如何利用遥测数据计算个体总移动距离？

问题根源 #

你的代码核心错误是没有对每个ID的探测记录按时间先后排序，直接计算数据框中相邻行的距离——这相当于把无序的探测点强行串联计算，和个体实际的移动路径完全不符，结果自然不准确。

修正方案 #

核心步骤是：对每个ID的数据集先按时间排序，再计算相邻时间点的坐标距离，最后求和得到总移动距离。以下是完整修正代码：

library(lubridate)
library(sp)
library(dplyr) # 需加载管道和分组排序功能

# 生成模拟数据（保留你的原代码）
generate_random_datetime <- function(start_date, end_date, n) {
  seq(start_date, end_date, by = "min")[sample(1:(as.integer(difftime(end_date, start_date, units = "mins")) + 1), n)]
}
set.seed(123)  
n <- 100  

data_detections <- data.frame(
  Date.and.Time..UTC. = generate_random_datetime(ymd_hms("2024-01-01 00:00:00"), ymd_hms("2024-01-20 23:59:59"), n),
  Receiver = sample(1:10, n, replace = TRUE),
  Latitude = runif(n, 52.0, 53.0),
  Longitude = runif(n, 3.0, 4.0) ,
  ID = as.character(sample(1:10, n, replace = TRUE))
)

# UTM坐标转换（原代码正确，保留）
# 注意：请确认研究区域对应的UTM分区是否为zone=43，分区错误会导致坐标偏差
coord <- SpatialPoints(data_detections[, c("Longitude", "Latitude")], 
                       proj4string = CRS("+proj=longlat +datum=WGS84"))
coord.t <- spTransform(coord, CRS("+proj=utm +datum=WGS84 +zone=43"))
data_detections[, c("Longitude_UTM", "Latitude_UTM")] <- coordinates(coord.t)

# 修正后的总移动距离计算
total_distances <- data_detections %>%
  group_by(ID) %>%
  # 核心：按时间排序，确保移动路径是时间顺序的
  arrange(Date.and.Time..UTC., .by_group = TRUE) %>%
  # 计算当前点到下一个点的欧氏距离（UTM单位为米，直接对应实际距离）
  mutate(
    distance_to_next = sqrt(
      (Longitude_UTM - lead(Longitude_UTM))^2 + (Latitude_UTM - lead(Latitude_UTM))^2
    )
  ) %>%
  # 求和所有移动距离，忽略最后一个点的NA（无后续点）
  summarise(total_distance_m = sum(distance_to_next, na.rm = TRUE))

print(total_distances)

额外注意事项 #

• UTM分区必须匹配研究区域：不同经纬度对应不同的UTM分区，若分区错误，坐标转换会出现偏差，直接影响距离计算结果，请务必核对正确分区。
• 若后续改用sf包（sp的替代包），可以用st_distance()函数更简洁地计算空间距离，但上述代码基于你原有的包依赖，兼容性更好。

内容的提问来源于stack exchange，提问作者Klervi