تطبيقات مراقبة الأرض (EO) التي تتضمن مصادر بيانات معقدة ومتنوعة تتم معالجتها عادةً باستخدام نماذج التعلم الآلي. ومع ذلك، هناك افتراض شائع بأن مصادر البيانات ستكون متاحة بشكل مستمر. يمكن أن تؤثر ظروف مختلفة على توفر مصادر مراقبة الأرض، مثل الضوضاء، السحب، أو فشل مهمات الأقمار الصناعية. في هذا البحث، نقيم تأثير فقدان المصادر الزمنية والثابتة لمراقبة الأرض في النماذج المدربة عبر أربع قواعد بيانات تحتوي على مهام تصنيف وتقدير. نقارن جودة التنبؤات لطرق مختلفة ونجدها أن بعضها أكثر صلابة بشكل طبيعي أمام البيانات المفقودة. وبشكل خاص، تحقق الاستراتيجية الجماعية (Ensemble) صلابة في التنبؤ تصل إلى 100%. نثبت أن السيناريوهات المفقودة تكون أكثر تحديًا بكثير في مهام التقدير من مهام التصنيف. وأخيرًا، نجد أن الرؤية البصرية هي الأكثر أهمية عندما تكون غائبة بمفردها.