• <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Sentinel-2數(shù)據(jù)多特征優(yōu)選的農(nóng)作物遙感識(shí)別研究

    2023-12-28 07:27:50陳健李虎劉玉鋒常竹韓偉杰劉賽賽
    自然資源遙感 2023年4期
    關(guān)鍵詞:分類器農(nóng)作物精度

    陳健, 李虎, 劉玉鋒, 常竹, 韓偉杰, 劉賽賽

    (1.安徽師范大學(xué)地理與旅游學(xué)院,蕪湖 241003; 2.滁州學(xué)院計(jì)算機(jī)與信息工程學(xué)院,滁州 239000;3.資源環(huán)境與地理信息工程安徽省工程技術(shù)研究中心,蕪湖 241003)

    0 引言

    農(nóng)作物種植面積是農(nóng)情監(jiān)測(cè)和農(nóng)業(yè)種植結(jié)構(gòu)調(diào)整的重要基礎(chǔ)數(shù)據(jù)。傳統(tǒng)農(nóng)作物種植面積統(tǒng)計(jì)通常采用抽樣和逐級(jí)上報(bào)的方式進(jìn)行,不僅費(fèi)時(shí)費(fèi)力,還受到一定的主觀因素影響[1]。衛(wèi)星遙感技術(shù)能夠?qū)崿F(xiàn)大面積、長(zhǎng)時(shí)間的對(duì)地觀測(cè),可以在短時(shí)間內(nèi)客觀、準(zhǔn)確地獲取農(nóng)作物的分布信息,是目前農(nóng)業(yè)遙感研究的一個(gè)熱點(diǎn)[2-3]。

    由于存在“同物異譜、同譜異物”的現(xiàn)象,單一時(shí)相的遙感數(shù)據(jù)往往難以準(zhǔn)確反映農(nóng)作物的分布情況[4]。學(xué)者們選擇從多時(shí)相數(shù)據(jù)源入手,根據(jù)作物在遙感影像上的表征隨時(shí)間變化的特性實(shí)現(xiàn)作物分類,如王德軍等[5]、楊歡等[6]通過構(gòu)建能夠反映作物物候信息的時(shí)間序列植被指數(shù),有效識(shí)別出了不同農(nóng)作物。遙感分類過程中,如果將所有時(shí)相的特征都參與計(jì)算容易弱化分類器性能,造成維度災(zāi)難和信息冗余,從而降低精度和效率。因此,如何從多時(shí)相、多特征組合中優(yōu)選出最佳特征是解決農(nóng)作物分類問題的關(guān)鍵所在。

    近年來,特征優(yōu)選在農(nóng)作物遙感分類中得到了不同程度的應(yīng)用,為更好地識(shí)別出農(nóng)作物提供了可能。RF_RFE由于能夠量化每個(gè)變量的相對(duì)重要性,通常被用于高維的特征優(yōu)選。梁繼等[7]采用RF_RFE算法分析了不同特征對(duì)農(nóng)作物識(shí)別的重要程度,篩選出有利于農(nóng)作物識(shí)別的特征,提高了農(nóng)作物分類的精度和效率。周小成等[8]使用RF_RFE算法優(yōu)選出有利于林地信息提取的特征,實(shí)現(xiàn)了基于無人機(jī)數(shù)據(jù)對(duì)竹林、針葉林和闊葉林的分類識(shí)別。Relief F是經(jīng)典的過濾式特征選擇算法,在特征優(yōu)選中具有運(yùn)算速度快、泛化能力強(qiáng)等特點(diǎn)。劉家福等[9]基于Landsat8數(shù)據(jù)研究提取濱海濕地信息時(shí),發(fā)現(xiàn)基于Relief F算法結(jié)合隨機(jī)森林(random forest,RF)分類器具有高精度、高效率的優(yōu)勢(shì)。劉瑩等[10]通過Relief F算法對(duì)Landsat8數(shù)據(jù)的71個(gè)特征進(jìn)行特征優(yōu)選,然后結(jié)合SVM分類器有效的識(shí)別出城市的不透水面覆蓋面積。張東彥等[11]在對(duì)安徽北部平原的大豆區(qū)進(jìn)行提取時(shí),使用Relief F算法提取特征,并對(duì)比了RF、反向傳播神經(jīng)網(wǎng)絡(luò)(back-propagation,BP)、支持向量機(jī)(support vector machine,SVM)等3種分類器的分類效果,結(jié)果表明RF分類器結(jié)合Relief F算法的識(shí)別結(jié)果更加接近真實(shí)情況?;谙嗨菩缘奶卣鲀?yōu)選(correlation-based feature selection,CFS)算法是用來綜合評(píng)價(jià)特征與分類結(jié)果之間的相關(guān)性和特征之間冗余度的方法。張文博等[12]對(duì)比了CFS算法和Relief F算法提取旱區(qū)植被的分類效果,結(jié)果表明CFS算法能夠在保證較少特征的同時(shí)具備較高的分類精度。

    綜上所述,在基于遙感數(shù)據(jù)多特征優(yōu)選的分類識(shí)別研究中,分類特征的選擇固然重要,但還存在盲目性和不穩(wěn)定性,對(duì)不同的地物識(shí)別效果差異也較大,不同的特征優(yōu)選方法適用于何種遙感數(shù)據(jù)和分類場(chǎng)景尚未形成統(tǒng)一的定論。本研究以滁州市全椒縣為研究區(qū),借助GEE平臺(tái),基于Sentinel-2衛(wèi)星數(shù)據(jù)構(gòu)建多時(shí)相多維遙感特征,選用RF_RFE,Relief F,CFS這3種特征優(yōu)選算法,探究不同的特征優(yōu)選算法在農(nóng)作物分類中的效果優(yōu)劣,并確定可用于農(nóng)作物種植類型識(shí)別的最佳特征優(yōu)選方法; 在此基礎(chǔ)上,通過與其他的分類方法比較,進(jìn)一步探究最佳特征優(yōu)選算法在不同分類器中的識(shí)別農(nóng)作物種植結(jié)構(gòu)的性能差異。

    1 研究區(qū)概況與數(shù)據(jù)源

    1.1 研究區(qū)概況

    全椒縣地處安徽省滁州市的最南端,E117°48′~118°24′、N31°50′~32°14′之間。位于江淮分水嶺和滁河之間,為亞熱帶季風(fēng)氣候,年平均氣溫范圍為11.4~16.6 ℃。北部為山區(qū),海拔最高396 m,南部為平原帶,東部為主城區(qū),上半年以種植小麥、油菜為主,下半年以種植水稻為主,地理位置及樣本點(diǎn)分布如圖1所示。

    圖1 研究區(qū)地理位置及其樣本分布

    1.2 數(shù)據(jù)源與預(yù)處理

    1.2.1 Sentinel-2影像數(shù)據(jù)

    相較于GF-2衛(wèi)星數(shù)據(jù)和Landsat衛(wèi)星數(shù)據(jù),Sentinel-2衛(wèi)星數(shù)據(jù)具有重訪周期短、分辨率高的綜合優(yōu)勢(shì),且具備對(duì)農(nóng)作物分類有重要影響的紅邊特征。依據(jù)全椒縣農(nóng)作物的物候特征(表1)以及相關(guān)的前期研究,選擇農(nóng)作物的返青期2022年2月25日、拔節(jié)期2022年3月12日、孕穗期2022年4月21日共3景Sentinel-2多光譜數(shù)據(jù)作為數(shù)據(jù)源。在GEE中選擇的Sentinel-2數(shù)據(jù)是經(jīng)過輻射定標(biāo)和幾何校正的Level-1C產(chǎn)品,其中包含13個(gè)光譜波段,本文剔除掉氣溶膠、水蒸氣以及卷云波段這3個(gè)無關(guān)波段,并利用QA60波段進(jìn)行去云掩模操作,除去卷云和厚云的影響,最終得到3個(gè)時(shí)相的全椒縣Sentinel-2無云影像。

    表1 全椒縣午季農(nóng)作物生長(zhǎng)周期

    1.2.2 樣本數(shù)據(jù)

    本文根據(jù)全椒縣實(shí)地調(diào)查情況,將研究區(qū)土地覆蓋類型分為居民地、道路、裸地、冬閑田、小麥、油菜、水體和森林8類,并于2022年2月24日—2022年2月26日對(duì)研究區(qū)開展地面調(diào)查,獲取各種地物樣本以及農(nóng)作物的類型、種植結(jié)構(gòu)、地理位置并拍照記錄。共獲得512個(gè)樣本數(shù)據(jù),其中居民地68個(gè)、道路23個(gè)、裸地27個(gè)、冬閑田76個(gè)、小麥105個(gè)、油菜148個(gè)、水體26個(gè)、林地39個(gè),具體的樣本分布情況如圖1所示。本文將樣本數(shù)據(jù)按照7∶3的比例隨機(jī)分為訓(xùn)練樣本和驗(yàn)證樣本。

    2 研究方法

    基于GEE平臺(tái)提取全椒縣農(nóng)作物種植類型的具體流程如圖2所示。首先通過GEE平臺(tái)獲取并處理覆蓋全椒縣的Sentinel-2數(shù)據(jù),從中提取出光譜特征、紋理特征、植被指數(shù)特征。然后采用RF_RFE,Relief F,CFS對(duì)多時(shí)相、多維遙感特征進(jìn)行優(yōu)選,分析不同特征在農(nóng)作物識(shí)別中的重要性程度,并采用混淆矩陣方法評(píng)估分類精度確定最佳的特征優(yōu)選算法。在此基礎(chǔ)上,對(duì)比RF,SVM、最小距離分類(minimum distance classification,MDC)3種分類方法,探究最佳特征優(yōu)選算法在不同分類器中的性能差異,采用全國(guó)第二次土地調(diào)查數(shù)據(jù)中的耕地范圍對(duì)分類結(jié)果做掩模處理,并將非農(nóng)作物類型合并在一起,只分析農(nóng)作物的識(shí)別結(jié)果。

    圖2 研究區(qū)農(nóng)作物信息提取的技術(shù)流程圖

    2.1 特征集構(gòu)建

    為了分析不同的特征對(duì)農(nóng)作物遙感識(shí)別的影響,提高農(nóng)作物的識(shí)別精度,本文選擇光譜特征、植被指數(shù)特征、紋理特征等共計(jì)90個(gè)特征構(gòu)成數(shù)據(jù)集,詳見表2。表中,光譜特征直接選擇每個(gè)時(shí)相影像的10個(gè)原始波段,3個(gè)時(shí)相的影像共計(jì)30個(gè)光譜特征。植被指數(shù)中,紅邊波段是哨兵數(shù)據(jù)特有的,且紅邊指數(shù)特征對(duì)植被更加敏感。本文不僅考慮常規(guī)植被指數(shù),而且加入了6個(gè)與農(nóng)作物生長(zhǎng)過程有關(guān)的紅邊指數(shù),分3個(gè)時(shí)相共計(jì)18個(gè)無紅邊植被特征和18個(gè)紅邊植被指數(shù)特征。

    表2 農(nóng)作物遙感識(shí)別特征集

    紋理特征[17]的構(gòu)建選擇灰度共生矩陣GLCM來提取,GEE平臺(tái)上提供了基于GLCM快速計(jì)算紋理特征的函數(shù),可以計(jì)算出18種不同的紋理特征,考慮到若將所有特征都用于分類必定會(huì)導(dǎo)致冗余。因此根據(jù)前人研究,通過對(duì)原始影像的10個(gè)波段進(jìn)行主成分分析,提取主成分的第一成分來計(jì)算最常見的紋理指標(biāo)用于區(qū)分不同地物的空間結(jié)構(gòu)差異[18],同樣分3個(gè)時(shí)相共計(jì)24個(gè)紋理特征。

    2.2 特征優(yōu)選方法

    2.2.1 基于RF_RFE算法的特征優(yōu)選

    基于RF_RFE算法的特征優(yōu)選方法如下: 首先,對(duì)于隨機(jī)森林中的每一個(gè)決策樹而言,使用相應(yīng)的袋外數(shù)據(jù)來計(jì)算袋外誤差,記作errOOB1; 然后,隨機(jī)地對(duì)袋外數(shù)據(jù)OOB所有樣本的特征X加入噪聲干擾,再計(jì)算其袋外數(shù)據(jù)誤差,記作errOOB2; 最后,計(jì)算特征重要性X,計(jì)算公式如下:

    ,

    (1)

    式中N為樹的個(gè)數(shù),式中X的值越高,則說明特征X越重要[8]。把需要的特征子集初始化為整個(gè)特征子集,每次剔除掉重要性分?jǐn)?shù)最低的數(shù)據(jù),直到獲得最后的特征集。

    2.2.2 基于Relief F算法的特征優(yōu)選

    Relief F算法是根據(jù)樣本鄰近原則,賦予不同特征的權(quán)重。具體步驟如下: ①選擇特征樣本,從樣本集中隨機(jī)選擇一個(gè)樣本X,從不同類中找到一個(gè)最近鄰的樣本Y,從同類的樣本中找到一個(gè)最近鄰的樣本Z。②計(jì)算特征權(quán)重,在某個(gè)特征的條件下,比較X與Y之間的距離和X與Z之間的距離大小; 如果不同類之間的距離較大,說明該特征容易區(qū)分,增加特征的權(quán)重; 反之,則減少特征的權(quán)重。③重復(fù)上面的步驟,求取各個(gè)特征權(quán)重的平均值,特征權(quán)重越大代表該類的區(qū)分能力較強(qiáng)[19]。

    2.2.3 基于CFS算法的特征優(yōu)選

    基于相似性的特征選擇是過濾式選擇的一種的方法,該方法的核心是采用啟發(fā)的方式評(píng)估特征子集的價(jià)值,該方法假設(shè)思想是: 好的特征子集包含與類高度相關(guān)的特征,但特征之間彼此不相關(guān)。啟發(fā)方程式為:

    ,

    (2)

    式中:Merittk為包含k個(gè)特征子集t的啟發(fā)值;Zcf為特征與類之間的相關(guān)性的平均值;Zff為特征與特征之間的相關(guān)性;Z為相關(guān)系數(shù)。啟發(fā)值越大代表這個(gè)特征的分類效果越好[12]。

    2.3 隨機(jī)森林分類

    隨機(jī)森林分類是集成分類的一個(gè)子類,它依靠決策樹投票選擇來決定最后的分類結(jié)果,將若干個(gè)弱分類器的分類結(jié)果進(jìn)行投票選擇,從而組成強(qiáng)分類器。其具體操作步驟包括以下幾個(gè)方面: 首先,在原始的樣本中,隨機(jī)且有放回地抽取N(約為總體樣本集的2/3)個(gè)訓(xùn)練樣本組成訓(xùn)練樣本集,剩余的1/3樣本作為袋外數(shù)據(jù)進(jìn)行內(nèi)部交叉驗(yàn)證; 然后,根據(jù)抽取的樣本集分別建立N棵決策樹組成的隨機(jī)森林,每個(gè)決策樹隨機(jī)抽取M個(gè)特征,采用基尼系數(shù)最小的原則進(jìn)行節(jié)點(diǎn)分裂; 最后,將生成的多顆決策樹組成隨機(jī)森林分類器,采用投票的方式?jīng)Q定新樣本的類別[20]。

    2.4 精度評(píng)價(jià)方法

    根據(jù)地面實(shí)測(cè)樣本數(shù)據(jù),采用混淆矩陣來評(píng)估不同模型的分類效果。使用制圖精度來反映分類中的漏分誤差、使用用戶精度來反映分類中的錯(cuò)分誤差。通過Kappa系數(shù)來評(píng)估不同分類模型的優(yōu)劣,其計(jì)算公式如下:

    ,

    (3)

    式中:N為像元的總數(shù);m為類別數(shù);xii為混淆矩陣對(duì)角線上的像元個(gè)數(shù);xi+和xj+分別為第i行和第j列的像元總數(shù)。

    3 結(jié)果與分析

    3.1 特征重要性分析

    本文共選擇了90個(gè)特征參與全椒縣的農(nóng)作物遙感提取,通過GEE平臺(tái)以及分類樣本的特征值,結(jié)合RF_RFE,Relief F,CFS這3種特征優(yōu)選算法分別計(jì)算出相應(yīng)的特征重要性。為了避免傳統(tǒng)閾值方法的人為主觀性影響,本文參考前人已有的研究[18],根據(jù)特征重要性大小對(duì)不同特征進(jìn)行降序排列,并從中選出前50個(gè)特征組成特征集進(jìn)行實(shí)驗(yàn)。每次從特征集中刪除一個(gè)特征重要性排在最后的特征,并將保留下來的特征子集用于農(nóng)作物分類和計(jì)算分類精度。重復(fù)以上過程,通過逐次迭代計(jì)算,從而最終確定特征優(yōu)選結(jié)果變量數(shù)目與分類精度之間的關(guān)聯(lián)關(guān)系。為了方便統(tǒng)一比較,這里都選擇RF作為特征優(yōu)選后特征子集的分類器,保留下來的特征子集需要確保分類精度較高但特征個(gè)數(shù)較少,不同特征子集的特征個(gè)數(shù)對(duì)應(yīng)的Kappa系數(shù)見圖3。

    圖3 不同特征數(shù)目下的Kappa系數(shù)

    由圖3可知,隨著特征參入分類的特征個(gè)數(shù)的增加,分類精度開始隨著特征數(shù)的增加而逐漸增大,當(dāng)達(dá)到一定值的時(shí)候,Kappa系數(shù)出現(xiàn)小范圍的波動(dòng)。最終的RF_RFE算法、CFS算法、Relief F算法優(yōu)選特征的Kappa系數(shù)分別維持在0.89,0.88和0.83左右波動(dòng)。圖中用紅色標(biāo)記了特征優(yōu)選的最佳精度的位置,3種特征優(yōu)選算法的結(jié)果其對(duì)應(yīng)的特征見表3。

    表3 3種優(yōu)選結(jié)果的特征分布

    從表3中可以看出(表中特征名以特征加時(shí)間命名,如B20225代表2022年2月25日影像的B2波段,同一個(gè)特征在不同的特征優(yōu)選算法里面出現(xiàn)至少2次的用斜體顯示),3種特征優(yōu)選算法在4月份的特征數(shù)量最多,是農(nóng)作物提取的最佳時(shí)相,其原因是4月份是小麥和油菜的孕穗期和中花期,兩者之間的形態(tài)和光譜反射都會(huì)產(chǎn)生較大的差異,易于辨識(shí)區(qū)分。其次是3月份,此時(shí)的小麥和油菜正處于拔節(jié)期和初花期,此階段小麥和荒地之間有一定的差異。2月份的小麥和油菜正處于拔節(jié)期和現(xiàn)蕾期,小麥和油菜剛有成長(zhǎng),處于苗期,而樹林處于長(zhǎng)勢(shì)茂盛期,易于區(qū)分,此時(shí)間段容易產(chǎn)生“同譜異物”的現(xiàn)象,對(duì)分類結(jié)果存在一定的干擾。表3中有13個(gè)特征至少被2種優(yōu)選算法同時(shí)優(yōu)選出來,表明這13個(gè)特征在分類中起到重要作用,有利于農(nóng)作物的識(shí)別。這些重要的特征在RF_RFE算法、Relief F算法、CFS算法優(yōu)選的特征集中分別占比47.61%,42.10%和40.74%。因此,相比于Relief F和CFS,RF_RFE在Kappa系數(shù)和優(yōu)選出的特征穩(wěn)定性上均有利于農(nóng)作物的地物分類。

    對(duì)于RF_RFE算法,優(yōu)選出來的特征集的特征重要性得分如圖4所示。在優(yōu)選的特征中,原始光譜特征占比最多,21個(gè)特征中包含15個(gè)原始光譜特征,其中的短波紅外B11和B12共出現(xiàn)4次,表明短波紅外的加入能夠在一定程度上提高農(nóng)作物的分類精度。其次,B5,B6,B7相關(guān)的紅邊特征在農(nóng)作物分類中也起到了重要的作用。此外,紋理特征中的逆差距有利于農(nóng)作物的分類,展現(xiàn)出較好的分類效果。

    圖4 特征名稱及其對(duì)應(yīng)的重要性得分

    3.2 不同特征優(yōu)選方法下RF分類精度對(duì)比

    為了比較3種不同的特征優(yōu)選方法在農(nóng)作物分類中的效果,本文以RF分類器為例進(jìn)行實(shí)驗(yàn)研究,表4展示了3種不同特征優(yōu)選方法在RF下的分類結(jié)果,表中3種分類結(jié)果的Kappa系數(shù)均高于0.83。RF_RFE的分類精度最高,在特征數(shù)目為21時(shí),總體精度為92%,Kappa系數(shù)為0.89。其余的特征優(yōu)選算法Kappa系數(shù)略低于RF_RFE,從相同的RF分類器下,對(duì)比不同的特征優(yōu)選方法來看,Relief F在特征變量19個(gè)時(shí),總體精度和Kappa系數(shù)分別為0.83和0.88,相比于RF_RFE算法,特征維度減少了2個(gè),但是總體精度和Kappa系數(shù)分別降低了4%和5%。CFS相比于RF_RFE,在Kappa系數(shù)略微降低0.01,同時(shí)在特征上多使用了6個(gè)特征參加計(jì)算。從用戶精度和生產(chǎn)者精度來看,小麥均高于油菜,說明小麥的可分離性要優(yōu)于油菜。在RF_RFE算法中,小麥和油菜的精度均達(dá)到了最大值,其中,小麥的生產(chǎn)者精度和用戶精度分別為96.2%和93.2%,油菜的生產(chǎn)者精度跟用戶精度分別為83.5%和88.8%。為了能夠更加清楚地知道分類結(jié)果,本文將其與2022年3月2日的高分一號(hào)衛(wèi)星多光譜與全色的融合影像進(jìn)行對(duì)比(表5)。

    表4 基于不同特征優(yōu)選方法和隨機(jī)森林的地物分類精度

    表5 不同特征優(yōu)選方法的局部結(jié)果圖

    由表5可知,從高分一號(hào)融合影像上看,油菜和小麥在影像上呈現(xiàn)不一樣的色調(diào)。從RF的3種分類方法的局部結(jié)果圖中看,樣地一表示破碎地塊的農(nóng)作物分類結(jié)果,從中可以看出Relief F出現(xiàn)錯(cuò)分,誤分的情況較為嚴(yán)重,部分居民地旁邊的冬閑田被錯(cuò)誤識(shí)別為小麥,CFS和RF出現(xiàn)這種現(xiàn)象的程度較輕。樣地二表示地塊較完整的農(nóng)作物分類結(jié)果,3種分類結(jié)果中有部分將田埂、道路錯(cuò)分為農(nóng)作物的現(xiàn)象,導(dǎo)致這種現(xiàn)象的原因是10 m分辨率的Sentinel-2數(shù)據(jù)存在混合像元現(xiàn)象。但從整體上來看3個(gè)分類結(jié)果都較為準(zhǔn)確的識(shí)別出農(nóng)作物,局部的差異較小。樣地三表示林地附近的農(nóng)作物分類結(jié)果,其中Relief F和CFS都出現(xiàn)漏分現(xiàn)象,對(duì)圖中紅色標(biāo)記內(nèi)的農(nóng)作物,未能準(zhǔn)確的識(shí)別處理,而RF能夠較完整的識(shí)別農(nóng)作物。綜上所述,將RF_RFE作為最佳的優(yōu)選特征,主要有以下2個(gè)原因: ①從分類的精度來看,RF_RFE算法在不同的特征優(yōu)選結(jié)果中各項(xiàng)分類指標(biāo)都最高,且特征個(gè)數(shù)也偏少; ②從分類效果來看,分類結(jié)果中出現(xiàn)較少的錯(cuò)分或漏分的程度最輕。

    3.3 不同機(jī)器學(xué)習(xí)分類對(duì)農(nóng)作物識(shí)別精度的影響

    基于RF_RFE特征優(yōu)選算法,對(duì)不同分類方法的農(nóng)作物識(shí)別精度進(jìn)行比較,結(jié)果見圖5。與SVM(圖5(a))和RF(圖5(b))相比,MDC(圖5(c))的分類結(jié)果存在明顯的差異,MDC在分類過程中存在將冬閑田錯(cuò)分和誤分為農(nóng)作物的狀況,并沒有準(zhǔn)確的將農(nóng)作物提取出來。而SVM與RF的分類結(jié)果較為接近,SVM和RF的農(nóng)作物主要分布在東北角的耕地區(qū),西南角的耕地區(qū)農(nóng)作物較少,這與西南角耕地區(qū)實(shí)施高標(biāo)準(zhǔn)農(nóng)田建設(shè)有關(guān)。從分類器的機(jī)理來看,這種現(xiàn)象可能是由于本實(shí)驗(yàn)特征數(shù)量較多,MDC處理大量的特征變量時(shí),出現(xiàn)負(fù)載情況導(dǎo)致分類效果較差,而SVM和RF能夠很好地使用小樣本和特征進(jìn)行分類。

    (a) SVM (b) RF (c) MDC

    對(duì)比不同分類方法的分類精度(表6)可知,RF的分類精度表現(xiàn)較為優(yōu)越,總體精度比SVM和MDC分別高0.7百分點(diǎn)和30.5百分點(diǎn); Kappa系數(shù)比SVM和MDC分別高 0.01和0.41,表明SVM和RF更適用于研究區(qū)的地物分類。在RF分類器下,小麥和油菜的用戶精度和生產(chǎn)者精度均高于83.5%。小麥的生產(chǎn)者精度和用戶精度和油菜的用戶精度均達(dá)到最大值96.2%,93.2%和88.8%; 在油菜的生產(chǎn)者精度略比SVM低1.2百分點(diǎn),從數(shù)值上來看,除了RF在油菜的生產(chǎn)者精度小于SVM以外,其余的分類精度均大于SVM。綜上所述可知,3種機(jī)器學(xué)習(xí)分類方法中,RF在農(nóng)作物信息提取的分類結(jié)果上與SVM分類結(jié)果相近,在總體精度上略高于SVM,而MDC 分類算法不適合高維度、大數(shù)據(jù)量的分類,對(duì)比可知,RF分類算法可以有效的識(shí)別出農(nóng)作物。

    表6 RF_RFE特征優(yōu)選下基于不同機(jī)器學(xué)習(xí)分類的農(nóng)作物分類精度

    4 結(jié)論與討論

    4.1 結(jié)論

    1)根據(jù)RF_RFE的特征重要性得分可知,不同的特征影響著農(nóng)作物的識(shí)別精度,各類特征的得分值從高到低排列依次是光譜特征、紅邊特征、傳統(tǒng)植被指數(shù)特征、紋理特征。其中短波紅外波段B11和B12,紅邊波段B5和B6對(duì)農(nóng)作物的識(shí)別具有重要的作用。

    2)對(duì)比RF分類器下的不同的特征優(yōu)選方法的分類精度?;赗F_RFE的特征優(yōu)選算法的分類精度最高,總體精度為92%,Kappa系數(shù)為0.88,且將特征維度從90維降低到21維。

    3)基于相同的RF_RFE特征優(yōu)選的條件下,RF的Kappa系數(shù)比SVM,MDC分別高0.01和0.41,在分類結(jié)果中,RF相比于其他的分類,存在較少的錯(cuò)分和漏分現(xiàn)象。因此,RF結(jié)合RF_RFE算法是適用于農(nóng)作物種植結(jié)構(gòu)信息提取的方法。

    4.2 討論

    本文基于從Sentinel-2衛(wèi)星數(shù)據(jù)中提取的多時(shí)相、多維度遙感特征,采取不同的特征優(yōu)選算法結(jié)合RF分類器實(shí)現(xiàn)對(duì)全椒縣的農(nóng)作物種植結(jié)構(gòu)信息提取。選擇有關(guān)農(nóng)作物生理狀況和形態(tài)結(jié)構(gòu)的特征構(gòu)造出多維特征,使用RF_RFE,Relief F和CFS計(jì)算出不同特征的重要性,依次消除特征重要性最小的特征,避免了采用傳統(tǒng)的閾值方法在判定最佳維度時(shí)存在的主觀性。B3,B5,B8A,B11,NDVI,NDTI,LSWI,EVI和pc1_contrast在至少2種特征優(yōu)選方法中出現(xiàn)過,表明紅邊、短波紅外以及紋理特征在農(nóng)作物種植結(jié)構(gòu)識(shí)別中具有顯著優(yōu)勢(shì),這與文獻(xiàn)[7,10,14]的研究結(jié)論一致。在特征子集相同的條件下,通過對(duì)比不同的機(jī)器學(xué)習(xí)分類方法,證明了RF結(jié)合RF_RFE算法在農(nóng)作物種植結(jié)構(gòu)的信息提取中的有效性。對(duì)于接下來的研究中,能否基于多時(shí)相多特征的特征優(yōu)選算法,結(jié)合高分辨率遙感影像并推廣應(yīng)用到其他地區(qū)需要進(jìn)一步探究。

    猜你喜歡
    分類器農(nóng)作物精度
    土壤污染與農(nóng)作物
    軍事文摘(2024年6期)2024-02-29 10:01:50
    高溫干旱持續(xù) 農(nóng)作物亟須“防護(hù)傘”
    俄發(fā)現(xiàn)保護(hù)農(nóng)作物新方法
    夏季農(nóng)作物如何防熱害
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    GPS/GLONASS/BDS組合PPP精度分析
    改進(jìn)的Goldschmidt雙精度浮點(diǎn)除法器
    精品少妇一区二区三区视频日本电影| www.999成人在线观看| 亚洲狠狠婷婷综合久久图片| 国产成人影院久久av| 亚洲成a人片在线一区二区| xxx96com| 精品福利观看| 婷婷精品国产亚洲av在线| 国产野战对白在线观看| 亚洲美女黄片视频| 无遮挡黄片免费观看| 国产欧美日韩一区二区三| 精品国产乱码久久久久久男人| 夜夜爽天天搞| 两人在一起打扑克的视频| 窝窝影院91人妻| 午夜两性在线视频| 午夜a级毛片| 黄频高清免费视频| 亚洲成人久久爱视频| 亚洲人成网站高清观看| 欧美性长视频在线观看| 国产爱豆传媒在线观看 | 久久久久久久久免费视频了| 99久久99久久久精品蜜桃| 欧美不卡视频在线免费观看 | 久久精品aⅴ一区二区三区四区| 午夜影院日韩av| 亚洲自拍偷在线| 国产真人三级小视频在线观看| 午夜福利欧美成人| 亚洲一区二区三区不卡视频| 亚洲 欧美 日韩 在线 免费| 2021天堂中文幕一二区在线观 | 国产av一区在线观看免费| 看免费av毛片| 欧美精品啪啪一区二区三区| 91成人精品电影| 99精品欧美一区二区三区四区| 嫩草影院精品99| 人成视频在线观看免费观看| 色综合欧美亚洲国产小说| 亚洲在线自拍视频| 搞女人的毛片| 国产午夜福利久久久久久| 无遮挡黄片免费观看| 岛国视频午夜一区免费看| 丝袜美腿诱惑在线| 69av精品久久久久久| bbb黄色大片| 色综合欧美亚洲国产小说| 国产激情欧美一区二区| 老熟妇仑乱视频hdxx| 国产精品一区二区三区四区久久 | 法律面前人人平等表现在哪些方面| 啦啦啦韩国在线观看视频| 国产1区2区3区精品| 国产黄a三级三级三级人| 欧美性长视频在线观看| 香蕉国产在线看| 黄色 视频免费看| 看黄色毛片网站| 中文字幕精品亚洲无线码一区 | 国产亚洲精品综合一区在线观看 | 久久精品aⅴ一区二区三区四区| 亚洲自偷自拍图片 自拍| 国产主播在线观看一区二区| 日韩免费av在线播放| 桃红色精品国产亚洲av| 国产主播在线观看一区二区| 久久精品91无色码中文字幕| 欧美 亚洲 国产 日韩一| 亚洲熟妇中文字幕五十中出| 大香蕉久久成人网| 黄色a级毛片大全视频| 国产成人系列免费观看| 视频在线观看一区二区三区| 日韩大尺度精品在线看网址| av中文乱码字幕在线| 琪琪午夜伦伦电影理论片6080| 成年人黄色毛片网站| 夜夜看夜夜爽夜夜摸| 午夜激情福利司机影院| 亚洲第一av免费看| 亚洲成国产人片在线观看| 久久亚洲精品不卡| 麻豆一二三区av精品| а√天堂www在线а√下载| 亚洲午夜精品一区,二区,三区| 色综合亚洲欧美另类图片| 欧美黄色淫秽网站| 国产真人三级小视频在线观看| 香蕉久久夜色| 国产精品 国内视频| 国产午夜福利久久久久久| 一个人观看的视频www高清免费观看 | 精品少妇一区二区三区视频日本电影| 国产高清有码在线观看视频 | 性欧美人与动物交配| 免费观看精品视频网站| 国产精品一区二区三区四区久久 | 变态另类丝袜制服| 可以免费在线观看a视频的电影网站| 村上凉子中文字幕在线| 国产又黄又爽又无遮挡在线| 51午夜福利影视在线观看| 国产精品久久久久久亚洲av鲁大| 国产日本99.免费观看| 男女下面进入的视频免费午夜 | 午夜福利18| 亚洲av美国av| 高潮久久久久久久久久久不卡| 久久久国产欧美日韩av| 日韩高清综合在线| 久热爱精品视频在线9| 国产熟女午夜一区二区三区| 欧美三级亚洲精品| 亚洲五月婷婷丁香| 国产精品亚洲一级av第二区| 精品免费久久久久久久清纯| 夜夜躁狠狠躁天天躁| 国产区一区二久久| 日本免费一区二区三区高清不卡| 十分钟在线观看高清视频www| 亚洲电影在线观看av| 久久人妻福利社区极品人妻图片| 久久国产亚洲av麻豆专区| 可以免费在线观看a视频的电影网站| 大型av网站在线播放| 国产真人三级小视频在线观看| 神马国产精品三级电影在线观看 | 日韩三级视频一区二区三区| 亚洲第一av免费看| 久久国产乱子伦精品免费另类| 国产在线观看jvid| 欧美av亚洲av综合av国产av| 亚洲国产精品sss在线观看| 国产精品99久久99久久久不卡| 99精品在免费线老司机午夜| 男男h啪啪无遮挡| 国产熟女xx| 欧美 亚洲 国产 日韩一| 天天一区二区日本电影三级| 亚洲专区国产一区二区| 国产精品亚洲一级av第二区| 老司机靠b影院| 伊人久久大香线蕉亚洲五| 国产亚洲精品第一综合不卡| 日韩 欧美 亚洲 中文字幕| 两个人免费观看高清视频| av视频在线观看入口| 亚洲一区高清亚洲精品| 韩国av一区二区三区四区| 国产高清视频在线播放一区| 国产成年人精品一区二区| 啦啦啦 在线观看视频| 麻豆av在线久日| 精品久久蜜臀av无| 中文资源天堂在线| 18禁观看日本| a级毛片a级免费在线| 操出白浆在线播放| 国内精品久久久久精免费| 夜夜看夜夜爽夜夜摸| 国产欧美日韩一区二区三| 色播亚洲综合网| 国产色视频综合| 久久久久国产一级毛片高清牌| 99国产精品99久久久久| 亚洲 国产 在线| 一二三四社区在线视频社区8| 国产精华一区二区三区| 黑人欧美特级aaaaaa片| 久久国产精品影院| 他把我摸到了高潮在线观看| 精品久久久久久久末码| 国产成人啪精品午夜网站| 曰老女人黄片| 国产高清激情床上av| 日韩av在线大香蕉| 国产亚洲欧美精品永久| 曰老女人黄片| 日韩精品免费视频一区二区三区| 国产成人精品久久二区二区91| 首页视频小说图片口味搜索| 男女那种视频在线观看| 女人爽到高潮嗷嗷叫在线视频| 大型黄色视频在线免费观看| 亚洲中文av在线| 日本一区二区免费在线视频| 精品高清国产在线一区| 国产精品影院久久| 免费高清在线观看日韩| 日韩一卡2卡3卡4卡2021年| 看片在线看免费视频| 亚洲全国av大片| 亚洲精品美女久久av网站| tocl精华| 成人亚洲精品av一区二区| 女性被躁到高潮视频| 国产真人三级小视频在线观看| 亚洲七黄色美女视频| 老司机福利观看| 中文资源天堂在线| 嫩草影视91久久| or卡值多少钱| 久久久久久亚洲精品国产蜜桃av| 国产亚洲精品一区二区www| 午夜福利在线在线| 久久久精品欧美日韩精品| 国产真实乱freesex| 成人欧美大片| 精品电影一区二区在线| av有码第一页| 免费在线观看成人毛片| 亚洲av成人一区二区三| 一进一出好大好爽视频| 欧美色视频一区免费| 日日夜夜操网爽| 亚洲 国产 在线| 亚洲激情在线av| 午夜福利在线观看吧| 国产片内射在线| 亚洲成人免费电影在线观看| 免费高清视频大片| 在线观看日韩欧美| 国产精品一区二区免费欧美| 亚洲国产欧洲综合997久久, | 日韩高清综合在线| 日本三级黄在线观看| 国产精品免费视频内射| 欧美午夜高清在线| 国产成人影院久久av| 亚洲第一电影网av| 丝袜在线中文字幕| a级毛片a级免费在线| 亚洲免费av在线视频| 日韩国内少妇激情av| 天天添夜夜摸| 91大片在线观看| 国产视频一区二区在线看| 国产精品,欧美在线| 一区二区三区激情视频| 色综合欧美亚洲国产小说| 无人区码免费观看不卡| 中文在线观看免费www的网站 | 亚洲片人在线观看| 亚洲av日韩精品久久久久久密| 国产精品 国内视频| bbb黄色大片| √禁漫天堂资源中文www| 亚洲国产日韩欧美精品在线观看 | 超碰成人久久| 好男人电影高清在线观看| 久久久久久久午夜电影| 正在播放国产对白刺激| 淫妇啪啪啪对白视频| 午夜福利免费观看在线| 午夜福利欧美成人| АⅤ资源中文在线天堂| 男女之事视频高清在线观看| 好男人在线观看高清免费视频 | 亚洲自偷自拍图片 自拍| 夜夜看夜夜爽夜夜摸| 色在线成人网| 欧美黄色片欧美黄色片| 中文字幕另类日韩欧美亚洲嫩草| 欧美黑人巨大hd| 国产真实乱freesex| 国产激情久久老熟女| 国产99久久九九免费精品| 亚洲自偷自拍图片 自拍| 日韩免费av在线播放| 美女午夜性视频免费| 亚洲精品美女久久av网站| 亚洲精品色激情综合| 国产一区二区三区在线臀色熟女| 日韩av在线大香蕉| 久久久精品国产亚洲av高清涩受| 精品久久久久久成人av| 成人永久免费在线观看视频| 亚洲熟女毛片儿| 日韩精品青青久久久久久| 久热这里只有精品99| or卡值多少钱| 俺也久久电影网| 在线av久久热| 精品第一国产精品| 欧美日韩瑟瑟在线播放| 久久久久久人人人人人| 色综合亚洲欧美另类图片| 欧美激情极品国产一区二区三区| 欧美激情高清一区二区三区| 久久久久九九精品影院| 日本撒尿小便嘘嘘汇集6| 久久青草综合色| 日韩精品中文字幕看吧| 久久欧美精品欧美久久欧美| 亚洲男人天堂网一区| 免费人成视频x8x8入口观看| 日本一区二区免费在线视频| 日韩欧美国产在线观看| 少妇 在线观看| 91字幕亚洲| 国产精品九九99| 久9热在线精品视频| 一本精品99久久精品77| 亚洲自偷自拍图片 自拍| 色哟哟哟哟哟哟| 国产一卡二卡三卡精品| 99久久无色码亚洲精品果冻| 亚洲人成伊人成综合网2020| 国产在线精品亚洲第一网站| 亚洲欧美精品综合一区二区三区| 巨乳人妻的诱惑在线观看| 日韩视频一区二区在线观看| 别揉我奶头~嗯~啊~动态视频| 国产亚洲欧美精品永久| 一本综合久久免费| 久久久久久人人人人人| 男女床上黄色一级片免费看| 亚洲国产欧美一区二区综合| 日韩欧美在线二视频| 日本熟妇午夜| 亚洲成人精品中文字幕电影| 欧美激情极品国产一区二区三区| 久久午夜亚洲精品久久| 在线播放国产精品三级| 亚洲av成人一区二区三| 伊人久久大香线蕉亚洲五| 天堂动漫精品| 99热6这里只有精品| 亚洲午夜理论影院| 亚洲国产欧美日韩在线播放| av在线播放免费不卡| 亚洲欧美一区二区三区黑人| 三级毛片av免费| 亚洲精品av麻豆狂野| 精品一区二区三区视频在线观看免费| 草草在线视频免费看| 欧美日本亚洲视频在线播放| 国产精品久久久久久精品电影 | xxx96com| 欧美国产精品va在线观看不卡| 亚洲av成人不卡在线观看播放网| 亚洲熟妇熟女久久| 大香蕉久久成人网| 中文在线观看免费www的网站 | 亚洲一区中文字幕在线| 亚洲第一av免费看| 天天添夜夜摸| 久久这里只有精品19| 久久伊人香网站| 国产熟女xx| 美女免费视频网站| 亚洲精华国产精华精| 黄色a级毛片大全视频| 一进一出抽搐gif免费好疼| 在线天堂中文资源库| 国产欧美日韩一区二区精品| 中文字幕久久专区| 2021天堂中文幕一二区在线观 | 黄色毛片三级朝国网站| 久久久久久久久中文| 一区二区三区高清视频在线| 亚洲熟妇中文字幕五十中出| 可以在线观看的亚洲视频| 亚洲欧美日韩高清在线视频| 国产高清视频在线播放一区| 欧美激情极品国产一区二区三区| 亚洲人成伊人成综合网2020| 在线观看舔阴道视频| 精品少妇一区二区三区视频日本电影| 午夜福利18| 亚洲人成77777在线视频| 操出白浆在线播放| 看片在线看免费视频| 999久久久国产精品视频| 成人亚洲精品一区在线观看| 免费看十八禁软件| 久久国产精品人妻蜜桃| 黑人巨大精品欧美一区二区mp4| 一二三四社区在线视频社区8| x7x7x7水蜜桃| 亚洲自偷自拍图片 自拍| 搡老岳熟女国产| 亚洲精品久久国产高清桃花| 国内精品久久久久精免费| 精品电影一区二区在线| 嫩草影院精品99| 亚洲成国产人片在线观看| 美女国产高潮福利片在线看| 男女做爰动态图高潮gif福利片| 欧美日韩一级在线毛片| 欧美性长视频在线观看| 国产在线观看jvid| 欧美在线一区亚洲| 久久久久精品国产欧美久久久| 久久香蕉精品热| 亚洲精品粉嫩美女一区| 日本一区二区免费在线视频| 亚洲一区二区三区不卡视频| 久热这里只有精品99| 丝袜人妻中文字幕| 日日夜夜操网爽| 国产精品久久久av美女十八| 成人午夜高清在线视频 | 一边摸一边做爽爽视频免费| 一二三四社区在线视频社区8| 国产成人一区二区三区免费视频网站| 国产成+人综合+亚洲专区| 巨乳人妻的诱惑在线观看| 亚洲国产精品成人综合色| 国产成人av激情在线播放| ponron亚洲| 黄频高清免费视频| 制服人妻中文乱码| 色哟哟哟哟哟哟| 亚洲九九香蕉| 正在播放国产对白刺激| 999久久久精品免费观看国产| a级毛片a级免费在线| 熟女少妇亚洲综合色aaa.| 亚洲精品一卡2卡三卡4卡5卡| АⅤ资源中文在线天堂| 国产麻豆成人av免费视频| 免费在线观看视频国产中文字幕亚洲| 1024香蕉在线观看| 99久久国产精品久久久| 亚洲av五月六月丁香网| 天堂动漫精品| 精品欧美一区二区三区在线| 亚洲色图av天堂| 亚洲第一青青草原| x7x7x7水蜜桃| 白带黄色成豆腐渣| 国产精品一区二区三区四区久久 | 午夜激情福利司机影院| 亚洲av成人一区二区三| 国产蜜桃级精品一区二区三区| 国产色视频综合| 色综合婷婷激情| 一级毛片女人18水好多| 桃色一区二区三区在线观看| 久久久久国产精品人妻aⅴ院| 亚洲国产精品999在线| 欧美成人性av电影在线观看| 可以免费在线观看a视频的电影网站| 天天一区二区日本电影三级| 国产精品香港三级国产av潘金莲| 免费观看人在逋| 成熟少妇高潮喷水视频| 欧美成人午夜精品| 777久久人妻少妇嫩草av网站| 黄色 视频免费看| 露出奶头的视频| 久久久久国产一级毛片高清牌| 搞女人的毛片| 免费av毛片视频| 亚洲成人久久爱视频| 精品国产乱子伦一区二区三区| 亚洲国产欧美日韩在线播放| 免费高清在线观看日韩| 久久草成人影院| 日本免费a在线| 人人妻人人澡人人看| 欧美性长视频在线观看| 日本 av在线| 欧美日韩一级在线毛片| 色老头精品视频在线观看| 亚洲熟妇中文字幕五十中出| 99在线视频只有这里精品首页| 亚洲国产欧美网| 欧美黑人精品巨大| 18禁黄网站禁片午夜丰满| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久精品电影 | 99久久精品国产亚洲精品| 99国产精品一区二区三区| 久久精品国产亚洲av香蕉五月| 久久午夜亚洲精品久久| 精品第一国产精品| 久久久久久九九精品二区国产 | 黑人巨大精品欧美一区二区mp4| 成人亚洲精品一区在线观看| 欧美另类亚洲清纯唯美| 精品人妻1区二区| 亚洲黑人精品在线| 在线国产一区二区在线| 久久狼人影院| 日韩大码丰满熟妇| www.熟女人妻精品国产| 好男人电影高清在线观看| 中国美女看黄片| 国产熟女xx| 精品乱码久久久久久99久播| 黄色片一级片一级黄色片| 夜夜看夜夜爽夜夜摸| 18禁美女被吸乳视频| 99国产精品99久久久久| 99在线人妻在线中文字幕| 我的亚洲天堂| 91麻豆精品激情在线观看国产| 色综合欧美亚洲国产小说| 国产精品影院久久| 十分钟在线观看高清视频www| 精品人妻1区二区| xxxwww97欧美| 两个人免费观看高清视频| 99精品在免费线老司机午夜| 亚洲一码二码三码区别大吗| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美精品综合久久99| 国产私拍福利视频在线观看| 国产成人精品久久二区二区免费| 最近最新免费中文字幕在线| 日韩精品青青久久久久久| 老司机福利观看| 亚洲av成人av| 欧美激情久久久久久爽电影| 男人操女人黄网站| 国产一区在线观看成人免费| 欧美最黄视频在线播放免费| 亚洲aⅴ乱码一区二区在线播放 | 天堂√8在线中文| 欧美性长视频在线观看| 国产色视频综合| 亚洲欧美日韩无卡精品| 国产成人av激情在线播放| 制服丝袜大香蕉在线| 在线观看免费视频日本深夜| e午夜精品久久久久久久| 国产私拍福利视频在线观看| 国产亚洲精品一区二区www| 麻豆av在线久日| 久久久久亚洲av毛片大全| 亚洲国产精品久久男人天堂| 国产精品爽爽va在线观看网站 | 亚洲七黄色美女视频| 亚洲精品国产区一区二| 精品日产1卡2卡| 黄色视频不卡| 成人国产综合亚洲| 国产国语露脸激情在线看| av在线播放免费不卡| 国产激情偷乱视频一区二区| 精品久久久久久久末码| 女人高潮潮喷娇喘18禁视频| 两个人看的免费小视频| 18禁美女被吸乳视频| 亚洲国产欧美日韩在线播放| 校园春色视频在线观看| 久久亚洲精品不卡| 亚洲av片天天在线观看| 视频在线观看一区二区三区| 日韩精品青青久久久久久| 国产高清videossex| av在线天堂中文字幕| 久久精品91蜜桃| 欧美一级毛片孕妇| АⅤ资源中文在线天堂| 欧美日韩精品网址| 黄色片一级片一级黄色片| 一进一出好大好爽视频| 久久精品亚洲精品国产色婷小说| 欧美成狂野欧美在线观看| 国产真人三级小视频在线观看| 日日爽夜夜爽网站| 午夜福利在线观看吧| 波多野结衣高清无吗| 精品久久久久久久久久久久久 | 免费在线观看日本一区| 免费搜索国产男女视频| 91字幕亚洲| 中文在线观看免费www的网站 | 特大巨黑吊av在线直播 | 欧美激情久久久久久爽电影| 日韩有码中文字幕| 精品国产美女av久久久久小说| 久久久久免费精品人妻一区二区 | 国产精品1区2区在线观看.| aaaaa片日本免费| 国产精品二区激情视频| 免费无遮挡裸体视频| 老司机午夜十八禁免费视频| 岛国视频午夜一区免费看| 又黄又爽又免费观看的视频| 国产成人一区二区三区免费视频网站| 亚洲成人国产一区在线观看| 国产亚洲精品综合一区在线观看 | 精品国内亚洲2022精品成人| 亚洲精华国产精华精| 午夜影院日韩av| 脱女人内裤的视频| 18美女黄网站色大片免费观看| 亚洲精品一区av在线观看| 黑人欧美特级aaaaaa片| 日韩av在线大香蕉| 女人高潮潮喷娇喘18禁视频| 人妻丰满熟妇av一区二区三区| 亚洲国产欧美一区二区综合| 国产三级在线视频| 亚洲欧美日韩高清在线视频| 欧美黑人巨大hd| 久久久国产欧美日韩av| 国产精品电影一区二区三区| 中国美女看黄片| 97人妻精品一区二区三区麻豆 | 免费在线观看完整版高清| 色老头精品视频在线观看| 免费在线观看亚洲国产| 十八禁网站免费在线| 侵犯人妻中文字幕一二三四区| 成年女人毛片免费观看观看9| 视频区欧美日本亚洲|