Afuera la lluvia no para y el sonido del agua golpeando el techo de zinc de mi casa es casi hipnótico, pero acá adentro, el reflejo azul de la consola de RStudio en el vidrio empañado de la ventana me mantiene despierta mientras el resto de la casa ya duerme. Es una de esas noches largas de invierno en Valdivia donde una se queda pegada mirando una pantalla que no termina de arrojar el resultado que una espera, y entonces te preguntas qué haces ahí, tratando de entender por qué un mapa se ve estirado o por qué los colores no coinciden con la realidad del bosque que ves cada mañana al despertar.
Todo esto de la teledetección empezó para mí por pura curiosidad y algo de terquedad, porque quería ver con mis propios ojos cómo iba cambiando el cerro que tengo atrás de la casa, año tras año, desde arriba. Pero claro, una cosa es querer ver el bosque y otra muy distinta es enfrentarse a un error de CRS mismatch que te bloquea el primer mapa justo en una noche de tormenta en julio, cuando lo único que quieres es que aparezca algo verde en la pantalla. Yo no soy geógrafa ni programadora, soy alguien que trabaja medio tiempo en una oficina y que dedica sus ratos libres a pelearse con los datos, y si algo aprendí en este camino es que el mejor curso no es el que te enseña a escribir código rápido, sino el que te enseña a pensar qué rayos está haciendo el satélite allá arriba.
La trampa de aprender a programar antes que a mirar
Cuando empecé a finales de septiembre del año pasado, me volví loca buscando tutoriales. Me metí en foros, bajé manuales pesadísimos y todos empezaban igual: explicándote cómo crear una lista en R o cómo hacer un bucle. Y yo ahí, con el mate ya frío, pensaba: "Pero yo no quiero ser ingeniera de software, yo solo quiero saber si los árboles del vecino se están secando". Sentía que estaba perdiendo el tiempo entre paréntesis y comas cuando lo que necesitaba era entender la luz.
La gran revelación me llegó después de unas tres semanas de práctica constante, cuando me di cuenta de que estaba cayendo en la trampa de los cursos que prometen dominar R desde cero. Mi consejo, después de mucho tropezar, es que eviten esos cursos generalistas. Lo que de verdad me sirvió fue priorizar aprender primero la lógica del álgebra de bandas sobre la sintaxis del lenguaje. Si entiendes que una imagen satelital es básicamente una tabla gigante de números y que cada banda captura una parte distinta de la energía del sol, el código de R empieza a tener sentido solo.
Por ejemplo, me tomó varias tardes entender que el satélite Sentinel-2 tiene 13 bandas sensoras. ¡Trece! Y cada una ve algo que mis ojos no. Al principio me frustraba porque intentaba cargar todo junto y la computadora se me pegaba. Pero cuando encontré una ruta de aprendizaje que me decía "mira, olvida el código un segundo y entiende por qué la banda roja y la infrarroja se llevan tan bien para detectar plantas", ahí fue cuando todo cuadró. Es un cambio de chip total: dejas de ser una copiada de código y empiezas a ser alguien que analiza el territorio.
El momento en que los números se volvieron bosque
Recuerdo un sábado por la tarde el mes pasado, mientras el sol se asomaba un ratito entre las nubes valdivianas, que por fin logré que mi script funcionara. Estaba trabajando con imágenes de Landsat 8, que tienen una resolución espacial de 30 metros. Puede que para algunos no sea mucho, pero cuando ves que esos cuadraditos de 30 metros de lado representan fielmente la realidad de tu zona, es emocionante.
Pero claro, antes de llegar a esa emoción, pasé por el calvario de las proyecciones. Como vivo en Valdivia, tengo que usar el código EPSG 32718 para la zona UTM 18S. Si no ponía eso bien, mis mapas terminaban en medio del Océano Pacífico o con una forma toda rara. Hubo un día en que llegué a escribir tres páginas de código solo para darme cuenta de que el error era una coma mal puesta en la definición de la extensión del raster. Me quería morir, pero así es como una aprende, ¿no? Como ya conté en mi experiencia aprendiendo teledetección con R sin ser programadora, lo importante es no rendirse cuando la consola se pone roja.
Herramientas que de verdad importan (y las que ya no tanto)
Otra cosa que me confundía mucho al principio era qué paquetes usar. En todos los blogs viejos decían que usara el paquete raster, pero resulta que ahora el paquete terra lo ha reemplazado casi por completo por ser mucho más rápido. Y vaya que se nota la diferencia cuando tienes que procesar varias imágenes de Sentinel-2, que como pasan cada 5 días, te llenan el disco duro de datos en un abrir y cerrar de ojos.
Para alguien que está aprendiendo sola el fin de semana, el mejor curso es aquel que te explica estas transiciones. No sirve de nada aprender herramientas obsoletas. Yo ahora me manejo mejor siguiendo la lógica de cómo leer archivos raster en RStudio para principiantes, porque me enfoco en lo que necesito hoy. Y lo que necesitaba era ver el cambio.
El momento del "turning point" fue cuando generé mi primer índice de vegetación (NDVI). El NDVI usa las bandas Roja e Infrarroja Cercana (NIR) para medir la salud de la vegetación, y cuando vi en la pantalla ese color verde intenso que mostraba exactamente dónde el bosque nativo había aguantado mejor el último verano, sentí que por fin tenía una herramienta poderosa en mis manos. Ya no dependía de lo que dijeran las noticias o de software cerrado que no puedo pagar; era yo, con mi laptop ruidosa, entendiendo mi entorno.
¿Cómo elegir tu propio camino de aprendizaje?
Si estás en una situación parecida a la mía, buscando por dónde empezar sin morir en el intento, te diría que busques algo que sea conversacional. Que no te trate como si ya supieras álgebra lineal. A mí me sirvieron los materiales que separan el "cómo se hace" del "qué significa". Por ejemplo, es vital saber que los datos de Sentinel-2 tienen una resolución temporal de 5 días, porque eso te permite un monitoreo casi semanal si las nubes te dejan (que en Valdivia es pedir un milagro, pero bueno).
A veces, cuando los archivos son muy pesados, me vuelvo a trabar, pero ya sé que existen formas de salir adelante, como cuando busqué la solución a errores comunes al cargar rasters pesados en R y pude seguir con mi proyecto sin que la computadora explotara. Aprender teledetección con R no es solo sobre satélites, es sobre ganar la autonomía para entender el territorio propio.
Al final, el mejor curso es el que te permite fallar un domingo a las diez de la noche y te da las pistas suficientes para que el lunes, mientras tomas el café antes de ir a la oficina, se te ocurra la solución. No busques la perfección técnica desde el día uno. Busca ese mapa, aunque sea feo al principio, que te diga algo sobre el lugar donde vives. Porque cuando ese primer NDVI aparece en la pantalla y coincide con el cerro que ves por tu ventana, toda la frustración de las tardes de invierno se evapora, y te das cuenta de que ahora el bosque también te habla a través de los datos.