在Airflow中，如果任务在回填过程中卡在“Scheduled”状态并且无法运行，可能是由于以下几个原因：

1. 检查任务的依赖关系：确保任务的所有依赖都已成功完成。如果存在依赖关系，则必须等待所有依赖任务完成后，才能运行当前任务。

2. 检查任务的调度时间：确保任务的调度时间是正确的。可以使用以下代码示例来检查任务的调度时间：

from datetime import datetime
from airflow.models import DAG

dag = DAG(
    dag_id='example_dag',
    start_date=datetime(2022, 1, 1),
    schedule_interval='0 0 * * *'  # 每天凌晨执行
)

确保start_date和schedule_interval参数设置正确。

3. 检查任务的队列配置：如果使用了队列，确保任务的队列配置正确。可以使用以下代码示例来设置任务的队列：

from airflow.operators.python_operator import PythonOperator
from airflow.models import DAG

def my_task():
    # 任务逻辑代码

dag = DAG(
    dag_id='example_dag',
    default_args={'queue': 'my_queue'},
    schedule_interval='0 0 * * *'
)

task = PythonOperator(
    task_id='my_task',
    python_callable=my_task,
    dag=dag
)

确保default_args参数中的queue配置正确。

4. 检查任务的资源配置：如果任务需要特定的资源（如CPU、内存等），确保任务的资源配置正确。可以使用以下代码示例来设置任务的资源配置：

from airflow.operators.python_operator import PythonOperator
from airflow.models import DAG

def my_task():
    # 任务逻辑代码

dag = DAG(
    dag_id='example_dag',
    default_args={'resources': {'cpus': 1, 'memory': '1g'}},
    schedule_interval='0 0 * * *'
)

task = PythonOperator(
    task_id='my_task',
    python_callable=my_task,
    dag=dag
)

确保default_args参数中的resources配置正确。

5. 检查Airflow调度器的运行状态：如果上述步骤都正确，但任务仍然无法运行，可能是因为Airflow调度器未运行。可以使用以下命令来启动调度器：

airflow scheduler

确保调度器正在运行，并且任务被调度到可用的执行器上。

如果仍然无法解决问题，可以查看Airflow的日志文件以获取更多详细信息，以帮助诊断和解决问题。