围绕农业高效用水，开展了灌区水分和养分特征的数据挖掘理论和技术研究，建立了基于遥感大数据的干旱评估理论，基于能量平衡理论首次提出了地表温度-植被指数非线性干湿限，分析了干湿限非线性性质产生的原因，证明了非线性边界优于传统的线性边界，为干旱监测提供了有效的工具，证实了光谱数据可用于水分亏缺精准诊断。在能量平衡理论的框架下，结合地面-遥感大数据与机器学习技术，提出了数据驱动的关键参数与结构误差模型，构建了混合模拟的蒸散发模型，提高了能量平衡类蒸散发模型的精度；基于全球46个观测站点、78.5万个瞬时通量观测，建立了数据-机理联合驱动的耗水估算模型。在农田智能感知方面，提出了作物生理指标物候自适应估测模型——VPA模型，解决了传统方法在物候交接期预测不稳定的问题。在此基础上设计了卷积神经网络架构VPANet，弱化了作物生理指标估测网络中的伪相关成分，提高了空间上作物生理指标的估测精度；构建了双分支卷积神经网络产量预测模型，提出了产量时不变特征分解方法，同时利用了遥感影像中的光谱信息和视觉信息，弥补了传统植被指数方法估产时间窗窄、且不能在水稻生殖生长后期有效估产的不足。在灌溉管理方面，开发出智能灌溉决策方法，基于短期气象预报，提出了Deep Q-Learning模型；在江西实验区，与传统灌溉决策方法相比，年均节约灌溉水量23mm，降低农田排水量21mm，减少灌水1次。