全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
如果你又不会写脚本，来看看model builder的迭代工具吧。
图1 生成点
图1为（一）篇步骤2之前的流程图，由表生成点、添加year字段并赋值年份。其中Make XY Event Layer工具跟CreateFeature Class -From XY table类似。
下面的难点就在于：如何从输出结果“用地许可”逐年生成热度图。
Modelbuilder界面的Insert菜单下，有迭代工具Iterators，其中Feature Selection即按选择要素迭代。
图2 model builder迭代工具
处理流程如图3，用Iterate Feature Selection工具对用地许可按字段year迭代，具体参数如图4。
图3 迭代核密度模型
图4 按字段year迭代
迭代出来的历年点要素再用核密度工具Kernel Density处理,输出要素名称为核密度%Value%，注意该处名字的写法。Value即具体迭代的年份，所以输出结果将以核密度1997、核密度1998、核密度1999之类的名称命名。
如果整个模型太大，其中一步出问题，不易查错，所以迭代模型最好保存成单独的model builder。
那么两个单独的模型图1和图3如何嵌套到一起？
将第二个模型的输入和输出设为模型参数。如图5。
图5 设为模型参数
然后，将迭代核密度模型拖到图1的模型中，用Connect连接用地许可和迭代核密度模型，并将前者设为后者的输入要素Input Features，如图6。
图6 嵌套模型1和模型2
整个处理流程如图7：
图7 1997-2013年北京用地许可热度图模型
