Die hyperspektrale Bildgebungstechnologie besitzt ein einzigartiges Potenzial für die kostengünstige, großflächige und schnelle Überwachung von Schwermetallen im Boden. Zur Bewältigung des Problems kleiner Stichprobengrößen bei der Inversion hyperspektraler Bilder wird in diesem Artikel eine Methode zur Inversion von Bodenschwermetallen basierend auf der fraktionalen Ableitung (Fractional Order Derivative, FOD) vorgeschlagen. Zunächst wird die Stichprobe durch benachbarte Pixel der Bodenprobenpunkte erweitert, um die spektrale Variabilität zu erhöhen; anschließend wird FOD verwendet, um spektrale Merkmale hervorzuheben und gleichzeitig die Gradienteninformationen des differenziellen Spektrums zu erhalten; dann werden mit der competitiven adaptiven gewichteten Neuabtastung (Competitive Adaptive Reweighted Sampling, CARS) optimale Bänder ausgewählt, und mit der Partial-Least-Squares-Regression (PLSR) ein Inversionsmodell erstellt. Die Studiendaten umfassen 72 Bodenproben und luftgestützte hyperspektrale Bilder aus dem südlichen Huangshan-Minengebiet der Stadt Hami in der Xinjiang Uigurischen Autonomen Region zur Inversion von drei Schwermetallen: Blei (Pb), Zink (Zn) und Nickel (Ni). Die Ergebnisse zeigen, dass die Probenerweiterung nicht nur das Overfitting des Modells mildert, sondern auch die Genauigkeit der Schwermetallinversion verbessert; die fraktionale Ableitung optimaler Ordnung verstärkt effektiv spektrale Merkmale und erhöht die Inversionsgenauigkeit; im Vergleich zur Korrelationskoeffizienten-Methode (CC) und dem genetischen Algorithmus (GA) liefert CARS eine bessere Genauigkeit bei der Auswahl der Bänder für die Schwermetallinversion Pb, Zn und Ni im Untersuchungsgebiet mit R²-Werten von 0,7974, 0,8690 bzw. 0,8303 und zeigt eine gute Robustheit der Methode.

fraktionale Ableitung;hyperspektrale Fernerkundungsbilder;CARS;Bodenschwermetalle;kleine Stichprobe;sichtbares und nahes Infrarot;kürzliches Infrarot