如何正确计算两个GeoDataFrame间的距离，解决与PostGIS结果不一致问题

常见错误原因 #

• 坐标系使用错误：直接在地理坐标系（如EPSG:4326，单位为度）下计算距离，得到的结果单位为度，和PostGIS默认返回的米制距离自然存在量级差异；手动指定投影时选了不保留距离的投影（如web墨卡托EPSG:3857），或者两个GeoDataFrame未转换到同一投影坐标系，都会导致结果偏差。
• 几何匹配逻辑错误：直接调用gdf1.distance(gdf2)是逐行对应计算两个GeoDataFrame同行几何的距离，若你的需求是计算每个几何到另一个GeoDataFrame所有几何的最小距离，逐行计算会出现匹配错误，结果不符合预期。
• 几何规则差异：未考虑点在多边形内部/边上的场景，该场景下正确距离应为0，若逻辑中排除了内部点的判断也会出现结果偏差；部分WKT导入时的精度丢失也可能导致小范围距离计算出错。

适配Geopandas 0.10.2版本的正确计算步骤 #

1. 统一原始坐标系
   首先确认两个GeoDataFrame的初始坐标系一致，可通过print(gdf1.crs, gdf2.crs)检查，不一致时用to_crs先统一为同一地理坐标系（如EPSG:4326）。
2. 手动选择适配研究区域的等距投影
   Geopandas 0.10.2无estimate_utm_crs方法，可自行计算适配区域的UTM投影：
   UTM带号计算逻辑：utm_zone = math.floor((研究区域中心经度 + 180) / 6) + 1
   北半球区域对应EPSG代码为326{utm_zone}，南半球对应为327{utm_zone}，该投影为等距投影，单位为米，计算结果和PostGIS ST_Distance一致。
   如果是跨UTM带的大范围区域，可选择适配区域的官方等距投影，如中国区域可选高斯-克吕格系列投影。
3. 批量转换投影
   将两个GeoDataFrame都转换到选好的投影坐标系：

target_crs = "EPSG:32650" # 示例为北京区域对应的UTM投影
gdf1_proj = gdf1.to_crs(target_crs)
gdf2_proj = gdf2.to_crs(target_crs)

4. 按需求计算距离

• 逐行对应计算距离：直接调用distance_series = gdf1_proj.geometry.distance(gdf2_proj.geometry)即可，返回值单位为米。
• 计算每个几何到另一个GeoDataFrame所有几何的最小距离：调用sjoin_nearest方法实现：

gdf_with_distance = gdf1_proj.sjoin_nearest(gdf2_proj, how="left", distance_col="distance_m")

返回结果中的distance_m列即为对应的最小米制距离。

内容的提问来源于stack exchange，提问作者Amrmsmb