据统计，世界仅约3%的水可供人们饮用，在其中约70%的淡水用于农业。由于淡水资源有限，因此如何在不影响农业生产的情况下，发展一套管理水资源的灌溉体系，将是值得思考的学问。美国康乃尔大学(Cornell University)与中国清华大学的研究团队于近期共同发展一套智慧灌溉模型(smart irrigation model)，在透过资料的搜集及模型计算，可精确地计算出灌溉水量，避免不必要的水资源浪费。
智慧灌溉模型的概念是藉由结合植物生理、土壤肥力、气象预报等数据进行模式模拟的预测，再将预测结果做为决定是否灌溉及灌溉水量多寡的决策依据。该研究项目首先运用先前团队所开发的植物生理感测器，侦测作物当下是否处于缺水状态，接着考量历史气候数据并以机器学习(machine learning)技术预测近期可能的气候资讯，同时也计算自作物叶表及土壤表面逸散的总水量。透过一连串数据搜集与分析预测后，才做为灌溉与否的决策依据，借此达到省水的效果。
据研究团队评估，若运用此套智慧灌溉模型，可望较传统灌溉作业节省约40%的水量。目前该智慧灌溉模型已实际运用在美国纽约州少数果园，对象是对水分需求敏感的植物：如葡萄及苹果等经济作物。这些经济作物大多种在美国干燥的环境中，这也突显精准农业及智慧灌溉的重要性。研究团队希望未来能依据不同作物的生理特性，即时调整灌溉模型的参数，以智慧灌溉逐步取代人为决策，建立即时自动化精准灌溉农业，避免因环境干旱所造成的农业损失。
