多时相 · SAR+光学 · 分蘖不确定

难点：水稻分蘖数高度可变（单株3~30+），有效穗数难以遥感推断；南方多云多雨导致关键生育期光学影像严重缺失；稻田水背景干扰光谱信号。对比：玉米产量预测仅SS级82分——单秆不分蘖，穗数≈株数，结构确定性高。

3D冠层 · 果实遮挡 · 大小年

难点：树冠三维结构复杂，果实被叶片严重遮挡；大小年现象导致历史数据不稳定；品种/树龄/修剪差异巨大。遥感只能看到冠层顶部，果实信息几乎完全丢失。

分枝 · 荚数变异 · LAI饱和

难点：大豆分枝多且荚数变异极大（几十到上百）；冠层封行后LAI饱和导致后期遥感区分度差。分枝/荚数不确定性类似水稻分蘖问题。

时序 · 气象耦合 · 冬/春麦差异

难点：冬小麦越冬期遥感信号弱；分蘖成穗率受冻害/干旱影响大且难遥感监测。种植区云量相对少但华北田块碎片化严重。

时序NDVI · 结构简单 · 授粉胁迫

难点：不分蘖、单穗为主，结构确定性高；但授粉期高温胁迫影响大。对比：比水稻(-15分)——无分蘖变量，关键期晴天率高。

难点：种类极多（几十种），各自生育期仅1-3个月且频繁轮作；地块极碎片化；训练标签极度匮乏。类别数比大田作物高一个数量级。

难点：豆科作物光谱极为相似；花生匍匐 vs 大豆直立在10m分辨率下难捕捉；杂豆面积小、样本稀缺。公认遥感难题。

难点：早稻/中稻过渡期重叠；南方地块极碎片化（<1亩）；严重依赖SAR但后向散射对品种不敏感。对比简单二分类(+38分)。

为何简单：玉米与小麦/大豆物候差异显著；Sentinel-2时序+随机森林可达90%+ OA。最简单的分类场景。

难点：潜育期无可见症状，光谱变化在噪声量级内；与氮素过量、纹枯病等混淆；需耦合温湿度条件。已显症后的检测降至S级(-25)。

难点：需单木级检测但卫星分辨率不足；黄龙病潜伏期长达数年，早期症状与缺素混淆；树冠混合背景光谱。

难点：虫害造成的叶片穿孔/缺刻在遥感尺度信号微弱；间接通过LAI下降检测但与干旱胁迫混淆。虫害遥感普遍难于病害。

难点：条锈病有明显黄化光谱响应但初发点微小；需追踪空间扩散动态；与缺氮黄化混淆度高。比稻瘟病(-13)，症状出现较早。

微波被植被衰减；L波段穿透好但km级分辨率；根区水分需耦合水文模型。裸土水分监测降至S级。

稻田水层影响背景反射率，PROSAIL需考虑水面镜面反射。比旱地作物LAI(-12)——水背景增加不确定性。

NDVI在LAI>3时严重饱和；旱地背景相对稳定；红边波段可缓解。

波段运算成熟，GEE几行代码完成。注意云掩膜和平滑方法选择。

标准化流程，Sen2Cor/LaSRC一键运行。

土壤不透明，目前无任何手段能在田间非破坏性获取完整根系三维结构。CT/MRI限于盆栽且吞吐极低。表型领域公认的"圣杯"级难题。

WinRHIZO软件成熟，冲洗后扫描背景干净。但破坏性取样、通量低。对比田间根系(-56分)。

难点：分蘖密集重叠，顶视图几乎不可分；分蘖数随生育期持续变化（先增后减）；水面反光/泥水干扰。目前无可靠自动化方案，仍大量依赖人工。对比：玉米株数计数仅S级55分——每穴1株、单秆直立，完全不同量级。

分蘖密集且相互遮挡；成穗率40%-70%波动大。比水稻(-4)——无水层干扰但分蘖更密且更细小。

分枝模式因品种差异大（无限结荚 vs 有限型）；大叶片严重遮挡节点。比水稻分蘖(-12)——分枝数少但叶片遮挡更严重。

单秆直立，LiDAR/DSM提取容易；穗位高需侧视角。对比水稻分蘖计数差距37分。

荚小而密（单株几十到几百）；叶片严重遮挡；成熟前荚与茎色相近。公认最难的计数任务之一。

穗灌浆后弯曲下垂；密度极高、穗间重叠严重；水面反光增加噪声。比小麦穗(+7)——弯穗增加复杂度。

穗与茎叶颜色相近（尤其灌浆前）；密植下穗重叠。成熟期穗发黄后相对容易。

目标大、每株1-2穗、间距清晰。大目标+低密度=计数类最简单之一。

场景对比：田间(S级65)光照/背景复杂 vs 实验室(A级48)受控条件。同一任务，场景差25+分。

白色背景下叶片分割几乎100%准确；OpenCV阈值分割即可。

需将DSSAT/APSIM与深度学习端到端耦合；实时数据同化极其困难。目前全球仅有概念验证级Demo。

基因型×环境×管理三重交互组合爆炸；百万级SNP特征维度；多环境配对数据严重不足。新环境外推时精度急剧下降。

感温/感光性因品种差异大；需逐品种标定。比玉米GDD(-12)——玉米温度-发育关系最简洁。

积温(GDD)模型成熟；品种间差异通过RM分级标准化。极端温度修正是主要改进方向。

需理解枝干年龄、花芽位置、通风透光；高度依赖经验知识难以形式化。将果农数十年经验转化为算法的挑战。

需在分蘖期和穗分化期分别决策；过量氮导致倒伏/稻瘟病风险。生物风险反馈增加决策复杂度。

NDVI/NDRE驱动的变量施氮已有成熟方案（GreenSeeker等）。精准农业中最成熟的应用之一。

逻辑清晰（NDVI<阈值→预警）；无需训练模型；部署简单。