Debido a las limitaciones de los conjuntos de datos públicos actuales de cuerpos de agua, que presentan una sola fase temporal y baja precisión en la anotación, este estudio construyó un conjunto de datos de alta calidad para la extracción de lagos multitemporales basado en imágenes multiespectrales de amplio rango del "Gaofen-1" (GF-1). Se seleccionaron tres áreas experimentales con diferentes grados de dinámica: el lago Poyang, con alta dinámica; el lago Namco, con dinámica media; y el lago Yangcheng, con baja dinámica, cubriendo las cuatro estaciones de primavera, verano, otoño e invierno de 2022. Para mejorar la calidad de los datos, primero se preprocesaron las imágenes multiespectrales de GF-1 mediante corrección radiométrica, ortorrectificación y corrección atmosférica rápida; luego se utilizó una estrategia de etiquetado combinando automática y visual manual, logrando una precisión general superior al 94% en las tres áreas y las cuatro estaciones, asegurando la fiabilidad y científicidad del conjunto de datos. Este conjunto de datos presenta características multitemporales y alta precisión en la anotación, proporcionando un soporte importante para la cartografía de cuerpos de agua dinámicos y el monitoreo de cambios en imágenes de teledetección de alta resolución. Para validar la utilidad del conjunto, se realizaron experimentos con varios métodos de extracción de cuerpos de agua, incluyendo segmentación por umbral, algoritmos tradicionales de aprendizaje automático y aprendizaje profundo. Los resultados muestran que este conjunto de datos puede soportar eficazmente el entrenamiento y evaluación de diferentes métodos, proporcionando una base de datos confiable para mejorar el rendimiento de los algoritmos de extracción de cuerpos de agua dinámicos.

Gaofen-1; cuerpos de agua dinámicos; extracción de cuerpos de agua; conjunto de datos; extracción de características