Devido às limitações dos atuais conjuntos de dados públicos de corpos d'água, que possuem fase temporal única e baixa precisão de anotação, este estudo construiu um conjunto de dados de alta qualidade para extração de lagos multitemporais com base em imagens multiespectrais de banda larga do "Gaofen-1" (GF-1). Foram selecionadas três áreas experimentais com diferentes graus de dinamismo: o Lago Poyang com alto dinamismo, o Lago Namco com dinamismo médio e o Lago Yangcheng com dinamismo baixo, abrangendo as quatro estações do outono, inverno, primavera e verão de 2022. Para melhorar a qualidade dos dados, os dados multiespectrais de banda larga do GF-1 passaram primeiro por pré-processamentos como correção radiométrica, ortorretificação e correção atmosférica rápida; então foi adotada uma estratégia de anotação que combina visualização automática e manual, com precisão geral acima de 94% nas três áreas de estudo e nas quatro estações, garantindo a confiabilidade e cientificidade do conjunto. Este conjunto de dados possui características multitemporais e alta precisão de anotação, oferecendo suporte importante para mapeamento de corpos d'água dinâmicos e monitoramento de mudanças dinâmicas em imagens de sensoriamento remoto de alta resolução. Para validar a utilidade do conjunto de dados, foram realizados experimentos utilizando diversos métodos de extração de corpos d'água, incluindo segmentação por limiar, algoritmos tradicionais de aprendizado de máquina e aprendizado profundo. Os resultados mostram que este conjunto de dados pode apoiar efetivamente o treinamento e avaliação de diferentes métodos, fornecendo uma base confiável para melhorar o desempenho de algoritmos de extração de corpos d'água dinâmicos.

Gaofen-1; corpos d'água dinâmicos; extração de corpos d'água; conjunto de dados; extração de características