施肥灌溉存在的问题

灌溉施肥是指灌溉与施肥融合为一体，作物营养（水溶性肥）通过灌溉系统施用的农业新技术。施肥灌溉技术可以降低生产成本，实现按照作物需水和需肥实际情况精准供水和施肥，同时通过控肥限水推进标准化种植方式提高作物产品的品质和产量。当前农业种植行业在广大的农村灌溉施肥中普遍存在以下问题：

从事农业生产的劳动力数量减少，年龄偏大，造成农业生产人工成本升高，劳动生产效率低。

施肥灌溉系统运行管理需要科学施肥和用水的指导，一般用户无法正确分辨和使用水溶性肥料，更不可能按照作物需水规律进行灌溉和施肥。

施肥灌溉工程一次性投入很大，而且多数是由政府投入或补贴资金建设，大量建成的灌溉工程没有能够正常运行，需要进行水肥标准化管理的指导。如何通过施肥灌溉系统去提升农产品品质也是亟待解决的问题。

水肥一体化技术是灌溉与施肥的融合，是植物营养学与农田水利学的融合，通过灌溉系统施用水溶肥在国内外应用了十几年，灌溉施肥已经转变成为施肥优先的施肥灌溉，它需要植物营养技术与灌溉高效利用技术的融合，并需要创新理论、创新方法和创新技术。

在国内外智能灌溉存在的问题中，常见的是传感器采集的数据满足不了水肥决策上的应用要求，模型的最大不足是无法直接从传感器采集到相应的数据来修正模型参数。

图片

如：土壤水分数据没有经过标定，无法采集到正确的数据，或不是固定位置上的数据值，导致采集到的数据误差太大，并且不能够代表作物在现场的、真实的对水分和养分的需求。常见的是试图通过使用土壤湿度传感器设定上下限来进行灌水的控制方式就是其实际存在的例子。

现有的依据作物耗水数据直接判断灌水量大小，实际上并不合理，也不能够应用于智能灌溉决策，作物耗水量只是灌水的必要条件，并非灌水的充分条件。原因是有不少对水分在某个物候期有特殊需求的作物，有时需要通过控水达到提高作物产品品质的目的。如在酿酒葡萄第一次膨大期进行控水，以提高果实内的酿酒有效成分-单宁的含量，单宁影响着葡萄酒的口感和风味。还有在葡萄着色期至成熟期应严格控制灌水，以利于在成熟期增加果实的硬度和糖度。同理，有时候灌溉只是给农作物根系附近提供适宜含水量以溶解吸附土壤中的磷钾肥，让养分在作物生长过程中更有效地被作物根系吸收。

时至今日，水肥一体的智能化决策还不是十分完善。如何让用户有针对性地实现按照作物生长对水分和养分的需求进行施肥灌溉，是目前水肥一体化系统需要实现的目标。要解决这些问题需要一套与农田水利完全不同的学科，一种完全不一样的手段，一款与众不同的软件，在IoT 技术越来越普及的高新技术大潮的影响下，如何利用物联网技术解决施肥灌溉的精准、正确和合理运用问题，是各家农业物联网或智慧农业高科技公司优先考虑解决的首要问题。数字化灌溉采用物联网和IT技术服务平台或数字模型来解决高效施肥灌溉，调控农作物根系生长环境问题，实现农作物达到优质高产。

图片

数字化技术优势

数字化灌溉通过智能水肥一体化建立智慧农业基础平台，打造涉农产业的综合平台，从而打通农场到餐桌全产业链业务服务流，最终实现农业生产，农业技术服务，农业产品产供销一体的智慧管理，对农业生产实现种植、养殖全产业链，全天候全流程技术支持，生产管理物联网、云平台的技术支持并提供全面、方便和高效地服务。

作为数字化灌溉技术服务产品之一，基于物联网技术水肥决策系统具有以下优点：

（1） 降低人工成本，提高劳动生产效率

由于农业投入大、产出慢、利润低的特点，经营者尤其是规模化经营者对成本投入极为敏感，人力投入大是他们面临的问题之一。当前中国农业劳动力平均耕种面积只有4.5亩左右，先进国家可达到10000亩左右，使用自动化、智能化水肥管理手段，提高单位人工管理面积是其重要手段，也是我们亟待发展的，节省农业劳动用工的高新技术。

（2） 科学水肥决策指导，进行按需供给

从事传统农业的种植者一般按照个人经验进行灌溉、施肥，灌溉施肥效果依赖于种植者的经验水平，受人为因素影响很大，而且普遍存在着在滴灌系统使用上仍沿用大水漫灌的经验，造成大量水肥浪费。现代农业是按需供给的农业，按照作物需水、需肥规律进行水肥管理才能有效提升产量和品质，这需要综合作物、土壤、气象、水资源、工程等多方面因素进行智能水肥决策分析，为种植者提供科学施肥灌溉决策建议，以指导农业生产。

（3） 进行水肥标准化管理，提升农产品品质

近年来，市场上常常见到众多农产品因品质不同、但价格差异巨大的现象，以大白菜为例，一颗普通大白菜市场价不过几块钱，但品牌的青岛“胶州大白菜”可以卖到30多元/颗。种植者已慢慢从相对重视产量向追求“产量、品质、生态”转变，农产品品质提升越来越重要。标准化管理被认为是提升农产品品质的重要手段，水肥标准化管理在农产品品质提升中必不可少，除了前面提到的对作物生长按需供给外，还需要实现精准供给，需要多少水肥，就精准控制给到作物多少肥料。

数字化灌溉推广公司围绕农业生产最基本要素水、肥的高效管理，融合物联网、大数据、云计算等现代信息技术，构建集田间环境实时感知、灌溉施肥智能决策、水肥管理精准控制、灌溉系统综合展示于一体的智能水肥应用平台，实现“万亩良田，一人管理”，帮助种植者降本增效，提升管理效率和效果，助力农业标准化、现代化、集约化、可持续发展，实现农民增产增收。

数字化水肥决策系统

数字化水肥决策系统应当实现以下功能：

田间环境全面感知

气象、土壤、作物是影响灌溉施肥的关键因素，快速精准获取这些信息是智能水肥一体化的基础。数字化智能水肥一体化，一方面在田间部署各类物联网感知和监控终端，自动采集最真实的现场环境数据，另一方面接入丰富的外部数据，如气象数据、遥感数据等，丰富感知网络，实现不间断、全面、可靠的田间环境数据的采集。

大数据科学决策

基于对田间环境的全面感知，分析作物需水、需肥规律，根据作物需求构建智能水肥决策模型，将各类感知数据通过数据同化带入模型，计算出最适合本地的水肥建议，同时跟踪作物和环境变化，动态调整决策建议，指导用户科学用水、用肥，改变传统凭经验进行水肥管理的现状。

水肥精准可靠控制

从软件、硬件两个层面实现水肥远程精准控制。软件层面，提供集喷灌、滴灌、管灌等多种灌溉方式于一体，涵盖自动控制、手动控制、定时控制、定量控制等众多控制模式，支持电脑PC端、手机端等多种操作终端的智能控制平台；硬件层面，采用具备边缘计算功能的智能网关，保证在断网的情况下也能将发送的控制指令按序执行，对网关与控制节点、网关与平台进行加密处理，保证传输的安全性。

数字化决策系统优势

提供丰富气象数据，指导灌溉

气象数据对农业生产的影响不言而喻，种植户通常在本地布设气象站以获取精准气象信息。数字化智能水肥一体化平台接入了官方丰富气象数据，涵盖全国近30年气象历史数据、全国气象实况数据以及高空间分辨率的气象预报数据等，在无明显小气候变化区域用户不安装本地气象站，利用附近站点数据也能实时掌握田间气象信息，大大节省成本。

灌溉形式多样，功能强大

数字化智能水肥一体化平台，可以对滴灌、大型喷灌机、微喷等各类灌溉方式的水肥一体化各设备分别进行控制，也可以制定整套灌溉施肥计划，各设备按照计划自动运行，并可设置自动停机条件，无需人工干预，真正实现“无人值守”的全自动控制，进一步减少人工，降低人为误操作、漏操作造成的损失。

模型动态决策，AI辅助优化

目前，很多水肥一体化平台是不提供水肥决策功能的，或仅提供简单的基于土壤含水量上下限的决策方法，该方法的实质仍是灌溉土壤而非按照作物需求进行灌溉。数字化智能水肥决策，基于作物数字模型和田间水量平衡原理和作物养分管理特征，分析作物需水需肥规律，构建动态水肥决策模型，并在传统水量平衡模型基础上进行优化改进：如考虑不同灌溉方式特点，制定喷灌在关键生育期集中灌溉施肥、滴灌基于作物需水需肥进行少量多次施肥灌溉的不同模型；根据土壤水分变化特征，动态判断作物根系深度；考虑土壤纵向分层异质性确定田间持水量参数等。

同时，采用大数据和人工智能技术，对作物系数、田间持水量、土壤养分系数等模型参数不断优化验证，以保证模型的科学可靠，真正将科研成果形成可落地应用的产品。

先进模块设计理念，设备与应用匹配，方便应用调整

采用先进分层设计理念，由物联网设备平台进行物联网设备接入与管理，由智能水肥一体化平台实现灌溉施肥业务操作，将应用软件与终端设备相配合，让平台可以方便地根据业务需要进行优化，不受设备限制。

权限控制满足多用户、多角色管理需求

通过平台权限控制，设置多种权限级别，功能操作和看到的设备数量因权限级别不同而不同，即可同时满足政府管理人员、服务运营人员、农场管理者、种植户等各类用户的不同管理需求。

数字化作物模型

数字化灌溉重点从水肥高效利用角度，综合气象、土壤、作物习性和农事操作四类要素，构建一种简便实用的作物综合模型，称为数字化作物模型。

数字化作物模型首先通过传感器采集代替人工收集的方式，获取作物、土壤、气象、种植和水肥管理过程等数据，将各类数据带入决策模型经过模型运算，可生成当前是否需要进行施肥、灌溉，以及具体的施肥灌溉计划，用户按照计划操作田间自控设备进行施肥灌溉，以使作物得到科学、可靠的水肥供给。

决策模型的依据是作物的需水、需肥规律，由于作物各生育阶段的需水、需肥规律是变化的，决策时需依据多种指标综合判断作物当前生育阶段，用于推求预测时段作物需水需肥参数。土壤是供水供肥的介质和基础，不同类型的土壤对水肥贮存和供给的能力不同，需根据土壤质地类型和肥力测试情况，得到土壤供水和供肥相关参数

对于灌溉，根据土壤水分平衡方程，考虑时段内作物需水量、实测土壤墒情数据（土壤水分贮存情况）、时段内气象预报数据（降水），以及作物生长（根系深度）、土壤参数（降水利用参数和供水参数），计算时段的灌溉需水量。

对于施肥，根据适宜的目标产量、单位产量养分参数、各生育期需肥参数、土壤供肥参数等，计算各生育阶段作物生长所需养分量（元素），并根据选择施用的肥料、施肥设备等，计算所需施肥量。

基于计算的作物需水、需肥，综合考虑灌溉设备参数、作物适宜施肥浓度、水资源供给等限制条件，就可以制定出最终的灌溉施肥计划。

对于大型灌区考虑灌区内用水量调配，模型中气象预报采用国家5km×5km预报数据，最长可预测未来10天的水肥方案，并随着预报数据每日更新，每天以最新预报数据进行动态滚动计算，保证模型结果能快速适应气象变化。

数字化作物模型模拟生长过程，通过周边环境的天气状况得到作物的灌溉需水量，通过土壤内水分含量分布和作物根系状态分析取得满足灌溉时分段灌水的时间分区大小，在根据目标产量法预测肥料用量匹配，最终提供农事操作的决策结果。在模型中，由作物模型的动态耗水量计算出实时动态Kc值，通过作物生长图像深度分析给出生育期和灌溉用水量预测，测土后土壤供养模型分析出作物大元素，特别是氮元素动态缺量大小，最终给出预估作物产量，在各生育期应用的灌溉施肥数量，以及作物各生育期需要采取的合适农技技术措施。根据气候预测目标产量，由实际产量确定施肥量和灌溉水量。实现以水定产，以产定肥的施肥灌溉决策制度。

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。

土壤积温方法 统计播种日期至当前日期的土壤积温，可用实际土壤积温与生育阶段多年平均土壤积温的初值、末值对比，确定所处生育阶段。

有效积温方法 自动收集统计播种日期至当前日期的有效积温，实际有效积温与生育阶段多年平均有效积温的值对比，确定所处生育阶段，模型优化常用的方法。

播种后天数方法 利用作物品种生育阶段表，比较生育阶段起止时间（播后天数），同时满足两个条件：当实际播种后天数大于或等于某一生育阶段起始时间，实际播种后天数小于同一生育阶段结束时间，则当前日期处于该生育阶段内。

用实验修正生育阶段，5种方法判定结果的优先级顺序：叶面积指数方法>株高方法 >土壤积温方法>积温方法> 播种后天数方法。

土壤特性参数

每一表层土壤分区在根层纵向上，根据土壤性质又分为若干层，用户根据实测数据输入土壤分层的深度，并输入该层土壤土壤类型，计算该层土壤的允许消耗水量。在导入的土壤墒情监测数据中，包括监测点深度和墒情监测值，以墒情监测深度最大值为土壤类型分区纵向分层的最大深度。

土壤深度：为田间试验人工采样深度或墒情监测点布置深度，原位分层设置，一般深度间隔10cm取样，从墒情监测点的监测深度自动导入。

喷灌、滴灌条件下的修正系数：需要根据喷灌或滴灌设备长期使用下的灌溉效率（灌溉后土壤水分布剖面占田持剖面的比例），依据经验土壤持水性修正系数表进行修正。

基于大数据的作物参数优化

在大数据年代，各种作物模型参数，事实上是可以通过作物模型的输出量和观测量，用数据同化找出作物模型参数最优的估值，从而找出模型的各个参数的在加入观测值后的参数变化量的大小。以作物的输出量和观测量为依据，同化并找出作物最优参数的方法，它通常是从参数先念概率中选择两种做法，一个采用后验概率最大的数值，另一个是采用参数的平均值或中值来进行模型参数的优化。

具体地说，输出量是数字模型的状态量，观测量是遥感方法获取的状态量的实测值，通过大数据分析的同化方法获得作物模型的参数量优化值，用最优的参数量做出模型后，模型就成为相对于真实世界来说是一个＂逼真＂的模型，＂逼真＂就是逼近于真实的意思。这样就完成了数字作物模型参数的一次迭代过程，模型参数需要不断参数修正和优化才能够成为一个真实作物的数字孪生模型。

灌水量和灌水时间

教科书说的多数是关于灌溉系统设计的灌水量和时间问题，它要解决的是灌区内部总体协调灌水的问题。现代灌水技术，特别是滴灌等等局部灌水方式的出现，需要更加充分、合理地进行灌水，让作物吃饱、吃好，还得有合适的营养。滴灌系统一天灌一次为作物实时进行灌水决策带来方便，每天一次的灌水量预测，可以根据前一天的作物耗水量提出来，十分方便进行智慧灌水决策。

作物灌溉的量，相当于人类的饭量，不用多想，你也知道人类不可能一次吃得很饱，然后几天后再吃另一餐饭。每个人都会思考这么简单的问题，为什么偏偏在作物灌溉这件事情上，确会是在书本的指引下，让作物吃一次饱饭（灌水）后，七天后回来再吃一次！但凡是有点头脑的人，不会这样去溺害自己。可是你的确常常听说，作物是灌水一次，过了七天（这里举例说的数，不一定就是七天）又回来灌水的，并说这是灌溉设计规范规定的，设计计算几十年来都是这样计算的。

话说当年或以前灌水都是这样干的。这是因为人家说的是工程设计项目，针对的设计计算的理论是依据一定的假设为前提条件的，符合这个条件计算才能得到正确、合理的结果。教科书上教你这么做是有一些道理的，教科书说的是灌溉系统设计问题，它要解决的灌溉不是小问题，是大问题，是灌区的总体协调问题。为什么要七天灌一次呢，是因为第一土壤有一定存储水的能力，这个保存水的能力大小，叫田间持水量大小。所以可以一次灌到接近田间持水量的值时再停止灌水，这样可以让作物慢慢吸收土壤里的水分，七天土壤水分被作物吸收完了，我们再来灌水。这个七天就是人们常常说的灌水周期。为什么要有一个七天的周期，不可以一天灌水一次吗? 或者一天灌水N次吗？当然可以。只是当设计灌溉系统时，如果灌水区（灌区）很大，主管（主干渠）不是时时刻刻都有水时，你不得不计划好充分利用渠道供水的时间，让土壤作为第二个储水池，把第二水池的水灌满，然后赶紧去下一块地进行灌溉。土壤存留的水可以让作物吸收七天（作物正好耗水完的时间），七天后再回头来灌水一次。之所以你可以这样做，可以错开灌区地块都需要灌水的时间，你可以想像试图一次要灌完所有的地块需要多大的水量，不如让有限的供水去灌更多的地块，让水源流量得到充分的运用。这是设计规范的假定条件，是它让你设计一次灌水达到土壤田间持水量或接近田间持水量，然后七天后再次灌水的计算依据。

但是，今天由于灌水技术条件的变化，现代灌水技术，特别是滴灌等等局部灌水方式的出现，考虑到智慧灌溉系统运行决策时，这种假定的设计条件基本失效。同时我们现在灌水的目的是灌水给作物不是给土壤，所以需要更加充分、合理地进行灌水，让作物吃饱、吃好，还得有合适的营养。

采用滴灌技术后，作物灌水没有必要设一个灌水周期，在同一个水源流量的条件下，作物每天的耗水量不论灌溉用什么办法，它基本是一个都必需补充给作物的量，不会因一天灌一次而会让你总体来说少灌地，一天灌一次和七天灌一次一样，也不会因为一次灌了七天的水让你能够多浇地。这是因为你的供水水源在七天的时间内给你的水量是有限的，无论你七天用完，还是一天只用七分之一，反正七天作物需要的水量是一样的。这叫质量（水量）守恒定律。

智慧灌溉采用的是现代滴灌灌水方式，应当以一天灌一次为主，当然你也可以一天灌3~4次就像人类吃饭一样，一日三餐。滴灌系统是采用管道输水灌溉，有自己的水泵，管道它应当是长期有水的，不像渠道灌水，只能够几天通水一次。第二，滴灌灌水，它是滋润土壤的局部，主要是作物根系附近，这部分土壤长期保持在对作物利用水分和营养有利的最佳水分含量状态，将有利于作物对水分的吸收和土壤里营养成分的利用。研究成果还表明土壤内的矿物质会因长期被水分溶解，能够很好地被作物吸收，作物生长营养供给条件得到改善或提高，作物生长会更好，产量更高。

十分明显，智慧灌溉决策时，让滴灌系统一天灌一次为作物实时进行灌水决策带来方便，每天一次的灌水量，可以根据前一天的作物耗水量提出来，十分方便进行灌水决策，同时灌水的时间也容易确定。

总之，滴灌系统以保持土壤水分在最佳水分状态，以每天灌水一次为最佳方案。一天滴灌一次，只需计算作物一天的耗水量，就得到灌水量，而且灌水后土壤含水量增加值不会超过土壤田间持水量，不需要再计算灌水周期。一天灌水一次解决了决策分析难题，因为只需要知道作物前一天的耗水，就可以决策，遇到降雨再减去有效降水部分就行。作物能够少吃多餐，让它健康成长就成为分分钟的事。用作物灌水比作人类吃饭，你还不清楚对于作物来说，如何去决定灌水量和灌水时机的，那你基本上不算是人类的一员。

智慧灌溉决策

真正的智慧灌溉系统需要实实在在地去研究作物模型，了解作物需水的规律，模拟作物生长的关键生育期的状况，这样才能够判断出作物在什么时候，需要用多少水，也可以事先确定在作物生长的需水关键期进行灌水，但灌水的量还需要根据天气情况进行决策，大型灌区还需要考虑实现多种目标的优化。同时还能够了解在需要灌水的时候，土壤内部还有多少水？需要补充的水应该是多少？还有就是在缺水的地区，或者说是水源供水不足的时候，怎么去调整作物的灌水？如何让作物在供水不足时进行调亏灌溉，同时作物产量基本不受到影响。

水肥决策

水肥决策要求决策系统必须实现现场水肥施用的工作协同进行。这就要求系统能够感知农田现有水分状况和养分状态，同时利用动态的观测数据同化模型参数，通过用数字模型模拟水分和养分在土壤、作物中的变化，使水肥营养两者相互配合、相互协调、相互促进。

水肥决策的目的是要实现作物灌溉施肥的精准施用。需要根据土壤水分平衡和作物需水规律和水源供水能力，考虑施肥与水分的相互配合的关系，运用灌溉工程设施、农艺技术、农业机械、生物技术和农场管理等措施，精准、合理调控灌溉用水和用肥，调控土壤中水分和养分以满足作物优质高产对水分和养分需求。

智能水肥决策需要根据水肥平衡进行决策。系统需要根据作物需水、需肥规律、土壤保水、保肥能力、土壤供肥、保肥特性以及肥料效应，在灌溉的基础上，合理调配灌溉水中施用氮、磷、钾和中、微量元素的用量和比例。采用现代灌溉施肥方式时，特别是滴灌系统，施肥灌溉决策引擎按照肥随水走、少量多次、分阶段施用的原则制定灌溉施肥计划或工作制度。采用天气、土壤和作物长势实时数据，把作物灌溉用肥按灌水时间和次数进行分配，充分利用灌溉系统进行施肥，适当增加施肥数量和次数，实现少量多次，精准用肥，提高养分利用率。

决策系统采用人工智能包括机器学习、图像识别和专家系统等先进技术手段，利用人工智能实现对作物的数学模型输入参数进行分析，自动修正出合适的模型参数，实现对作物生长过程的数字精准模拟。人工智能分析中计算机所做的工作是学习。通过学习足够数量的样本，机器可以从数据中训练出自己构建的模型。人工智能应用到作物生育期判断中来，通过特定作物生育期的图像数据，让计算机自动学习，最终训练出自动识别作物生育期的能力，从而确定各生育期如何施用肥料。

具体来说:

1. 通过传感器和摄像头收集温湿度、土壤水分、CO2和辐射数据，叶、茎、根系和果实生长形态图像数据并进行作物模型参数校准。

2. 利用机器学习图像实现生育期的识别。通过土壤水分得到各生长期需水量，得到生长期的需水量规律。找出作物需肥规律，实现按作物产量和品质需要施用的主要元素肥料的决策。

3. 通过水分含量的变化分析得到作物需水量实时数据。

4. 通过大数据分析找出常规肥料的作物的需肥规律。

遥感技术目前还无法关注作物的生长细节和作物的营养。而我们灌溉智能决策系统必须要关注作物的生长细节同时，它的应用必须能够及时补充作物营养给作物。按需补充水分和营养成分，从而提高作物的产量或品质是我们的目的。

水肥决策的目的是要实现作物水肥一体化的精准施用。运用灌溉工程设施、农艺技术、农业机械、生物技术和农场管理等措施，精准、合理调控灌溉用水和用肥，调控土壤中水分和养分以满足作物优质高产对水分和养分需求。采用人工智能技术进行作物缺水、耗水量和大元素营养成分缺失图像分析，判断作物缺素或缺水的程度是智能水肥决策平台的技术创新最大的挑战。