];國際玉米小麥育種和改良中心(Centro Internacional de Mejoramientode Maizy Trigo,CIMMYT)開發(fā)了小麥玉米病害監(jiān)測(cè)系統(tǒng),該系統(tǒng)可以為作物病蟲害的早期識(shí)別提供及時(shí)的預(yù)警,為農(nóng)民的田間防控提供指導(dǎo)意見;美國拜耳公司研究出了一種農(nóng)情實(shí)時(shí)監(jiān)測(cè)系統(tǒng)Climate,農(nóng)戶可以通過該系統(tǒng)選擇和搭建針對(duì)性的專家決策系統(tǒng),使用者能夠基于自身的情況創(chuàng)建知識(shí)庫和模型庫,這種模式賦予了系統(tǒng)很高的實(shí)用性和靈活性,能夠快速便捷地進(jìn)行二次及多次開發(fā)。

    但是,上述系統(tǒng)的主要缺點(diǎn)是數(shù)據(jù)源過于單一,即數(shù)據(jù)來源主要是傳統(tǒng)的氣象觀測(cè)站、地面調(diào)查網(wǎng)絡(luò)、以及用戶上傳的田間數(shù)據(jù),沒有充分利用遙感等多源異構(gòu)信息在農(nóng)情系統(tǒng)決策中的作用。系統(tǒng)產(chǎn)出的大尺度病蟲害監(jiān)測(cè)產(chǎn)品只能為病蟲害發(fā)展的中期和長期趨勢(shì)進(jìn)行評(píng)價(jià),無法有效地應(yīng)對(duì)實(shí)時(shí)的病蟲害防控和管理需求。中國科學(xué)院研發(fā)的作物病蟲害遙感監(jiān)測(cè)與預(yù)測(cè)系統(tǒng)耦合了高分辨率遙感影像以及氣象、植保等多源空間數(shù)據(jù)集,對(duì)中國主要糧食產(chǎn)區(qū)的小麥、水稻、玉米病蟲害進(jìn)行連續(xù)地監(jiān)測(cè)和制圖,可為當(dāng)?shù)刂脖2块T的病蟲害防治決策提供科學(xué)的數(shù)據(jù)支撐??傮w而言,隨著遙感對(duì)地觀測(cè)手段的多樣化,作物病蟲害監(jiān)測(cè)系統(tǒng)還不夠完善,如何將作物病蟲害遙感監(jiān)測(cè)算法集成到業(yè)務(wù)化運(yùn)行的大尺度遙感監(jiān)測(cè)系統(tǒng)中,是未來作物病蟲害遙感系統(tǒng)構(gòu)建要解決的關(guān)鍵問題。

    4 作物病蟲害遙感監(jiān)測(cè)未來展望

    4.1 復(fù)雜環(huán)境條件下的病蟲害遙感監(jiān)測(cè)

    現(xiàn)階段的作物病蟲害遙感監(jiān)測(cè)方法在實(shí)際農(nóng)業(yè)管理應(yīng)用中,對(duì)田間環(huán)境、作物種植模式等條件有較高的依賴性,導(dǎo)致病害遙感監(jiān)測(cè)的精度、穩(wěn)定性和通用性方面與實(shí)際生產(chǎn)需求有一定的差距。目前,對(duì)病蟲害的遙感監(jiān)測(cè)研究正逐漸從單一時(shí)相反射率特征的提取向多時(shí)相探測(cè)病蟲害引起的連續(xù)波譜變化方向轉(zhuǎn)變。并在此基礎(chǔ)上,考慮到田間土壤類型、氣候類型等環(huán)境條件的影響,逐步開展病蟲害病理機(jī)制的遙感監(jiān)測(cè),從而滿足復(fù)雜田間環(huán)境下的農(nóng)作物監(jiān)測(cè)要求。另一方面,利用遙感信息與植物病理機(jī)制相結(jié)合的方法對(duì)病蟲害生境變遷的范圍和程度進(jìn)行監(jiān)測(cè)是實(shí)現(xiàn)病蟲害早期預(yù)警的關(guān)鍵環(huán)節(jié)。因此,應(yīng)依據(jù)不同類型病蟲害的特異性建立綜合作物病蟲害光譜特征和生境特征所表達(dá)的病蟲害不同方面的響應(yīng),從根本上控制農(nóng)藥用量。

    4.2 病蟲害動(dòng)態(tài)持續(xù)監(jiān)測(cè)

    現(xiàn)階段對(duì)作物病蟲害的遙感監(jiān)測(cè)大多針對(duì)某一個(gè)或幾個(gè)病蟲特征較為明顯的生育期,對(duì)作物病蟲害的整體發(fā)生發(fā)展的過程監(jiān)測(cè)研究較少。盡管在病蟲特征較為明顯的生育期進(jìn)行遙感監(jiān)測(cè)研究能夠獲得較高的監(jiān)測(cè)精度,但是監(jiān)測(cè)時(shí)間較晚,不利于病蟲害的防治和及時(shí)控制。病蟲害的發(fā)生與發(fā)展是一個(gè)連續(xù)的過程,作物受侵染部位的生物物理變化是跟蹤不同階段寄主與病蟲原相互作用關(guān)系的重要指標(biāo)。目前,隨著多種遙感平臺(tái)的出現(xiàn)及日益普及,多尺度的連續(xù)時(shí)間病蟲害動(dòng)態(tài)監(jiān)測(cè)越來越成為可能。在冠層尺度上,如何基于高光譜觀測(cè)數(shù)據(jù)獲取病蟲害發(fā)生發(fā)展過程中的關(guān)鍵監(jiān)測(cè)指標(biāo)并構(gòu)建精確的監(jiān)測(cè)模型;在田塊尺度上,如何基于無人機(jī)近地面飛行數(shù)據(jù),結(jié)合病蟲害高光譜特征進(jìn)行精確的嚴(yán)重度估測(cè)和范圍監(jiān)測(cè);在區(qū)域尺度上,如何基于病蟲害光譜特征,結(jié)合多時(shí)相遙感衛(wèi)星數(shù)據(jù),綜合考慮氣象、生境、菌源等因子,構(gòu)建綜合的病蟲害監(jiān)測(cè)方法體系,是未來研究的重要研究方向。

    4.3 全球尺度病蟲害遙感監(jiān)測(cè)系統(tǒng)

    目前,隨著遙感對(duì)地觀測(cè)手段的多樣化,對(duì)病蟲害遙感監(jiān)測(cè)系統(tǒng)提出了更高要求。系統(tǒng)需要同時(shí)滿足遙感監(jiān)測(cè)的實(shí)時(shí)性、監(jiān)測(cè)結(jié)果的準(zhǔn)確性以及監(jiān)測(cè)產(chǎn)品推廣的便捷性。協(xié)同應(yīng)用多源遙感觀測(cè)數(shù)據(jù)構(gòu)建全球尺度的病蟲害遙感監(jiān)測(cè)系統(tǒng),實(shí)現(xiàn)病蟲害的精準(zhǔn)監(jiān)測(cè)是病蟲害遙感監(jiān)測(cè)系統(tǒng)未來的趨勢(shì)。

    近年來,隨著中國對(duì)地觀測(cè)計(jì)劃的順利實(shí)施,一系列高光譜分辨率、高空間分辨率和高時(shí)間分辨率衛(wèi)星成功發(fā)射,這些衛(wèi)星協(xié)同作用,為建立多尺度作物病蟲害遙感監(jiān)測(cè)和預(yù)測(cè)系統(tǒng)提供了數(shù)據(jù)支持,使得作物病蟲害遙感監(jiān)測(cè)系統(tǒng)的研發(fā)成為未來農(nóng)業(yè)精準(zhǔn)管理的重要研究方向。

    5 總結(jié)

    近年來,隨著遙感技術(shù)的不斷發(fā)展,以及研究者對(duì)遙感數(shù)據(jù)在農(nóng)業(yè)管理和監(jiān)測(cè)方面應(yīng)用的不斷深入,使得遙感技術(shù)進(jìn)行作物病蟲害監(jiān)測(cè)逐漸成為可能。本文分別從作物病蟲害的光譜特征、監(jiān)測(cè)方法以及系統(tǒng)研發(fā)等幾個(gè)方面對(duì)現(xiàn)階段作物病蟲害遙感監(jiān)測(cè)方法進(jìn)行了總結(jié)和展望。雖然目前的遙感監(jiān)測(cè)技術(shù)與實(shí)際生產(chǎn)管理的需求仍然存在一定的差距,但在實(shí)際應(yīng)用中,通過將現(xiàn)有病蟲害監(jiān)測(cè)模型與田間環(huán)境條件與菌源狀態(tài)等因子相結(jié)合,并充分考慮病蟲害病理學(xué)知識(shí)的基礎(chǔ)上,深入挖掘遙感技術(shù)在病蟲害監(jiān)測(cè)方面的潛力,可為中國農(nóng)業(yè)大面積精準(zhǔn)管理和植保提供精確、實(shí)時(shí)、大范圍的監(jiān)測(cè)信息。

    參考文獻(xiàn)

    [1] Strange R N, Scott P R. Plant disease: A threat to global food security[J]. Annual Review of Phytopathology, 2005, 43(1): 83-116.

    [2] 黃文江. 作物病害遙感監(jiān)測(cè)機(jī)理與應(yīng)用[M]. 北京: 農(nóng)業(yè)科技出版社, 2009.

    [3]Deutsch C A, Tewksbury J J, Tigchelaar M, et al. Increase in crop losses to insect pests in a warming climate[J]. Science, 2018, 361(6405): 916-919.

    [4] 陶鳳英, 潘云鶴, 欒金波. 農(nóng)作物病蟲害專業(yè)化統(tǒng)防統(tǒng)治的現(xiàn)狀與發(fā)展對(duì)策[J]. 內(nèi)蒙古農(nóng)業(yè)科技, 2011(2): 96-97.

    Tao F, Pang Y, Luan J. Development status of professional control of crop diseases and insect pests and countermeasures [J]. Inner Mongolia Agricultural Science and Technology, 2011(2): 96-97.

    [5] Piao S, Ciais P, Huang Y, et al. The impacts of climate change on water resources and agriculture in China[J]. Nature, 2010, 467(7311): 43-51.

    [6] 黃文江, 張競成, 羅菊花, 等. 作物病蟲害遙感監(jiān)測(cè)與預(yù)測(cè)[M]. 北京: 科學(xué)出版社, 2015.

    [7] Huang W, Yang Q, Pu R, et al. Estimation of nitrogen vertical distribution by bi-directional canopy reflectance in winter wheat[J]. Sensors, 2014, 14(11): 20347-20359.

    [8] Khanal S, Fulton J, Shearer S. An overview of current and potential applications of thermal remote sensing in precision agriculture[J]. Computers and Electronics in Agriculture, 2017, 139: 22-32.

    [9] Sankaran S, Khot L R, Espinoza C Z, et al. Low-alti tude, high-resolution aerial imaging systems for row and field crop phenotyping: A review[J]. European Journal of Agronomy, 2015, 70: 112-123.

    [10] Mesas-Carrascosa F J, Torres-Sánchez J, Clavero-Rumbao I, et al. Assessing optimal flight parameters for generating accurate multispectral orthomosaicks by UAV to support site-specific crop management[J]. Remote Sensing, 2015, 7(10): 12793-12814.

    [11] Liu Y, Pu H, Sun D W. Hyperspectral imaging tech ???nique for evaluating food quality and safety during various processes: A review of recent applications[J]. Trends in Food Science & Technology, 2017, 69: 25-35.

    [12] Mahlein A K, Rumpf T, Welke P, et al. Development of spectral indices for detecting and identifying plant diseases[J]. Remote Sensing of Environment, 2013, 128(1): 21-30.

    [13] Su J, Liu C, Coombes M, et al. Wheat yellow rust monitoring by learning from multispectral UAV aerial imagery[J]. Computers and Electronics in Agriculture, 2018, 155: 157-166.

    [14] Franke J, Menz G. Multi-temporal wheat disease detection by multi-spectral remote sensing[J]. Precision Agriculture, 2007, 8(3): 161-172.

    [15] Liu Z Y, Wu H F, Huang J F. Application of neural networks to discriminate fungal infection levels in rice panicles using hyperspectral reflectance and principal components analysis[J]. Computers and Electronics in Agriculture, 2010, 72(2): 99-106.

    [16] Zhang B, Huang W, Li J, et al. Principles, developments and applications of computer vision for external quality inspection of fruits and vegetables: A review[J]. Food Research International, 2014, 62(62): 326-343.

    [17] Zhang J C, Yuan L, Pu R, et al. Comparison between wavelet spectral features and conventional spectral features in detecting yellow rust for winter wheat[J]. Computers and Electronics in Agriculture, 2014, 100(2): 79-87.

    [18] Lin Y, Pu R, Zhang J, et al. Using high spatial resolution satellite imagery for mapping powdery mildew at a regional scale[J]. Precision Agriculture, 2016, 17(3): 332-348.

    [19] Yao Z, He D, Lei Y. Hyperspectral Imaging for identification of powdery mildew and stripe rust in wheat[C]// 2018 ASABE Annual International Meeting. American Society of Agricultural and Biological Engineers, 2018.

    [20] 王海光, 馬占鴻, 王韜, 等. 高光譜在小麥條銹病嚴(yán)重度分級(jí)識(shí)別中的應(yīng)用[J]. 光譜學(xué)與光譜分析, 2007, 27(9): 1811-1814.

    Wang H, Ma Z, Wang T, et al. Application of hyperspectral data to the classification and identification of severity of wheat stripe rust[J]. Spectroscopy and Spectral Analysis, 2007, 27(9): 1811-1814.

    [21] Naidu R A, Perry E M, Pierce F J, et al. The potential of spectral reflectance technique for the detection of Grapevine leafroll-associated virus-3 in two red-berried wine grape cultivars[J]. Computers and Electronics in Agriculture, 2009, 66(1): 38-45.

    [22] Prabhakar M, Prasad Y G, Thirupathi M, et al. Use of ground based hyperspectral remote sensing for detection of stress in cotton caused by leafhopper (Hemiptera: Cicadellidae)[J]. Computers and Electronics in Agriculture, 2011, 79(2): 189-198.

    [23] Luo J, Huang W, Zhao J, et al. Detecting aphid density of winter wheat leaf using hyperspectral measurements[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2013, 6(2): 690-698.

    [24] Spinelli F, Noferini M, Costa G. Near infrared spectroscopy (NIRs): Perspective of fire blight detection in asymptomatic plant material[J]. Acta Horticulturae, 2006, 704(704): 87-90.

    [25] Purcell D E, O'shea M G, Johnson R A, et al. Near-Infrared spectroscopy for the prediction of disease ratings for Fiji leaf gall in sugarcane clones[J]. Applied Spectroscopy, 2009, 63(4): 450-457.

    [26] Shi Y, Huang W, Luo J, et al. Detection and discrimination of pests and diseases in winter wheat based on spectral indices and kernel discriminant analysis[J]. Computers and Electronics in Agriculture, 2017, 141:171-180.

    [27] Lowe A, Harrison N, French A P. Hyperspectral image analysis techniques for the detection and classification of the early onset of plant disease and stress[J]. Plant Methods, 2017, 13(1): no. 80, 1-12.

    [28] Chen B, Wang K, Li S, et al. Spectrum characteristics of cotton canopy infected with verticillium wilt and inversion of severity level[C]// Proceedings of First IPIF TC 12 International Conference on Computer and Computing Technologies in Agriculture, (CCTA2007)(Ⅱ).2007.

    [29] Shi Y, Huang W, Zhou X, et al. Evaluation of wavelet spectral features in pathological detection and discrimination of yellow rust and powdery mildew in winter wheat with hyperspectral reflectance data[J]. Journal of Applied Remote Sensing, 2017, 11(2): 026025.

    [30] Delalieux S, Van A J, Keulemans W, et al. Detection of biotic stress (Venturia inaequalis) in apple trees using hyperspectral data: Non-parametric statistical approaches and physiological implications[J]. European Journal of Agronomy, 2007, 27(1): 130-143.

    [31] Han L, Haleem M S, Taylor M. Automatic detection and severity assessment of crop diseases using image pattern recognition[M]. Emerging Trends and Advanced Technologies for Computational Intelligence. Springer, Cham, 2016.

    [32] Wu D, Feng L, Zhang C, et al. Early detection of botrytis cinerea on eggplant leaves based on visible and near-infrared spectroscopy[J]. Transactions of the American Society of Agricultural and Biological Engineers, 2008, 51(3): 1133-1139.

    [33] Pan L, Lu R, Zhu Q, et al. Predict compositions and mechanical properties of sugar beet using hyperspectral scattering[J]. Food and Bioprocess Technology, 2016, 9(7): 1177-1186.

    [34] Pu R, Ge S, Kelly N M, et al. Spectral absorption features as indicators of water status in coast live oak (Quercus agrifolia) leaves[J]. International Journal of Remote Sensing, 2003, 24(9): 1799-1810.

    [35] Zarco-Tejada P J, Berj N A, Pez-Lozano RL, et al. Assessing vineyard condition with hyperspectral indices: Leaf and canopy reflectance simulation in a row-structured discontinuous canopy[J]. Remote Sensing of Environment, 2005, 99(3): 271-287.

    [36] Rouse J W, Haas R H, Schell J A, et al. Monitoring vegetation systems in the great plains with Erts[J]. Nasa Special Publication, 1974, (351): 3010-3017.

    [37] Broge N H , Leblanc E . Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density[J]. Remote Sensing of Environment, 2001, 76(2):156-172.

    [38] Kim D G, Burks T F, Qin J W, et al. Classification of ????grapefruit peel diseases using color texture feature analysis[J]. International Journal of Agricultural and Biological Engineering, 2009, 2(3): 41-50.

    [39] Gitelson A A. Remote estimation of fraction of radiation absorbed by photosynthetically active vegetation: generic algorithm for maize and soybean[J]. Remote Sensing Letters, 2019, 10(3): 283-291.

    [40] Gitelson A A, Gritz Y, Merzlyak M N. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves[J]. Journal of Plant Physiology, 2003, 160(3): 271-282.

    [41] Devadas R, Lamb D W, Simpfendorfer S, et al. Evaluating ten spectral vegetation indices for identifying rust infection in individual wheat leaves[J]. Precision Agriculture, 2009, 10(6): 459-470.

    [42] Ren H, Zhou G, Zhang F. Using negative soil adjustment factor in soil-adjusted vegetation index (SAVI) for aboveground living biomass estimation in arid grasslands[J]. Remote Sensing of Environment, 2018, 209: 439-445.

    [43] Féret J B, le Maire G, Berveiller S J, et al. Estimating leaf mass per area and equivalent water thickness based on leaf optical properties: Potential and limitations of physical modeling and machine learning[J]. Remote Sensing of Environment, 2019, 231: no.110959, 1-14.

    [44] Mirik M, Kassymzhanova-Mirik S, Elliott N C, et al. Using digital image analysis and spectral reflectance data to quantify damage by greenbug (Hemitera: Aphididae) in winter wheat[J]. Computers and Electronics in Agriculture, 2006, 51(1-2): 86-98.

    [45] Yuan L, Zhang J C, Shi Y, et al. Damage mapping of powdery mildew in winter wheat with high-resolution satellite image[J]. Remote Sensing, 2014, 6(5): 3611-3623.

    [46] Held A. Detecting sugarcane ‘orange rust’ disease using EO-1 Hyperion hyperspectral imagery[J]. International Journal of Remote Sensing, 2004, 25(2): 489-498.

    [47] Lenthe J H, Oerke E C, Dehne H W, et al. Digital infrared thermography for monitoring canopy health of wheat[J]. Precision Agriculture, 2007, 8(1-2): 15-26.

    [48] Yang C, Everitt J H, Fernandez C J. Comparison of airborne multispectral and hyperspectral imagery for mapping cotton root rot[J]. Biosystems Engineering, 2010, 107(2): 131-139.

    [49] Panmanas S, Yuki H, Munehiro T. Study on non-destructive evaluation methods for defect pods for green soybean processing by near-infrared spectroscopy[J]. Journal of Food Engineering, 2009, 93(4): 502-512.

    [50] Wang X, Zhang M, Zhu J, et al. Spectral prediction of phytophthora infestans infection on tomatoes using artificial neural network (ANN)[J]. International Journal of Remote Sensing, 2008, 29(6): 1693-1706.

    [51] Yao Q, Guan Z, Zhou Y, et al. Application of support vector machine for detecting rice diseases using shape and color texture features[C]// 2009 International Conference on Engineering Computation, 2009.

    [52] Zhang X, Han L, Dong Y, et al. A deep learning-based approach for automated yellow rust disease detection from high-resolution hyperspectral UAV images[J]. Remote Sensing, 2019, 11(13): 1554.

    [53] Su J, Liu C, Coombes M, et al. Wheat yellow rust monitoring by learning from multispectral UAV aerial imagery[J]. Computers and Electronics in Agriculture, 2018, 155: 157-166.

    [54] Bohnenkamp D, Behmann J, Mahlein A K. In-field detection of yellow rust in wheat on the ground canopy and UAV scale[J]. Remote Sensing, 2019, 11(21): 2495.

    [55] Shi Y, Huang W, Luo J, et al. Detection and discrimination of pests and diseases in winter wheat based on spectral indices and kernel discriminant analysis[J]. Computers and Electronics in Agriculture, 2017, 141: 171-180.

    [56] Qin W, Xue X, Zhang S, et al. Droplet deposition and efficiency of fungicides sprayed with small UAV against wheat powdery mildew[J]. International Journal of Agricultural and Biological Engineering, 2018, 11(2): 27-32.

    [57] Liu W, Cao X, Fan J, et al. Detecting wheat powdery mildew and predicting grain yield using unmanned aerial photography[J]. Plant Disease, 2018, 102(10): 1981-1988.

    [58] Meng Y, Lan Y, Mei G, et al. Effect of aerial spray adjuvant applying on the efficiency of small unmanned aerial vehicle for wheat aphids control[J]. International Journal of Agricultural and Biological Engineering, 2018, 11(5): 46-53.

    [59] Severtson D, Callow N, Flower K, et al. Unmanned aerial vehicle canopy reflectance data detects potassium deficiency and green peach aphid susceptibility in canola[J]. Precision Agriculture, 2016, 17(6): 659-677.

    [60] Kumar S, R?der M S, Singh R P, et al. Mapping of spot blotch disease resistance using NDVI as a substitute to visual observation in wheat (Triticumaestivum L.)[J]. Molecular Breeding, 2016, 36(7): no.95,1-11.

    [61] Albetis J, Jacquin A, Goulard M, et al. On the potentiality of UAV multispectral imagery to detect flavescence dorée and grapevine trunk diseases[J]. Remote Sensing, 2019, 11(1): 23.

    [62] Li X, Andaloro J T, Lang E B, et al. Best Management Practices for Unmanned Aerial Vehicles (UAVs) Application of Insecticide Products on Rice[C]// 2019 ASABE Annual International Meeting. American Society of Agricultural and Biological Engineers, 2019.

    [63] Mutanga O, Dube T, Galal O. Remote sensing of crop health for food security in Africa: Potentials and constraints[J]. Remote Sensing Applications: Society and Environment, 2017, 8: 231-239.

    [64] Cao F, Liu F, Guo H, et al. Fast detection of sclerotinia sclerotiorum on oilseed rape leaves using low-altitude remote sensing technology[J]. Sensors, 2018, 18(12): 4464.

    [65] Zhang P, Wang K, Lyu Q, et al. Droplet distribution and control against citrus leafminer with UAV spraying[J]. International Journal of Robotics and Automation, 2017, 32(3): 299-307.

    [66] Schultink A, Qi T, Bally J, et al. Using forward genetics in Nicotiana benthamiana to uncover the immune signaling pathway mediating recognition of the Xanthomonas perforans effector XopJ4[J]. New Phytologist, 2019, 221(2): 1001-1009.

    [67] Altas Z, Ozguven M M, Yanar Y. Determination of sugar beet leaf spot disease level (cercospora beticola sacc) with image processing technique by using drone[J]. Current Investigations in Agriculture and Current Research, 2018, 5(3): 669-678.

    [68] Chen D, Shi Y, Huang W, et al. Mapping wheat rust based on high spatial resolution satellite imagery[J]. Computers and Electronics in Agriculture, 2018, 152: 109-116.

    [69] Du X, Li Q, Shang J, et al. Detecting advanced stages of winter wheat yellow rust and aphid infection using RapidEye data in North China Plain[J]. GIScience & Remote Sensing, 2019, 56(7): 1093-1113.

    [70] Yuan L, Pu R, Zhang J, et al. Using high spatial resolution satellite imagery for mapping powdery mildew at a regional scale[J]. Precision Agriculture, 2016, 17(3): 332-348.

    [71] Skawsang S, Nagai M, Tripathi N K, et al. Predicting rice pest population occurrence with satellite-derived crop phenology, ground meteorological observation, and machine learning: A case study for the central plain of thailand[J]. Applied Sciences, 2019, 9(22): 4846.

    [72] Shi Y, Huang W, Ye H, et al. Partial least square discriminant analysis based on normalized two-stage vegetation indices for mapping damage from rice diseases using planetscope datasets[J]. Sensors, 2018, 18(6): 1901.

    [73] Song X, Yang C, Wu M, et al. Evaluation of sentinel-2A satellite imagery for mapping cotton root rot[J]. Remote Sensing, 2017, 9(9): 906, 1-17.

    [74] Staggenborg S A, Lascano R J, Krieg D R. Determining cotton water use in a semiarid climate with the GOSSYM cotton simulation model[J]. Agronomy Journal, 1996, 88(5): 740-745.

    [75] Saunders D G O, Pretorius Z A, Hovm?ller M S. Tackling the re-emergence of wheat stem rust in Western Europe[J]. Communications Biology, 2019, 2(1): 51, 1-3.

    猜你喜歡
    未來展望遙感作物
    作物遭受霜凍該如何補(bǔ)救
    四種作物 北方種植有前景
    內(nèi)生微生物和其在作物管理中的潛在應(yīng)用
    關(guān)于井工煤礦開采技術(shù)現(xiàn)狀及趨勢(shì)研究
    淺談我國電動(dòng)車的發(fā)展現(xiàn)狀及未來展望
    論自動(dòng)控制理論的發(fā)展歷程
    上市公司財(cái)務(wù)報(bào)表分析
    無人機(jī)遙感在作物監(jiān)測(cè)中的應(yīng)用與展望
    基于最大似然法的南京市土地利用類型分類研究
    商(2016年22期)2016-07-08 14:32:30
    基于GIS的東川地區(qū)植被指數(shù)季節(jié)變化研究
    商(2016年22期)2016-07-08 14:05:14
    最近2019中文字幕mv第一页| 又黄又爽又刺激的免费视频.| 国产一区有黄有色的免费视频 | 国产精品一及| 毛片一级片免费看久久久久| 亚洲精品乱码久久久v下载方式| 国产精品不卡视频一区二区| 蜜臀久久99精品久久宅男| 美女黄网站色视频| 丰满少妇做爰视频| 国产在视频线在精品| a级一级毛片免费在线观看| 精品一区二区三卡| 肉色欧美久久久久久久蜜桃 | 日日干狠狠操夜夜爽| 韩国av在线不卡| 国产高清三级在线| 插逼视频在线观看| 亚洲av成人av| 国产麻豆成人av免费视频| 黄色欧美视频在线观看| 91久久精品电影网| 精品一区在线观看国产| 国产视频内射| 国产午夜精品论理片| 亚洲激情五月婷婷啪啪| 乱人视频在线观看| 蜜桃亚洲精品一区二区三区| 国产午夜精品论理片| 日韩欧美 国产精品| 大香蕉久久网| 美女xxoo啪啪120秒动态图| 我的女老师完整版在线观看| 91av网一区二区| 美女黄网站色视频| 一级毛片 在线播放| 国产 亚洲一区二区三区 | 日韩欧美一区视频在线观看 | 亚洲经典国产精华液单| 欧美日韩综合久久久久久| 亚洲精华国产精华液的使用体验| 国产成人午夜福利电影在线观看| 18+在线观看网站| 日本一本二区三区精品| 精品亚洲乱码少妇综合久久| videos熟女内射| 亚洲一区高清亚洲精品| av免费在线看不卡| 亚洲综合色惰| 亚洲18禁久久av| 丰满乱子伦码专区| 禁无遮挡网站| 午夜免费观看性视频| 国产女主播在线喷水免费视频网站 | 国产爱豆传媒在线观看| 舔av片在线| 亚洲精品第二区| 久久久欧美国产精品| 天天躁夜夜躁狠狠久久av| 日韩av免费高清视频| 亚洲国产精品成人久久小说| 亚洲国产日韩欧美精品在线观看| 黄片wwwwww| 欧美激情在线99| 晚上一个人看的免费电影| 国产成人freesex在线| 日韩欧美精品v在线| 国产综合精华液| 91精品国产九色| 一个人看视频在线观看www免费| 中文欧美无线码| 偷拍熟女少妇极品色| 欧美丝袜亚洲另类| 熟妇人妻久久中文字幕3abv| 国产成人91sexporn| 国模一区二区三区四区视频| 日本一本二区三区精品| 久久久久久九九精品二区国产| 国产成人精品婷婷| 麻豆av噜噜一区二区三区| 特级一级黄色大片| 菩萨蛮人人尽说江南好唐韦庄| 18禁在线无遮挡免费观看视频| 国产乱人偷精品视频| .国产精品久久| 我的女老师完整版在线观看| 麻豆成人午夜福利视频| 高清视频免费观看一区二区 | 国产在线一区二区三区精| 色网站视频免费| 日韩欧美三级三区| 国产麻豆成人av免费视频| 在线播放无遮挡| 国产真实伦视频高清在线观看| 日本av手机在线免费观看| 亚洲av不卡在线观看| 成人亚洲精品一区在线观看 | 精品不卡国产一区二区三区| 精品久久久久久久久av| 少妇熟女欧美另类| 成年版毛片免费区| 亚洲熟妇中文字幕五十中出| 免费看日本二区| 亚洲欧美日韩东京热| 国内揄拍国产精品人妻在线| 最近手机中文字幕大全| 亚洲精华国产精华液的使用体验| 国产伦精品一区二区三区视频9| 丰满少妇做爰视频| 中文字幕久久专区| 久久99蜜桃精品久久| 最近中文字幕高清免费大全6| 精品99又大又爽又粗少妇毛片| 国产精品1区2区在线观看.| 七月丁香在线播放| 51国产日韩欧美| 中国美白少妇内射xxxbb| 少妇人妻一区二区三区视频| 国语对白做爰xxxⅹ性视频网站| 亚洲人成网站高清观看| 久久久亚洲精品成人影院| 听说在线观看完整版免费高清| 亚洲成人一二三区av| 看免费成人av毛片| 黄色配什么色好看| 久久国内精品自在自线图片| 好男人在线观看高清免费视频| 国产精品一二三区在线看| 在线免费观看不下载黄p国产| 国产91av在线免费观看| 97超碰精品成人国产| 97超碰精品成人国产| 少妇高潮的动态图| 男人舔女人下体高潮全视频| 大香蕉97超碰在线| 亚洲无线观看免费| 亚洲怡红院男人天堂| 午夜福利视频1000在线观看| 国产伦精品一区二区三区四那| 蜜臀久久99精品久久宅男| 久久97久久精品| 亚洲精品一区蜜桃| 日日啪夜夜撸| 欧美日韩国产mv在线观看视频 | 亚洲精品日本国产第一区| 午夜视频国产福利| 日韩不卡一区二区三区视频在线| 禁无遮挡网站| 国产成人午夜福利电影在线观看| 永久网站在线| 久久久久国产网址| 国产片特级美女逼逼视频| 久久久色成人| 如何舔出高潮| 午夜免费男女啪啪视频观看| 日韩中字成人| 午夜精品在线福利| 不卡视频在线观看欧美| 国产亚洲91精品色在线| 极品教师在线视频| 国产女主播在线喷水免费视频网站 | 禁无遮挡网站| 亚洲最大成人中文| 精品久久久久久久久av| av线在线观看网站| 2021天堂中文幕一二区在线观| 国产免费视频播放在线视频 | 视频中文字幕在线观看| 午夜精品一区二区三区免费看| freevideosex欧美| 六月丁香七月| 精品人妻一区二区三区麻豆| 国产 一区 欧美 日韩| 亚洲av成人精品一二三区| or卡值多少钱| 大片免费播放器 马上看| 亚洲精品第二区| 国产淫语在线视频| 女人久久www免费人成看片| 免费观看a级毛片全部| 色哟哟·www| 99久久精品国产国产毛片| 伊人久久国产一区二区| 国产伦理片在线播放av一区| 亚洲国产高清在线一区二区三| 日韩精品有码人妻一区| 综合色丁香网| 久久精品久久久久久久性| 日韩在线高清观看一区二区三区| 黄片wwwwww| 在现免费观看毛片| 日本熟妇午夜| 久久人人爽人人爽人人片va| 免费黄网站久久成人精品| 成人毛片a级毛片在线播放| 在线观看美女被高潮喷水网站| videos熟女内射| 日产精品乱码卡一卡2卡三| videossex国产| 赤兔流量卡办理| 搡女人真爽免费视频火全软件| 中文乱码字字幕精品一区二区三区 | av网站免费在线观看视频 | 青春草视频在线免费观看| 欧美日韩在线观看h| 一区二区三区乱码不卡18| 久久久欧美国产精品| 精品久久久久久电影网| 欧美丝袜亚洲另类| 国产一级毛片七仙女欲春2| 深爱激情五月婷婷| 欧美潮喷喷水| 日韩制服骚丝袜av| 免费看av在线观看网站| 日韩人妻高清精品专区| 国产在视频线精品| 国产毛片a区久久久久| 精品久久久久久久久av| 真实男女啪啪啪动态图| 欧美bdsm另类| 色视频www国产| 你懂的网址亚洲精品在线观看| 嫩草影院精品99| 精品亚洲乱码少妇综合久久| av国产免费在线观看| 五月天丁香电影| 欧美激情久久久久久爽电影| 听说在线观看完整版免费高清| 丝袜喷水一区| 最新中文字幕久久久久| 99热这里只有是精品在线观看| 你懂的网址亚洲精品在线观看| 一级毛片久久久久久久久女| 久久这里有精品视频免费| 男女下面进入的视频免费午夜| 亚洲欧美中文字幕日韩二区| 国产精品1区2区在线观看.| 噜噜噜噜噜久久久久久91| 高清在线视频一区二区三区| 汤姆久久久久久久影院中文字幕 | www.av在线官网国产| 精品久久国产蜜桃| 久久久久久久亚洲中文字幕| 亚洲美女视频黄频| 久久久久性生活片| 中文字幕av成人在线电影| 丰满少妇做爰视频| 免费无遮挡裸体视频| 激情五月婷婷亚洲| 青春草视频在线免费观看| 亚洲美女视频黄频| 欧美日韩亚洲高清精品| 91午夜精品亚洲一区二区三区| videossex国产| 麻豆成人av视频| 国产男人的电影天堂91| 老师上课跳d突然被开到最大视频| 91aial.com中文字幕在线观看| 成年人午夜在线观看视频 | 欧美日韩视频高清一区二区三区二| 国产一区有黄有色的免费视频 | 久久99热6这里只有精品| 日本-黄色视频高清免费观看| 国精品久久久久久国模美| 亚洲在线观看片| 热99在线观看视频| 久热久热在线精品观看| 国产精品国产三级专区第一集| 男插女下体视频免费在线播放| 内射极品少妇av片p| 九色成人免费人妻av| 99久久人妻综合| 亚洲欧美精品专区久久| 韩国av在线不卡| 身体一侧抽搐| 久久久久九九精品影院| 国产精品1区2区在线观看.| 在线观看美女被高潮喷水网站| 成人欧美大片| 日韩av免费高清视频| 亚洲国产成人一精品久久久| 国产毛片a区久久久久| 久久热精品热| 精品久久久噜噜| 黄色一级大片看看| 久久国产乱子免费精品| 亚洲国产精品成人综合色| 99热这里只有是精品50| 亚洲av国产av综合av卡| 青春草亚洲视频在线观看| 99热全是精品| 伦精品一区二区三区| 精品人妻视频免费看| 国产成人a∨麻豆精品| 国产精品1区2区在线观看.| 中文字幕av成人在线电影| av在线天堂中文字幕| 免费看av在线观看网站| 色网站视频免费| 777米奇影视久久| 一级黄片播放器| 午夜免费男女啪啪视频观看| 深夜a级毛片| 18禁在线无遮挡免费观看视频| 老师上课跳d突然被开到最大视频| 精品酒店卫生间| 色综合站精品国产| 乱码一卡2卡4卡精品| 国产 一区精品| 日本一二三区视频观看| .国产精品久久| 国产av国产精品国产| 日韩成人伦理影院| 18禁在线播放成人免费| 波多野结衣巨乳人妻| 亚洲18禁久久av| 亚洲天堂国产精品一区在线| 99久久精品热视频| 高清在线视频一区二区三区| 在线观看一区二区三区| 亚洲av不卡在线观看| 国产真实伦视频高清在线观看| 中文乱码字字幕精品一区二区三区 | 日韩中字成人| 亚洲成人精品中文字幕电影| 国产精品久久久久久精品电影小说 | 人妻少妇偷人精品九色| 在线a可以看的网站| 91在线精品国自产拍蜜月| 日韩成人伦理影院| 国产综合精华液| 日韩成人伦理影院| 少妇裸体淫交视频免费看高清| 午夜免费男女啪啪视频观看| 国产高清国产精品国产三级 | videos熟女内射| 婷婷六月久久综合丁香| 又爽又黄a免费视频| 亚洲精品aⅴ在线观看| 看十八女毛片水多多多| 亚洲乱码一区二区免费版| 亚洲aⅴ乱码一区二区在线播放| 久久精品久久久久久久性| 国产av码专区亚洲av| 日韩av免费高清视频| 日本三级黄在线观看| 亚洲精品自拍成人| 免费观看无遮挡的男女| 国产免费又黄又爽又色| 五月伊人婷婷丁香| 亚洲aⅴ乱码一区二区在线播放| 久久久精品免费免费高清| av免费在线看不卡| 成人性生交大片免费视频hd| 夫妻性生交免费视频一级片| 成人漫画全彩无遮挡| 欧美成人精品欧美一级黄| 精品少妇黑人巨大在线播放| 日韩中字成人| 97精品久久久久久久久久精品| 免费观看av网站的网址| av女优亚洲男人天堂| 永久免费av网站大全| 日本欧美国产在线视频| av网站免费在线观看视频 | 国产探花在线观看一区二区| 欧美精品国产亚洲| 成人午夜精彩视频在线观看| 国产亚洲最大av| 天堂av国产一区二区熟女人妻| 有码 亚洲区| 成人午夜精彩视频在线观看| 亚洲av电影在线观看一区二区三区 | 真实男女啪啪啪动态图| 777米奇影视久久| 夜夜爽夜夜爽视频| 久久久久久国产a免费观看| 久久这里有精品视频免费| 亚洲欧洲日产国产| 亚洲国产日韩欧美精品在线观看| 亚洲精品久久午夜乱码| 国产成人精品福利久久| 久久午夜福利片| 人体艺术视频欧美日本| 国产亚洲精品久久久com| 国产一级毛片七仙女欲春2| 男人和女人高潮做爰伦理| 人妻夜夜爽99麻豆av| 久久久久精品性色| 久久热精品热| 韩国高清视频一区二区三区| eeuss影院久久| 九九爱精品视频在线观看| 久久99热这里只有精品18| 老师上课跳d突然被开到最大视频| 美女黄网站色视频| 可以在线观看毛片的网站| 久久久久久久午夜电影| 麻豆成人av视频| 搡老妇女老女人老熟妇| 国产白丝娇喘喷水9色精品| 欧美xxxx黑人xx丫x性爽| 99视频精品全部免费 在线| 春色校园在线视频观看| 22中文网久久字幕| 日本黄色片子视频| 日韩精品有码人妻一区| av在线老鸭窝| 日本猛色少妇xxxxx猛交久久| 80岁老熟妇乱子伦牲交| 欧美性感艳星| www.av在线官网国产| 男女视频在线观看网站免费| 夜夜看夜夜爽夜夜摸| 亚洲精品日本国产第一区| 精品人妻偷拍中文字幕| 日本黄色片子视频| 亚洲欧美成人综合另类久久久| 国产久久久一区二区三区| 久久久久久伊人网av| 免费少妇av软件| 国产精品日韩av在线免费观看| 国产成人午夜福利电影在线观看| 免费观看性生交大片5| 看十八女毛片水多多多| 99久久精品国产国产毛片| 中文天堂在线官网| 干丝袜人妻中文字幕| 久久精品国产自在天天线| 亚洲图色成人| 国产男人的电影天堂91| 国产亚洲精品av在线| 亚洲精品久久午夜乱码| 最近中文字幕2019免费版| 精品欧美国产一区二区三| 久久热精品热| 极品教师在线视频| 最近最新中文字幕免费大全7| 国产色婷婷99| 久久久精品欧美日韩精品| 欧美人与善性xxx| 在线观看免费高清a一片| 国产黄片美女视频| 久久久久网色| 中文欧美无线码| 亚洲久久久久久中文字幕| 美女黄网站色视频| 午夜免费男女啪啪视频观看| 亚洲欧美日韩卡通动漫| 成年女人看的毛片在线观看| 在线免费观看不下载黄p国产| 亚洲熟女精品中文字幕| 久久久久久久久久久丰满| 黑人高潮一二区| 99久久精品一区二区三区| 欧美性猛交╳xxx乱大交人| 特级一级黄色大片| 精品久久久精品久久久| 国产永久视频网站| 亚洲精品456在线播放app| 美女主播在线视频| av在线老鸭窝| 舔av片在线| 欧美不卡视频在线免费观看| 在现免费观看毛片| 街头女战士在线观看网站| 午夜精品国产一区二区电影 | 我要看日韩黄色一级片| 三级经典国产精品| 国产老妇伦熟女老妇高清| 欧美日韩国产mv在线观看视频 | 性色avwww在线观看| 午夜福利网站1000一区二区三区| 色视频www国产| 搡女人真爽免费视频火全软件| 一级爰片在线观看| 一级毛片电影观看| 看免费成人av毛片| 日本一二三区视频观看| 男人舔奶头视频| 亚洲精品国产av蜜桃| 国产欧美另类精品又又久久亚洲欧美| 久久亚洲国产成人精品v| 免费观看无遮挡的男女| 国产一级毛片七仙女欲春2| 韩国av在线不卡| 成人国产麻豆网| 国产成人a区在线观看| 成人特级av手机在线观看| 人妻制服诱惑在线中文字幕| 亚洲av免费高清在线观看| 只有这里有精品99| 99久久人妻综合| 草草在线视频免费看| 精品人妻熟女av久视频| 久久草成人影院| 午夜日本视频在线| 99久久精品国产国产毛片| 可以在线观看毛片的网站| 亚洲av成人精品一二三区| 女人被狂操c到高潮| 亚洲精品日韩在线中文字幕| 国产人妻一区二区三区在| 三级国产精品欧美在线观看| 一级黄片播放器| 免费播放大片免费观看视频在线观看| 日韩电影二区| 免费观看无遮挡的男女| 人妻夜夜爽99麻豆av| 婷婷色av中文字幕| 亚洲一级一片aⅴ在线观看| kizo精华| 一级毛片我不卡| 久久久午夜欧美精品| 亚洲美女搞黄在线观看| 高清日韩中文字幕在线| 精品国内亚洲2022精品成人| 精品一区在线观看国产| 国产成人一区二区在线| 丝袜美腿在线中文| 免费观看av网站的网址| 中文乱码字字幕精品一区二区三区 | 日韩欧美 国产精品| 51国产日韩欧美| av在线观看视频网站免费| 久久99热6这里只有精品| 美女大奶头视频| 久久久久久久国产电影| 国产精品久久久久久精品电影| 中文字幕久久专区| 国产成年人精品一区二区| 亚洲丝袜综合中文字幕| 丰满乱子伦码专区| 国产成人一区二区在线| 日日摸夜夜添夜夜爱| 三级男女做爰猛烈吃奶摸视频| 最近手机中文字幕大全| 亚洲激情五月婷婷啪啪| 欧美日韩亚洲高清精品| 九九久久精品国产亚洲av麻豆| 免费黄频网站在线观看国产| 一边亲一边摸免费视频| 免费av观看视频| 亚洲精品久久午夜乱码| 亚洲成色77777| 高清欧美精品videossex| 男的添女的下面高潮视频| 久久精品久久久久久久性| 久久精品国产自在天天线| 尤物成人国产欧美一区二区三区| 激情五月婷婷亚洲| 色网站视频免费| 久久99热6这里只有精品| 日韩大片免费观看网站| 内射极品少妇av片p| 五月天丁香电影| 看非洲黑人一级黄片| 国产伦精品一区二区三区四那| 嫩草影院入口| 只有这里有精品99| 久久久久久久亚洲中文字幕| 成人午夜高清在线视频| 国产高潮美女av| 欧美极品一区二区三区四区| 丰满乱子伦码专区| 99视频精品全部免费 在线| 欧美3d第一页| 一级片'在线观看视频| 黄色配什么色好看| 欧美xxxx性猛交bbbb| 国产伦精品一区二区三区视频9| 免费av观看视频| 日本一二三区视频观看| 婷婷色综合大香蕉| 精品久久久久久久人妻蜜臀av| 97热精品久久久久久| av播播在线观看一区| 亚洲三级黄色毛片| 午夜福利视频精品| 免费高清在线观看视频在线观看| 中文在线观看免费www的网站| 观看美女的网站| 国产女主播在线喷水免费视频网站 | 神马国产精品三级电影在线观看| videos熟女内射| 久久99热这里只频精品6学生| 久久久久久九九精品二区国产| 色尼玛亚洲综合影院| 国产精品女同一区二区软件| 亚洲av日韩在线播放| 亚洲精品国产av蜜桃| 国产高清国产精品国产三级 | 网址你懂的国产日韩在线| 非洲黑人性xxxx精品又粗又长| 国产精品国产三级国产av玫瑰| 久久久久国产网址| 亚洲精品成人av观看孕妇| 日韩三级伦理在线观看| 色综合色国产| 99热这里只有是精品在线观看| 欧美精品国产亚洲| 免费av不卡在线播放| 成人二区视频| 国产一区二区亚洲精品在线观看| 精品国产一区二区三区久久久樱花 | 精品久久久久久电影网| 久久久久久久久久成人| 亚洲成人久久爱视频| 亚洲一级一片aⅴ在线观看| 黄色一级大片看看| 久久久久性生活片| 国产国拍精品亚洲av在线观看| 亚洲成人av在线免费| 欧美 日韩 精品 国产| 亚洲最大成人av|