Has abierto una imagen de Sentinel-2 en RStudio esperando ver el bosque y te ha aparecido puro cuadrado gris. A mí me pasó tantas tardes que perdí la cuenta, hasta que entendí que el problema no estaba en los datos sino en cómo yo los estaba combinando. Armar una composición de color (juntar las bandas correctas, en el orden correcto) es lo que separa un archivo ilegible de un mapa donde el bosque nativo se distingue clarito de una plantación de pino o eucalipto. Es la parte de la teledetección que más rápido le sirve a alguien que recién está empezando, y es la que uso cada vez que quiero mirar el cerro cerca de mi casa desde arriba.
El orden de las bandas antes de armar cualquier composición
Sentinel-2, el satélite gratuito de la Agencia Espacial Europea que uso para casi todo, entrega la información repartida en bandas separadas, cada una registrando una porción distinta de luz. Para armar una composición de teledetección en color natural — la que se parece a lo que verías desde un avión — hay que juntar tres bandas en un orden preciso: la 4 al canal rojo, la 3 al verde y la 2 al azul. Cambiar ese orden, aunque sea sin querer, es el error más común entre quienes recién parten: el mapa sale con los colores invertidos o de plano no sale nada. En RStudio, el paquete terra es el que se usa hoy para este trabajo, y trae la función plotRGB, que es la que finalmente dibuja la imagen combinando esas tres capas.
Antes de instalarme en este flujo probé Google Earth Engine, pensando que sería más directo por trabajar desde el navegador, pero la interfaz en JavaScript me cerró la puerta desde el primer bloque de código: no reconocía la sintaxis y no tenía ni dónde empezar a buscar el error. Volver a RStudio significaba instalar software en el computador, pero al menos el lenguaje R ya me sonaba familiar de tanto pelear con él en estos casi dos años aprendiendo por mi cuenta.
¿Por qué el infrarrojo cercano de Sentinel-2 saca a la luz el bosque nativo?
La banda 8 capta infrarrojo cercano, una luz que el ojo no percibe pero que la vegetación sana refleja con mucha fuerza. Al combinarla en el orden 8, 4, 3 dentro de plotRGB, el resultado es una composición de falso color donde toda la vegetación se pinta de un rojo o carmesí intenso. Ahí aparece el dato útil para diferenciar bosque nativo de una plantación: el bosque nativo, con su mezcla de especies y alturas, se ve como un rojo desparejo, con manchas y texturas distintas dentro del mismo parche. Una plantación de pino o eucalipto, en cambio, se ve más pareja y en bloques definidos, casi como pintada con rodillo en vez de pincel. Ese contraste de textura, más que el tono exacto de rojo, es lo primero que reviso para saber qué estoy mirando.
Si quieres entender la lógica matemática detrás de por qué estas combinaciones de bandas funcionan, dejé más detalle en cómo hacer un análisis multiespectral en R usando imágenes de satélite; acá me quedo solo con la parte de armar la imagen.
Arma la composición en RStudio con plotRGB
El proceso completo parte por cargar el archivo con rast(), revisar cuántas capas trae adentro y seleccionar solo las bandas que vas a usar, en el orden que corresponda a rojo, verde y azul. Mientras tanto, el ventilador del laptop se acelera hasta sonar como que va a despegar, porque una imagen de varios cientos de megas procesándose no es liviana para ningún computador viejo. Ahí es donde más se traban los que recién llegan: seleccionar las bandas en el orden equivocado, o dejar alguna capa de más sin querer, hace que plotRGB tire error o dibuje algo sin ningún sentido.
Otro detalle que me costó encontrar sola es el argumento stretch dentro de la misma función, que ajusta el contraste de la imagen. Sin él, una composición perfectamente bien armada puede salir demasiado oscura o quemada de blanco, y una piensa que el error está en las bandas cuando en realidad está en cómo se estira el rango de valores.
Cuando el mapa sale negro, gris o quemado: qué revisar primero
Lo primero que reviso cuando una composición sale mal es el orden de las bandas. Parece obvio, pero es lo que falla más seguido. Si el orden está bien y la imagen sigue rara, el siguiente sospechoso son las nubes: una escena con mucha nube tapada arruina cualquier composición por bien armada que esté. Por eso terminé aprendiendo cómo quitar nubes de imágenes Sentinel 2 en RStudio paso a paso antes de confiar en cualquier mapa que arme.
El tercer punto a revisar, menos frecuente pero más difícil de detectar, es la proyección: si el sistema de coordenadas no calza, la imagen puede verse bien de colores pero estar corrida de lugar. Una tarde caminando por el Parque Saval, en Isla Teja, reconocí el trazado del camino tal como lo tengo grabado desde tantas vueltas en auto, y fue ahí cuando confirmé que la proyección por fin coincidía con el terreno real. Antes de eso, el bosque en la pantalla y el bosque que caminaba no terminaban de calzar del todo.
Color natural o falso color: cuál usar según lo que buscas
Uso la composición en color natural cuando lo que necesito es orientarme: reconocer caminos, quebradas o el límite del área que estoy mirando, porque se parece a lo que ven mis ojos. Cambio al falso color infrarrojo apenas la pregunta deja de ser dónde estoy y pasa a ser qué tan sano está esto, porque ahí el contraste entre bosque nativo y plantación, o entre vegetación vigorosa y vegetación con estrés, se nota mucho más rápido. Cuando necesito comparar las dos composiciones lado a lado, sin andar cambiando de pestaña cada dos minutos, mi vecino Boris Irarrázaval —que trabaja en infraestructura de servidores y no tiene idea de teledetección, pero le gusta el software libre— me presta su monitor externo, así puedo tener una imagen en cada pantalla y mirar las dos al mismo tiempo.
Le mandé una captura de mi primera composición de falso color decente a Denise Alarcón, una amiga que conocí en un foro de R dedicado a errores de proyección, y a las dos de la mañana me contestó puros memes, así celebra ella cuando algo por fin le funciona a alguien más. Si ya tienes tus composiciones armadas y quieres ver cómo cambia el bosque de una temporada a otra, el siguiente paso lógico es visualizar series temporales de satélite en R para cambios forestales, donde estas mismas bandas se ordenan en el tiempo en vez de en una sola imagen.