作物的智慧灌溉，也叫数字化灌溉，简称数字灌溉，它是数字农业的重要环节 。在这里将会通过一系列文章介绍分析数字化灌溉在数字农业发挥的作用，讲述作物数字化灌溉基础理论及其应用的基础知识。

什么是数字农业，数字农业是指采用信息技术等高新技术与农业种养殖科学等基础学科相融合方法，实现在农业生产过程中对生产对象和环境的实时监测，获取生产对象的生长、病虫害及营养状况以及相应的环境信息，生成空间数据集，对农业生产中的现象、过程进行模拟，达到合理利用资源，降低成本，改善环境，提高农业产品数量和质量为目标的一门新兴农业技术。数字化灌溉针对的是作物，对应的数字化技术文章将不会深入介绍农业养殖方面的内容，内容不涉及并不是说数字农业中没有包括数字化养殖技术。

数字化灌溉的目标是找出给作物带来提高产品质量和产量的灌溉决策及其定量分析的科学依据，其首要任务是找到科学的分析计算方法，重点任务是解决科学灌溉的及数字化的关键技术问题。

为了解决什么时间灌水以及灌多少水问题，需要知道作物的生长过程以及作物所处在的生育期，这就是需要作物的数学化模型。通过动态的观测作物生长及其发育的过程，了解及控制作物生长条件是传统农业一直以来都试图解决的问题，过去的传统方法需要通过实验去找出什么时间灌水、灌多少水，才能得出把控作物在合适的合适条件下，得出优质高产的农产品的方法。

作物的数字模型是解决科学种植和数字化种植的基础，有了数字化的作物生长模型，通过用数字模型深入模拟水分和养分在土壤、作物中的变化，才能了解水肥两者是如何促进作物生长的。

目前，常见的灌溉决策方法，有的是根据土壤墒情来决策，有的是根据气象数据决策，有的根据作物数据决策的，还有多源数据融合的技术。

单靠一种数据和方法是不可取的，基于作物数字模型的融合技术才是正道。以联合国粮农组织推荐的ET计算方法为例，它只是一种根据气象数据计算虚拟的作物（参考作物ETo）需水量的方法，要用在灌溉决策上，还需要针对具体的作物，作物在那个生育阶段的Kc系数判断，好的、正确的Kc计算分析方法，必然是依靠大数据分析，才能可能得到正确的作物耗水量的数值的。

例如，为了正确的判断作物生育期的Kc值带来的作物水量变化，需要建立作物的生长数学模型。

在大数据年代，作物数学模型必需根据作物的输出数据进行模型参数的调整，这样才能够准确地模拟出作物的生长过程。

建立作物的数字化模型需要找出作物的需水和需肥规律，需要建立一个能够用计算机模拟的作物数字模型。模型的观测和模型的修正需要有现代化的手段，在大数据年代，必须需要传感器，它是必不可少的建立作物模型的前提条件。

同一种作物因品种，地域差异性和气候影响因素，不应当只有一个统一的、固定的数字模型。从数据分析角度看，作物模型参数也不应当是固定不变的数值。原位数据精准测量，遥感数据采集技术和作物生长数据采集专用的传感器是作物数字化模拟模型调整的基础手段，目前作物数字化灌溉的决策系统还存在着许多问题。需要解决灌溉决策系统的信息传输技术，特别是无线传输技术的实时性 、可靠性 、通用性和稳定性问题，需要进一步解决好灌溉和农机以及种植农艺技术相结合问题。