我国是一个农业大国,具有广袤的农业种植面积,在农业的现代化、智能化发展过程中,水资源无疑是作物生产的重要因素之一。我国水资源虽然总量丰富,但是人均占有量较低。随着经济建设的飞速发展,水资源的消耗也日益增加。在农业用水方面,人们根据自身经验以及不科学的用水策略不仅造成了大量水资源的浪费,也进一步加剧了农业用地与水资源供给之间的矛盾。随着物联网技术、无线传输技术、人工智能技术的发展,这些现代化技术在农业发展领域也有着大量的应用和研究前景,例如智慧农林业、病虫害检测、农产品产量预测等。除了土壤成分以及作物自身的属性之外,影响作物需水量的主要因素是其生长的环境条件,因此通过获取作物生长环境的数据是实现作物高质量、高产量生产、减少农业水资源浪费的前提。在获取作物生长环境数据的基础上,通过数据分析以及机器学习算法,合理预测作物在不同生长阶段的需水量并且实现精准灌溉,对于现代化农业的建设具有重要的现实意义。本研究的目的是构建基于物联网的农业信息智能化系统,我们以温室马铃薯为例,分析其需水量并进行预测。为了实时采集温室作物生长的环境数据,利用多种传感器设备对数据进行采集,包括土壤温湿度传感器、空气温湿度传感器、CO2浓度传感器等。在数据传输方面,本文采用了GPRS技术以及Lo Ra技术,并利用定位算法对节点进行优化以提高数据传输过程中的传输效率和稳定性。接着,利用多种机器学习算法对温室马铃薯需水量进行预测,通过对比,XGBoost算法能够准确地对需水量进行预测。本文的主要工作主要包含以下几个方面:（1）根据本研究需要,搭建了基于物联网的农业智能信息化系统,包括作物生长环境因素的选择、通信技术分析、定位算法优化以及数据分析方法等,并对三层架构进行了详细的介绍与说明,即农业物联网中的感知层、网络层、应用层。在此基础上,实现了硬件系统的搭建以及设备的选择,包括传感器、数据采集模块、微处理器、通信模块、电路电源等。软件方面,通过程序设计,实现了数据采集模块以及中心基站的程序流程设计。（2）无线定位算法不但能够提供更加精准的节点位置信息,还可以保障数据的稳定传输。因此,本文分析了目前主流的定位算法,并提出了一种基于Lo Ra网关的信号强度RSSI校正算法,此外,为了更好地优化定位算法,构建了一种基于粒子群算法的BP神经网络模型。最后,在软硬件系统上,实现了定位算法的测试,通过实验结果比对,优化后的算法在测距精度上与实际测量结果相比小于1m,实现了高精度定位,为数据能够安全稳定地传输提供了保障。为了保持数据传输的稳定性,并且提高传输效率,本文设计了通信实验与定位实验。实验结果表明,本文的农业物联网系统运行稳定、数据传输安全可靠、节点定位精度较高,切实提高了农业环境数据收集效益。（3）根据传感器收集到的实时数据,利用多种机器学习算法（XGBoost、随机森林、KNN）对温室马铃薯进行需水量分析与预测,结果显示XGBoost算法具有较高的精度,能够较好地实现对温室马铃薯需水量的预测。通过本文的研究与设计,该农业物联网系统可以较好地实现对温室马铃薯生长环境信息的采集与数据传输,并通过机器学习算法来预测需水量,从而有助于解决农业用水效率低以及浪费严重的问题,这对于农业现代化建设具有重要的现实意义和经济价值。