在作物模型算法基础上，构建了决策管理系统，利用大数据分析和决策展示应用功能，针对不同区域和不同农作条件，给出最佳的水肥应用方案，配合灌溉方式制定作物灌溉计划和施肥制度，指导农事操作。

具体操作是采用作物生长模型，模拟作物生长过程，取得灌溉需水量，通过养分专家系统分析得出肥料与产量的预测，最终提供后台智能分析结果，指导农户或农场管理决策，它是给用户提供一种农业种植生产中如何根据作物生长状况进行管理的工具。采用作物生长和智能决策数学模型及其分析方法为主，溶入知识学习、机器学习和人工智能技术。通过物联网传感系统、当地气象预报数据，提供当地、当时生长环境参数，经过大数据深度分析，预测未来气象的发展状态，根据预测的影响作物生长的关键数据如ETo的数据，作物生长模拟结果和灌溉用水量预测，作物施肥综合分析，作物生长图像和遥感图像深度分析给出生育期或大元素缺乏等结论，最终给出作物采用的合适农技技术措施，以便得到高产、优质的农业产品。

智慧水肥一体化物联网系统软件平台重点集中处理作物、以及与作物相关的肥料及其水肥相关的内容，实现智慧农场管理中水肥一体化内容。

它采用作物生长模型，模拟作物生长过程，取得灌溉需水量，通过肥料效应分析理论得出肥料与产量的预测，最终提供后台智能分析结果，指导农户或农场管理决策，它是给用户提供一种农业种植生产中如何根据作物生长状况进行管理的工具。具体地说，它采用作物生长和智能决策数学模型及其大数据分析方法，通过物联网传感系统、当地气象预报数据，提供当地、当时生长环境参数，经过大数据深度分析，预测未来气象的发展状态，根据预测的影响作物生长的关键数据如ETo的数据，作物生长模拟结果和灌溉用水量预测，作物施肥综合分析，作物生长图像和遥感图像深度分析，最终给出作物采用的合适农技技术措施，以便得到高产、优质的农业产品。

生育期修正方法

常规田间实验

作物生育期是作物生长的关键点，许多的农事操作、施肥灌溉决策都与这些数据有关，智能灌溉决策系统采用多种方式解决作物生育阶段难以判断的难题。过去采用以下方法判断作物生育期：

叶面积指数方法 当作物相关数据中叶面积指数有实时监测值时，可用叶面积指数监测值与生育阶段的初值、末值对比，确定所处生育阶段。注意叶面积指数存在生育期内先升后降的问题，需基于播种后天数方法初步确定生育阶段后，再对比叶面积指数与该生育阶段以及邻近的前后两个生育阶段，对比每个阶段的叶面积指数初末值，最终确定所处生育阶段。

株高方法 当作物相关数据中株高数据有实时监测值时，可用株高监测值与生育阶段株高的初值、末值对比，确定所处生育阶段。