水是维持人类生存和社会发展的基本要素。我国水资源短缺问题日益严重。随着我国城镇化进程的加快，城市绿地面积迅速增加，绿地灌溉需水量也大幅度增加，加之水污染等环境问题的威胁，致使城市供水问题形势更加严峻。提高水资源利用率，走节水、省水路线，是解决我国城镇供水紧张问题的根本途径。城镇绿地灌溉势必以精量化、智能化节水灌溉模式取代当前的粗放式灌溉模式。本文首先建立PSO-BP神经网络预测参考作物蒸腾量ET0，在此基础上建立灌水系数模糊推理系统以及灌溉模糊决策系统，最终实现对绿地适时、适量地灌溉。本文选用9组不同气象因子组合作为输入量，建立BP神经网络，通过理论分析以及大量重复实验，确定网络结构。然后采用PSO算法优化BP网络的权值和阈值，建立PSO-BP神经网络。利用训练好的PSO-BP模型预测参考作物蒸腾量。将不同输入得到的预测结果与PM ET0对比分析，结果表明，只需选用平均温度、平均相对湿度、风速和日照时数等四项影响因子作为输入，即可通过PSO-BP模型得到较为精确的参考作物蒸腾量预测值，为气象资料缺失情况下准确预测参考作物蒸腾量提供了一个可行的方法。本文利用经模糊处理的绿地作物系数估算绿地作物实际蒸腾量。以实际蒸腾量和土壤有效含水量为输入，灌水系数为输出，建立灌水系数模糊推理系统。在此基础上结合灌水定额公式及水量平衡方程等，建立灌溉模糊决策系统，由此系统决策灌水量和灌水时间。用2005年的相关数据对灌溉模糊决策系统进行测试，结果表明，利用本系统进行灌溉决策，可使土壤有效含水量较为稳定的保持在适宜作物生长的范围内。在保证作物健康生长的前提下最大限度的节约了水资源，对节水灌溉的广泛实施具有一定的指导意义。