FAO的《灌溉管理:灌溉需水量》系列文章多数已经译完，工作告一段落。通过这次翻译对作物需水量和灌溉需水量有了更深的认识。

很高兴能够通过翻译文章工作，反复的阅读原文，特别是了解了联合国粮农组织的科学家们所做的贡献，令人印象深刻，在这里对FAO科学家的卓越贡献深表感谢。

总的来说，联合国粮农组织的科学家在作物灌溉研究中进行了具有开拓性的工作。但受制于当时的科学技术手段和当年IT信息技术水平的制约，虽然已经指出作物需水量有两种分析计算方法，一个就是单作物系数法，另一个就是双作物系数法，而且指出双作物系数，多数用在对灌溉管理中，偏实时的作物需水量的计算中。但是并没有更深入地揭示出作物需水量的内涵，也没有指出在灌溉管理中如何去根据作物状态，揭示随着生长阶段的发展而不断变化的作物需水量的机理和主要秘密。

在大数据和智慧农业大发展的今天，我们有能力，也有机会能够突破联合国粮农组织当时在进行作物需水量计算时候概化的计算公式，采用作物数字生长模型，和不断的对模型进行纠正，细化的技术，来达到更加精准的计算，给出作物需水量预测的强大能力。

作物需水量计算分析的最好总结是通过继承和发挥这种能量与作物需水关系模型，利用现有的大数据技术和图像识别技术，完善和改进作物需水量实时模拟计算技术。解决作物需水量决策逻辑和产生的机理研究至关重要。

不可否认涉及到灌溉需水量的计算或灌溉决策必须基于这三种因素，第1种就是天气预报，在这方面很多人都进行了探索，试图通过对天气降雨量的准确预测，来进行灌溉决策从而减少灌溉用水量，实现节约用水的目的。第2种就是土壤含水量，有不少的设备生产厂商继续试图通过土壤传感器对土壤水分数据的精确收集，准确把握土壤水分在土壤层内的空间和时域的动态分布，从而实现精准的施肥灌溉。第3种就是作物，作物的数学模型在作物灌溉决策中应该扮演重要的角色，很可惜目前在作物生长模拟方面的研究还是处于初期阶段，FAO的文章对作物需水量只进行了概化的分析和定性的说明，只有总结性的解释，作物在生长期内如何不断地、精准地对作物在环境气象因素影响下，对各个生长期不断变化的需水量进行定量分析计算，并没有完全在《灌溉管理:灌溉需水量》中得到体现。

文章中也提出了采用双作物系数法计算作物需水量，来进行灌溉系统管理和实时灌溉调度决策的分析基础，但是还没有涉及作物生长的状态影响因子，如LAI对需水量的影响因素。

详细见译文第5章 作物蒸散量（ETc）简介 附表 10
General selection criteria for the single and dual crop coefficient approaches