• <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 ?

    水稻葉片SPAD 值高光譜成像估測

    2020-11-16 02:18:40孔慶明賈銀江施玉博蘇中濱
    東北農(nóng)業(yè)大學學報 2020年10期
    關鍵詞:染病反射率光譜

    康 麗,高 睿,孔慶明,賈銀江,施玉博,蘇中濱*

    (1.東北農(nóng)業(yè)大學電氣與信息學院,哈爾濱 150030;2.大連工業(yè)大學信息科學與工程學院,遼寧 大連 116034;3.國網(wǎng)哈爾濱供電公司,哈爾濱 150000)

    葉綠素含量是作物生長重要理化指標,可表征作物生長狀況,為農(nóng)業(yè)遙感、生態(tài)監(jiān)測等領域重要生物量衡量指標。傳統(tǒng)葉綠素含量檢測結(jié)果精確,但工序繁瑣、破壞性大、效率低。研究表明,SPAD(Soil and plant analyzer development)值可替代傳統(tǒng)方式衡量葉綠素含量[1],應用于科研及生產(chǎn)。但目前SPAD值測量設備必須逐點接觸測量,耗時長、工作量大。近年來光譜檢測技術[2],尤其高光譜檢測技術,以其“圖譜合一”特色兼具快速、無損、綠色等優(yōu)勢被廣泛應用。在葉綠素含量估測方面,程志慶等以不同水肥脅迫楊樹葉片為研究對象,驗證SPAD值表示楊樹葉片葉綠素含量,并建立SPAD值高光譜估測模型[3];于滋洋等通過6個氮梯度處理試驗獲取樣本,利用隨機森林模型綜合葉綠素敏感波段和水分吸收因素,對水稻SPAD值作高光譜估測[4];于雷等在大豆鼓粒期采集80個不同田塊大豆葉片,經(jīng)IRIV算法篩選獲得光譜特征波長變量,構建大豆葉片SPAD值估測模型[5];董哲等對大田不同區(qū)域不同葉位隨機采樣,基于全譜和光譜特征參數(shù)建模估測玉米葉片SPAD值[6];岳學軍等采集嫩綠、淺綠、深綠3種生長狀態(tài)龍眼葉片,基于高光譜圖像和卷積神經(jīng)網(wǎng)絡預測葉片葉綠素含量分布[7]。

    以上研究主要基于不同水肥脅迫、區(qū)域、生長位置或生長狀態(tài)等情況下葉綠素含量變化。當作物遭到病蟲災害侵染后其葉片葉綠素含量發(fā)生變化,對于病蟲災害狀態(tài)下作物葉綠素含量高光譜估測研究相對較少。Wang等基于連續(xù)小波變換對冬小麥凍害葉片作SPAD值估測[8];謝傳奇等通過人為接種病菌,研究病害番茄葉片SPAD值高光譜估測[9]。周曉等通過人為投蟲,建立多個稻縱卷葉螟蟲害水稻冠層SPAD值高光譜估測模型[10]。目前作物病害狀態(tài)下葉綠素含量估測研究主要基于人工接種病菌,自然發(fā)病研究鮮有報道。本研究以水稻葉片為研究對象,自然發(fā)病為前提,采集健康和稻瘟病染病葉片,基于高光譜技術,采用不同特征變量選取方法,運用多種模型構建算法,構建水稻葉片SPAD值估測模型,并通過對比分析獲得最優(yōu)模型。旨在為冠層、區(qū)域尺度估測提供研究基礎,為實時定量監(jiān)測水稻健康狀況、評估病害影響提供理論支持。

    1 材料與方法

    1.1 數(shù)據(jù)采集

    1.1.1 樣本采集

    試驗地位于黑龍江省哈爾濱市方正縣水稻研究院試驗大田。試驗品種為東農(nóng)426,試驗區(qū)面積760 m2。為獲取稻瘟病自然發(fā)病樣本,試驗區(qū)不作病蟲害防治處理,其他田間管理正常。通過田間觀測調(diào)查,水稻拔節(jié)期出現(xiàn)明顯發(fā)病植株,采集染病及健康葉片放入保溫箱,立即帶回試驗區(qū)內(nèi)實驗室測量,最終獲得有效樣本共計242片,其中健康葉片92片,染病葉片150片。

    1.1.2 高光譜圖像采集及SPAD值測定

    高光譜圖像獲取采用美國HeadWall公司高光譜成像系統(tǒng)。系統(tǒng)主要由高光譜相機、載物臺、鹵素燈光源、光源箱、采集器、計算機等部件組成。測量光譜范圍400~1 000 nm,光譜分辨率2.4 nm,采樣間隔3 nm。鏡頭垂直向下固定高度為45 cm,曝光時間30 ms,將待測葉片平鋪在移動平臺黑紙板上采集圖像。經(jīng)多次調(diào)整,載物臺移動速度設置為3.0 mm·s-1。為消除因光源強度分布不均、鏡頭中暗電流等因素所產(chǎn)生影響,采集圖像前作反射率標定,公式為:

    式(1)中,Rw為掃描標準白板獲取標準圖像,Rb為關閉快門并蓋上鏡頭蓋獲取暗場圖像,Rr為待校正高光譜圖像,R為校正后高光譜圖像。圖1中(a)、(b)分別為健康葉片和染病葉片高光譜圖像(前端顯示圖像為643.921、552.054和472.041 nm波段合成)。

    葉片SPAD值采用型號為TYS-3N植物養(yǎng)分測定儀與高光譜圖像采集同步測量。分散選取葉片葉脈兩側(cè)各3個點(染病葉片需包含病斑)測定葉綠素含量,計算所有測量點平均值作為該葉片SPAD值。

    1.2 高光譜數(shù)據(jù)獲取及樣本劃分

    利用ENVI5.3軟件選取葉片高光譜圖像葉脈兩側(cè)各3個矩形區(qū)域(染病葉片需包含病斑)為感興趣區(qū)域,計算區(qū)域內(nèi)所有像素點光譜反射率平均值,得到該葉片高光譜數(shù)據(jù)。為降低由儀器、環(huán)境等因素產(chǎn)生噪聲對模型干擾,采用Savitzky-Golay(SG)卷積平滑算法對全部樣本高光譜數(shù)據(jù)作預處理。SG平滑算法既可有效消除噪聲又不丟失有效信息細節(jié),是高光譜數(shù)據(jù)處理中最常用預處理方法。

    將242個水稻葉片樣本高光譜數(shù)據(jù)按照SPAD值升序排序,每隔2個樣本選取1個,共取81個樣本(染病48、健康33)作為驗證集,其余161個作為建模集(染病102、健康59),建模集、預測集和總體樣本描述性統(tǒng)計如表1所示。

    表1 SPAD值描述性統(tǒng)計Table 1 Descriptive statistics of SPAD value

    1.3 特征變量選取

    高光譜數(shù)據(jù)包含光譜波段多、數(shù)據(jù)量大,通常存在數(shù)據(jù)冗余、共線性甚至部分數(shù)據(jù)與所求不相關等情況,為保證建模精度、降低模型復雜度、提高運算速度,研究采用高光譜特征參數(shù)、競爭性自適應重加權(Competitive adaptive reweighted sampling,CARS)和主成分分析(Principle component analysis,PCA)3種方案對高光譜數(shù)據(jù)作水稻葉片SPAD值特征變量選取。

    選用對綠色植物特征體現(xiàn)最明顯“紅邊”、綠峰反射率、紅谷反射率高光譜特征參數(shù)作分析建模?!凹t邊”參數(shù)包括紅邊幅值Dr、紅邊位置λr和紅邊面積SDr3個參數(shù)。紅邊幅值Dr和紅邊位置λr指紅邊(680~760 nm)內(nèi)一階導數(shù)光譜最大值及其對應波長位置;紅邊面積SDr指在紅邊波段內(nèi)一階導數(shù)光譜積分。綠峰反射率Rg即綠光(510~560 nm)內(nèi)光譜反射率最大值;紅谷反射率Rr即紅光(650~690 nm)內(nèi)光譜反射率最小值。

    CARS是一種將蒙特卡羅采樣與偏最小二乘法(Partial least squares,PLS)模型回歸系數(shù)相結(jié)合實現(xiàn)特征波長選擇的方法。每次計算自適應加權采樣回歸系數(shù)權重,選取PLS模型中回歸系數(shù)絕對值權重較大、剔除權重較小變量;以剩余變量為新子集重新建立PLS模型計算、選取、剔除;經(jīng)多次運算,最終利用交互驗證選取均方根誤差最低子集為特征波長。

    PCA為常用數(shù)據(jù)壓縮、特征提取算法。PCA算法通過正交變換使具有相關性變量轉(zhuǎn)換為相互無關變量,保留有用信息同時充分解決數(shù)據(jù)冗余、共線性等問題,實現(xiàn)數(shù)據(jù)降維、特征變量提取。變換后用幾個新變量即主成分(Principle component,PC)代替原變量,在最大限度保留原變量信息同時,將主要信息集中在前幾個互不相關且正交PC中。

    1.4 模型構建與精度驗證

    為充分考慮高光譜數(shù)據(jù)中與水稻葉片SPAD值相關線性、非線性信息,選用偏最小二乘法回歸(Partial least squares regression,PLSR)線性建模算法、支持向量機(Support vector machine,SVM)和反向傳播神經(jīng)網(wǎng)絡(Back propagation neural network,BPNN)非線性建模算法構建水稻葉片SPAD值高光譜估測模型。PLSR可用于解決科技領域常規(guī)回歸模型難以解決問題[11],在計算過程中同時考慮光譜矩陣X變量和理化性質(zhì)Y變量作用,有效消除自變量之間多重共線性干擾。SVM是一種以統(tǒng)計學習理論為基礎機器學習算法,采用結(jié)構化風險最小化準則,保證樣本誤差最小同時縮小模型泛化誤差上界以提高模型泛化能力,具有精度高、運算速度快、泛化能力強等優(yōu)點,適用于解決小樣本、非線性及復雜關系建模[12]。BPNN是由非線性變換神經(jīng)單元組成一種前饋型神經(jīng)網(wǎng)絡,主要采用誤差反向傳播算法不斷修正網(wǎng)絡連接權值,使實際輸出值與預測值之間誤差最小,可實現(xiàn)輸入和輸出任意非線性映射。

    模型精度驗證指標采用建模決定系數(shù)(Rc2)、預測決定系數(shù)(Rp2)、建模均方根誤差(RMSEC)、預測均方根誤差(RMSEP)及預測集相對誤差(RE)。Rc2、Rp2越大、RMSEC、RMSEP越小、RE越小,模型精度越高,預測效果越好。

    高光譜數(shù)據(jù)獲取、處理及分析主要使用ENVI5.3、The Unscrambler X 10.4、MATLABR2019a及SPSS 25等軟件完成。

    2 結(jié)果與分析

    2.1 葉片光譜特征分析

    染病和健康葉片在400~1 000 nm波段光譜曲線總體輪廓相同,均明顯呈現(xiàn)綠色植物光譜特征:綠光波段560 nm附近有明顯反射峰即“綠峰”,紅光波段680 nm附近出現(xiàn)反射率低谷即“紅谷”,700~760 nm光譜反射率急劇增強,760 nm后反射率變化趨緩。

    通過分析染病和健康葉片平均光譜反射率差異顯著,如圖2所示。在530~570 nm波段染病葉片光譜反射率明顯低于健康葉片,綠峰波段附近差異最大;580~720 nm波段染病葉片光譜反射率高于健康葉片;730~900 nm近紅外區(qū)染病葉片光譜反射率低于健康樣本,760 nm附近差值最大。產(chǎn)生差異主要原因是:當葉片感染稻瘟病后,病菌致使葉綠素含量降低,葉片光合作用減弱,導致葉片對綠光反射能力下降,反射率降低;葉綠素、胡蘿卜素等葉色素含量降低,導致葉片對紅光吸收能力減弱,反射率增大;病菌不斷侵染致使葉片細胞間隙甚至結(jié)構發(fā)生變化,導致葉片在近紅外波段反射能力下降。

    2.2 基于高光譜特征參數(shù)建模預測

    計算“紅邊”、綠峰反射率、紅谷反射率高光譜特征參數(shù)值并與葉片SPAD值作相關性分析。結(jié)果顯示紅邊位置λr與SPAD值呈正相關,相關系數(shù)為0.4783,紅邊面積SDr、紅邊幅值Dr、綠峰反射率Rg、紅谷反射率Rr均與SPAD值呈負相關,相關系數(shù)分別為-0.2127、-0.5122、-0.7392、-0.6519。5個參數(shù)均與SPAD值0.01水平顯著相關,因此以這5個高光譜特征參數(shù)為自變量,建立SPAD值偏最小二乘回歸(PLSR)模型記為PLSR(Characteristicparameters)。模型建模集和預測集 Rc2、Rp2分別為0.7249、0.6777,RMSEC、RMSEP分別為2.4081、2.6984,預測集RE為5.50%,預測集散點圖如圖3(a)所示。

    PLSR屬于線性建模方法,為將光譜非線性特征納入模型中,采用支持向量機(SVM)和反向傳播神經(jīng)網(wǎng)絡(BPNN)作非線性建模。SVM模型類型選用nu-SVC,核函數(shù)為Radial basis function,采用十折交叉驗證,核函數(shù)參數(shù)利用網(wǎng)格搜索獲得最優(yōu)分類預測結(jié)果,結(jié)果如圖2(b)所示。BPNN經(jīng)反復訓練確定模型主要參數(shù):隱含層數(shù)為1,學習速率為0.1,動量因子為0.9,最大允許誤差為0.0001,隱含層節(jié)點數(shù)為5,使用梯度下降優(yōu)化算法,預測結(jié)果如圖3(c)所示。

    由圖 3 可見,SVM(Characteristicparameters)模型、BPNN(Characteristicparameters)模型預測集決定系數(shù)Rp2分別為0.7305、0.7545,較 PLSR(Characteristicparameters)提高 7.79%、11.33%,均方根誤差RMSEP分別為2.4355、2.3318,較PLSR(Characteristicparameters)降低9.74%、13.58%,相對誤差RE分別為4.84%、4.57%,較PLSR(Characteristicparameters)降低12%、16.91%,二者預測精度均高于PLSR模型。

    2.3 CARS特征波長選擇及建模預測

    2.3.1 CARS特征波長選擇

    采用CARS對高光譜數(shù)據(jù)作SPAD值特征波長選擇,選擇過程見圖4,采樣次數(shù)設置為50。由圖4(a)可見,隨采樣次數(shù)增加變量個數(shù)逐步減少;PLS模型交叉驗證RMSECV值隨采樣次數(shù)增加先降后升,見圖4(b);由圖4(c)中星號位置可知,當采樣次數(shù)達38次時,RMSECV值最低,表明已去除與SPAD值不相關或共線性變量,此后,RMSECV值逐步變大,尤其39次后陡然上升,表明與SPAD值相關部分變量被剔除,模型性能變差。因此,選擇第38次采樣獲得變量為特征波長,包括442.407、507.603、569.835、756.532、883.961 和969.901 nm共6個,分布見圖5。

    2.3.2 模型構建

    通過CARS選取6個特征波長為輸入,分別采用PLS、SVM和BPNN 3種建模算法構建水稻葉片SPAD值估測模型CARS-PLSR、CARS-SVM和CARS-BPNN,預測結(jié)果見圖6。由圖6可見,CARS-PLSR模型預測精度在3個模型中最低,預測集決定系數(shù)Rp2為0.7067,均方根誤差RMSEP為2.5908;CARS-SVM模型預測精度略高于CARS-PLSR模型,預測集決定系數(shù)Rp2為0.7264,均方根誤差RMSEP為2.4512;CARS-BPNN模型精度最高,較前兩個模型提高明顯,其預測集決定系數(shù)Rp2為0.7629,均方根誤差RMSEP為2.2871,較精度最低CARS-PLSR模型分別提高7.95%、11.72%。

    2.4 PCA特征提取及建模預測

    2.4.1 PCA特征提取

    采用主成分分析對所有葉片樣本高光譜數(shù)據(jù)作特征提取,表2為前8個主成分(Principle component,PC)特征值和累積貢獻率??梢姷谝粋€主成分貢獻率占比最大,為71.96%,后續(xù)每個主成分占比少,但累積貢獻率增加,前8個主成分累積貢獻率已達99.21%,表達接近全部光譜特征信息。主成分個數(shù)選擇常規(guī)標準是方差累積貢獻率≥85%或者特征值≥1。由表2可知,前2個PC累積貢獻率為88.75,滿足≥85%標準;第5個PC特征值為1.764,第6個主成分特征值為0.664,前5個主成分滿足特征值≥1。分別以前2、5個主成分為自變量建立多元線性回歸模型,二者建模決定系數(shù)Rc2分別為0.6049、0.7407,后者優(yōu)于前者,因此選擇前5個主成分作為特征變量繼續(xù)建模分析。

    表2 前8個主成分特征值和累積貢獻率Table 2 Eigenvalues and the cumulative contributions of the first eight principal components

    2.4.2 模型構建

    以PCA選取前5個主成分為輸入,分別采用PLSR、SVM和BPNN算法構建水稻葉片SPAD值估測模型PCA-PLSR、PCA-SVM和PCA-BPNN,預測結(jié)果見圖7。

    由圖7可知,3個模型中預測精度最低是PCAPLSR模型,其預測集決定系數(shù)Rp2為0.6980,均方根誤差RMSEP為2.6002。PCA-SVM模型、PCABPNN模型預測精度均高于PCA-PLSR模型,二者預測集決定系數(shù)Rp2分別為0.7642、0.8082,較PCA-PLSR分別提高9.48%、15.79%,二者均方根誤差RMSEP分別為2.2807、2.0783,較PCA-PLSR降低12.29%、20.07%。

    2.5 模型比較

    以上基于高光譜特征參數(shù)、CARS選擇特征波段和PCA提取特征變量,采用PLSR、SVM和BPNN構建水稻葉片SPAD值高光譜估測模型,建模集及預測集詳細結(jié)果如表3所示。

    由表3可知,非線性模型中,PCA-SVM、PCABPNN模型精度分別高于CARS-SVM、CARSBPNN、SVM(Characteristicparameters)和 BPNN(Characteristicparameters),而線性模型中,PLSR(Characteristicparameters)和PCA-PLSR模型精度略低于CARS-PLSR,說明PCA提取特征變量相對較好保留與葉片SPAD值相關非線性信息,而CARS選擇特征波段相對較好保留與葉片SPAD值相關線性信息。相同特征變量選取算法下,SVM、BPNN模型精度均高于PLSR模型,BPNN模型精度全部高于SVM模型,如以CARS提取特征波段為輸入模型中,CARS-SVM、CARS-BPNN精度高于CARS-PLSR, CARS-BPNN精度高于CARSSVM,說明相對于線性建模方式,非線性建模方式,尤其BPNN相對更適用于水稻葉片SPAD值估測建模。

    表3 SPAD值估測模型建模集和預測集結(jié)果Table 3 Calibration and prediction sets results of estimation models SPAD value

    所有模型中,PCA-BPNN模型建模集和預測集各項指標均優(yōu)于其他模型。在樣本建模集擬合度和精度方面,PCA-BPNN模型建模集決定系數(shù)Rc2為0.8712、均方根誤差RMSEC為1.6479,與相對精度最低PLSR(Characteristicparameters)模型相比,分別優(yōu)化20.18%、30.57%;在預測樣本擬合度和精度方面,PCA-BPNN模型預測集決定系數(shù)Rp2、均方根誤差RMSEP、相對誤差RE分別為0.8082、2.0783、4.18%,比PLSR模型分別優(yōu)化19.26%、22.98%、24%。CARS-BPNN模型建模集精度僅次于PCABPNN,決定系數(shù)為0.8468、均方根誤差RMSEC為1.7971,但預測集精度明顯較PCA-BPNN低,Rp2、RMSEP、RE分別低5.61%、10.05%、10.77%。因此,PCA-BPNN為本研究最優(yōu)模型。

    3 討論與結(jié)論

    以大田水稻葉片為研究對象、自然發(fā)生稻瘟病為前提,分析染病及健康水稻葉片高光譜數(shù)據(jù),分別以高光譜特征參數(shù)、CARS和PCA提取特征變量為輸入數(shù)據(jù),運用PLSR、SVM和BPNN算法,構建并對比分析葉片SPAD值高光譜估測模型,研究結(jié)果如下:

    獲取并分析染病及健康水稻葉片高光譜數(shù)據(jù),染病葉片和健康葉片平均光譜反射率總體輪廓相似,平均光譜反射率530~570 nm、730~900 nm波段染病葉片低于健康葉片,在580~720 nm波段染病葉片高于健康葉片,符合綠色植物遭到病蟲害侵染后光譜特征,與Ashourloo等和Lu等研究結(jié)果一致[13-14]。

    采用高光譜特征參數(shù)、CARS和PCA作特征提取,CARS選擇特征波段較高光譜特征參數(shù)和PCA提取特征變量保留與葉片SPAD值相關線性信息多,PCA保留非線性信息較CARS和高光譜特征參數(shù)多,相對于線性建模方式,非線性建模方式尤其BPNN更適用于水稻葉片SPAD值建模。最優(yōu)模型為PCA-BPNN,建模集和預測集Rc2、Rp2分別為0.8712、0.8082,RMSEC、RMSEP分別為1.6479、2.0783,預測集RE為4.18%。對比其他SPAD值高光譜估測研究,預測精度比雷祥祥等提高[15],但與李媛媛等研究精度存在差距[16],主要是由于大田環(huán)境相對復雜、影響因素多,自然發(fā)病位置及狀態(tài)相對人工接種發(fā)病更難以精確控制。

    限于時間、環(huán)境等條件,本研究未開展大范圍試驗,今后將增加試驗地域和時間跨度,擴大樣本空間,完善數(shù)據(jù)采集、分析處理等,進一步提升水稻葉片SPAD值估測精度,以實現(xiàn)為水稻生長狀況實時定量精準監(jiān)測提供技術支持,為水稻精準化、智能化種植提供理論依據(jù)。

    猜你喜歡
    染病反射率光譜
    影響Mini LED板油墨層反射率的因素
    近岸水體異源遙感反射率產(chǎn)品的融合方法研究
    海洋通報(2022年4期)2022-10-10 07:40:26
    基于三維Saab變換的高光譜圖像壓縮方法
    偶感
    具有顏色恒常性的光譜反射率重建
    均勻網(wǎng)絡上SIR模型三種不同逼近方法比較
    化學腐蝕硅表面結(jié)構反射率影響因素的研究*
    電子器件(2017年2期)2017-04-25 08:58:37
    愛 情
    詩選刊(2016年9期)2016-11-26 13:47:43
    星載近紅外高光譜CO2遙感進展
    中國光學(2015年5期)2015-12-09 09:00:28
    食餌染病生態(tài)流行病系統(tǒng)的穩(wěn)定性與最優(yōu)收獲
    99热这里只有是精品50| 久久99热这里只频精品6学生| 国产亚洲精品久久久com| 久热久热在线精品观看| a级片在线免费高清观看视频| 国产精品久久久久久久电影| 97超视频在线观看视频| 99久久精品国产国产毛片| 午夜精品国产一区二区电影| 日本黄色日本黄色录像| 3wmmmm亚洲av在线观看| 亚洲综合精品二区| 亚洲精品日本国产第一区| 成年av动漫网址| 麻豆成人av视频| 男女啪啪激烈高潮av片| 精品久久久久久久久av| 亚洲精品日本国产第一区| 国产高清三级在线| 男女免费视频国产| 99久久精品热视频| 国产熟女午夜一区二区三区 | 亚洲伊人久久精品综合| 我要看日韩黄色一级片| 性色av一级| 久久久欧美国产精品| 中文字幕人妻丝袜制服| 99国产精品免费福利视频| 日本午夜av视频| 色网站视频免费| 欧美日韩视频精品一区| 丰满乱子伦码专区| 久久99热6这里只有精品| 午夜免费男女啪啪视频观看| 日韩一本色道免费dvd| 亚洲内射少妇av| 日韩亚洲欧美综合| 成年女人在线观看亚洲视频| 两个人的视频大全免费| 少妇的逼好多水| 一本一本综合久久| 久久婷婷青草| 欧美亚洲 丝袜 人妻 在线| 亚洲欧洲精品一区二区精品久久久 | 两个人的视频大全免费| 成人影院久久| 免费看日本二区| 国产成人一区二区在线| 日韩精品有码人妻一区| 久久 成人 亚洲| 亚洲av不卡在线观看| 99re6热这里在线精品视频| 一区二区三区精品91| 国产亚洲最大av| 欧美xxxx性猛交bbbb| 秋霞伦理黄片| 在线观看av片永久免费下载| 9色porny在线观看| 久久久久久久大尺度免费视频| 欧美人与善性xxx| 欧美日韩视频精品一区| 少妇猛男粗大的猛烈进出视频| 在线亚洲精品国产二区图片欧美 | 91aial.com中文字幕在线观看| 9色porny在线观看| 国产深夜福利视频在线观看| 制服丝袜香蕉在线| 中文欧美无线码| 99精国产麻豆久久婷婷| 日日撸夜夜添| 国产精品一区www在线观看| 国产淫语在线视频| 国产精品国产三级专区第一集| 久久影院123| 人妻系列 视频| 国产毛片在线视频| 亚洲怡红院男人天堂| 亚洲婷婷狠狠爱综合网| 亚洲三级黄色毛片| 免费人妻精品一区二区三区视频| 高清不卡的av网站| 丁香六月天网| 日韩av不卡免费在线播放| 国产精品一区二区在线不卡| 亚洲av不卡在线观看| 久久久国产精品麻豆| 看非洲黑人一级黄片| 亚洲成人手机| 美女中出高潮动态图| 91久久精品电影网| 亚洲情色 制服丝袜| 另类精品久久| 波野结衣二区三区在线| 国产亚洲91精品色在线| 建设人人有责人人尽责人人享有的| 日日摸夜夜添夜夜添av毛片| 亚洲欧美成人综合另类久久久| 大片免费播放器 马上看| 黑人巨大精品欧美一区二区蜜桃 | 青春草视频在线免费观看| 午夜福利网站1000一区二区三区| 久久久久人妻精品一区果冻| 午夜精品国产一区二区电影| 男女免费视频国产| 天堂8中文在线网| 欧美 日韩 精品 国产| 国产在线免费精品| 亚洲av男天堂| 一级黄片播放器| 亚洲无线观看免费| 少妇人妻久久综合中文| 亚洲国产色片| 国产高清三级在线| 高清视频免费观看一区二区| 日韩强制内射视频| 久久久a久久爽久久v久久| 国产一级毛片在线| 少妇 在线观看| 性色av一级| 极品教师在线视频| 成人美女网站在线观看视频| 亚洲美女搞黄在线观看| 久久亚洲国产成人精品v| 欧美激情极品国产一区二区三区 | 在现免费观看毛片| 特大巨黑吊av在线直播| 久久精品久久久久久噜噜老黄| 亚洲精品国产成人久久av| 老司机影院成人| 一级毛片久久久久久久久女| 丰满少妇做爰视频| 精品一品国产午夜福利视频| 国产亚洲5aaaaa淫片| 日本爱情动作片www.在线观看| 春色校园在线视频观看| 有码 亚洲区| 免费看不卡的av| 美女中出高潮动态图| 色94色欧美一区二区| 免费高清在线观看视频在线观看| 亚洲国产av新网站| 亚洲精品国产色婷婷电影| 在现免费观看毛片| 黑人巨大精品欧美一区二区蜜桃 | 人人澡人人妻人| 国产淫片久久久久久久久| 国产深夜福利视频在线观看| 人人妻人人爽人人添夜夜欢视频 | 免费观看无遮挡的男女| 国内精品宾馆在线| 国产亚洲最大av| 久久精品熟女亚洲av麻豆精品| 午夜精品国产一区二区电影| 精品一品国产午夜福利视频| 国产淫语在线视频| 人妻夜夜爽99麻豆av| 99热国产这里只有精品6| 亚洲欧洲精品一区二区精品久久久 | 天堂俺去俺来也www色官网| 成年女人在线观看亚洲视频| av福利片在线观看| 看非洲黑人一级黄片| 欧美少妇被猛烈插入视频| 日本黄色片子视频| 尾随美女入室| 2022亚洲国产成人精品| 亚洲色图综合在线观看| 秋霞伦理黄片| 精品一区二区免费观看| 国产精品国产三级国产专区5o| 黄色配什么色好看| 成人特级av手机在线观看| 亚洲av不卡在线观看| 99视频精品全部免费 在线| 有码 亚洲区| 如何舔出高潮| 伊人亚洲综合成人网| 久久人人爽av亚洲精品天堂| 亚洲第一av免费看| 免费播放大片免费观看视频在线观看| 2021少妇久久久久久久久久久| 久久毛片免费看一区二区三区| 日韩精品有码人妻一区| 国产精品国产三级国产专区5o| 国产毛片在线视频| 全区人妻精品视频| 成人18禁高潮啪啪吃奶动态图 | 天堂中文最新版在线下载| 一区在线观看完整版| 搡老乐熟女国产| 国语对白做爰xxxⅹ性视频网站| 高清毛片免费看| .国产精品久久| 亚洲av男天堂| 国内精品宾馆在线| kizo精华| 婷婷色综合大香蕉| 日韩免费高清中文字幕av| 国产免费又黄又爽又色| 国产永久视频网站| 精品一区在线观看国产| 狂野欧美白嫩少妇大欣赏| 三上悠亚av全集在线观看 | 26uuu在线亚洲综合色| 精品久久国产蜜桃| av不卡在线播放| 乱人伦中国视频| 中文天堂在线官网| 少妇人妻久久综合中文| 亚洲欧美日韩卡通动漫| 婷婷色av中文字幕| 久久久久久久久久成人| 欧美bdsm另类| 亚洲国产精品成人久久小说| 国产成人精品福利久久| 国产亚洲最大av| av在线app专区| 在线观看免费日韩欧美大片 | 久久久久久久久久久丰满| 久久热精品热| 亚洲va在线va天堂va国产| a级片在线免费高清观看视频| 婷婷色综合大香蕉| 国产日韩欧美视频二区| 男女免费视频国产| 成人无遮挡网站| 国产精品不卡视频一区二区| 十分钟在线观看高清视频www | 欧美精品一区二区大全| 成人无遮挡网站| 国产成人一区二区在线| 多毛熟女@视频| 亚洲精品一区蜜桃| 3wmmmm亚洲av在线观看| 性色av一级| 亚洲av日韩在线播放| 黄色毛片三级朝国网站 | 久久99热这里只频精品6学生| 国产在线男女| 日本色播在线视频| 少妇 在线观看| 在线天堂最新版资源| 国产精品女同一区二区软件| 国产av一区二区精品久久| 99久久精品热视频| 中文字幕制服av| 美女大奶头黄色视频| 91久久精品国产一区二区成人| 亚洲丝袜综合中文字幕| 亚洲自偷自拍三级| 高清欧美精品videossex| 午夜激情福利司机影院| 国产熟女午夜一区二区三区 | 纵有疾风起免费观看全集完整版| 在线观看免费日韩欧美大片 | 视频中文字幕在线观看| a级毛色黄片| 日韩,欧美,国产一区二区三区| 哪个播放器可以免费观看大片| 国产高清有码在线观看视频| 晚上一个人看的免费电影| 两个人免费观看高清视频 | 亚洲欧美一区二区三区国产| 国产欧美日韩精品一区二区| 久久久午夜欧美精品| 男女国产视频网站| 妹子高潮喷水视频| 久久久久久久久久成人| 亚洲熟女精品中文字幕| 精品久久国产蜜桃| 国产在线免费精品| 女性生殖器流出的白浆| av天堂中文字幕网| 这个男人来自地球电影免费观看 | 伦精品一区二区三区| 亚洲精品视频女| 色哟哟·www| 99热6这里只有精品| 久久久欧美国产精品| 欧美日韩在线观看h| 亚洲欧洲精品一区二区精品久久久 | 国产毛片在线视频| 国产精品秋霞免费鲁丝片| 嫩草影院入口| 日日啪夜夜爽| 高清欧美精品videossex| 欧美另类一区| 国产乱人偷精品视频| 纵有疾风起免费观看全集完整版| 少妇的逼好多水| 国产成人a∨麻豆精品| 免费黄网站久久成人精品| 纵有疾风起免费观看全集完整版| 天美传媒精品一区二区| 国产乱来视频区| 国产av一区二区精品久久| 如日韩欧美国产精品一区二区三区 | 一区二区三区免费毛片| 久久精品国产鲁丝片午夜精品| 免费观看av网站的网址| 日韩不卡一区二区三区视频在线| 男女国产视频网站| 三上悠亚av全集在线观看 | 亚洲精品国产av成人精品| 80岁老熟妇乱子伦牲交| 免费高清在线观看视频在线观看| 嫩草影院新地址| 国产精品偷伦视频观看了| 欧美国产精品一级二级三级 | 午夜福利在线观看免费完整高清在| 夫妻午夜视频| 99热这里只有精品一区| 午夜日本视频在线| 我要看黄色一级片免费的| 日韩成人伦理影院| 色婷婷av一区二区三区视频| 免费在线观看成人毛片| 成年美女黄网站色视频大全免费 | 99九九在线精品视频 | 一级二级三级毛片免费看| 国产亚洲av片在线观看秒播厂| 国产黄色免费在线视频| 春色校园在线视频观看| 中文资源天堂在线| 日日撸夜夜添| 国产精品国产三级国产专区5o| 国产成人免费无遮挡视频| 狠狠精品人妻久久久久久综合| 亚洲精品亚洲一区二区| 国产亚洲精品久久久com| 日韩,欧美,国产一区二区三区| 午夜激情久久久久久久| 性色av一级| 成人毛片a级毛片在线播放| 在线观看免费高清a一片| 日韩视频在线欧美| 欧美bdsm另类| 97精品久久久久久久久久精品| 久久久欧美国产精品| 只有这里有精品99| 亚洲,一卡二卡三卡| 久久久a久久爽久久v久久| 人妻夜夜爽99麻豆av| a级毛片免费高清观看在线播放| 色婷婷久久久亚洲欧美| 亚洲不卡免费看| 国产欧美日韩精品一区二区| 色网站视频免费| 菩萨蛮人人尽说江南好唐韦庄| 老司机影院成人| 精品99又大又爽又粗少妇毛片| 久久婷婷青草| 波野结衣二区三区在线| 欧美亚洲 丝袜 人妻 在线| 丰满人妻一区二区三区视频av| 欧美3d第一页| 女性生殖器流出的白浆| 成人18禁高潮啪啪吃奶动态图 | 久久综合国产亚洲精品| 亚洲av在线观看美女高潮| 免费av不卡在线播放| 我的女老师完整版在线观看| 一级黄片播放器| av视频免费观看在线观看| 伊人亚洲综合成人网| 观看美女的网站| 日韩电影二区| 日本色播在线视频| 男男h啪啪无遮挡| 亚洲图色成人| 成人亚洲精品一区在线观看| 最近最新中文字幕免费大全7| 日日摸夜夜添夜夜爱| 欧美 日韩 精品 国产| 永久网站在线| 日韩成人av中文字幕在线观看| 黄色欧美视频在线观看| 亚洲欧美成人综合另类久久久| 亚洲国产色片| 伊人久久精品亚洲午夜| 成人国产av品久久久| 晚上一个人看的免费电影| 秋霞伦理黄片| 男女免费视频国产| 99热国产这里只有精品6| 久久久精品94久久精品| 王馨瑶露胸无遮挡在线观看| 免费在线观看成人毛片| 一个人免费看片子| 国产毛片在线视频| 午夜福利网站1000一区二区三区| 久久精品久久久久久噜噜老黄| av一本久久久久| 日韩免费高清中文字幕av| 久久99热6这里只有精品| av线在线观看网站| 欧美+日韩+精品| 久久热精品热| 97超视频在线观看视频| 久久 成人 亚洲| 久久99热6这里只有精品| 成人综合一区亚洲| 国产男女超爽视频在线观看| 日本av免费视频播放| 午夜久久久在线观看| 精品久久久精品久久久| 日本黄色片子视频| 国产伦精品一区二区三区四那| 最近中文字幕2019免费版| 国产熟女午夜一区二区三区 | 少妇丰满av| 一级毛片久久久久久久久女| 国产 精品1| 黄色欧美视频在线观看| 国产av精品麻豆| 少妇人妻 视频| 日韩成人av中文字幕在线观看| 久久久久国产精品人妻一区二区| videos熟女内射| 大香蕉久久网| 午夜av观看不卡| 亚洲精品国产成人久久av| 亚洲国产色片| 在线观看一区二区三区激情| 久久国产精品大桥未久av | 精品人妻熟女av久视频| av在线老鸭窝| 久久国产精品大桥未久av | 在线免费观看不下载黄p国产| 在线观看一区二区三区激情| 黑丝袜美女国产一区| 免费播放大片免费观看视频在线观看| 一级毛片电影观看| 亚洲国产色片| 中文字幕久久专区| 中文字幕人妻丝袜制服| 女人精品久久久久毛片| 在线观看国产h片| 国产精品99久久99久久久不卡 | 亚洲精品久久久久久婷婷小说| 男女边吃奶边做爰视频| 一本一本综合久久| 免费黄网站久久成人精品| 国产成人精品福利久久| 少妇被粗大猛烈的视频| 亚洲,一卡二卡三卡| 特大巨黑吊av在线直播| 看免费成人av毛片| 日韩中字成人| 国产精品伦人一区二区| 亚洲久久久国产精品| 日本av免费视频播放| 黄色怎么调成土黄色| 久久精品久久久久久久性| 亚洲人成网站在线观看播放| 国产免费一级a男人的天堂| 久久久久久久久大av| 久久韩国三级中文字幕| 欧美成人午夜免费资源| 夫妻性生交免费视频一级片| 亚洲怡红院男人天堂| 一区二区三区免费毛片| 乱码一卡2卡4卡精品| 国产熟女欧美一区二区| 我的女老师完整版在线观看| 亚洲va在线va天堂va国产| 亚洲国产毛片av蜜桃av| av.在线天堂| 大片电影免费在线观看免费| 欧美国产精品一级二级三级 | 少妇的逼水好多| 男人舔奶头视频| 久久人人爽av亚洲精品天堂| 久久99热6这里只有精品| 欧美激情国产日韩精品一区| 日本午夜av视频| 久久精品久久精品一区二区三区| 国产欧美日韩一区二区三区在线 | 国产免费又黄又爽又色| 国产极品天堂在线| 亚洲欧美一区二区三区国产| 亚洲电影在线观看av| 亚洲欧洲日产国产| 国产乱来视频区| 欧美日本中文国产一区发布| www.色视频.com| 99热这里只有是精品在线观看| 一级,二级,三级黄色视频| 99久国产av精品国产电影| 国产高清不卡午夜福利| 色视频在线一区二区三区| 国产精品国产av在线观看| 亚洲欧洲日产国产| 午夜免费观看性视频| 亚洲精品日韩av片在线观看| 热re99久久精品国产66热6| 亚洲精品久久久久久婷婷小说| 国产中年淑女户外野战色| 精品国产一区二区三区久久久樱花| 久久影院123| 男女无遮挡免费网站观看| 日韩不卡一区二区三区视频在线| 国产无遮挡羞羞视频在线观看| 插逼视频在线观看| 日日爽夜夜爽网站| 国产午夜精品一二区理论片| 久久人人爽人人爽人人片va| 日本欧美视频一区| 国产亚洲午夜精品一区二区久久| 大又大粗又爽又黄少妇毛片口| 一级片'在线观看视频| 欧美97在线视频| 亚洲自偷自拍三级| 又爽又黄a免费视频| 少妇人妻久久综合中文| 97在线人人人人妻| 国产成人免费观看mmmm| 新久久久久国产一级毛片| 中国三级夫妇交换| 少妇精品久久久久久久| 国产一区亚洲一区在线观看| 在线观看免费视频网站a站| 亚洲av电影在线观看一区二区三区| 国产成人午夜福利电影在线观看| 欧美另类一区| 亚洲精品一二三| 在线观看国产h片| 内射极品少妇av片p| 久久97久久精品| h日本视频在线播放| 六月丁香七月| 亚洲av二区三区四区| 国精品久久久久久国模美| 三级经典国产精品| 欧美日韩国产mv在线观看视频| 久久久久久久久久人人人人人人| av国产久精品久网站免费入址| 亚洲电影在线观看av| 亚洲国产色片| 久久久久精品久久久久真实原创| 人妻 亚洲 视频| 六月丁香七月| 欧美亚洲 丝袜 人妻 在线| 中文字幕人妻熟人妻熟丝袜美| 中国国产av一级| 高清午夜精品一区二区三区| 妹子高潮喷水视频| 精品午夜福利在线看| 欧美日本中文国产一区发布| 下体分泌物呈黄色| 亚洲欧洲国产日韩| 99久久精品一区二区三区| 国产成人免费无遮挡视频| a级毛片在线看网站| av线在线观看网站| 国产日韩一区二区三区精品不卡 | 日本黄大片高清| 国产无遮挡羞羞视频在线观看| 五月玫瑰六月丁香| 九草在线视频观看| 简卡轻食公司| 菩萨蛮人人尽说江南好唐韦庄| 日韩在线高清观看一区二区三区| 人妻人人澡人人爽人人| 只有这里有精品99| 亚洲第一av免费看| 国产成人免费无遮挡视频| 男女啪啪激烈高潮av片| 涩涩av久久男人的天堂| 亚洲欧洲精品一区二区精品久久久 | 久久久精品免费免费高清| 久久国产亚洲av麻豆专区| 在线观看av片永久免费下载| 亚洲不卡免费看| 青春草亚洲视频在线观看| 欧美三级亚洲精品| 中文字幕亚洲精品专区| 91久久精品国产一区二区三区| 插逼视频在线观看| 91精品国产九色| 国产精品三级大全| 最近中文字幕2019免费版| 超碰97精品在线观看| 九色成人免费人妻av| 性高湖久久久久久久久免费观看| 狂野欧美白嫩少妇大欣赏| 我的女老师完整版在线观看| 精品少妇黑人巨大在线播放| 黄色视频在线播放观看不卡| 久久久久久伊人网av| 内射极品少妇av片p| 乱系列少妇在线播放| 七月丁香在线播放| 日韩,欧美,国产一区二区三区| 黄色视频在线播放观看不卡| 日本vs欧美在线观看视频 | 免费观看的影片在线观看| av福利片在线| 久久久精品免费免费高清| 亚洲综合精品二区| 精品久久久久久久久亚洲| 久久这里有精品视频免费| 一区二区三区乱码不卡18| 精华霜和精华液先用哪个| 亚洲人成网站在线观看播放| 国产亚洲精品久久久com| 又大又黄又爽视频免费| 中文资源天堂在线| 亚洲国产色片| 久久久久久伊人网av| 成年人免费黄色播放视频 | 我的老师免费观看完整版| av线在线观看网站| 色视频在线一区二区三区| 一级,二级,三级黄色视频|