Der Agrarsektor verbraucht 70 % des weltweit genutzten Süßwassers, in den Entwicklungsländern sogar bis zu 95 %, um den wachsenden Bedarf an 70 % mehr Nahrungsmitteln für die geschätzte Bevölkerung von 9,1 Milliarden Menschen im Jahr 2050 zu decken. Außerdem wird geschätzt, dass in den nächsten 30 Jahren 14 % mehr Süßwasser für landwirtschaftliche Zwecke entnommen werden muss. Aus der Fachliteratur geht hervor, dass Präzisionsbewässerungssysteme die traditionellen/oberflächlichen Bewässerungssysteme übertreffen und bis zu 50 % Wasser einsparen. In diesem Bericht wurde das NRCS herangezogen und ein Szenario mit zwei landwirtschaftlichen Betrieben in zwei verschiedenen Wassereinzugsgebieten auf der Hangebene betrachtet, in denen ein Sprinklerbewässerungssystem installiert ist. Wenn die Beregnung stattfindet, fließt das Wasser von Betrieb A durch einen Auslasspunkt / ein Tor zu Betrieb B. Es muss gelernt und vorhergesagt werden, bevor es in den Einlassstrom des Beregnungssystems von Betrieb B gelangt. Mehrere drahtlose Sensoren und Algorithmen des maschinellen Lernens wurden für die Datenextraktion aus der Bodenfeuchte und dem Erntestadium auf Betrieb A verwendet. Außerdem wurden die Abflussmenge und die Abflusszeit berechnet, um sie im Präzisionsbewässerungssystem von Betrieb B effizient zu nutzen und Wasserverschwendung zu vermeiden.

Marwan Khan sta attualmente svolgendo il suo dottorato di ricerca presso l'Università di Southampton UK. I suoi interessi di ricerca sono l'irrigazione di precisione, WSN e la modellazione del deflusso dell'irrigazione utilizzando algoritmi di apprendimento automatico. È anche in servizio come docente presso il Dipartimento di Informatica all'Abdul Wali khan University Mardan (AWKUM) Pakistan.