Afuera la lluvia no para, es ese sonido rítmico contra el techo de zinc que ya es como una música de fondo para mis sábados de estudio, y ahí estaba yo, con el café que ya se había enfriado hace rato y la pantalla de RStudio iluminándome la cara con una hilera de errores en rojo que no me dejaban dormir. Eran finales del invierno pasado, una de esas tardes de tormenta en agosto donde el viento sopla tan fuerte que parece que va a arrancar los arrayanes del jardín, y yo solo quería ver cómo se veía mi pedacito de bosque desde arriba, pero R me decía que no encontraba el archivo, o que el formato era inválido, o que simplemente no tenía suficiente memoria para abrir ese tremendo paquete de datos que me había bajado a mano.
El caos de las descargas manuales y por qué casi tiro la toalla
Les cuento que al principio yo hacía todo de la forma difícil, porque nadie me explicó que había un camino más corto; me metía al navegador, entraba a la página de Copernicus, buscaba un polígono sobre Valdivia y me bajaba esos archivos ZIP gigantescos que tardaban una eternidad con el internet que tengo acá en el sur. Y entonces, cuando por fin terminaban de bajar, me encontraba con carpetas dentro de carpetas, con nombres crípticos como S2A_MSIL2A_2023... y un montón de archivos .SAFE que yo no sabía ni cómo empezar a leer en RStudio. Era frustrante porque, después de esperar horas, abría la imagen y ¡pum!, una nube blanca gigante justo encima de las hectáreas que yo quería mirar.
Ese es el gran problema de hacerlo a mano: pierdes tiempo bajando gigabytes de información que no te sirve de nada. Las imágenes de Sentinel-2 son maravillosas porque tienen una resolución espacial en sus bandas visibles de 10 metros, lo que te permite ver detalles increíbles del terreno, pero ese nivel de detalle pesa mucho en el disco duro. Además, la constelación tiene una frecuencia de revisita de 5 días, así que hay muchísimas imágenes disponibles, pero encontrar la que no tiene nubes y que justo cae en tu fecha de interés se vuelve un trabajo de hormiga si lo haces desde el navegador.
La cara de decepción con los sistemas de coordenadas
Hubo un momento, un par de semanas después de empezar, que fue mi primer gran fracaso. Logré cargar una imagen, estaba saltando de alegría, y cuando quise poner los puntos de mi casa encima para ver si coincidían, mi bosque aparecía en medio del Océano Pacífico. Me dieron ganas de llorar, de verdad. Resulta que no entendía nada sobre los CRS (Sistemas de Referencia de Coordenadas) y estaba mezclando peras con manzanas. Si te ha pasado, no te sientas mal, porque corregir proyecciones cartográficas en R de forma sencilla es algo que se aprende a golpes, como casi todo lo que vale la pena en esta vida de aprendiz autodidacta.
El gran descubrimiento: Conectar R directamente con el catálogo
Ya entrado este otoño, en una de esas mañanas frescas donde el sol por fin asomaba entre los cerros, descubrí que no tenía por qué estar sufriendo con el navegador. Existe una forma de decirle a R: "Oye, busca en el catálogo de Sentinel, fíltrame las imágenes que tengan menos del 10% de nubes, que sean de tal fecha y bájame solo el pedacito que me interesa". Fue como si me hubieran prendido la luz en una pieza oscura. Usando librerías como rstac o el famoso paquete sen2r, todo ese proceso de buscar y descargar se vuelve automático.
Lo que más me voló la cabeza fue entender que Sentinel-2 no solo nos da fotos lindas. El sensor MSI que lleva a bordo captura un número total de 13 bandas espectrales. O sea, ve cosas que nuestros ojos no pueden, como el infrarrojo cercano, que es clave para saber si el bosque está sano o si está sufriendo por la falta de agua. Y cuando aprendes a llamar esas bandas directamente desde un script, dejas de ser una espectadora que mira fotitos y te conviertes en alguien que analiza datos de verdad. Fue por eso mismo que elegí RStudio para estudiar el bosque nativo chileno, porque me daba ese control que una página web nunca me iba a dar.
Mi truco definitivo: Procesar en la nube antes de bajar nada
Pero aquí viene lo que de verdad me cambió la vida estos últimos meses, y es algo que ojalá me hubieran dicho el primer día: no siempre necesitas descargar la imagen completa. Si tienes una conexión a internet que a veces flaquea cuando llueve mucho, como la mía, bajar 1 GB para usar solo un cuadradito de 5 kilómetros es un desperdicio. Aquí es donde entra el API de Google Earth Engine (GEE) a través del paquete rgee en R.
La lógica es distinta y me costó un poco que me hiciera clic en la cabeza. En vez de bajar la imagen a mi computador y procesarla ahí, le mando las instrucciones a los servidores de Google. Ellos hacen el recorte, filtran las nubes y calculan lo que yo necesite (como el vigor de la vegetación). Luego, yo solo descargo el resultado final, que pesa apenas unos pocos megabytes. Es mucho más eficiente y me ahorra tener el disco duro lleno de archivos ZIP que después no sé ni qué contienen. Si estás empezando, te recomiendo mucho mirar este camino; al principio asusta un poco configurar la cuenta, pero una vez que lo logras, no hay vuelta atrás.
El momento en que todo cuadró: Mi primer NDVI automático
Hace un par de mañanas, ya terminando el otoño, me senté con un mate bien caliente y ejecuté un script que había estado puliendo. No hubo errores rojos. La barra de progreso de la descarga avanzaba tranquila mientras yo escuchaba la lluvia. En unos pocos minutos, tenía en mi pantalla un mapa de colores verdes intensos y amarillos suaves: era el índice NDVI usando imágenes satelitales en R de mi zona. Podía ver claramente cómo el bosque se mantenía firme a pesar de todo.
Ver ese mapa, que no estaba en el Pacífico sino justo donde debía estar, y saber que yo misma había escrito el código para traer esos datos desde un satélite que está a cientos de kilómetros de altura... bueno, es una sensación de empoderamiento bien especial. No soy geógrafa ni programadora de carrera, solo soy una persona que insiste los fines de semana.
Al final, la teledetección con R se trata de eso: de tener la paciencia de automatizar lo que es aburrido y tedioso para poder pasar más tiempo mirando lo que de verdad importa. Si estás ahí, frustrada porque nada carga o porque el código no te funciona, tómate un descanso, mira por la ventana (si es que en tu ciudad también llueve) y vuelve a intentarlo mañana. Tarde o temprano, el mapa aparece y todo el esfuerzo cobra sentido.