本研究提出了一种蒙特卡洛时间丢失（MC-TD）方法，旨在解决深度学习模型在回归任务中处理时间序列数据缺失的问题，尤其是由于卫星故障或云遮挡造成的缺失。该方法提升了预测性能和不确定性校准能力，增强了地球观测中的不确定性量化。