الغيوم والضباب تغطي غالباً صور الأقمار الصناعية البصرية، مما يعيق المراقبة المستمرة والكثيفة لسطح الأرض. رغم أن الطرق الحديثة للتعلم العميق يمكنها التعلم الضمني لإهمال مثل هذه العوائق، فإن إزالة الغيوم بشكل صريح كعملية معالجة أولية تمكن التفسير اليدوي وتسمح بتدريب النماذج عندما تكون التعليقات محدودة. تعتبر إزالة الغيوم تحدياً بسبب تنوع سيناريوهات العزل - من المشاهد التي تظهر جزئياً عبر الضباب إلى تغطية الغيوم الكاملة غير الشفافة. علاوة على ذلك، فإن دمج الصور المعاد بناؤها في التطبيقات اللاحقة سيستفيد كثيراً من تقييم الجودة الموثوق به. في هذا البحث، نقدم UnCRtainTS (مетод UnCRtainTS)، وهو طريقة لإزالة الغيوم متعددة الأوقات تجمع بين هندسة انتباه جديدة وصياغة للتنبؤ بالشك متعدد المتغيرات. عند الجمع بين هذين المكونين، يتم تحقيق أداء رائد جديد في إعادة بناء الصور على مجموعة بيانات عامة لإزالة الغيوم. بالإضافة إلى ذلك، نوضح كيف يمكن للشكوك المتوقعة والمحسوبة بدقة تمكين السيطرة الدقيقة على جودة الإعادة بناء.