随着人口的不断增长、生活水平的持续提升以及气候变化造成的干旱等自然灾害加剧,水资源短缺形势日益严峻,已成为制约世界经济社会可持续发展的主要因素。农业是水资源的最大用户,灌溉用水在农业水资源的消耗中占据了主要部分。为了提高农业灌溉用水的有效利用率,国内外都在积极探索高效、节水的灌溉技术,分区灌溉是实现农业灌溉节水中的重要思想,通过对不同区域实施不同的灌溉量从而达到节水的目的。本文研究了作物需水空间分布的无人机多光谱遥感监测技术和农田灌溉分区方法,建立了基于WebGIS的农田灌溉分区系统,主要研究内容和结果如下:（1）构建了作物需水空间分布无人机多光谱遥感监测模型。利用无人机遥感建立作物系数Kc的模型,采用彭曼-蒙特斯公式计算参考作物需水量,从而得到作物需水空间分布。基于作物冠层光谱特性,利用无人机多光谱遥感数据,分别采用一元线性回归、多项式回归、指数回归建立了不同生育期作物系数Kc和6种植被指数的关系模型。结果表明:在快速生长期利用比值植被指数RVI构建的一元线性回归Kc模型的精度最高（R~2=0.9332）,在生长中期利用归一化差异植被指数NDVI构建的指数回归Kc模型的精度最高（R~2=0.7409）,在生长后期利用增强型植被指数EVI构建的多项式回归Kc模型的精度最高（R~2=0.7805）。（2）提出了基于像元聚合法的作物需水空间分布图像重采样方法。采用最近邻法和像元聚合法在1 m、3 m、5 m的三种地面分辨率缩放尺度下对作物需水空间分布图的像元进行重采样,利用图像像元值的变异系数作为重采样合理性的评价指标。结果表明:三种地面分辨率缩放尺度下基于最近邻法的变异系数分别为20.42%、24.25%、27.22%,均大于原始图像像元值的变异系数。基于像元聚合法的变异系数分别为13.96%、11.92%、13.91%,均小于原始图像的变异系数。采用像元聚合法对图像进行重采样能较好的保留原始作物需水的分布信息,更适用于在灌溉分区前对作物需水图像进行重采样处理。（3）提出了基于K-means算法的农田灌溉分区方法。利用K-means算法对基于像元聚合法的重采样图像进行了2、3、5三个聚类数的聚类分区,利用需水总量偏差对分区结果进行评价和验证。结果表明:在1 m分辨率条件下三个聚类数分区的需水总量偏差范围为8.5～18.7 m~3（7月26日）、10.1～20.2 m~3（8月12日）;在3 m分辨率条件下三个聚类数分区的需水总量偏差范围为3.9～14.9 m~3（7月26日）4.3～16.7 m~3（8月12日）;在5 m分辨率条件下三个聚类数分区的需水总量偏差范围为3.9～11.3 m~3（7月26日）、3.9～12.2 m~3（8月12日）。随着作物需水空间分布图重采样缩放尺度的减小,灌溉分区计算的农田总需水量与实际需水量的偏差逐渐减小。在1 m、3 m、5 m三种分辨率下,随着灌溉分区数的增加,农田需水总量偏差逐渐减小,当分区数为5类时,农田需水总量的偏差范围为3.9～10.1 m~3。（4）开发了基于作物需水空间分布的农田灌溉分区系统。选用SQL Server作为系统的数据库管理软件,根据数据需求对系统数据库进行了结构设计,并完成了包括气象数据、无人机多光谱图像数据、田间作物和土壤信息的数据库建立。采用C#、CSS、HTML、Java Script等技术实现了作物需水计算、重采样、灌溉分区等功能,利用Arc GIS Server实现了作物需水量空间分布图的显示、缩放、叠加等功能,开发了基于作物需水空间分布的农田灌溉分区WebGIS系统。