亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于SCMOC的貴州最高氣溫預(yù)報方法研究

        2020-07-04 09:00:26楊秀莊劉彥華陳貞宏吳昌航
        干旱氣象 2020年3期
        關(guān)鍵詞:方根時效貴州省

        李 剛,楊秀莊,劉彥華,陳貞宏,余 清,吳昌航

        (1.貴州省氣象臺,貴州 貴陽 550002;2.貴州省安順市氣象局,貴州 安順 561000)

        引 言

        隨著氣象科技的不斷進步和社會經(jīng)濟的發(fā)展,對外公眾預(yù)報服務(wù)及政府決策氣象服務(wù)要求也越來越高。盡管當(dāng)前數(shù)值預(yù)報技術(shù)發(fā)展迅速,其精細化程度及預(yù)報準(zhǔn)確率都有改進和提高,但其預(yù)報結(jié)果與觀測值之間仍存在誤差[1-2]。為提高天氣預(yù)報精度和預(yù)報準(zhǔn)確率,更好地進行公眾及政府氣象決策服務(wù),有必要對模式直接輸出結(jié)果進行解釋應(yīng)用和客觀技術(shù)訂正[3]。近年來針對數(shù)值預(yù)報后處理客觀訂正研究較多,特別在氣溫預(yù)報方面取得不少有意義的成果[4-7]。在當(dāng)前天氣預(yù)報服務(wù)工作中,氣溫預(yù)報一直是很復(fù)雜的科學(xué)問題[8-9],其影響因子較多,且不同天氣形勢下影響氣溫的因子各有不同。為此,在實際氣溫預(yù)報業(yè)務(wù)中,多數(shù)氣象臺站皆是在數(shù)值模式預(yù)報產(chǎn)品基礎(chǔ)上,利用多年歷史累積觀測資料,通過分析不同因子對氣溫的影響程度而建立不同的預(yù)報模型得出最終預(yù)報結(jié)論[10-13],或是利用不同的后處理技術(shù)對數(shù)值預(yù)報進行訂正[14-16],這些預(yù)報方法無論是主觀經(jīng)驗分析還是客觀統(tǒng)計回歸分析等,在一定程度上都有效延長了溫度預(yù)報時效,改善了預(yù)報準(zhǔn)確率。

        多元回歸分析是目前氣象統(tǒng)計分析中最常用也是最基本的方法之一[17-18],其理論嚴謹成熟,適用于氣溫等氣象要素變化的特性(在一定時間和空間范圍內(nèi)變化可視為線性變化)。韋淑俠[19]利用多因子線性回歸MOS統(tǒng)計方法對青海省51個觀測站24~240 h預(yù)報間隔24 h的日最低氣溫、最高氣溫進行預(yù)報試驗,結(jié)果表明當(dāng)天氣形勢變化較平穩(wěn)時,MOS方法制作的氣溫預(yù)報結(jié)果不但可用,而且相當(dāng)穩(wěn)定。在氣溫客觀訂正預(yù)報中,除了MOS方法和單個預(yù)報模式輸出結(jié)果的應(yīng)用外,多模式集合預(yù)報也取得較好的發(fā)展,該方式較好地發(fā)揮并集成了各預(yù)報模式優(yōu)勢的同時給出較單一模式更優(yōu)的預(yù)報結(jié)果[20-22],大幅度改進了預(yù)報效果。

        近年來,關(guān)于貴州氣溫預(yù)報已有一些研究成果,主要是某一技術(shù)方法下的某種或多種預(yù)報資料、預(yù)報因子的研究應(yīng)用,而在同一預(yù)報資料中采用多種技術(shù)方法進行整合卻尚未開展?;诖?,本文根據(jù)貴州特殊地理位置及現(xiàn)行業(yè)務(wù)運行實際情況,針對近年來貴州最高氣溫預(yù)報在全國排名比較落后的狀態(tài)(來源于中央氣象臺業(yè)務(wù)網(wǎng)http://10.1.64.146/npt/product/iframe/42250),利用中國氣象局每日下發(fā)的2次城鎮(zhèn)精細化預(yù)報指導(dǎo)產(chǎn)品(SCMOC),一方面運用精細化預(yù)報產(chǎn)品對同一預(yù)報時刻的不同要素(如最高氣溫、最低氣溫、降水量、相對濕度、最低云量及總云量等)進行影響因子選取,建立橫向預(yù)報模型[3];另一方面利用精細化指導(dǎo)預(yù)報提供的最高氣溫預(yù)報與一定時段的觀測序列建立縱向預(yù)報模型[11,23];最后再對橫向預(yù)報與縱向預(yù)報進行整合集成,得出新的最高氣溫預(yù)報結(jié)果,旨在檢驗SCMOC預(yù)報產(chǎn)品的誤差訂正能力。此外,選用SCMOC站點預(yù)報資料進行研究,一方面它是當(dāng)前預(yù)報業(yè)務(wù)應(yīng)用參考產(chǎn)品,其預(yù)報結(jié)果也有較好的參考價值;另一方面,國家氣象局及貴州省當(dāng)前預(yù)報質(zhì)量考核與評估仍然以站點數(shù)據(jù)為基礎(chǔ),直接應(yīng)用下發(fā)的站點指導(dǎo)預(yù)報,相對網(wǎng)格預(yù)報插值到站點的預(yù)報值誤差更小。

        1 資料與方法

        1.1 資 料

        選取2013—2018年中國氣象局每日下發(fā)的貴州省逐日20:00(北京時,下同)起報的24~72 h精細化預(yù)報指導(dǎo)產(chǎn)品,包括日最高氣溫(Tmax)、最低氣溫(Tmin)及逐日14:00最低云量(Lcc)、總云量(Tcc)、降水量(Rain)、相對濕度(RH)等,預(yù)報間隔為24 h。利用2013—2018年貴州省85個國家地面觀測站逐日20:00至次日20:00地面日最高氣溫(來源于中國氣象局統(tǒng)一建設(shè)布置的數(shù)據(jù)環(huán)境CIMISS),用于預(yù)報模型的計算和檢驗。

        1.2 預(yù)報方法

        1.2.1 一元線性回歸模型

        在縱向預(yù)報方程建立中,應(yīng)用精細化指導(dǎo)預(yù)報產(chǎn)品的最高氣溫與所對應(yīng)觀測站點的逐日最高氣溫建立回歸模型,對未來時刻氣溫預(yù)報進行求解和判斷,以下簡稱“縱向預(yù)報”(F2),具體公式如下:

        Yit=aXit+b

        (1)

        式中:Xit指t時刻第i個站點或格點預(yù)報值;Yit指t時刻第i個站點的觀測值;回歸系數(shù)a、b由時間序列t=1,2,…,t-1的觀測和預(yù)報值經(jīng)過訓(xùn)練計算而確定[4,21]。為盡可能減小計算誤差和提高預(yù)報準(zhǔn)確率,其訓(xùn)練期長度主要選取15~30 d中計算誤差最小的天數(shù)作為該站點或格點上的計算訓(xùn)練期。

        1.2.2 多元線性回歸模型

        通過對同一預(yù)報時效上的不同要素進行相關(guān)性分析,選取相關(guān)性較為顯著的影響因子進行預(yù)報模型的建立,以下簡稱“橫向預(yù)報”(F1),具體公式如下:

        (2)

        式中:y是預(yù)報結(jié)果;xj是第j個預(yù)報因子(j=1,2,…,m);b0、bj是回歸系數(shù),由最小二乘法計算而得;ε是服從正態(tài)分布的隨機誤差[24]。

        1.2.3 預(yù)報整合模型

        為進一步改進預(yù)報準(zhǔn)確率,將縱向預(yù)報F2和橫向預(yù)報F1的預(yù)報結(jié)果進行整合集成,以下簡稱“整合預(yù)報”(Fzh),具體公式如下:

        (3)

        式中:yp為整合集成后預(yù)報模型的預(yù)報結(jié)果;yk為第k個預(yù)報模型的預(yù)報值;ak為第k個預(yù)報值的系數(shù),主要通過一定時間序列絕對誤差的倒數(shù)取其平均值最小化而求解,其計算訓(xùn)練期與公式(1)一致。

        1.2.4 滑動系數(shù)的應(yīng)用及氣候偏差訂正

        以往預(yù)報模型對訓(xùn)練期的分析計算時,其系數(shù)不變,使得預(yù)報時間越向后其誤差越來越大。為使預(yù)報結(jié)果進一步改進和誤差最優(yōu)化,在預(yù)報模型中應(yīng)用滑動系數(shù)及氣候偏差訂正[16,22],即在保持使用訓(xùn)練期長度不變的情況下,通過每天增加新的實況和預(yù)報值錄入,舍棄第一天的觀測及對應(yīng)預(yù)報值,從而達到模型系數(shù)的滑動更新。氣候偏差訂正主要利用短期內(nèi)預(yù)報模型與氣候態(tài)的系統(tǒng)偏差對預(yù)報結(jié)果進行訂正,具體訂正如下:

        (4)

        1.3 檢驗方法

        1.3.1 預(yù)報準(zhǔn)確率

        根據(jù)中國氣象局對各省、地(市)氣象部門現(xiàn)行業(yè)務(wù)考核標(biāo)準(zhǔn),以預(yù)報值與觀測值的絕對誤差≤2.0 ℃作為溫度預(yù)報準(zhǔn)確率檢驗的閾值。即絕對誤差小于等于2.0 ℃為正確,否則為錯誤,其計算公式如下:

        (5)

        式中:TT為預(yù)報準(zhǔn)確率,Nr為預(yù)報正確的站(次)數(shù),Nf為預(yù)報的總站(次)數(shù)。

        1.3.2 均方根誤差

        對于某種預(yù)報方法,通過不同的檢驗手段從不同角度對其進行評估,除上述準(zhǔn)確率外,還采用均方根誤差對預(yù)報結(jié)果進行檢驗。具體計算如下:

        (6)

        式中:RMSE為均方根誤差;Fs為預(yù)報值;Os為觀測值;s為資料長度(s=1,2,3,…,n)。

        2 結(jié)果分析

        2.1 預(yù)報因子選取

        選取影響日最高氣溫預(yù)報的諸多因子進行分析,如日最高氣溫、最低氣溫及每日14:00的低云量、總云量、相對濕度和降水量等。為在預(yù)報模型中得到較好的影響因子而建立最優(yōu)化的預(yù)報模型,有必要對這些因子進行分析和篩選。表1列出2013—2018年貴州實測日最高氣溫與精細化指導(dǎo)預(yù)報產(chǎn)品24~72 h預(yù)報中逐24 h各預(yù)報要素的相關(guān)系數(shù)??梢钥闯?,實測日最高氣溫與精細化城鎮(zhèn)預(yù)報指導(dǎo)產(chǎn)品提供的最高氣溫、最低氣溫呈正相關(guān)性,相關(guān)系數(shù)較高(均在0.88以上),且通過α=0.001的顯著性檢驗;與14:00低云量和總云量均呈負相關(guān),相關(guān)系數(shù)分別在-0.27和-0.14以下,且分別通過α=0.02和α=0.1的顯著性檢驗;與14:00相對濕度、降水量也呈負相關(guān),但相關(guān)系數(shù)均較低(絕對值均在在0.1以下),且未通過α=0.1的顯著性檢驗,即相對濕度和降水量對最高氣溫的預(yù)報影響較小,在預(yù)報模型中作剔除處理。

        2.2 結(jié)果對比

        圖1為2013—2018年精細化指導(dǎo)預(yù)報(SCMOC)、橫向預(yù)報(F1)、縱向預(yù)報(F2)和整合預(yù)報(Fzh)在24~72 h逐24 h預(yù)報的平均均方根誤差和預(yù)報準(zhǔn)確率。可以看出,相對SCMOC預(yù)報結(jié)果,橫向預(yù)報、縱向預(yù)報及整合預(yù)報的平均均方根誤差(RMSE)均有不同程度的減小,且整合預(yù)報改進效果最明顯,在24~72 h預(yù)報中,各時效平均RMSE減小約1.0 ℃,其中72 h預(yù)報改進最大(平均RMSE減小1.1 ℃)。不同預(yù)報模型的平均準(zhǔn)確率顯示,在24~72 h預(yù)報中,橫向預(yù)報、縱向預(yù)報及整合預(yù)報在準(zhǔn)確率上均有不同改進,且效果最好的同樣是整合預(yù)報,在整個預(yù)報時效中平均準(zhǔn)確率在原有基礎(chǔ)上提高10%左右,其中改進最大為72 h預(yù)報,達11%。

        表1 2013—2018年貴州省實測最高氣溫與精細化指導(dǎo)預(yù)報產(chǎn)品各要素在不同預(yù)報時效中的相關(guān)系數(shù)Tab.1 Correlation coefficients between different factors of SCMOC and observed maximum temperature for different forecast periods during 2013-2018

        注:*、**、***分別表示通過0.1、0.02、0.001的顯著性檢驗

        圖1 2013—2018年貴州省SCMOC預(yù)報、橫向預(yù)報(F1)、縱向預(yù)報(F2)和整合預(yù)報(Fzh)最高氣溫的平均均方根誤差(a)和準(zhǔn)確率(b)Fig.1 The mean RMSE (a) and accuracy rate (b) of the maximum temperature forecasted by the SCMOC, F1, F2 and Fzh in Guizhou Province from 2013 to 2018

        表2、表3分別列出2013—2018年精細化指導(dǎo)預(yù)報(SCMOC)、橫向預(yù)報(F1)、縱向預(yù)報(F2)和整合預(yù)報(Fzh)在不同預(yù)報時效、不同閾值的平均均方根誤差和平均預(yù)報準(zhǔn)確率在貴州省的百分比。由表2可見,在24~72 h內(nèi)各預(yù)報隨著各閾值的增大其平均均方根誤差所占區(qū)域百分率均明顯增加,且各閾值下SCMOC、F1、F2和Fzh預(yù)報所占比例也依次增加,其中占比最大、效果最明顯的為整合預(yù)報(Fzh)。在SCMOC提供的24 h預(yù)報中,閾值小于2.0 ℃的平均均方根誤差所占區(qū)域比例為0%,經(jīng)過整合預(yù)報后可達24%,而在閾值小于2.5 ℃時整合預(yù)報Fzh平均均方根誤差的區(qū)域占比可達78%;SCMOC 72 h預(yù)報通過整合后,在閾值小于2.5 ℃時占全省的比例從0%增至38%。因此相對于同時次、同閾值的F1與F2,F(xiàn)zh改進最明顯,特別是相對于精細化指導(dǎo)預(yù)報(所占百分比為0%),預(yù)報效果得到大幅度改善。

        由表3可以看出,在不同閾值下,F(xiàn)zh較其他3種預(yù)報表現(xiàn)好,所占區(qū)域百分率明顯增加。在預(yù)報準(zhǔn)確率閾值大于40%時,72 h內(nèi)SCMOC、F1、F2和Fzh預(yù)報模型均幾乎覆蓋全省范圍,表現(xiàn)較好;閾值大于50%時,SCMOC在24~72 h預(yù)報中所占全省預(yù)報區(qū)域從96%降至13%,而整合預(yù)報(Fzh)結(jié)果所覆蓋區(qū)域均在99%以上,其中改進最顯著為72 h預(yù)報,從13%增加至99%;在閾值大于60%及以上時,SCMOC幾乎沒有任何預(yù)報能力(所占區(qū)域幾乎小于1%),但通過客觀訂正后,F(xiàn)1、F2和Fzh平均預(yù)報準(zhǔn)確率均有不同程度改進,其中效果最顯著為24 h預(yù)報,F(xiàn)zh預(yù)報占全省比率從1%增加至72%,而準(zhǔn)確率大于70%的區(qū)域占全省比率從0%增加至13%,較其他3種預(yù)報表現(xiàn)出更優(yōu)的預(yù)報性能。

        表2 2013—2018年SCMOC預(yù)報、橫向預(yù)報(F1)、縱向預(yù)報(F2)和整合預(yù)報(Fzh)的地面最高氣溫在不同預(yù)報時效、不同閾值下的平均均方根誤差在貴州省的百分比Tab.2 The percentage of mean RMSE of maximum temperature forecasts of SCMOC, F1, F2 and Fzh under different thresholds in Guizhou Province during 2013-2018 單位:%

        表3 2013—2018年SCMOC預(yù)報、橫向預(yù)報(F1)、縱向預(yù)報(F2)和整合預(yù)報(Fzh)的地面最高氣溫在不同預(yù)報時效、不同閾值下的平均預(yù)報準(zhǔn)確率在貴州省的百分比Tab.3 The percentage of mean accuracy rate of maximum temperature forecasts of SCMOC, F1, F2 and Fzh under different thresholds in Guizhou Province during 2013-2018 單位:%

        為進一步了解各客觀預(yù)報的性能,以72 h預(yù)報為例,圖2、圖3分別為2013—2018年精細化指導(dǎo)預(yù)報(SCMOC)和其他3種客觀預(yù)報(F1、F2和Fzh)的平均均方根誤差(RMSE)及平均預(yù)報準(zhǔn)確率的空間分布??梢钥闯?,F(xiàn)1、F2和Fzh預(yù)報的平均RMSE在全省范圍內(nèi)均有明顯減小,其中Fzh預(yù)報改進最明顯,相對SCMOC預(yù)報,全省平均RMSE下降1.0~1.5 ℃,其次為F2預(yù)報。另外,F(xiàn)1對貴州中部以北地區(qū)改進極為明顯,平均RMSE由最高4.2 ℃下降至最低2.7 ℃,改善幅度達1.5 ℃,南部地區(qū)改進略差,平均RMSE下降幅度在0.5~1.0 ℃,在西南部的預(yù)報卻不如SCMOC。F2較SCMOC改進相對平穩(wěn),全省平均RMSE下降1.0 ℃左右。通過橫向預(yù)報與縱向預(yù)報進行集成整合后,F(xiàn)zh相對于SCMOC全省范圍內(nèi)預(yù)報效果明顯提升,對北部地區(qū)改進幅度突破2.0 ℃以上,對F1在西南部預(yù)報不足的情況也得到較大改善。平均預(yù)報準(zhǔn)確率的空間分布與平均RMSE分布比較類似,即F1較SCMOC的改進中北部較明顯,F(xiàn)2較SCMOC改進整體較平穩(wěn)。其中效果最顯著的仍為Fzh,F(xiàn)zh全省平均預(yù)報準(zhǔn)確率在原有基礎(chǔ)上(SCMOC)平均提升11%,在中部以北提升達15%~22%,在中部以南提升5%~9%。

        為詳細了解各客觀預(yù)報的改進能力,圖4為2013—2018年貴州省不同季節(jié)、不同時效下的平均預(yù)報準(zhǔn)確率??梢钥闯觯ㄟ^客觀方法訂正后,各季節(jié)在各預(yù)報時效上準(zhǔn)確率均有不同程度提高,但由于季節(jié)差異,SCMOC春、夏季預(yù)報準(zhǔn)確率總體低于秋、冬季。F1春、夏季相對于SCMOC在各預(yù)報時效上改進較為突出,尤其是春季預(yù)報準(zhǔn)確率超過F2,但在秋季各預(yù)報時效及冬季24 h預(yù)報時,其訂正效果不如SCMOC預(yù)報。相對于SCMOC各預(yù)報時效,F(xiàn)2在四個季節(jié)中均有改進,且較穩(wěn)定。三種客觀預(yù)報模型中,改進最明顯的為整合預(yù)報Fzh,在24~72 h預(yù)報中,各季節(jié)的平均預(yù)報準(zhǔn)確率在原有基礎(chǔ)上(SCMOC)均提升10%左右,其中,提升最高為夏季72 h預(yù)報,其平均準(zhǔn)確率提升達12%。

        圖5為2013—2018年貴州省夏季SCMOC預(yù)報、橫向預(yù)報F1、縱向預(yù)報F2和整合預(yù)報Fzh在72 h最高氣溫的平均準(zhǔn)確率空間分布??梢钥闯觯惪陀^訂正預(yù)報相對于SCMOC均有改進,且改進效果最好的仍為整合預(yù)報,相對于SCMOC全省平均準(zhǔn)確率提升12%以上。其中,改進最明顯的是貴州省北部地區(qū),預(yù)報準(zhǔn)確率由42%提升至74%,改進幅度達32%。

        圖2 2013—2018年貴州省SCMOC預(yù)報(a)、橫向預(yù)報F1(b)、縱向預(yù)報F2(c)和整合預(yù)報Fzh(d)72 h最高氣溫平均均方根誤差空間分布(單位:℃)Fig.2 The spatial distribution of mean RMSE of 72-hour maximum temperature forecast of SCMOC (a), F1 (b), F2 (c) and Fzh (d) in Guizhou Province from 2013 to 2018 (Unit: ℃)

        圖3 2013—2018年貴州省SCMOC預(yù)報(a)、橫向預(yù)報F1(b)、縱向預(yù)報F2(c)和整合預(yù)報Fzh(d)72 h最高氣溫預(yù)報準(zhǔn)確率空間分布Fig.3 The spatial distribution of accuracy rate of 72-hour maximum temperature forecast of SCMOC (a), F1 (b), F2 (c) and Fzh (d) in Guizhou Province from 2013 to 2018

        圖4 2013—2018年貴州省不同季節(jié)SCMOC預(yù)報、橫向預(yù)報F1、縱向預(yù)報F2和整合預(yù)報Fzh的平均預(yù)報準(zhǔn)確率Fig.4 Mean forecast accuracy rate of SCMOC, F1, F2 and Fzh in different seasons in Guizhou Province from 2013 to 2018

        3 結(jié)論與討論

        (1)橫向預(yù)報(F1)的最高氣溫在24~72 h預(yù)報中較SCMOC預(yù)報均有明顯改進,特別在貴州省中北部地區(qū)改進較顯著,平均RMSE減小幅度達1.5 ℃。

        (2)縱向預(yù)報(F2)的改進效果相對于F1在貴州省中北部地區(qū)略差,但在全省總體優(yōu)于F1,相對于SCMOC,平均RMSE和平均預(yù)報準(zhǔn)確率均有改進,且其性能在空間、時間上表現(xiàn)相對較穩(wěn)定。

        (3)整合預(yù)報(Fzh)相對于SCMOC、F1和F2,在24~72 h預(yù)報中,其平均預(yù)報準(zhǔn)確率和平均均方根誤差的改善幅度最明顯,全省平均RMSE下降1.0~2.0 ℃,準(zhǔn)確率平均提高11%,其中貴州省中部以北地區(qū)可達15%~22%。

        由于季節(jié)和空間的差異,不同訂正方法均有各自優(yōu)勢,在不同季節(jié)和區(qū)域上表現(xiàn)出不同的改進效果和穩(wěn)定程度。如在季節(jié)上,F(xiàn)1訂正效果優(yōu)于F2,但秋季F1卻不如F2;在空間分布上,F(xiàn)1在貴州省的中北部優(yōu)于F2,但南部地區(qū)F1又不如F2。通過預(yù)報集成整合后,彌補了不同訂正方法在不同季節(jié)和空間上的差異,F(xiàn)zh展現(xiàn)出更好的預(yù)報效果,大幅度提升了預(yù)報準(zhǔn)確率。

        猜你喜歡
        方根時效貴州省
        方根拓展探究
        貴州省種公牛站
        不動產(chǎn)登記地方立法的思考——以貴州省為例
        貴州省黨代會開得最成功
        均方根嵌入式容積粒子PHD 多目標(biāo)跟蹤方法
        J75鋼的時效處理工藝
        一種新型耐熱合金GY200的長期時效組織與性能
        上海金屬(2016年3期)2016-11-23 05:19:47
        環(huán)保執(zhí)法如何把握對違法建設(shè)項目的追責(zé)時效?
        揭開心算方根之謎
        貴州省高速公路養(yǎng)護管理信息系統(tǒng)
        亚洲精品免费专区| 国产精品情侣呻吟对白视频| 人人爽人人爽人人片av| 特级毛片a级毛片免费播放| 中日韩欧美高清在线播放| 美女狂喷白浆网站视频在线观看| 国产高清成人在线观看视频| 中国人妻被两个老外三p| 久久精品无码一区二区三区蜜费| 少妇勾引视频网站在线观看| 精品国产一区二区三区av天堂| 亚洲av无码久久精品狠狠爱浪潮 | 亚洲av伊人久久综合性色| 国产不卡视频在线观看| 国产特级毛片aaaaaa视频| 亚洲精品成人网久久久久久| 最近亚洲精品中文字幕| 亚洲中文字幕久久在线| 中文亚洲av片在线观看| 亚洲综合国产精品一区二区99| 精品国产一区二区三区男人吃奶| 三级国产精品久久久99| 国产亚洲午夜高清国产拍精品| AV教师一区高清| 亚洲不卡高清av在线| 日本真人边吃奶边做爽动态图| 人妻少妇看a偷人无码精品| 国产av无码专区亚洲草草| 成av人片一区二区久久| 欧美熟妇性xxx交潮喷| 亚洲制服中文字幕第一区| 国产自产在线视频一区| 久久久精品中文字幕麻豆发布| 国产自偷亚洲精品页65页| 区无码字幕中文色| 亚洲综合在线观看一区二区三区| 亚洲精品国产美女久久久| 亚洲色大成在线观看| 邻居少妇太爽在线观看| 久久亚洲色一区二区三区| 国产精品嫩草影院AV|