1.一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，所述方法的具体步骤包括：S1：采集样本的吸收光谱和三维荧光光谱；

S2：建立污染物识别模型，根据已知污染物样本的光谱建立识别模型，包括单光谱模型建立和决策级融合过程；

S3：对待测样本进行识别，将待测样本的吸收光谱和三维荧光光谱输入到步骤S2中建立的污染物识别模型中进行识别，得到样本中可能含有的污染物的类别标签。

2.根据权利要求1所述的一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，所述步骤S1中吸收光谱采集波长范围为200～780nm；三维荧光光谱的激发波长范围为220～600nm，发射波长范围为230～700nm。

3.根据权利要求1所述的一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，所述步骤S2中单光谱模型建立的具体步骤为：采用主成分分析和小波变换对光谱进行特征提取；

利用主成分分析对吸收光谱和经过一维校正的三维荧光光谱进行特征提取，特征子集PCs的累计贡献阈值为95％；

对吸收光谱图像进行小波变换，取近似分量的小波系数作为特征子集，对三维荧光光谱图像进行二维小波变换，对近似分量的小波系数进行编码和校正，形成特征子集；

将上述步骤得到的光谱特征输入多分类支持向量机，建立四种单光谱识别模型：Abs‑Model1、Abs‑Model2、Fluo‑Model1和Fluo‑Model2。

4.根据权利要求3所述的一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，所述步骤S2中决策级融合是将四个单光谱模型的识别结果进行融合，四个单光谱模型的MSVM输出是每个样本的类别标签对应的分数，将分数转换的概率作为融合模型的BPA0，类别标签包括单一物质标签、混合物质标签以及空集，在应用Dempster组合规则进行融合之前，采用改进的D‑S证据理论进行加权预处理，得到BPA函数m″。

5.根据权利要求4所述的一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，采用改进的D‑S证据理论进行融合，具体步骤如下：R1.构建辨识框架：在Dempster‑Shafer证据理论中，辨识框架FOD的Θ是N个互斥且相Θ M互独立的元素的集合，幂集2 定义为FOD中包含2个元素的所有子集的集合，其中 为空集，Θ如果A包含在2 中，则称为命题，

Θ＝{θ1,θ2,...,θi,...θN},i＝1,2,...,N，Θ

如果函数m:2 →[0，1]满足：

其中，m称为BPA函数或质量函数，m(A)是命题A的可靠性；

R2.置信函数Bel(A)和似然函数Pl(A)分别是命题A置信区间的上界和下界，[Bel(A)，ΘPl(A)]是用来描述的不确定性的信念函数，Bel：2 →[0，1]是A的所有子集的BPA之和，它描Θ述了证据认为A是真实的可能性，即全力支持A的程度，Pl：2 →[0，1]是A和B的交集的BPA之和，它表示证据体未提出A为假的怀疑的可能性，即A不被否认的程度；

R3.结合加权冲突证据融合方法和Dempster组合规则对单光谱模型的识别结果进行融合，利用Dempster组合规则得到两个独立证据体的融合结果，假设m1和m2是在同一个Θ中的两个BPA，将m1和m2融合后的新BPA表示为m1⊕m2，Dempster组合规则定义如下：其中，K是冲突系数，是m1和m2之间的冲突度量，满足K<1。

6.根据权利要求5所述的一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法，其特征在于，改进D‑S证据理论的加权冲突证据融合具体步骤如下：T1.将各单光谱模型的识别结果从分数转换为概率，这些概率在识别框架Θ上形成一组BPA函数m0；

T2.根据可用性标签，将带有“False”标签的单光谱模型对应的m0重置为零，重置后的BPA函数记为m；

T3.利用概率转换函数将多子集命题的置信度重新赋值给单子集命题，得到一个新的BPA函数m′：BEL＝∑Bel(θi)；

T4.使用Hellinger距离来表示BPA函数m′i(i＝1，2，…，n)与m′j(j＝1，2，…，n)之间的冲突程度，构建冲突矩阵D：T5.计算BPA函数的平均距离 然后进行归一化处理，得到BPA函数m′i.的可信度T6.用熵Ex(mi)表示BPA函数的信息量，然后进行归一化处理得到BPA函数m′i的信息量T7.基于支持度和信息量计算BPA函数的可信度Credi，再进行归一化得到BPA函数m′i的权重因子wi：T8.对初始BPA函数m′进行加权，得到最终BPA函数m″：