模型越来越多，精度为什么不上去
论文里 F1 0.92 的模型，拿到项目上面积偏三成，这事我见过不止一次。
每次有人问是不是模型退化了。不是。是两个"精度"根本不是同一个东西。
你说的精度是哪个精度
学术上说的精度，通常是逐像元算的 OA 或者 F1，在一份精心构造的公开数据集上评，评的人是审稿人。
项目上要的精度，是"这块地是不是这块地""总亩数对不对"，评的人是甲方，他手上拿的是一张承保清单。
这两件事的差距比想象中大。像元级 95% 的精度，完全可能对应"三成的地块边界是错的"——因为误差看着小，但全集中在少数地块的边界上，而甲方只关心地块。
一张图几百万个像元，错 5% 就是十几万个。这十几万个如果都落在边界上，那就是边界全错。
所以很多"高精度模型"一落地就现原形。不是模型不行，是尺子不对。
数据源的天花板，模型无解
先算笔账。一块 0.5 亩的地，333 平方米。
用 Sentinel-2 的 10 米影像，一个像元 100 平方米，这块地只装得下 3.3 个像元。3 个像元意味着什么？边缘那一圈全是混合像元，一半是地，一半是田埂或者邻地的作物。这种情况下谈"像元级分类精度"没有意义，因为图斑本身已经被边缘吃掉了。
换成 1 米影像，一个像元 1 平方米，333 个像元，这时候才谈得上形状和边界。
关系是：目标地块越小，对分辨率的要求是平方级上升，不是线性。地块缩小一半，需要的像元数掉到四分之一。
这是物理限制，换任何模型都绕不过去。分辨率不够的时候，模型能做的只有猜得更像一点。
时相：单期影像的上限很低
作物在可见光到近红外这个区间里，光谱高度重叠。
有个反直觉的事实：同一生育期的两种作物，光谱差异往往小于同一作物在两个生育期之间的差异。也就是说，光看一期的光谱，"这是玉米还是大豆"可能分不出来；但"这是同一块地的两个时间"，反而一眼能看出。
作物能分开，主要靠生育期不同步——播期、抽穗、成熟的时间错开，时序曲线的形状就不一样。
所以只给一期影像，等于把最有效的证据抽走了。而时序又有自己的麻烦：关键那几期有云怎么办。作物最需要看的时候，往往也是雨季。
样本分布失真
公开数据集里的样本是挑过的：类别均衡、位置典型、边界清晰。
真实场景是另一副样子。玉米占七成，某个经济作物只占零点几个百分点；地块碎，边界曲折，中间还有机井房、树、坟头；小类样本少得可怜。
在精心挑的样本上训出来的模型，遇到真实分布就崩。这不叫过拟合，叫分布不匹配。两者的区别很重要：过拟合还能靠正则化、加数据救；分布不匹配只能重新采样，换模型没用。
项目里的约束，论文不写
还有一类限制，论文很少提，但项目里天天遇到。
时间，几天要出结果，重模型跑不动；可复核，甲方要能拿你的图去跟他的清单核对，黑箱不行；可复现，换个作业员跑一遍结果得对得上，不然没法交代；成本，标注和验证都是人力，标一亩地要多少钱心里得有数。
学术的激励方向是"在公开数据集上刷 SOTA"，落地要的是"在这个县、这个年份上绝对可靠"。这两个方向并不一致。所以模型数量暴涨，不等于落地能力上涨。
那怎么办
换模型排最后。前面还有几件更管用的事。
先把评价口径从像元级换成地块级。 分类面积对上承保或统计面积，落在区间内；图斑跟参考图斑的叠合度够高。尺子对了，才知道到底行不行。
数据源先行，别硬调模型。 先算清楚"目标地块最小多大、需要多少有效像元、需要什么分辨率"，如果数据源撑不住目标精度，调参是白费。
用物理约束替代算法技巧。 物候判据、地块边界约束、最小上图面积过滤，这些非模型手段在真实场景里往往比换个网络结构管用。大豆和玉米播期不同，时序曲线整体错位，这个判据比任何分类器都稳。
别给全局精度。 不要承诺"总体精度 92%"，而是分层说：大块地能做到什么水平，小块地只能到什么程度，哪个作物可靠，哪个必须人工复核。分层承诺听着不漂亮，但它不会被打脸。
顺便给个判断标准：如果一个方案只跟你谈模型结构和 F1，不谈数据源、不谈交付口径、不谈验证方法，那它大概率落不了地。
在遥感这一行里，这三样比模型重要得多。