不确定性预测神经网络（UpNet）：将人工神经网络嵌入贝叶斯反演框架以量化遥感检索的不确定性

本研究针对遥感检索生物物理参数的不确定性量化缺乏贝叶斯反演理论解释的问题，提出了一种新的方法——不确定性预测神经网络（UpNet）。该方法允许同时训练两个人工神经网络，以快速检索生物物理变量并提供不确定性估计。实验结果显示，UpNet的检索结果与传统的马尔可夫链蒙特卡罗方法高度一致，且速度提升达百万倍，显示出其在中高分辨率遥感数据的不确定性量化中的巨大潜力。