我国淡水资源严重短缺,在灌溉技术以及灌溉管理制度相较于一些发达国家还比较落后,这更加剧了我国淡水资源短缺的问题。随着我国耕地面积的不断扩大以及大中型农业灌区的出现,对农田精准灌溉提出更高的要求。无人机遥感技术实现了由点到面的全覆盖信息采集,可为大面积农田实现精准灌溉提供有力的数据保障。因此,建立土壤墒情的智能预测模型,开发红外热成像遥感图像的自动处理系统和作物需水量决策系统,对缓解淡水资源日益紧张的局面具有重要意义。本文主要研究工作及取得成果如下:（1）研究作物冠层温度和相关气象参数与农田土壤含水量的相关性,建立土壤含水量智能预测模型。同步采集茶园红外热成像、相关田间气象站以及目标土壤含水量数据;利用Canny边缘检测、自适应中值滤波、均值滤波等图像处理算法消除土壤背景和噪声污染,提取出精确的冠层温度数据;利用PCA方法对所采集的数据集进行降维,并利用降维前后的数据集分别建立土壤墒情的RBF预测模型。研究表明,消除图像中噪声和土壤背景可有效提高目标冠层温度数据的提取精度;对RBF和PCA-RBF两种土壤墒情预测模型的精度进行对比,结果显示两种预测模型的精度基本一致。（2）研究红外热成像图像拼接、背景去除、温度提取相关技术,建立遥感红外热成像自动处理方法。总结传统SURF图像拼接方法并进行多帧改进,实现多张图片的拼接并转换成灰度图;利用土壤背景和作物冠层的色差剔除土壤背景;探索灰度值与温度值的函数关系,根据灰度值提取目标冠层温度数据;最后将图像拼接、背景剔除以及温度提取方法集成并建立一套红外热成像处理系统。研究结果表明,系统可以高效地拼接图片且没有图片缝隙,土壤背景可以被完全剔除,获取的冠层温度数据可靠性达99%以上,快速为后续灌溉量决策提供精确的冠层温度数据。（3）研究作物水分胁迫指数理论模型和土壤水分修正系数物理意义,再基于这两者建立农田灌溉量决策模型并实现自动决策,最后对此系统进行实验验证。从决策过程来看,决策方法有很强的理论基础,具有较强的实用性,能够直接计算出农田的需水量。从决策结果来看,作物水分胁迫指数与作物气孔导度相关系数均在0.75以上,单位面积灌溉量与作物气孔导度相关系数均达0.8以上,决策结果有很高的预测精度,可为后续控制灌溉提供可靠的数据支撑。（4）研究并搭建一套基于4G网络的田间灌溉监控系统。完成灌溉执行、数据采集等代码编写以及对各子系统进行调试,最后进行现场整体测试。通过测试,4G模块通信成功率达100%,通信延时在可接受范围之内（最大为100ms）,上位机可以成功实现对电磁阀的启闭控制（成功率100%）并采集流量数据。系统整体运行稳定,可满足实际要求,操作人员可以随时随地对本系统进行操作或调阅相关灌溉数据。