水资源短缺问题长久以来一直制约着农业的可持续发展,非充分灌溉理论的研究对于我国干旱半干旱地区的农业节水灌溉具有指导意义,能够一定程度上降低水资源短缺的影响,但是实际应用仍受到诸多限制;随着信息通讯的发展,农业基础理论与现代科技的结合为灌溉理论的应用提供了很好的思路,农业信息化成为现阶段的热门课题。本文针对这一课题进行了非充分灌溉模型研究,并开发了一套以灌溉模型为基础的Android预报软件。本研究的内容与主要成果如下:1)介绍了基于“水量平衡模型+双作物系数法+PM公式”的非充分灌溉预报方法,其中PM公式是FAO-56文件推荐的气象资料齐全时的标准ET0(参考作物蒸发蒸腾量)计算方法,对于农业实际生产中气象数据短缺的情况,本文以天气预报信息作为预报参数,结合BP神经网络和ANFIS算法建立了预测模型对ET0进行估算,预测结果表明:两种模型均能达到较高的精度和高相关性,其中BP-ET0模型的均方根误差更小(0.131 mm/d<0.188 mm/d)并且相关系数更高(0.979>0.948),总体而言BP-ET0模型预测效果更好。2)开发了一款基于Android的非充分灌溉预报系统软件,将基于气象资料和天气预报的非充分灌溉预报方法移植到手机端,实现了智能灌溉预报功能,并且集成了灌溉相关数据的查询功能,完善了预报软件的功能体系。3)以春玉米作为研究对象,使用预报软件对春玉米的灌水量进行预测,验证软件可靠性。预测结果表明与实际灌水量相比,两种灌溉预报方法均能达到较高的预测精度,其中基于气象数据的预测灌水量平均相对误差为5.2%,基于天气预报的预测灌水量平均相对误差为7.11%,总体而言预报软件具有较高的可靠性。本文开发的非充分灌溉预报软件具有较高预测精度和实用性,并且首次将基于天气预报的ET0预测模型用于非充分灌溉预报,同样取得了较好的预测效果,对于农业灌溉规划与管理具有指导作用。