用R计算UTM动物运动数据的每日行程

Question

我正在尝试计算数据集中每个人的每日旅行距离。我收集了UTM格式的跟踪数据，每个人每天跟踪一次。我已经用以下方式对数据进行了子集处理，因为我一直在用它进行其他分析：

iguana.data <- read.csv(file='iguanas1-22.csv')
iguana.data
names(iguana.data)
summary(iguana.data)
#my data is in this format before subsetting
animal            datetime      x       y        species country UTMzone
1    IG001 2019-03-19 14:45:00 291671 1977162 Cyclura collei Jamaica     18N
2    IG001 2019-03-20 14:10:00 291670 1977157 Cyclura collei Jamaica     18N
3    IG001 2019-03-21 11:23:00 291670 1977157 Cyclura collei Jamaica     18N
4    IG001 2019-03-22 12:04:00 291670 1977157 Cyclura collei Jamaica     18N
5    IG001 2019-03-23 12:54:00 291671 1977162 Cyclura collei Jamaica     18N
animal.clean <- iguana.data %>%
dplyr::select(animal, x, y, datetime)
head(animal.clean)
tail(animal.clean,10)
>
animal      x       y            datetime
1  IG001 291671 1977162 2019-03-19 14:45:00
2  IG001 291670 1977157 2019-03-20 14:10:00
3  IG001 291670 1977157 2019-03-21 11:23:00
4  IG001 291670 1977157 2019-03-22 12:04:00
5  IG001 291671 1977162 2019-03-23 12:54:00
6  IG001 291671 1977162 2019-03-24 12:40:00
animal      x       y            datetime
1602 IG0022 291693 1977345 2019-07-05 10:01:00
1603 IG0022 291693 1977345 2019-07-06 09:45:00
1604 IG0022 291693 1977345 2019-07-07 10:17:00
1605 IG0022 291693 1977345 2019-07-08 08:21:00
1606 IG0022 291693 1977345 2019-07-09 08:03:00
1607 IG0022 291693 1977345 2019-07-10 10:34:00
1608 IG0022 291693 1977345 2019-07-11 11:00:00
1609 IG0022 291693 1977345 2019-07-12 10:32:00
1610 IG0022 291693 1977345 2019-07-13 09:21:00
1611 IG0022 291693 1977345 2019-07-14 09:45:00
animal.clean$datetime <- as.POSIXct(animal.clean$datetime,
format = "%Y-%m-%d %H:%M:%S", 
tz = "America/Jamaica")

测量R中每个人的所有位置固定之间的每日缩放旅行距离的最直接方法是什么？所有的点都按正确的顺序排列，但由于是无线电遥测数据，因此缺少一些日期，因此不可能每天都跟踪。我发现了类似的问题来解决这个主题，但没有一个专门涉及我的数据格式类型。

关于执行此操作的代码的建议将不胜感激，因为我是R.的新手

Answer 1

我使用包{amt}中的函数step_lengths获得了相同的结果。在这里，您必须首先使用函数make_track创建一个轨迹。之后，您可以使用step_lengths函数。在我的情况下，结果是一样的。

Answer 2

这里有一个使用sf包的可复制示例的解决方案。请务必查看示例数据集(?meuse(，并注意我按洪泛频率类(ffreq(对点属性进行了分组。你可能会对动物ID做类似的事情。

#load sf package
library(sf)
data('meuse', package = "sp")
#mconvert to a spatial object
ms <- st_as_sf(
meuse, 
coords = c('x', 'y'),
crs = "+init=epsg:28992"
)
class(ms)
#plot the data by flood frequency class
plot(ms["ffreq"])
#calculate pairwise distance 
ms %>%
group_by(ffreq) %>%
mutate(
lead = geometry[row_number() + 1],
dist = st_distance(geometry, lead, by_element = T),
)

查看属性表中的dist属性，了解连续点之间的距离(在连续行中(。