-
01农学
作物规则只是初步近似。
作物特性和评分权重是黑客松期间根据公开农技推广指南得出的近似值，需要农艺师审核。轮作搜索得出的新组合验证较少：先在一部分田里试种。
这意味着什么每种作物能耐受多少高温、多少水分或多强的霜冻，以及每个因素在评分中占多大权重，都来自一般性的公开指南，而不是针对你所在地区的研究。
对你来说把评分用来比较方案、引出讨论，而不是当成最终结论。如果和你的经验不符，相信你的经验，并告诉机器人。
如何弥补由农艺师审核，在真实田地中与农民一起验证，并让老农民的经验充实 AI 查阅的知识库。
-
02分辨率
卫星看到的是方块，而不是田块。
POWER 是 ~50 km 的模型网格，一个 MODIS 像元（250 m）可能混合多块田。CDL 某些年份可能标错。GRACE 是 ~300 km 的信号：反映区域含水层趋势，而不是某一口井。
这意味着什么NASA POWER 的气候数据描述的是一个约 50 km 宽的方格。一个 MODIS 植被像元覆盖 250 × 250 m，所以小块或狭长的田可能和相邻地块混在一起。USDA 作物地图（CDL）本身也是用卫星制作的，有时会把某一年弄错。GRACE 的地下水趋势描述的是一个约 300 km 范围的区域。
对你来说气候数据描述的是你所在的区域，而不是你那一小块地。山谷、坡地或霜穴等小气候可能体现不出来。如果作物历史看起来不对，就在聊天中纠正。
如何弥补采用分辨率更高的数据源，例如用于植被的 Landsat（30 m），再加上农民自己的修正——它们始终优先于卫星读数。
-
03价格 & 产量
暂时还没有本地价格。
暂时还没有本地价格。“收入”是一个相对指数加上基于试验的产量效应，机器人会向农民询问本地价格和买家。
这意味着什么FarmPartner 不知道你的市场价格，也不知道你自己的产量。“收入”评分是在各种轮作方式之间做排名，依据的是一个相对市场指数，以及 3,663 项田间试验显示的每种前茬作物之后的增产幅度（Mudare et al. 2025）；它不是以美元或欧元计的预测。
对你来说换种作物之前，先核实本地价格、买家和合同。机器人会问你这些情况，让对比反映你真实的市场。
如何弥补接入本地价格和产量数据，并从农民在对话中分享的价格和买家信息中学习。
-
04覆盖范围
在美国最深入，在全球都有用。
美国最深入：CDL 和 SSURGO 只覆盖美国。气候、NDVI 和天气预报全球通用；在美国以外，由农民输入作物，FAOSTAT 把搜索限定在该国种植的作物范围内。
这意味着什么作物历史（USDA CDL）和详细土壤数据（USDA SSURGO）只有美国才有。NASA 的气候、植被健康（NDVI）、土壤湿度、作物胁迫、地下水趋势和天气预报覆盖全球。
对你来说在美国以外，告诉机器人你种什么作物、土壤是什么样的。气候分析照样有效；作物历史和土壤细节由你来提供。
如何弥补接入全球土壤和作物类型数据集，让各地的农民无需手动输入，也能得到同样深度的分析。
-
05卫星时效
有些卫星数据要几分钟后才到，而且不是每天都有。
SMAP 是 9 km 网格。ECOSTRESS 过境时间不规律，云层还会留下空缺。两者都在注册后 20–30 分钟才到达，在此之前报告中会显示为“处理中”。
这意味着什么SMAP（土壤湿度）和 ECOSTRESS（作物水分胁迫）是为每块新田向 NASA AppEEARS 请求的数据。NASA 会排队处理，所以它们在第一次回答后 20–30 分钟才到。SMAP 描述的是一个 9 km 的方格；ECOSTRESS 能看到 70 m，但只在空间站飞过的日子才有，而且云层会遮挡其中一些过境。
对你来说你的第一次对比使用气候、植被和作物地图数据；土壤湿度和作物胁迫数据一到，就会加入报告和浇水建议中。如果你的土壤比机器人以为的更湿或更干，直接告诉它。
如何弥补为常见农业区提前请求卫星数据，并在有条件时加入分辨率更高、更新更频繁的土壤湿度产品。
■ 我们为什么要说这些
只有知道一条建议能信到什么程度，它才真正有用。所以每个答案都附有依据、数据缺口和需要在当地核实的风险。
■ FarmPartner 是辅助，而不是取代农民的判断和当地农艺专家的意见。GitHub 上的已知局限 ↗