• <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 ?

    基于哨兵二號的大豆、玉米遙感識別

    2024-01-30 14:33:32王晶晶蘭仕浩邱琳汪曙單捷黃曉軍李牧
    江蘇農(nóng)業(yè)學(xué)報 2023年8期
    關(guān)鍵詞:特征選擇大豆玉米

    王晶晶 蘭仕浩 邱琳 汪曙 單捷 黃曉軍 李牧

    王晶晶,蘭仕浩,邱? 琳,等. 基于哨兵二號的大豆、玉米遙感識別——以江蘇徐淮地區(qū)為例[J]. 江蘇農(nóng)業(yè)學(xué)報,2023,39(8):1698-1706.

    doi:10.3969/j.issn.1000-4440.2023.08.009

    收稿日期:2022-11-07

    基金項目:江蘇省農(nóng)業(yè)科技自主創(chuàng)新基金項目[CX(22)2001]

    作者簡介:王晶晶(1981-) , 女 , 江蘇揚州人, 博士, 副研究員 , 主要從事農(nóng)業(yè)遙感應(yīng)用研究。 (E-mail)immi103@163.com

    摘要:本研究以哨兵二號影像為數(shù)據(jù)源,以江蘇徐淮地區(qū)邳州市西南部作為研究區(qū),開展大豆、玉米遙感識別研究。采用覆蓋玉米和大豆主要生長期的多時相哨兵二號影像構(gòu)建遙感特征參數(shù)數(shù)據(jù)集,包括12個光譜波段的反射率和47個植被指數(shù),采用遞歸特征消除與隨機森林、支持向量機相結(jié)合的算法開展特征參數(shù)優(yōu)選,明確最優(yōu)識別時相-特征參數(shù)組合,在此基礎(chǔ)上,采用隨機森林和支持向量機分類器進行分類,并比較分類精度。研究結(jié)果表明,利用特征參數(shù)優(yōu)選方法提取最優(yōu)特征參數(shù)組合,在保證總體精度的前提下能夠減少特征參數(shù)數(shù)量;陸地水指數(shù)和倒數(shù)差值等植被指數(shù)是2種優(yōu)選算法所提取出的共性特征參數(shù);9月8日是研究區(qū)玉米和大豆遙感識別的最佳時相,總體精度和Kappa系數(shù)均為0.99。

    關(guān)鍵詞:玉米;大豆;哨兵二號影像;特征選擇;遙感識別

    中圖分類號:TP79????? 文獻標識碼:A????? 文章編號:1000-4440(2023)08-1698-09

    Recognition of corn and soybean based on Sentinel-2 imagery: a case study in Xuhuai area, Jiangsu province

    WANG Jing-jing1 LAN Shi-hao2 QIU Lin1 WANG Shu1 SHAN Jie1 HUANG Xiao-jun1 LI Mu1

    (1.Institute of Agricultural Information, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China;2.School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China)

    Abstract:In this study, the southwest of Pizhou City of Xuhuai area, Jiangsu province, China, was taken as the study area, and multi-temporal Sentinel-2 images covering the main growing period of the corn and soybean were adopted to build the multi-temporal candidate features data set including the reflectance of 12 spectral bands and 47 vegetation indices. Two machine-learning algorithms, i.e., random forest and support vector machine combined with the recursive feature elimination process were employed and their respective performance in crop identification was evaluated to determine the optimal characteristic parameters of remote sensing identification with the best recognition time phases of corn and soybean. Results indicated that feature parameter selection method could be used to extract the optimal feature parameter combination and reduce the number of feature parameters under the premise of ensuring the overall accuracy. The combination of features of multiple time phases obtained by the two algorithms had some of the same preferred feature parameters including land surface water index and derivative difference vegetation index. The classification accuracy analysis showed that September 8 was the best phase for corn and soybean recognition in this study with the overall accuracy and kappa coefficient of 0.99.

    Key words:corn;soybean;Sentinel-2 imagery;feature selection;remote sensing identification

    玉米是目前世界上種植最廣泛的谷類作物之一,其總產(chǎn)量位居三大谷類作物(玉米、水稻和小麥)之首。近幾十年來,玉米是全球單位面積產(chǎn)量和種植面積增長最快的大田作物[1],在解決未來糧食需求方面發(fā)揮著重要作用。中國是世界主要大豆生產(chǎn)國之一,但大豆的產(chǎn)量遠遠不能滿足畜牧業(yè)生產(chǎn)和人們生活的需要,近年來大豆種植面積不斷增加。隨著玉米和大豆種植規(guī)模的不斷擴大,快速準確地了解玉米、大豆種植的空間分布和動態(tài)變化等一系列問題顯得日益緊迫。識別農(nóng)作物,掌握農(nóng)作物種植面積及其變化,是當(dāng)前農(nóng)業(yè)遙感監(jiān)測研究的重要目標,引導(dǎo)和調(diào)節(jié)農(nóng)業(yè)結(jié)構(gòu)對規(guī)劃國家和區(qū)域經(jīng)濟社會發(fā)展戰(zhàn)略,制定農(nóng)產(chǎn)品進出口計劃具有重要意義[2-3],同時作物空間分布情況是作物長勢監(jiān)測、產(chǎn)量預(yù)測、災(zāi)害預(yù)警等農(nóng)情遙感監(jiān)測的基礎(chǔ)信息[4-5]。傳統(tǒng)方法通過人工實地調(diào)查獲取耕地種植情況,存在費時費力的局限性,不能大范圍使用。遙感技術(shù)具有宏觀、實時、動態(tài)等優(yōu)點,已成為獲取耕地和農(nóng)作物信息的有效手段[6-7]。

    在農(nóng)作物分類識別研究中,原始遙感影像的光譜特征使用最多,利用線性或非線性變換得到的植被指數(shù)能有效提高玉米和大豆識別的效率,成為農(nóng)作物識別最重要的遙感特征[8-9]。紅邊、近紅外波段和短波紅外已被學(xué)者證明對玉米和大豆的識別至關(guān)重要[10-12]。由于作物具有明顯的季節(jié)生長規(guī)律和物候特征,時相的選擇成為影響精度的重要因素[13-14]。目前,對玉米和大豆的種植分布研究主要集中在機械化程度高、種植連片的產(chǎn)區(qū),例如美國、巴西、阿根廷以及中國東北地區(qū)[15]。玉米和大豆遙感識別研究以中低空間分辨率、大尺度、高時間分辨率的遙感數(shù)據(jù)源為主[8-10],對于以散戶種植為主、種植結(jié)構(gòu)較為復(fù)雜的地區(qū),例如地處中國黃淮海大豆、玉米種植區(qū)的江蘇省徐淮地區(qū),由于農(nóng)田景觀破碎、作物插花種植程度較高,中低分辨率衛(wèi)星數(shù)據(jù)難以滿足種植田塊較小的玉米、大豆等作物種植分布精細識別的空間分辨率的要求。

    本研究以江蘇省徐淮地區(qū)邳州市南部地區(qū)為研究區(qū),以歐洲航天局(European Space Agency,ESA)哨兵二號(Sentinel-2)高分辨率影像為遙感數(shù)據(jù)源,開展農(nóng)田景觀破碎地區(qū)玉米和大豆遙感識別特征選擇研究,通過地面實地調(diào)查獲得了玉米、大豆、水稻等主要作物樣本,提取樣本對應(yīng)遙感影像的波段反射率并計算多個植被指數(shù)作為遙感識別特征數(shù)據(jù)集,采用2種機器學(xué)習(xí)算法,即隨機森林 (Random forest, RF) 和支持向量機 (Support vector machines, SVM) 結(jié)合遞歸特征消除(Recursive feature elimination, RFE) 算法,分析多個時相的遙感特征數(shù)據(jù)集中各個遙感特征對識別精度的重要性,探求玉米、大豆和其他作物分類最優(yōu)遙感特征參數(shù)及適宜時相,最后利用時相-遙感參數(shù)的最優(yōu)特征組合提取研究區(qū)玉米和大豆的種植分布信息,并驗證精度。

    1? 材料與方法

    1.1? 研究區(qū)概況

    江蘇徐淮地區(qū)是中國典型的玉米、大豆種植區(qū)。研究區(qū)位于江蘇省邳州市西南部( 34°07′~34°21′N,117°37′~117°57′E)。邳州市位于江蘇省西北部,黃河與淮河之間,屬于暖溫帶濕潤半濕潤季風(fēng)氣候區(qū),年平均氣溫14.4 ℃,年平均日照時數(shù)2219.7 h,年平均降水量853.2 mm,玉米和大豆種植面積分別為36 710 hm2和5 490 hm2,主要分布在邳州西南部地區(qū)(圖1)。

    本圖為哨兵二號(Sentinel-2)MSI 4.3.2,4、3、2波段真彩色合成影像。

    1.2? 數(shù)據(jù)獲取與預(yù)處理

    本研究涉及的數(shù)據(jù)主要包括Sentinel-2影像和不同類型農(nóng)作物的田間樣本。本研究采用的衛(wèi)星影像包括2020年7月至2020年10月五景Sentinel-2影像,影像數(shù)據(jù)從歐洲航天局數(shù)據(jù)中心(https:∥scihub.Copernicus.eu/dhus/#/home)下載,五景影像的成像時間和清晰度如表1所示。Sentinel-2是1顆高分辨率多光譜成像衛(wèi)星,它搭載多光譜成像儀(MSI),覆蓋了從可見光以及近紅外到短波紅外的13個光譜波段,是唯一具有紅邊范圍3個波段光學(xué)影像數(shù)據(jù)的高分辨率多光譜成像衛(wèi)星,對作物監(jiān)測具有重要意義。本研究使用的Sentinel-2數(shù)據(jù)為LEVEL-2A級,產(chǎn)品進行了輻射校正、大氣校正、正射校正和幾何校正。在大氣校正過程中,卷云波段(中心波長1 375 nm)被自動去除,將其余12個波段疊加重采樣至10 m分辨率。最后,根據(jù)研究區(qū)域的位置對圖像進行裁剪。

    2020年7月至2020年10月,在研究區(qū)進行了3次實地調(diào)查,收集了地面不同類型作物樣本的信息。研究區(qū)中與玉米、大豆同一生長季節(jié)的主要農(nóng)作物是水稻。采用亞米級全球定位系統(tǒng)獲取作物樣本位置,測量獲得樣本369個,其中玉米樣本123個,大豆樣本120個,水稻樣本126個(圖2)。

    1.3? 遙感識別特征參數(shù)

    本研究選用并建立的遙感識別特征主要有兩大類。第一類是Sentinel-2影像12個波段的反射率,第二類是利用藍光、綠光、紅光、紅邊、近紅外和短波紅外波段構(gòu)建的植被指數(shù)。根據(jù)Sentinel-2數(shù)據(jù)的波段設(shè)置,本研究選取ρ1、ρ2、ρ3、ρ4、ρ5、ρ6、ρ7、ρ8、ρ8A、ρ9、ρ11、ρ12、NDVI、NDVIGreen、RVI、RVIGreen、SRNIR/RE、SRRed/RE、SRRed/Green、TVI、SAVI、DVI、DDVI、EVI、LSWI、TDVI、OSAVI、VARIGreen、NLI、MNLI作為玉米、大豆遙感識別特征參數(shù)(表2),建模特征參數(shù)共計59個。Sentinel-2影像的第5、第6、第7波段是3個紅邊波段,第8和第8A波段是2個近紅外波段,第11和第12波段是2個短波紅外波段,后續(xù)用于分析建模的遙感特征數(shù)據(jù)集中的各個因子,以Sentinel-2波段名稱命名。

    1.4? 特征參數(shù)優(yōu)選算法

    本研究分別將遞歸特征消除算法與隨機森林、支持向量機相結(jié)合,構(gòu)建了RF-RFE及SVM-RFE特征參數(shù)優(yōu)選與分類算法,開展玉米和大豆所對應(yīng)的農(nóng)作物遙感識別特征參數(shù)優(yōu)選研究。從樣本中隨機抽取2/3,用于建模,以另外1/3未被抽中的樣本用于模型的精度評價。

    RF-RFE算法首先將某一時相建模使用的所有特征參數(shù)集代入RF分類器,得到分類總體精度,再利用隨機森林特征重要性估計,得到各個特征參數(shù)的重要程度,利用后向迭代特征遞歸消除方法,刪除重要性最小的特征,再次將新的特征參數(shù)集代入RF分類器,得到總體精度,循環(huán)評價完所有特征,篩選出總體精度達到相對穩(wěn)定的峰值時的特征參數(shù)組合,確定為該時相玉米和大豆的最佳遙感特征參數(shù)組合。

    SVM-RFE算法輸入的原始特征數(shù)據(jù)集與RF-RFE算法輸入的相同,首先將某一時相建模使用的所有特征因子集代入SVM高斯徑向基核函數(shù)分類器,得到分類總體精度,再利用支持向量機線性核函數(shù)訓(xùn)練得到每個特征參數(shù)的重要性,同樣利用后向迭代特征參數(shù)遞歸消除方法,刪除重要性最小的特征,再次將新的特征參數(shù)集代入SVM分類器,得到總體精度,循環(huán)評價完所有的特征參數(shù),篩選出總體精度達到相對穩(wěn)定的峰值時的特征參數(shù)組合,確定為該時相玉米和大豆的最佳遙感特征參數(shù)組合。

    1.5? 玉米和大豆種植分布信息提取

    通過比較RF-RFE和SVM-FRE特征選擇結(jié)果,選擇最適宜時相的Sentinel-2圖像,計算該時相玉米和大豆最佳遙感特征參數(shù)組合所需要的各個植被指數(shù)及波段反射率,將所有參數(shù)所在波段進行組合,然后根據(jù)研究區(qū)已有農(nóng)田矢量邊界,提取出農(nóng)田范圍信息,選擇最適宜分類算法,將實地樣本作為訓(xùn)練樣本輸入分類器,提取研究區(qū)玉米和大豆的空間分布信息。

    ρBlue、ρGreen、ρRed、ρRE、ρNIR、ρSWIR分別表示藍波段反射率、綠波段反射率、紅波段反射率、紅邊反射率、近紅外波段反射率、短波紅外波段反射率;SAVI計算中的L值為0.5;WDRVI中a值為0.1。

    2? 結(jié)果與分析

    2.1? 最優(yōu)特征參數(shù)組合選擇

    分別利用RF和SVM特征參數(shù)重要性評價方法,對5個時相59個特征參數(shù)依次刪除得分最低的遙感特征參數(shù),然后得到分類的總體精度,參與分類的特征參數(shù)數(shù)量與總體精度的變化情況如圖3所示。

    7月8日的結(jié)果顯示,使用RF-RFE算法,前4個特征參數(shù)的分類總體精度達到0.81,使用SVM-RFE算法,前7個特征參數(shù)的分類總體精度達到0.81,達到總體精度的穩(wěn)定值之后,2種算法隨著特征參數(shù)數(shù)量進一步增加,總體分類精度變化幅度較小,59個特征參數(shù)的總體精度分別為0.77和0.82。8月17日的結(jié)果顯示,使用RF-RFE算法,前9個特征參數(shù)的分類總體精度達到0.92,之后隨著特征參數(shù)數(shù)量增加,總體精度呈現(xiàn)小幅度波動,59個特征參數(shù)的總體精度為0.88;使用SVM-RFE算法,前3個特征參數(shù)的分類總體精度達到0.89,之后隨著特征參數(shù)數(shù)量增加,總體分類精度呈現(xiàn)降低的趨勢,59個特征參數(shù)的總體精度為0.82。9月8日的結(jié)果顯示,使用RF-RFE算法,前5個特征參數(shù)的分類總體精度達到0.99,之后隨著特征參數(shù)數(shù)量增加,總體精度呈現(xiàn)穩(wěn)定狀況,59個特征參數(shù)的總體精度為0.99;使用SVM-RFE算法,前4個特征參數(shù)的分類總體精度達到0.99,之后隨著特征參數(shù)數(shù)量增加,總體分類精度呈現(xiàn)降低的趨勢,59個特征參數(shù)的總體精度為0.87。9月18日的結(jié)果顯示,使用RF-RFE算法,前3個特征參數(shù)的分類總體精度達到0.96,之后隨著特征參數(shù)數(shù)量增加,總體精度呈現(xiàn)小幅度波動,59個特征參數(shù)的總體精度為0.94;使用SVM-RFE算法,前9個特征參數(shù)的分類總體精度達到0.98,之后隨著特征參數(shù)數(shù)量增加,總體分類精度呈現(xiàn)降低的趨勢,59個特征參數(shù)的總體精度為0.84。10月1日的結(jié)果顯示,使用RF-RFE算法,前28個特征參數(shù)的分類總體精度達到0.86,之后隨著特征參數(shù)數(shù)量增加,總體精度呈現(xiàn)小幅度波動,59個特征參數(shù)的總體精度為0.83;使用SVM-RFE算法,前10個特征參數(shù)的分類總體精度達到0.90,之后隨著特征參數(shù)數(shù)量增加,總體分類精度呈現(xiàn)先降低再趨于穩(wěn)定的趨勢,59個特征參數(shù)的總體精度為0.89。

    通過比較分類總體精度,選擇5個時相分類總體精度達到穩(wěn)定峰值時所對應(yīng)的特征參數(shù)集為最優(yōu)特征集,使用RF-RFE和SVM-RFE算法優(yōu)選出來的不同時相最優(yōu)特征參數(shù)子集,如表3及表4所示。

    5個時相的最優(yōu)特征參數(shù)組合中,短波紅外波段、近紅外以及紅邊波段構(gòu)建的DDVI和LSWI是2種特征優(yōu)選算法提取出的共性特征參數(shù),對研究區(qū)的大豆、玉米和水稻有較好的區(qū)分性。

    2.2? 分類精度評價

    選擇5個時相優(yōu)選后的遙感特征參數(shù)組合作為變量輸入到RF和SVM分類器,以1/3樣本驗證分類精度。根據(jù)混淆矩陣計算出總體精度、Kappa系數(shù)、用戶精度、制圖精度4個評價指標,對2種分類方法的精度進行評價。

    RF和SVM 2種分類方法的總體精度和Kappa系數(shù)在不同時相上的變化趨勢較為一致(圖4、圖5),7月8日的分類精度最低,RF算法的總體精度和Kappa系數(shù)分別為0.81和0.71,SVM方法的總體精度和Kappa系數(shù)分別是0.82和0.74,9月8日的分類精度最高,RF和SVM算法的總體精度和Kappa系數(shù)均為0.99,同時2種算法在9月8日的玉米與大豆的用戶精度及制圖精度均為5個時相中的最高值(圖6、圖7),利用RF分類方法獲得的玉米制圖精度為1.00,用戶精度為0.98,大豆制圖精度為0.97,用戶精度為1.00,總體分類精度為0.99,Kappa系數(shù)為0.99,利用SVM方法獲得的玉米制圖精度為0.98,用戶精度為1.00,大豆制圖精度為1.00,用戶精度為0.97。由此可知,9月8日是研究區(qū)大豆和玉米遙感識別的最佳時相。

    2.3? 玉米和大豆種植分布信息提取

    綜合比較RF-RFE和SVM-RFE 2種算法的精度和輸入?yún)?shù)數(shù)量,本研究選取2020年9月8日Sentinel-2影像,以研究區(qū)LSWI(ρ8,ρ11)、LSWI(ρ8A,ρ11)、LSWI(ρ8,ρ12)、LSWI(ρ6,ρ8A)作為遙感特征參數(shù)輸入數(shù)據(jù)集,采用SVM分類器,提取研究區(qū)玉米和大豆的空間分布(圖8)。

    3? 結(jié)? 論

    本研究基于典型研究區(qū)玉米和大豆生長過程中5個時相的Sentinel-2影像,構(gòu)建以波段反射率和植被指數(shù)為主要識別特征的遙感特征參數(shù)集,并通過RF-RFE和SVM-RFE算法確定玉米和大豆識別的優(yōu)選特征參數(shù)與最佳識別時相,進一步利用實測樣本對識別進行驗證和比較,得出如下結(jié)論。

    第一,多時相Sentinel-2影像在農(nóng)田景觀破碎、作物插花種植程度較高的徐淮地區(qū)表現(xiàn)出較好的作物識別能力,在9月8日及9月18日2個時相,玉米、大豆和水稻的總體分類精度和Kappa系數(shù)均超過0.90,9月8日是本研究玉米、大豆識別提取的最佳時相,總體分類精度可達0.99。

    第二,通過構(gòu)建遞歸特征消除與隨機森林及支持向量機相結(jié)合的特征優(yōu)選算法,在獲得穩(wěn)定的總體分類精度的同時,可以減少特征參數(shù)的輸入數(shù)量。除了10月1日之外的4個時相,2種特征優(yōu)選算法獲得最大分類精度對應(yīng)的特征參數(shù)數(shù)量均少于10個。

    第三,RF-RFE和SVM-RFE 2種特征優(yōu)選算法獲得的研究區(qū)多個時相的優(yōu)選特征參數(shù)組合擁有一些相同的特征參數(shù)。使用Sentinel-2 近紅外和短波紅外波段構(gòu)建的LSWI指數(shù)以及利用紅邊和近紅外波段構(gòu)建的DDVI指數(shù)在研究區(qū)8月至10月多個時相的玉米、大豆遙感識別特征篩選中顯示出重要作用。

    參考文獻:

    [1]? 郭? 偉,趙春江,顧曉鶴,等. 鄉(xiāng)鎮(zhèn)尺度的玉米種植面積遙感監(jiān)測 [J]. 農(nóng)業(yè)工程學(xué)報,2011,27(9):69-74.

    [2]MATHUR A, FOODY G. Crop classification by support vector machine with intelligently selected training data for an operational application [J]. International Journal of Remote Sensing,2008,29:2227-2240.

    [3]陳仲新,任建強,唐華俊,等. 農(nóng)業(yè)遙感研究應(yīng)用進展與展望 [J]. 遙感學(xué)報,2016,20(5):748-767.

    [4]楊邦杰. 農(nóng)情遙感監(jiān)測[M]. 1版.北京:中國農(nóng)業(yè)出版社,2005.

    [5]許青云,楊貴軍,龍慧靈,等. 基于MODIS-NDVI多年時序數(shù)據(jù)的農(nóng)作物種植識別 [J]. 農(nóng)業(yè)工程學(xué)報,2014,30(11):134-144.

    [6]唐華俊. 農(nóng)業(yè)遙感研究進展與展望 [J]. 農(nóng)學(xué)學(xué)報,2018,8(1):167-171.

    [7]董金瑋,吳文斌,黃健熙,等. 農(nóng)業(yè)土地利用遙感信息提取的研究進展與展望 [J]. 地球信息科學(xué)學(xué)報,2020,22(4):772-783.

    [8]DE SOUZA C H W, MERCANTE E, JOHANN J A, et al. Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices [J]. International Journal of Remote Sensing,2015,36:1809-1824.

    [9]DA SILVA JUNIOR C A, NANNI M R, TEODORO P E, et al. Vegetation indices for discrimination of soybean areas: a new approach [J]. Agronomy Journal,2017,109:1331-1343.

    [10]ZHONG L H, HU L N, YU L, et al. Automated mapping of soybean and corn using phenology [J]. ISPRS Journal of Photogrammetry and Remote Sensing,2016,119:151-164.

    [11]劉? 佳,王利民,滕? 飛,等. RapidEye衛(wèi)星紅邊波段對農(nóng)作物面積提取精度的影響 [J]. 農(nóng)業(yè)工程學(xué)報,2016,32(13):140-148.

    [12]YIN L K, YOU N S, ZHANG G L, et al. Optimizing feature selection of individual crop types for improved crop mapping[J]. Remote Sensing,2020,12(1):1-20.

    [13]FOERSTER S, KADEN K, OERSTER M, et al. Crop type mapping using spectral-temporal profiles and phenological information [J]. Computers and Electronics in Agriculture,2012,89:30-40.

    [14]HU Q, SULLA D, XU B D, et al. A phenology-based spectral and temporal feature selection method for crop mapping from satellite time series [J]. International Journal of Applied Earth Observation and Geoinformation,2019,80:218-229.

    [15]黃健熙,侯矞焯,蘇? 偉,等. 基于GF-1 WFV數(shù)據(jù)的玉米與大豆種植面積提取方法 [J]. 農(nóng)業(yè)工程學(xué)報,2017,33(7):164-170.

    [16]DEFRIES R, TOWNSHEND J. NDVI-derived land classifications at a global scale [J]. Journal of Remote Sensing,1994,17:3567-3586.

    [17]GITELSON A A, KAUFMAN Y J, MERZLYAK M N. Use of a green channel in remote sensing of global vegetation from EOS-MODIS [J]. Remote Sensing of Environment,1996,58:289-298.

    [18]JORDAN C F. Derivation of leaf-area index from quality of light on the forest floor [J]. Ecology,1969,50:663-666.

    [19]GITELSON A A, MERALYAK M N. Spectral reflectance changes associated with autumn senescence of Aesculus hippocastanum L. and Acer platanoides L. leaves. Spectral features and relation to chlorophyll estimation [J]. Journal of Plant Physiology,1994,143:286-292.

    [20]CHAPPELLE E W, KIM M S, MC MURTREY J E. Ratio analysis of reflectance spectra (RARS): an algorithm for the remote estimation of the concentrations of chlorophyll A, chlorophyll B, and carotenoids in soybean leaves [J]. Remote Sensing of Environment,1992,39:239-247.

    [21]SIMS D A, GAMON J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages [J]. Remote Sensing of Environment,2002,81:337-354.

    [22]HUETE A R. A soil-adjusted vegetation index(SAVI) [J]. Remote Sensing of Environment,1988,25:295-309.

    [23]RICHARDSON A J, EVERITT J H. Using spectral vegetation indices to estimate rangeland productivity [J]. Geocarto International,1992,7:63-69.

    [24]GITELSON A, SOLOVCHENKO A. Non-invasive quantification of foliar pigments: Possibilities and limitations of reflectance- and absorbance-based approaches [J]. Journal of Photochemistry and Photobiology? B-Biology,2018,178:537-544.

    [25]HUETE A, JUSTICE C, LIU H. Development of vegetation and soil indices for MODIS-EOS [J]. Remote Sensing of Environment,1994,49:224-234.

    [26]XIAO X, BOLES S, LIU J, et al. Characterization of forest types in Northeastern China, using multi-temporal SPOT-4 VEGETATION sensor data [J]. Remote Sensing of Environment,2002,82:335-348.

    [27]BANNARI A, ASALHI H, TEILLET P M. Transformed difference vegetation index(TDVI) for vegetation cover mapping [C]. Toronto, Canada: IGARSS,2002:3053-3055.

    [28]RONDEAUX G, STEVEN M, BARET F. Optimization of soil-adjusted vegetation indices [J]. Remote Sensing of Environment,1996,55:95-107.

    [29]GITELSON A A. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation [J]. Journal of Plant Physiology,2004,161:165-173.

    [30]GITELSON A A, KAUFMAN Y J, STARK R, et al. Novel algorithms for remote estimation of vegetation fraction [J]. Remote Sensing,2002,80:76-87.

    [31]GOEL N S, QIN W. Influences of canopy architecture on relationships between various vegetation indices and LAI and FPAR: a computer simulation [J]. Remote Sensing Reviews,1994,10:309-347.

    [32]GONG P, PU R, BIGING G S, et al. Estimation of forest leaf area index using vegetation indices derived from Hyperion hyperspectral data [J]. IEEE Transactions on Geoscience and Remote Sensing,2003,41:1355-1362.

    (責(zé)任編輯:陳海霞)

    猜你喜歡
    特征選擇大豆玉米
    注意防治大豆點蜂緣蝽
    從大豆種植面積增長看我國糧食安全
    收玉米啦!
    巴西大豆播種順利
    大豆的營養(yǎng)成分及其保健作用
    我的玉米送給你
    玉米
    大灰狼(2018年6期)2018-07-23 16:52:44
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標特征選擇算法
    最飽滿的玉米
    麻豆久久精品国产亚洲av| 好男人电影高清在线观看| 国产v大片淫在线免费观看| 免费搜索国产男女视频| 欧美黑人欧美精品刺激| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产欧美日韩在线播放| 日韩精品中文字幕看吧| 成人18禁高潮啪啪吃奶动态图| 久久久久久亚洲精品国产蜜桃av| 夜夜爽天天搞| 亚洲av熟女| 丝袜美腿诱惑在线| 88av欧美| 日韩免费av在线播放| 中文字幕高清在线视频| 欧美另类亚洲清纯唯美| x7x7x7水蜜桃| 99久久国产精品久久久| 制服诱惑二区| 天天添夜夜摸| 久久精品影院6| 亚洲激情在线av| 美女午夜性视频免费| 嫩草影视91久久| 99久久久亚洲精品蜜臀av| 欧美乱色亚洲激情| 热re99久久国产66热| 黄色a级毛片大全视频| √禁漫天堂资源中文www| 欧美黄色淫秽网站| 国产极品粉嫩免费观看在线| 久久久久久久精品吃奶| 久久久久久久午夜电影| 日韩欧美一区视频在线观看| 黄网站色视频无遮挡免费观看| 一本大道久久a久久精品| 制服人妻中文乱码| 国产亚洲欧美98| 后天国语完整版免费观看| 中文字幕另类日韩欧美亚洲嫩草| 免费高清视频大片| 久久久久亚洲av毛片大全| 午夜两性在线视频| 两性午夜刺激爽爽歪歪视频在线观看 | 性欧美人与动物交配| 欧美日韩一级在线毛片| 狠狠狠狠99中文字幕| 国产精品一区二区三区四区久久 | 黄色视频,在线免费观看| 男女做爰动态图高潮gif福利片| 波多野结衣高清无吗| 国产99白浆流出| 国产精品98久久久久久宅男小说| 99久久99久久久精品蜜桃| 正在播放国产对白刺激| 亚洲第一欧美日韩一区二区三区| 一进一出抽搐动态| 男女之事视频高清在线观看| 亚洲精品美女久久久久99蜜臀| 18禁黄网站禁片免费观看直播| 午夜视频精品福利| 午夜两性在线视频| 搡老熟女国产l中国老女人| 亚洲国产日韩欧美精品在线观看 | 国产97色在线日韩免费| 99精品久久久久人妻精品| 成人手机av| 99久久无色码亚洲精品果冻| 成在线人永久免费视频| 99在线人妻在线中文字幕| 欧美午夜高清在线| 亚洲国产精品sss在线观看| 日韩免费av在线播放| 91大片在线观看| 国产熟女午夜一区二区三区| 最好的美女福利视频网| 热re99久久国产66热| 91成人精品电影| 亚洲人成电影免费在线| 身体一侧抽搐| 亚洲av五月六月丁香网| 激情在线观看视频在线高清| 色婷婷久久久亚洲欧美| 亚洲av片天天在线观看| 欧美最黄视频在线播放免费| 久久久久精品国产欧美久久久| 欧美国产日韩亚洲一区| 亚洲欧洲精品一区二区精品久久久| 国产高清videossex| 国产精品亚洲av一区麻豆| 免费在线观看黄色视频的| 免费在线观看黄色视频的| 亚洲成人久久爱视频| 两性夫妻黄色片| 给我免费播放毛片高清在线观看| 99riav亚洲国产免费| 国产精华一区二区三区| 色播亚洲综合网| 视频在线观看一区二区三区| 久久精品91无色码中文字幕| 久久中文字幕一级| 女性生殖器流出的白浆| 国产午夜精品久久久久久| 久久久水蜜桃国产精品网| 女性生殖器流出的白浆| 国产一区二区在线av高清观看| 精品乱码久久久久久99久播| 99热只有精品国产| 变态另类丝袜制服| 欧美日韩中文字幕国产精品一区二区三区| 一个人免费在线观看的高清视频| videosex国产| 国产一区二区在线av高清观看| 国产私拍福利视频在线观看| 欧美黄色片欧美黄色片| 国产一区二区在线av高清观看| 国产三级黄色录像| 91成年电影在线观看| 欧美性猛交╳xxx乱大交人| 久久久国产精品麻豆| 90打野战视频偷拍视频| 琪琪午夜伦伦电影理论片6080| 最近最新免费中文字幕在线| 18美女黄网站色大片免费观看| 成人手机av| 国产成人影院久久av| 最近在线观看免费完整版| 久久久久久亚洲精品国产蜜桃av| 法律面前人人平等表现在哪些方面| 高清在线国产一区| 日日夜夜操网爽| 欧美日本视频| 好看av亚洲va欧美ⅴa在| 又黄又粗又硬又大视频| 又黄又爽又免费观看的视频| 色婷婷久久久亚洲欧美| 亚洲中文字幕一区二区三区有码在线看 | 中文亚洲av片在线观看爽| 亚洲三区欧美一区| 亚洲 欧美 日韩 在线 免费| 午夜福利高清视频| 亚洲 国产 在线| 此物有八面人人有两片| 2021天堂中文幕一二区在线观 | 首页视频小说图片口味搜索| 正在播放国产对白刺激| 国产1区2区3区精品| 热re99久久国产66热| 国产精品亚洲一级av第二区| 亚洲av成人不卡在线观看播放网| 无遮挡黄片免费观看| 免费在线观看完整版高清| 国内毛片毛片毛片毛片毛片| 两个人视频免费观看高清| 午夜福利视频1000在线观看| 国产麻豆成人av免费视频| 日本一区二区免费在线视频| 亚洲欧美精品综合久久99| 欧美久久黑人一区二区| 一级毛片高清免费大全| 亚洲五月色婷婷综合| 男人舔奶头视频| 亚洲美女黄片视频| 久久精品夜夜夜夜夜久久蜜豆 | 老汉色∧v一级毛片| 国产av在哪里看| 国产主播在线观看一区二区| 不卡av一区二区三区| 日韩欧美国产一区二区入口| 女性生殖器流出的白浆| 国产av又大| 91大片在线观看| 变态另类成人亚洲欧美熟女| 久久久国产欧美日韩av| 亚洲精品国产精品久久久不卡| 欧美乱妇无乱码| 国产aⅴ精品一区二区三区波| 中文亚洲av片在线观看爽| 免费av毛片视频| 男女视频在线观看网站免费 | 欧美国产日韩亚洲一区| 亚洲 欧美一区二区三区| 757午夜福利合集在线观看| 午夜两性在线视频| 老熟妇仑乱视频hdxx| 亚洲第一av免费看| 长腿黑丝高跟| av视频在线观看入口| 高清毛片免费观看视频网站| 国产成人一区二区三区免费视频网站| 精品一区二区三区四区五区乱码| 久久久久久久久免费视频了| 无限看片的www在线观看| 亚洲色图av天堂| 国内少妇人妻偷人精品xxx网站 | 精品日产1卡2卡| 最新美女视频免费是黄的| 一本综合久久免费| 午夜两性在线视频| 一进一出抽搐gif免费好疼| 久热这里只有精品99| 女性生殖器流出的白浆| 欧美性猛交黑人性爽| 免费人成视频x8x8入口观看| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久久亚洲精品国产蜜桃av| 亚洲国产精品久久男人天堂| 久久久久久久久免费视频了| 精品高清国产在线一区| 亚洲专区字幕在线| 在线十欧美十亚洲十日本专区| 身体一侧抽搐| 成人国产一区最新在线观看| 欧美在线黄色| 婷婷六月久久综合丁香| 亚洲精品美女久久av网站| 欧美zozozo另类| 国产精华一区二区三区| 亚洲人成伊人成综合网2020| 正在播放国产对白刺激| 久久久久免费精品人妻一区二区 | 久久香蕉精品热| 欧美日韩黄片免| 午夜免费成人在线视频| 在线观看一区二区三区| 97人妻精品一区二区三区麻豆 | 亚洲精品在线观看二区| 国内少妇人妻偷人精品xxx网站 | 日韩欧美在线二视频| 精品第一国产精品| 国产成+人综合+亚洲专区| 又黄又粗又硬又大视频| 一级黄色大片毛片| 人人妻,人人澡人人爽秒播| 一进一出好大好爽视频| 午夜福利免费观看在线| 大型av网站在线播放| 三级毛片av免费| 亚洲人成网站高清观看| 精品国产国语对白av| 侵犯人妻中文字幕一二三四区| 精品国产超薄肉色丝袜足j| 亚洲自拍偷在线| 岛国视频午夜一区免费看| a级毛片a级免费在线| 给我免费播放毛片高清在线观看| 老司机午夜十八禁免费视频| 黑人欧美特级aaaaaa片| 亚洲专区字幕在线| 亚洲成人久久性| 搡老岳熟女国产| 日韩欧美一区二区三区在线观看| av有码第一页| 又大又爽又粗| 在线av久久热| 91老司机精品| 在线观看免费视频日本深夜| 精品电影一区二区在线| 国内揄拍国产精品人妻在线 | 日日干狠狠操夜夜爽| 国产av又大| 99久久综合精品五月天人人| 久久午夜综合久久蜜桃| 无限看片的www在线观看| 亚洲国产高清在线一区二区三 | 国产亚洲精品久久久久5区| 欧美成狂野欧美在线观看| 成熟少妇高潮喷水视频| 精品国内亚洲2022精品成人| 久久久久国产精品人妻aⅴ院| 国产一区二区三区视频了| 丰满的人妻完整版| 18禁观看日本| 国产精品,欧美在线| 日韩av在线大香蕉| bbb黄色大片| 人妻丰满熟妇av一区二区三区| 999久久久精品免费观看国产| av欧美777| 丝袜美腿诱惑在线| 欧美人与性动交α欧美精品济南到| 欧美日韩亚洲国产一区二区在线观看| 香蕉久久夜色| 波多野结衣高清无吗| 国产午夜精品久久久久久| 免费看十八禁软件| 特大巨黑吊av在线直播 | 啦啦啦 在线观看视频| 亚洲中文日韩欧美视频| 欧美精品啪啪一区二区三区| 亚洲全国av大片| 国产精品免费一区二区三区在线| 亚洲国产精品成人综合色| 很黄的视频免费| 久久人妻av系列| 熟女电影av网| 无遮挡黄片免费观看| 亚洲九九香蕉| 可以在线观看的亚洲视频| 久久热在线av| 在线观看66精品国产| 久久精品夜夜夜夜夜久久蜜豆 | 精华霜和精华液先用哪个| 极品教师在线免费播放| 亚洲成a人片在线一区二区| 国产成人啪精品午夜网站| 国产熟女xx| 天天躁夜夜躁狠狠躁躁| 深夜精品福利| 女警被强在线播放| 精品久久久久久久人妻蜜臀av| 久久久久久人人人人人| 亚洲久久久国产精品| 真人一进一出gif抽搐免费| 国内久久婷婷六月综合欲色啪| 午夜激情福利司机影院| 91老司机精品| 国产99白浆流出| 一二三四社区在线视频社区8| 午夜精品在线福利| 久久午夜综合久久蜜桃| 一级黄色大片毛片| 亚洲av美国av| 亚洲色图 男人天堂 中文字幕| 久久热在线av| 老司机靠b影院| 香蕉av资源在线| 一级片免费观看大全| 中文在线观看免费www的网站 | 欧美 亚洲 国产 日韩一| 嫩草影视91久久| 长腿黑丝高跟| 国产熟女午夜一区二区三区| 看免费av毛片| 男人舔奶头视频| 亚洲无线在线观看| 美女 人体艺术 gogo| 国产激情偷乱视频一区二区| 久久人人精品亚洲av| 最近最新中文字幕大全免费视频| 久久久久久亚洲精品国产蜜桃av| 搞女人的毛片| 一区福利在线观看| 日韩大码丰满熟妇| 久久人妻av系列| 身体一侧抽搐| 淫秽高清视频在线观看| x7x7x7水蜜桃| 色老头精品视频在线观看| 日韩欧美一区二区三区在线观看| 两性夫妻黄色片| 99久久99久久久精品蜜桃| 成人三级黄色视频| 欧美成人性av电影在线观看| 老司机福利观看| 一区二区三区激情视频| 欧美性猛交黑人性爽| 国产单亲对白刺激| 日本成人三级电影网站| 亚洲国产欧洲综合997久久, | 日本免费一区二区三区高清不卡| 欧美性猛交黑人性爽| 久久久久国产一级毛片高清牌| netflix在线观看网站| 国产又爽黄色视频| 69av精品久久久久久| 精品日产1卡2卡| 亚洲精品一卡2卡三卡4卡5卡| 国产黄a三级三级三级人| 免费在线观看黄色视频的| 中文字幕高清在线视频| 99国产极品粉嫩在线观看| 夜夜爽天天搞| 中文字幕av电影在线播放| 91成人精品电影| 亚洲精华国产精华精| 亚洲天堂国产精品一区在线| 色在线成人网| 久久精品成人免费网站| 正在播放国产对白刺激| 精品福利观看| 国产高清激情床上av| av超薄肉色丝袜交足视频| 午夜日韩欧美国产| 精品久久久久久,| 人成视频在线观看免费观看| 在线播放国产精品三级| 999久久久国产精品视频| 久久中文字幕一级| 人妻久久中文字幕网| 熟女电影av网| 中文字幕另类日韩欧美亚洲嫩草| 欧美国产日韩亚洲一区| 神马国产精品三级电影在线观看 | 久久久久久久久久黄片| 亚洲成人久久爱视频| 不卡av一区二区三区| 老汉色av国产亚洲站长工具| 成人三级做爰电影| 动漫黄色视频在线观看| 亚洲男人天堂网一区| 18禁黄网站禁片午夜丰满| 成人国产综合亚洲| 黄片小视频在线播放| aaaaa片日本免费| 黑人巨大精品欧美一区二区mp4| 亚洲av日韩精品久久久久久密| 在线播放国产精品三级| 久久欧美精品欧美久久欧美| 俄罗斯特黄特色一大片| 国产精品美女特级片免费视频播放器 | 老司机在亚洲福利影院| 国产精品,欧美在线| 非洲黑人性xxxx精品又粗又长| 欧美成人午夜精品| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成国产人片在线观看| 一级黄色大片毛片| 久久久水蜜桃国产精品网| 成年免费大片在线观看| 不卡av一区二区三区| 亚洲精品色激情综合| 最新在线观看一区二区三区| 欧美成人午夜精品| 亚洲av成人av| 亚洲人成伊人成综合网2020| 久热爱精品视频在线9| 丝袜美腿诱惑在线| 我的亚洲天堂| 美女免费视频网站| 人人妻人人澡人人看| 在线观看66精品国产| 亚洲性夜色夜夜综合| 欧美大码av| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲aⅴ乱码一区二区在线播放 | 欧美大码av| 亚洲精品在线观看二区| 久久精品成人免费网站| 成人永久免费在线观看视频| 亚洲男人天堂网一区| 国产精品久久电影中文字幕| 亚洲专区国产一区二区| 国产精品av久久久久免费| 久久青草综合色| 少妇被粗大的猛进出69影院| 亚洲欧美激情综合另类| 一边摸一边做爽爽视频免费| 国产伦人伦偷精品视频| 一区二区三区国产精品乱码| 久久久久国产一级毛片高清牌| 中文字幕av电影在线播放| 精品国产一区二区三区四区第35| 99热6这里只有精品| 亚洲五月色婷婷综合| 日韩视频一区二区在线观看| 国内精品久久久久精免费| 国产精品久久久久久精品电影 | 久久精品人妻少妇| 久久精品91无色码中文字幕| 一本综合久久免费| 黄色视频不卡| 久久午夜综合久久蜜桃| 两个人免费观看高清视频| 亚洲欧美精品综合久久99| 国产精品久久久久久亚洲av鲁大| 十八禁人妻一区二区| 又黄又爽又免费观看的视频| 国产三级黄色录像| 亚洲在线自拍视频| 久久中文看片网| 校园春色视频在线观看| 国产亚洲精品第一综合不卡| 麻豆成人午夜福利视频| 国产精品国产高清国产av| 日韩视频一区二区在线观看| 欧美最黄视频在线播放免费| 亚洲av美国av| 丰满人妻熟妇乱又伦精品不卡| 午夜福利18| 久9热在线精品视频| 亚洲 欧美 日韩 在线 免费| 狠狠狠狠99中文字幕| 99久久99久久久精品蜜桃| 19禁男女啪啪无遮挡网站| 在线播放国产精品三级| 啦啦啦免费观看视频1| 免费在线观看成人毛片| 999久久久国产精品视频| 欧美成狂野欧美在线观看| 亚洲欧美精品综合一区二区三区| 叶爱在线成人免费视频播放| 国产亚洲精品综合一区在线观看 | 男女床上黄色一级片免费看| 成人18禁在线播放| 无遮挡黄片免费观看| 日本撒尿小便嘘嘘汇集6| www.自偷自拍.com| 男人操女人黄网站| 亚洲精品一卡2卡三卡4卡5卡| 99国产精品一区二区蜜桃av| 欧美乱色亚洲激情| 亚洲av电影在线进入| 亚洲av中文字字幕乱码综合 | 男女那种视频在线观看| 欧美午夜高清在线| 人妻久久中文字幕网| 天天躁狠狠躁夜夜躁狠狠躁| 99久久精品国产亚洲精品| 丝袜在线中文字幕| 一边摸一边抽搐一进一小说| 欧美精品亚洲一区二区| 大型av网站在线播放| 日韩国内少妇激情av| 国内毛片毛片毛片毛片毛片| 色综合婷婷激情| 90打野战视频偷拍视频| 真人做人爱边吃奶动态| 亚洲精品国产精品久久久不卡| 99精品在免费线老司机午夜| 欧美黄色片欧美黄色片| 日韩欧美国产在线观看| 国产真人三级小视频在线观看| 夜夜夜夜夜久久久久| 伊人久久大香线蕉亚洲五| 国产精华一区二区三区| 一区二区三区激情视频| 免费看十八禁软件| 日本成人三级电影网站| 亚洲精华国产精华精| 国产精品98久久久久久宅男小说| 久久精品国产亚洲av高清一级| 天天一区二区日本电影三级| 两个人视频免费观看高清| 岛国在线观看网站| 一夜夜www| 日韩国内少妇激情av| 欧美日韩乱码在线| 日韩视频一区二区在线观看| 国产av一区在线观看免费| 香蕉av资源在线| 日韩欧美国产在线观看| 精品国产美女av久久久久小说| 国内久久婷婷六月综合欲色啪| 日韩欧美一区二区三区在线观看| 久久伊人香网站| 欧美午夜高清在线| 成人18禁高潮啪啪吃奶动态图| 黄片小视频在线播放| 久久久久久久久免费视频了| 国产精品二区激情视频| 精品国产乱子伦一区二区三区| 波多野结衣高清作品| 精品国内亚洲2022精品成人| 美女高潮到喷水免费观看| 国产精品野战在线观看| 成人免费观看视频高清| 波多野结衣巨乳人妻| 女性生殖器流出的白浆| 亚洲国产欧美网| 亚洲狠狠婷婷综合久久图片| 韩国av一区二区三区四区| 嫩草影院精品99| 91在线观看av| 淫秽高清视频在线观看| 亚洲国产欧美网| 欧美日韩亚洲综合一区二区三区_| 中文字幕精品免费在线观看视频| 黄频高清免费视频| 欧美乱码精品一区二区三区| 欧美激情极品国产一区二区三区| 国产成人啪精品午夜网站| 国产精品影院久久| 91国产中文字幕| 亚洲最大成人中文| 亚洲男人天堂网一区| 国产日本99.免费观看| 女性被躁到高潮视频| 亚洲第一青青草原| 精品欧美国产一区二区三| 在线观看舔阴道视频| a级毛片a级免费在线| 一区二区三区国产精品乱码| 亚洲人成77777在线视频| 国产亚洲精品一区二区www| 国产伦人伦偷精品视频| 婷婷精品国产亚洲av| 国产精华一区二区三区| 成人av一区二区三区在线看| 亚洲免费av在线视频| 午夜影院日韩av| 久久伊人香网站| 亚洲国产欧洲综合997久久, | 天堂√8在线中文| 男男h啪啪无遮挡| 久久中文字幕一级| 757午夜福利合集在线观看| 国产精品 国内视频| 老汉色∧v一级毛片| 一进一出抽搐动态| 男女午夜视频在线观看| 成人国语在线视频| 亚洲av成人不卡在线观看播放网| 国产v大片淫在线免费观看| 一区福利在线观看| 淫妇啪啪啪对白视频| www.999成人在线观看| 热re99久久国产66热| 黄频高清免费视频| 亚洲五月色婷婷综合| 欧美日韩一级在线毛片| 亚洲国产毛片av蜜桃av| 伦理电影免费视频| 国产精品免费一区二区三区在线|