La investigación y el monitoreo extensivo del contenido de plomo (Pb) en el suelo son significativos para garantizar una producción agrícola libre de peligros, proteger la salud humana y la seguridad del ecosistema, especialmente en áreas mineras. Un período temporal de una imagen hiperespectral se utiliza generalmente para estimar la distribución espacial de Pb y otros metales pesados, pero las imágenes hiperespectrales suelen ser difíciles de obtener. Las imágenes de teledetección multiespectral son más accesibles que las imágenes hiperespectrales. En este estudio, se propone un modelo basado en aprendizaje profundo que utiliza convolución 3D para estimar el contenido de Pb a partir de las imágenes de teledetección multiespectral de múltiples fases construidas. Las imágenes de teledetección multiespectral de múltiples fases se apilaron para generar un conjunto de datos con más bandas espectrales para reducir el efecto de aerosol atmosférico absorbente. Al mismo tiempo, se propuso una red neuronal basada en convolución 3D (3D-ConvNet) para estimar el contenido de Pb basado en el conjunto de datos construido. En comparación con la regresión de mínimos cuadrados parciales (PLSR), la regresión de bosque aleatorio (RFR), la regresión de máquinas de soporte vectorial (SVMR) y la regresión de aumento de gradiente (GBR), los resultados experimentales mostraron que el 3D-ConvNet propuesto tiene una clara superioridad y genera resultados de estimación más precisos, con el coeficiente de determinación del conjunto de datos de predicción (R2) y los valores de sesgo normalizado medio (MNB) siendo 0.90 y 2.63%, respectivamente. Por lo tanto, es posible estimar de manera efectiva el contenido de metales pesados a partir de imágenes de teledetección multiespectral de múltiples fases, y este estudio proporciona un nuevo enfoque para el monitoreo de la contaminación por metales pesados.