Aprieto Ctrl+Enter por quinta vez seguida esperando ver algo distinto, pero el panel de Plots de RStudio me devuelve lo mismo de siempre: un trozo de imagen Landsat 8 tan blanco que parece que el satélite le hubiera sacado una foto a una sábana tendida sobre el bosque. Llevo cerca de dos años metida en esto de la teledetección por mi cuenta, sin geografía ni programación detrás, y todavía caigo en el mismo error de principiante con cada imagen nueva: pensar que "quitar nubes" de un archivo raster es cosa de borrar lo blanco a mano, como quien tapa una mancha en una foto familiar. No es así, y entenderlo me costó bastante más de lo que me hubiera gustado admitir.
Quizás te suene parecido si recién estás empezando con la teledetección: uno abre su primera escena de Landsat en RStudio esperando ver el bosque, el río, la ciudad, y en cambio aparece una sopa gris y blanca que no dice nada. La reacción casi automática es tratar esa mancha como un problema estético, algo que hay que "limpiar" a ojo. Ese fue justo mi primer mito, y el que más tiempo me hizo perder.
El mito de "borrar lo blanco" que casi me hace tirar la toalla
Antes de tocar una sola línea de código en R, probé por el lado que me pareció más lógico para alguien sin formación: bajé un tutorial de QGIS pensando que ahí sí iba a encontrar el botón mágico de sacar nubes. Me perdí en los menús desde el primer paso, sin entender ni dónde cargar la imagen, y cerré el programa sintiéndome todavía más perdida que antes de abrirlo. Volví a R con otra idea: si QGIS no me servía, al menos podía hacerlo yo misma a mano, así que le pedí al código que identificara los píxeles más claros de la escena y los descartara. El resultado fue un desastre silencioso. Junto con las nubes desaparecieron los techos de zinc del pueblo, la espuma del río y la nieve de la cordillera al fondo. Mi mapa quedó lleno de agujeros donde antes había cosas reales, no nubes.
Ahí entendí, a la fuerza, que el color no alcanza para distinguir una nube de cualquier otra cosa blanca o brillante del paisaje. Confundir brillo con nube es, creo, el error más común entre quienes recién llegan al procesamiento de raster en RStudio: uno mira la pantalla con ojos de persona, no con la lógica del dato. Si alguna vez terminaste con un mapa lleno de huecos raros después de intentar limpiar una escena por tu cuenta, lo que escribí en Lo que aprendí organizando mis scripts de R para no perder tiempo habla bastante de ese mismo desorden de los primeros meses, cuando ni se sabe bien qué versión del error se está arreglando.
¿Por qué no alcanza con tapar las nubes a ojo en una imagen Landsat?
Lo que no sabía entonces es que no hace falta adivinar nada: la propia escena ya trae información sobre qué parte está tapada y cuál no, guardada aparte de los colores que vemos. En vez de inventar una regla propia para decidir qué es nube y qué no, lo que de verdad funciona es dejar que esa información ya calculada haga el trabajo, apoyándose en paquetes de R como terra en lugar de reescribir la lógica desde cero cada vez. Ahí se me fueron las ganas de pelear contra el problema a mano: no era que me faltara paciencia, era que estaba resolviendo mal la pregunta.
Durante meses pensé que el problema era "cuánta nube hay" en la imagen completa, y me frustraba contando a ojo cuánto blanco cubría la pantalla. La pregunta correcta es más chica y más útil: ¿está tapada justo la parte del mapa que a mí me importa? Una escena puede verse espantosa en general y aun así servir perfecto para mi sector, o puede verse casi despejada y tener justo mi bosque bajo una nube que no se nota a simple vista. Esa es, para mí, la regla que cambia todo: antes de limpiar cualquier imagen a la fuerza, hay que mirar primero si el área de interés está libre, y si no lo está, muchas veces conviene buscar otra fecha en el catálogo de la USGS antes que forzar una máscara sobre una zona que simplemente no tiene datos buenos debajo.
Un café en el Mercado Fluvial y la pregunta de Raimundo
Se lo expliqué así, más o menos, a Raimundo un sábado que nos juntamos a comer algo en el Mercado Fluvial de Valdivia. Lo conozco del grupo de senderismo y es de los que preguntan todo con cara amable pero sin dejar pasar nada: "¿y esto para qué te sirve en la vida real?" Le mostré en el celular una captura de la escena con nubes al lado de la misma escena ya corregida, y traté de explicarle que no se trataba de que la foto se viera más bonita, sino de poder confiar en lo que hay debajo antes de sacar cualquier conclusión sobre el bosque. Se quedó pensando y me dijo que para sus fotos de hongos el problema es parecido: una foto linda no sirve de nada si la luz tapó justo el detalle que necesitaba ver.
No fui la única dándole vueltas al mismo lío. Isidora, que anda por el mismo camino autodidacta que yo (nos escribimos después de notar que comentábamos los mismos tutoriales en inglés), me mandó un mensaje el día que descubrió lo mismo: "¿viste que a mí también me las tapa igual, aunque la escena se vea casi despejada?" Fue reconfortante confirmar que no era torpeza mía, sino algo que le pasa a cualquiera que empieza por el lado visual del problema en vez del lado del dato.
La regla que me quedó clara después de tanto ensayo
Me acuerdo clarísimo de una tarde de lluvia pesada en la que por fin corrí el script completo, de principio a fin, sin una sola línea roja de error en la consola: nada espectacular, solo ese silencio raro cuando el código simplemente funciona y uno se queda mirando la pantalla sin saber bien qué hacer con esa calma. Si estás empezando con RStudio y la teledetección y sientes que cada imagen Landsat que abres te devuelve una sopa blanca sin sentido, el mensaje no es que te falte talento para esto. El mensaje es que "quitar nubes" nunca fue una tarea visual, aunque lo parezca al principio: es dejar que el dato que ya viene con la imagen decida por ti, revisar primero si tu zona exacta quedó libre, y tener la paciencia de cambiar de escena cuando no lo está, en lugar de forzar una limpieza sobre algo que simplemente no está ahí.
Lo más cerca que estuve de encontrar ese orden fue cuando dejé de dar vueltas sola por foros y videos sueltos y busqué el curso de Teledetección Satelital con R y R-Studio, que acompaña el proceso completo desde cargar la imagen hasta sacar el mapa final (algo que me hacía mucha falta, porque sin esa base mínima de R las primeras clases se sienten densas, y el precio me hizo pensarlo más de una semana antes de decidirme).
Una vez que la imagen queda sin nubes, aparece el siguiente problema: que el mapa final se vea prolijo y no como un dibujo apurado. De eso escribí aparte en mejorar mis mapas de bosque usando teledetección satelital con R, porque limpiar la escena es solo la mitad del camino.
También le eché el ojo al curso de Modelado de Nicho Ecológico con Maxent en R, más corto y más barato, aunque es otra rama distinta a la mía y con pocas reseñas todavía, así que fui con expectativas medidas; por ahora prefiero terminar de ordenar bien mi limpieza de nubes antes de abrir un frente nuevo.
Pero si de algo sirve lo que aprendí a la mala: la próxima vez que una imagen te devuelva pura nube, no abras un editor de fotos mental para borrarla a ojo. Mira primero qué trae la escena guardada sobre sí misma, y recién después decide si se puede trabajar con ella o si es mejor esperar la próxima pasada del satélite sobre tu bosque. Esa fue, para mí, la diferencia entre pelear contra RStudio y por fin empezar a trabajar con él, algo que el curso de Teledetección Satelital con R y R-Studio terminó de ordenarme bastante.