تعد الصور القمرية واعدة للغاية في مجال المراقبة البيئية المستمرة ومراقبة الأرض. ومع ذلك، يمكن أن تحد الغيوم بشكل كبير من التغطية، مما يجعل استخراج المعلومات من الأرض أكثر صعوبة. عادةً ما تقوم الأنابيب الحالية بإزالة الغيوم باستخدام تركيبات زمنية بسيطة وفلاتر مصممة يدويًا. على العكس من ذلك، نعتبر مشكلة إزالة الغيوم كتحدي لتكوين الصور المشروط، ونقترح شبكة مولد مكانية-زمنية قابلة للتدريب (STGAN) لإزالة الغيوم. نقوم بتدريب نموذجنا على مجموعة بيانات مكانية-زمنية كبيرة جديدة نقوم ببنائها، تحتوي على 97640 زوجًا من الصور تغطي جميع القارات. وقد أظهرنا تجريبيًا أن النموذج المقترح STGAN يتفوق على النماذج القياسية ويمكنه توليد صور خالية من الغيوم واقعية ذات قيم PSNR وSSIM عالية في ظروف جوية متنوعة، مما يؤدي إلى تحسين الأداء في المهام اللاحقة مثل تصنيف غطاء الأرض.