如何批量移除研究区域外的错误GPS坐标（R语言实操）

核心思路 #

通过将研究区域边界构建为空间多边形，批量判断每个点位是否处于多边形内部，快速筛选并移除区域外的异常数据，无需逐行人工检查。

具体操作步骤（以星巴克NC数据集为例） #

1. 构建研究区域空间多边形 #

将你定义的四个边界点转换为空间多边形对象，确保与数据集坐标系一致（示例采用WGS84，CRS: 4269）：

# 整理边界点数据
boundary_points <- data.frame(
  lon = c(-78.00149, -77.90917, -77.99672, -77.89235),
  lat = c(35.40030, 35.40869, 35.35299, 35.35523)
)

# 转换为空间多边形
library(sp)
boundary_poly <- Polygon(boundary_points)
boundary_polys <- Polygons(list(boundary_poly), ID = "study_area")
boundary_sp <- SpatialPolygons(list(boundary_polys), proj4string = CRS("+proj=longlat +datum=WGS84 +no_defs"))

2. 将目标数据集转换为空间点对象 #

把筛选后的星巴克数据转换为和边界同坐标系的空间点：

starbucks_sp <- SpatialPoints(starbucksNC[, c("Longitude", "Latitude")], 
                              proj4string = CRS("+proj=longlat +datum=WGS84 +no_defs"))

3. 筛选区域内的数据 #

使用over()函数判断每个点位是否在研究区域内，保留符合条件的记录：

# 判断点位是否在区域内
inside_flag <- over(starbucks_sp, boundary_sp)

# 筛选出区域内的数据
starbucksNC_inside <- starbucksNC[!is.na(inside_flag), ]

4. 验证筛选结果 #

通过mapview可视化筛选后的数据，确认区域外的点位已被移除：

mapview(starbucksNC_inside, xcol = "Longitude", ycol = "Latitude", crs = 4269, grid = FALSE) + 
  mapview(boundary_sp, col.regions = "transparent", col = "red")

适配动物追踪数据集 #

只需将上述代码中的starbucksNC替换为你的动物追踪数据集，Longitude/Latitude替换为你的对应字段即可。如果你的数据使用UTM坐标（easting/northing），只需将坐标系参数调整为对应UTM投影（例如CRS("+proj=utm +zone=XX +datum=WGS84 +no_defs")，XX为对应UTM带号）。

内容的提问来源于stack exchange，提问作者Rnoobie