En raison des limitations des jeux de données publics actuels sur les plans d'eau, caractérisés par une temporalité unique et une faible précision d'annotation, cette étude a construit un jeu de données de haute qualité pour l'extraction des lacs à multi-phases temporelles basé sur les images multispectrales à large bande "Gaofen-1" (GF-1). Trois zones expérimentales ont été choisies : le lac Poyang avec un degré dynamique élevé, le lac Namco avec un degré moyen, et le lac Yangcheng avec un degré faible, couvrant les quatre saisons du printemps, de l'été, de l'automne et de l'hiver 2022. Pour améliorer la qualité des données, les images multispectrales GF-1 ont d'abord subi des prétraitements tels que correction radiométrique, orthorectification et correction atmosphérique rapide ; ensuite, une stratégie d'annotation combinant automatique et inspection visuelle humaine a été utilisée, atteignant une précision globale supérieure à 94 % pour les trois régions et les quatre saisons, garantissant ainsi la fiabilité et la scientificité du jeu de données. Ce jeu de données présente des caractéristiques multi-phases temporelles et une haute précision d'annotation, fournissant un soutien important pour la cartographie des plans d'eau dynamiques et la surveillance des changements dans les images de télédétection à haute résolution. Pour valider la praticité du jeu de données, plusieurs méthodes d'extraction des plans d'eau, telles que la segmentation par seuillage, les algorithmes traditionnels d'apprentissage automatique et le deep learning, ont été expérimentées. Les résultats montrent que ce jeu de données soutient efficacement l'entraînement et l'évaluation de différentes méthodes, offrant une base de données fiable pour améliorer les performances des algorithmes d'extraction des plans d'eau dynamiques.

Gaofen-1;plans d'eau dynamiques;extraction des plans d'eau;jeu de données;extraction des caractéristiques