Satellitenbilder bieten große Potenziale für die kontinuierliche Umweltüberwachung und Erdbeobachtung. Wolkenbedeckungen können jedoch die Abdeckung erheblich einschränken und die Extraktion von Bodeninformationen erschweren. Bestehende Pipelines entfernen Wolken in der Regel durch einfache zeitliche Kompositbilder und manuell gestaltete Filter. Im Gegensatz dazu formulieren wir das Problem der Wolkenentfernung als eine bedingte Bildsynthese-Aufgabe und schlagen ein trainierbares räumlich-zeitliches Generatorennetzwerk (STGAN) vor, um Wolken zu entfernen. Wir trainieren unser Modell auf einem neuen, groß angelegten räumlich-zeitlichen Datensatz, den wir erstellen, der 97640 Bildpaare umfasst und alle Kontinente abdeckt. Experimentelle Ergebnisse zeigen, dass das vorgeschlagene STGAN-Modell Standardmodellen überlegen ist und realistische wolkenfreie Bilder mit hohen PSNR- und SSIM-Werten unter verschiedenen atmosphärischen Bedingungen generieren kann, was zu einer verbesserten Leistung bei nachgelagerten Aufgaben wie der Klassifizierung von Landbedeckungen führt.