فهم الديناميكيات الزمنية لسطح الأرض هو مهمة تحليل الصور الفضائية متعددة الأزمنة، والتي تم تعزييزها بشكل كبير من خلال نماذج الرؤية العميقة بوقودها -- الصور الفضائية متعددة الأزمنة المصنفة. ومع ذلك، فإن جمع وتجهيز وتصنيف الصور الفضائية متعددة الأزمنة على نطاق واسع ليس بالأمر البسيط، حيث أنه مكلف ويحتاج إلى معرفة متخصصة. في هذا البحث، نقدم مولد بيانات التغيير الفضائي متعدد الأزمنة قابل للتوسع عبر النمذجة التوليدية، وهو رخيص وتلقائي، مما يخفف هذه المشاكل. فكرتنا الرئيسية هي محاكاة عملية تغيير عشوائية عبر الزمن. نعتبر عملية التغيير العشوائية كانتقال دلالي احتمالي، أي النموذج التوليدي الاحتمالي للتغيير (GPCM)، والذي يفكك المشكلة المعقدة للمحاكاة إلى مشكلتين فرعيتين أكثر قابلية للتتبع، وهما محاكاة حدث التغيير وتركيب التغيير الدلالي. لحل هاتين المشكلتين، نقدم مولد التغيير (Changen)، وهو GPCM يستند إلى شبكات GAN، مما يمكنه من إنشاء بيانات تغيير الأجسام القابلة للتحكم، بما في ذلك خصائص الجسم القابلة للتخصيص وأحداث التغيير. التجارب الواسعة تقترح أن Changen لدينا يتمتع بقدرة توليدية فائقة، وأن أجهزة الكشف عن التغيير مع تدريب أولي باستخدام Changen تظهر قابلية نقل ممتازة إلى مجموعات البيانات الحقيقية للتغيير.