濕地和農田之間在全球碳循環、生物多樣性和糧食供應之間帶來了新的挑戰，有效的監測技術可以透過生物、物理及化學間轉化獲得有價值資訊，從而提高農業系統準確性、效率和決策。而監測過程中需要大型和多樣化的資料庫，並需要智慧化處理，監測方式包含衛星、無人機及小型飛機之感測器截取圖像與數據。

　　研究重點以深度學習技術能夠整合作物生長和水動力模組中的大量數據，開發原位監測設備來檢測這些快速變化現象，可以提取複雜的特徵和模式，例如光譜、空間、時間等，而研究中整理出各監測方式結果。

　　研究結果證實利用深度神經網路(DNN)、遞歸神經網路(RNN)和卷積神經網路(CNN)資料對農作物進行分類，取得了比傳統方法更高的準確率；利用衛星資料集監測濕地植被和地形特徵的資料融合技術，具高準確性可作為濕地健康和功能重要指標；基於物件和解析度的深度學習技術，透過無人機影像對農作物進行分類，顯示這些技術可以改善農地管理和生產力。

　　研究成果已發表在MDPI應用科學期刊第19期《濕地與農田綜合監測技術》，研究團隊整理各種監測技術文獻，不同監測方式之其準確性及功效，並表示農田和濕地的綜合監測具有潛力，但也是巨大的挑戰未來，將對於未來農田作物及地形進行智慧監測，其監測數據準確性、監測方式選擇作出貢獻，並可運用於未來農田碳排監測方式。【延伸閱讀】- 大數據物聯網助攻 水利署：智慧監測避免地層下陷危機