Afuera no para de llover y el cerro que veo desde mi ventana en Valdivia está casi escondido tras una cortina gris de esas que duran semanas. Es una tarde de esas en que el café se enfría rápido y una se queda mirando la pantalla, preguntándose si de verdad una persona común —que no es geógrafa, ni ingeniera, ni nada de eso— puede realmente medir cómo retrocede el verde de este sur tan lindo desde un escritorio lleno de migas. Antes de seguir con el cuento, les cuento algo importante: algunos de los enlaces que verán aquí son de afiliado. Eso significa que si deciden comprar un curso, a mí me llega una pequeña comisión para seguir pagando el internet (que aquí a veces falla) y a ustedes les cuesta exactamente lo mismo. Solo recomiendo lo que yo misma he usado para pelearme con los mapas, lo que no me sirvió, simplemente no lo menciono.
Todo empezó hace un tiempo, en una tarde de lluvia en agosto, cuando me bajé un programa de mapas de esos que tienen mil botones y menús. Se me cerraba solo cada vez que intentaba cargar una imagen pesada y, lo peor, es que si lograba hacer algo un sábado, al sábado siguiente ya no me acordaba de cuál era el tercer clic de los cincuenta que había que dar para sacar un mapa de vegetación. Ahí fue cuando, entre frustración y ganas de cerrar la laptop, decidí que tenía que aprender RStudio. No porque quisiera ser programadora (¡qué susto!), sino porque necesitaba que mi computadora recordara los pasos por mí, escritos en una lista que yo pudiera volver a leer el próximo año.
Esa tarde de agosto en que todo era gris (y rojo en la consola)
Al principio, RStudio se siente como entrar a una habitación oscura donde tienes que adivinar dónde está el interruptor de la luz. Mi mayor miedo era el código; sentía que si escribía una coma mal, la laptop iba a explotar o algo así. Recuerdo que mi primera victoria fue simplemente lograr que el programa reconociera dónde estaba parada. Pero la frustración de principiante es real y tiene texturas. Escuchaba el sonido rítmico de la lluvia sobre el techo de zinc mientras el ventilador de mi laptop vieja aceleraba al procesar las 13 bandas de una imagen satelital. El aire olía a humedad y a ese aroma metálico de los computadores que están trabajando más de la cuenta.
Me acuerdo que pasé tres horas frustrada intentando cargar un archivo .tif solo para descubrir que R no leía la ruta porque la carpeta se llamaba 'año_2025' y la eñe rompía el código. ¡Tres horas por una eñe! En ese momento, si no fuera porque el bosque nativo afuera de mi casa me importa tanto, habría mandado todo a la punta del cerro. Pero ahí es donde entra la importancia de tener una guía. Yo no sabía por dónde empezar hasta que me topé con el curso de Teledetección Satelital con R y R-Studio. Al principio el precio me asustó un poco, lo pensé varias semanas (porque, bueno, una trabaja medio tiempo y las lucas no sobran), pero al final fue lo que me ordenó la cabeza. Es de los pocos que encontré en español que te lleva de la mano desde que abres el programa hasta que tienes un mapa que no parece un dibujo de jardín infantil.
¿Por qué R y no un programa de "hacer clic"?
La gran diferencia, y por lo que me quedé con R pese a los errores en rojo, es la repetibilidad. En Valdivia, el bosque cambia lento pero seguro. Si yo quiero ver cómo estaba el cerro en la primavera pasada y compararlo con este otoño, no quiero tener que recordar qué botones apreté. En R, simplemente cambio la fecha en mi código y listo. Es como tener una receta de cocina: si la sigues, el pan sale igual siempre. Además, trabajar con imágenes de Copernicus, que son gratuitas, te abre un mundo de datos que antes parecían reservados para científicos de la NASA.
Si te interesa este camino, te recomiendo leer sobre mi experiencia aprendiendo teledetección con R sin ser programadora, donde detallo más esos primeros tropezones. Lo cierto es que, aunque al principio parece más difícil, a la larga te ahorra mucho tiempo. Especialmente cuando te das cuenta de que puedes manejar archivos raster masivos usando el paquete 'terra', que ahora es como el estándar moderno para estas cosas. No tienes que ser una experta en informática para entender que el computador es mejor que nosotros guardando procesos largos.
Cuando el bosque por fin apareció en 10 metros de resolución
A mediados de primavera, algo hizo clic. Estaba estudiando las bandas espectrales del sensor MSI de Sentinel-2. Es increíble pensar que desde el espacio podemos ver cosas que el ojo humano no capta. Aprendí que la resolución espacial de las bandas visibles de Sentinel-2 es de 10 metros. Eso significa que cada cuadrito de mi mapa representa un pedazo de tierra de diez por diez metros. Para ver el bosque nativo chileno, esa precisión es la gloria, porque te permite distinguir dónde termina un renoval y dónde empieza una pampa o una plantación.
Un sábado de enero, con un calor inusual para Valdivia que me obligaba a tener la ventana abierta de par en par, logré mi primer mapa de vegetación (NDVI). El NDVI usa la luz roja y la infrarroja para decirte qué tan sana está una planta. Cuando vi el color verde intenso aparecer en la pantalla, un suspiro largo y el calor volviendo a mis manos cuando el mapa de calor finalmente se desplegó en la esquina inferior derecha de RStudio, sin errores... sentí que por fin entendía mi territorio de otra manera. Ya no era solo "el bosque allá afuera", sino datos que mostraban cómo resiste frente a la sequía o las talas.
Para quienes están recién partiendo, les sugiero revisar los pasos para calcular el índice NDVI usando imágenes satelitales en R. Es un proceso que, una vez que lo entiendes, te hace sentir que tienes superpoderes. Y si te pierdes con los términos, siempre tengo a mano este glosario de índices espectrales que me salva la vida cuando se me olvida qué significaba cada sigla.
La realidad de estudiar el bosque en el sur (y el drama del internet)
Aquí es donde me quiero desviar un poco, porque la teoría es muy linda pero la práctica en Chile tiene sus mañas. Muchas veces leemos tutoriales escritos por gente que vive en ciudades con fibra óptica de un giga, pero la realidad de quienes queremos estudiar zonas remotas es otra. RStudio, por defecto, depende mucho de estar conectado para descargar paquetes o datos de repositorios online. Si estás en una zona rural del sur, o si te vas a terreno con la laptop, esa dependencia te puede dejar botada.
He conocido gente que trabaja en parques nacionales que se frustra porque el código no corre porque no puede validar una librería en la nube. Por eso, parte de mi aprendizaje ha sido aprender a trabajar "offline", bajando todo antes de que se largue a llover fuerte y el internet se ponga caprichoso. Es un enfoque que casi nadie te enseña: cómo preparar tu entorno de R para que funcione cuando el mundo exterior se apaga. Si estás en esa, quizás te sirva ver cuáles son los mejores paquetes de R para análisis de imágenes satelitales hoy y tenerlos ya instalados y probados.
Incluso con esos problemas, R le gana a los software tradicionales. ¿Saben por qué? Porque si se corta la luz y pierdo lo que estaba haciendo, el código sigue ahí. No tengo que volver a cargar el raster de 2 gigas y volver a configurar cada color. Solo prendo la laptop, corro el script y en lo que dura un sorbo de mate, estoy donde mismo quedé.
Lo que queda después de la tormenta (de código)
Hace un par de meses, mirando mis avances desde aquel invierno donde no sabía ni lo que era una proyección (por cierto, si eso te confunde, mira esto sobre cómo corregir proyecciones cartográficas en R), me di cuenta de que lo más valioso no es el mapa final. Lo valioso es la paciencia que desarrollé. Ahora entiendo que el ciclo de repetición de la misión Landsat 8 es de 16 días, y que si una semana está nublado (lo normal aquí), tengo que esperar a la siguiente pasada del satélite para tener datos limpios.
No necesito un software que cueste miles de dólares ni una oficina en Santiago para monitorear el bosque nativo que rodea mi casa. Solo necesito RStudio, un poco de café (o mate, según el frío) y la voluntad de leer la documentación cuando algo falla. Si estás pensando en empezar, no le tengas miedo a la consola. Es solo una conversación con la máquina, y a veces la máquina es un poco terca, pero siempre termina cediendo si le hablas con lógica.
Para el futuro, ya le tengo echado el ojo al curso de Modelado de Nicho Ecológico con Maxent en R. Es un poco distinto porque se enfoca en dónde podrían vivir las especies, más que en verlas desde arriba, pero me parece el complemento perfecto para entender por qué mi bosque es como es. Es más corto y barato que el de teledetección, así que quizás sea mi próximo proyecto de fin de semana cuando la lluvia me encierre de nuevo.
Si de verdad quieres dejar de dar clics al azar y empezar a entender cómo cambia el paisaje de Chile con datos reales, dale una oportunidad a R. Empieza de a poco, quizás con este post sobre cómo leer archivos raster en RStudio para principiantes, y no te castigues si la primera tarde solo terminas con errores en rojo. Es parte del proceso, como el barro en los senderos después de un temporal: molesta, pero es señal de que estás caminando por donde hay vida. ¡Anímate y me cuentas cómo te va con tu primer mapa!