A tecnologia de imageamento hiperespectral possui um potencial único para realizar o monitoramento rápido e de baixo custo em larga escala de metais pesados no solo. Para abordar o problema de pequenas amostras na inversão de imagens hiperespectrais, este artigo propõe um método de inversão de metais pesados no solo baseado na derivada de ordem fracionária (Fractional Order Derivative, FOD). Primeiramente, são expandidas as amostras utilizando pixels vizinhos dos pontos de amostragem do solo para aumentar a variabilidade espectral; em seguida, utiliza-se FOD para realçar as características espectrais, mantendo as informações do gradiente do espectro diferencial; posteriormente, são selecionadas as bandas ótimas por meio do amostragem adaptativa competitiva ponderada (Competitive Adaptive Reweighted Sampling, CARS) e o modelo de inversão é construído usando regressão por mínimos quadrados parciais (Partial Least Squares Regression, PLSR). Os dados do estudo consistem em 72 amostras de solo e imagens hiperespectrais aéreas adquiridas na mina sul de Huangshan, cidade de Hami, Região Autônoma Uigur de Xinjiang, para a inversão de três metais pesados: chumbo (Pb), zinco (Zn) e níquel (Ni). Os resultados mostram que a expansão das amostras não apenas aliviou o sobreajuste do modelo, mas também aprimorou a precisão da inversão dos metais pesados; a derivada fracionária de ordem ótima aprimorou efetivamente as características espectrais e aumentou a precisão da inversão; em comparação com o método do coeficiente de correlação (CC) e o algoritmo genético (GA), o CARS selecionou combinações de bandas que proporcionaram melhor precisão para a inversão dos metais Pb, Zn e Ni na área de estudo, com R² de 0,7974, 0,8690 e 0,8303, respectivamente, demonstrando boa robustez do método.

derivada de ordem fracionária; imagens hiperespectrais remotas; CARS; metais pesados no solo; pequena amostra; visível e infravermelho próximo; infravermelho de onda curta