Este dataset reúne dados hidrológicos, meteorológicos e imagens de satélite utilizados na pesquisa de modelagem de vazão da Bacia do Tietê entre 2022 e 2024. Os dados incluem séries históricas de vazão observada de três postos hidrológicos do DAEE (Invernada Recreio – IVR, Gavião Peixoto – GAP e Fazenda São Benedito – FSB), variáveis meteorológicas obtidas no INMET (precipitação, temperatura, umidade, pressão atmosférica, radiação global e vento) e imagens do satélite GOES‑16, Banda 5 (Near‑IR), registradas diariamente nos horários de 10h, 12h, 14h e 16h. O conjunto foi estruturado para possibilitar a modelagem hidrológica com redes neurais profundas, incluindo ANN, LSTM, CNN, ResNet‑50 e Vision Transformer. Os dados foram pré‑processados para uso em modelos de aprendizado de máquina, incluindo limpeza, normalização, combinação de variáveis e criação de mosaicos de imagens (256 × 256 pixels) representando a evolução diária da cobertura atmosférica e superficial. Para reprodutibilidade, os scripts completos de coleta, pré‑processamento, treinamento das redes neurais e cálculo dos índices de desempenho (PBIAS, NSE, RMSE, R² e KGE) estão disponibilizados no repositório GitHub do autor: https://github.com/plzampieri/unicamp-repos Devido ao grande volume de imagens do GOES‑16, este depósito contém apenas arquivos ilustrativos. Todas as imagens utilizadas no estudo podem ser automaticamente baixadas através do script Python fornecido no repositório, preservando a integridade do workflow e a rastreabilidade dos dados originais. Este dataset pode ser utilizado por outros pesquisadores para estudos de previsão de vazão, modelagem hidrológica, integração de dados meteorológicos e de sensoriamento remoto, avaliação de arquiteturas de deep learning e análises relacionadas à gestão de recursos hídricos e operação de usinas hidrelétricas.