ENVI5.6.3新增的时序分析工具可以构建时序立方体。时序立方体是一个多波段栅格，其中每个波段代表同一地理区域某一时期的影像。输入多时相影像，选择不同的光谱指数，为每个时期创建一个光谱指数波段，每个波段都带有一个时间戳。创建时序立方体后，您可以像使用任何其他栅格一样使用ENVI的工具（例如监督或非监督分类）来执行时间序列分析。
20220302
20220312
20220406
20220411
20220421
20220506
20220516
20220625
20220710
20220804
20220809
20220819
20220824
20220913
20220918
20220928
20221003
20221013
20221018
20221023
20221102
20221107
20221112
单景哨兵2号影像覆盖鄱阳湖南部区域，下图为标准假彩色显示结果。
整体技术流程包括时序立方体构建、时序特征分析和随机森林分类。
在ENVI菜单栏选择File>Open with Custom Display，打开自定义显示加载工具。
在Open with Custom Display对话框，点击Open Files右侧添加按钮，打开选择数据对话框，在右上角输入筛选条件（可以用*通配符），按住键盘Ctrl键选择加载的数据。
在Open with Custom Display对话框，按照默认参数：加载第一个多光谱数据集，RGB选择4,3,2波段标准假彩色显示，拉伸方法按照2%线性拉伸。
在ENVI Modeler中，构建批处理工作流对影像进行批量QUAC快速大气校正得到地表反射率结果，批量大气校正模型如下图所示：
在ENVI Tool工具箱，选择Spatiotemporal Analysis/Build Temporal Cube打开构建时序立方体工具，在Data Selection数据选择对话框，点击下方Select All，选择构建时序立方体的多期数据，点击OK。
弹出Build Temporal Cube参数设置对话框，如下图所示：
在Build Temporal Cube对话框中，Overlap Operation重叠操作：
Spectral Index：选择一个光谱指数指数用于生成时序立方体。此处选择归一化差值植被指数NDVI作为构建时序立方体的指数。工具会根据输入影像的中心波长自动列出可以计算的所有光谱指数。光谱指数包括但不限于植被、矿物、大气等类型：
明矾石指数（ALUI）
花青素反射指数 1 (ARI1)
花青素反射指数 2 (ARI2)
耐大气植被指数 (ARVI)
烧伤面积指数 (BAI)
方解石指数 (CALI)
碳酸盐指数 (CARI)
纤维素吸收指数 (CAI)
粘土蚀变指数 (CLAI)
粘土矿物比例（粘土）
类胡萝卜素反射指数 1 (CRI1)
类胡萝卜素反射指数 2 (CRI2)
差异植被指数（DVI）
疾病水分压力指数 (DWSI)
白云石指数 (DOLI)
增强型植被指数 (EVI)
绿帘石/绿泥石/角闪石指数 (ECAI)
三价铁蚀变指数 (FEAI)
亚铁 (Fe2+) 指数 (FEI)
黑色金属矿物比例（铁）
硅酸亚铁指数 (FESI)
全球环境监测指数（GEMI）
绿色大气阻力指数 (GARI)
绿色叶绿素指数 (GCI)
绿色差异植被指数 (GDVI)
绿色归一化植被指数 (GNDVI)
绿色优化土壤调整植被指数 (GOSAVI)
绿色比率植被指数 (GRVI)
绿土调整植被指数 (GSAVI)
绿土调整植被指数 (GSAVI)
含羟基 (OH) 变质矿物指数 1 (OHI1)
含羟基 (OH) 变质矿物指数 1 (OHI1)
含羟基 (OH) 变质矿物指数 3 (OHI3)
红外植被百分比指数 (IPVI)
氧化铁比 (Iron Oxide)
高岭石指数 1 (KAI1)
高岭石指数 2 (KAI2)
高岭石指数 3 (KAI3)
红土指数 (LATI)
叶面积指数 (LAI)
叶绿素指数 (LCI)
叶水植被指数 1 (LWVI1)
叶水植被指数 2 (LWVI2)
菱镁矿指数 (MAGI)
甲烷指数 (METHANE)
MgOH-碳酸盐丰度指数 (MGAI)
改良叶绿素吸收率指数 (MCARI)
改良叶绿素吸收率指数 (MCARI)
修正非线性指数 (MNLI)
修正红边归一化植被指数 (MRENDVI)
修正红边简单比率 (MRESR)
修正红边简单比率 (MRESR)
修正三角植被指数 (MTVI)
修正三角植被指数 - 改进 (MTVI2)
水分压力指数 (MSI)
蒙脱石指数（MONI）
白云母指数 (MUSI)
归一化燃烧比 (NBR)
归一化燃烧比热 1 (NBRT1)
归一化差异累积指数 (NDBI)
归一化差异红外指数 (NDII)
标准化差异木质素指数 (NDLI)
归一化差异氮指数 (NDNI)
归一化差异雪指数 (NDSI)
归一化植被指数 (NDVI)
归一化差水指数 (NDWI)
归一化多波段干旱指数 (NMDI)
归一化多波段干旱指数 (NMDI)
非线性指数 (NLI)
优化土壤调整植被指数 (OSAVI)
Phenitic 生物指数 (PHEI)
光化学反射率指数 (PRI)
Phyllic植物变迁指数 (PHAI)
植物衰老反射指数 (PSRI)
丙岩蚀变指数 (PRAI)
富石英指数 (QRRI)
石英/硅质岩指数 (QSRI)
红边归一化植被指数 (RENDVI)
红边位置指数 (REPI)
红绿比指数 (RGRI)
重整化植被指数 (RDVI)
二氧化硅指数 (SIDI)
简单比率 (SR)
土壤调整植被指数 (SAVI)
硫酸盐指数（SULI）
综合绿色指数 (SGI)
结构不敏感色素指数 (SIPI)
结构密集色素指数 (SIPI1)
转化叶绿素吸收反射指数 (TCARI)
转换差值植被指数 (TDVI)
三角植被指数 (TVI)
可见大气阻力指数 (VARI)
Vogelmann 红边指数 1 (VREI1)
Vogelmann 红边指数 2 (VREI2)
水带指数 (WBI)
WorldView 综合指数 (WV-BI)
WorldView 改良植物指数 (WV-VI)
WorldView 新铁指数 (WV-II)
WorldView 非同质特征差异 (WV-NHFD)
WorldView 土壤指数 (WV-SI)
WorldView 水指数 (WV-WI)
Date Format：指定一个时期格式，时序立方体中的波段名称将按此日期格式命名。
Output Raster：选择时序立方体的输出路径和文件名，点击OK，生成时序立方体栅格。
在进行作物类型识别之前，首先要了解不同类型作物的生育时期和时序特征差异。
鄱阳湖区主要种植水稻，根据熟制情况分为单季稻和双季稻。鄱阳湖区双季稻生长期安排因受气候条件的制约相对固定, 大致从每年3 月下旬到10月下旬, 而单季稻生长期安排相对自由, 且全生育期略长, 一般从5月中上旬到10月上旬。近20a农业气象数据表明, 鄱阳湖区不同熟制水稻种植时间安排上略有差异, 但总体情况如下图所示。该图为鄱阳湖区年内不同熟制水稻物候历示意图[1]，图中A为早稻，B为晚稻，C为单季稻。
从物候历可以看出，双季稻早稻在六月中旬发育旺盛，晚稻九月中旬为发育高峰期，这期间植被指数NDVI较高；在四月和十月下旬处于育秧和收割阶段，NDVI相对较低。因此按照红通道：9月18 NDVI（或6月25日NDVI），绿通道：4月21日NDVI，蓝通道：10月23日NDVI的波段加载方案显示时序立方体。在Data Manager依次选择这三个时期的NDVI波段，点击Load Data。
加载显示的时序立方体图像如下图所示，图中粉色区域为不同的作物。
接下来，进一步观察单季稻和双季稻特征。在ENVI上方工具栏，点击Spectral Profile按钮，打开波谱曲线对话框，鼠标定位到图上粉红色区域，查看双季稻NDVI时序特征，可以看出双季稻NDVI时序有明显双峰特点。如下图所示：
之后，鼠标定位到暗绿色区域，查看NDVI时序特征，可以看到曲线呈单峰特征（单季稻）。
以上仅举例这两种典型地物的时序特征曲线。
识别出不同地类的时序特征曲线之后就可以进行作物类型识别，本文使用随机森林方法进行作物类型识别。
随机森林分类方法首先要绘制样本。在ENVI上方工具栏，点击Region of Interest (ROI) Tool，打开ROI工具面板。添加如下几个类别：
在ROI工具面板，选择Geometry>Point绘制点状ROI。
在图中寻找这几类类别并绘制ROI，如下图所示。图中左侧为双季稻样本，中间为单季稻样本，右侧为其它地类样本。
绘制好样本之后即可使用随机森林分类工具执行分类。在Toolbox工具箱，选择Machine Learning>Classification>Supercised>Random Foreast Classification随机森林分类工具。此工具对单个栅格影像执行随机森林监督分类。
在随机森林分类对话框中：
单击OK执行随机森林分类，得到分类结果，如下图所示：
本教程介绍了使用ENVI时序立方体进行作物类型识别，区分单双季水稻。此外还可以使用时序立方体进行作物健康趋势分析，揭示较大地理区域或特定田地内作物健康状况的变化。此方法也可以运用于大气、矿物等领域典型地物的特征分析。
[1]李鹏，姜鲁光，封志明，等. 鄱阳湖区粮食供给功能的空间格局分析[J]. 自然资源学报.