1.一种基于植被近红外反射植被指数的作物样本提取方法，其特征在于，包括：S1.获取初始年份两种作物植被近红外反射植被指数NIRv相差最大时的作物生长期的卫星影像，利用卫星影像和初始年份采样点，基于随机森林算法获得初始年份作物分类结果；

S2.获取初始年份的作物光学遥感数据，作物光学遥感数据包括近红外波段和红波段的光谱信息，基于初始年份作物分类结果计算初始年份不同作物的NIRv值；

S3.获取初始年份前一年或者初始年份后一年的作物光学遥感数据，将S3获取的作物光学遥感数据数据所在的年份定义为邻近年份，基于邻近年份的作物光学遥感数据，计算邻近年份的NIRv值；

S4.计算初始年份的NIRv值与邻近年份的NIRv值的比值PNIRV；

S5.构建训练样本提取，模型，设置PNIRV阈值范围，若初始年份与邻近年份同一位置的PNIRV值在阈值范围内，确定此位置在两个年份上为同种作物，实现邻近年份作物训练样本的提取；

S6.基于邻近年份作物训练样本利用随机森林算法获得邻近年份作物分类结果；

S7.依据邻近年份作物分类结果进行下一邻近年份作物训练样本提取，实现年际间作物训练样本的提取，进而实现历史逐年训练样本提取。

2.根据权利要求1所述的一种基于植被近红外反射植被指数的作物样本提取方法，其特征在于，S2和S3中，NIRv值为归一化差异植被指数NDVI与近红外波段反射率NIR的乘积：式中，NIR和Red分别为近红外波段反射率和红波段反射率。

3.根据权利要求2所述的一种基于植被近红外反射植被指数的作物样本提取方法，其特征在于，S4中， 是邻近年NIRv的比值，邻近年包括初始年份和邻近年份共两年，当邻近年份为初始年份的后一年时， 的计算公式为：或

式中，n为初始年份；n+1为初始年份的后一年。

4.根据权利要求2所述的一种基于植被近红外反射植被指数的作物样本提取方法，其特征在于，S4中， 是邻近年NIRv的比值，邻近年包括初始年份和邻近年份共两年，当邻近年份为初始年份的前一年时， 的计算公式为：或

式中，n为初始年份；n‑1为初始年份的前一年。

5.根据权利要求3或4任一所述的一种基于植被近红外反射植被指数的作物样本提取方法，其特征在于，S5中， 阈值是固定的，当 在阈值范围内时，确定为同一类作物，提取对应的卫星影像作为训练样本用于本年度作物分类， 阈值范围具体如下：式中， 是邻近年NIRv的比值，邻近年为初始年份和邻近年份。