Un archivo Sentinel-2 que tarda varios minutos en desplegarse con el paquete raster puede aparecer en segundos con terra, sin que la laptop se recaliente en el proceso. Esa diferencia, minutos contra segundos, es justo la que separa a quien recién parte como principiante en la teledetección con R de quien ya armó su propio set de paquetes para el análisis espacial de imágenes satelitales. Y no es solo terra contra raster: hay varias parejas de paquetes donde uno quedó viejo y el otro es el que de verdad sirve hoy, y de eso quiero hablar, poniendo cada uno frente a frente en vez de simplemente hacer una lista.
La teledetección por cuenta propia tiene esa trampa: cuando recién empiezas, cualquier nombre de paquete suena igual de válido, y nadie te avisa cuál está medio jubilado. A mí casi me pasa por el lado más caro: antes de tomarme R en serio, instalé una versión de prueba de ArcGIS pensando que ahí iba a estar la solución fácil, y la licencia expiró antes de que alcanzara siquiera a armar mi primer mapa. Terminé en R por descarte, no porque alguien me lo recomendara con bombos y platillos, y desde entonces prefiero comparar los paquetes entre ellos antes de instalar cualquier cosa nueva.
terra contra raster: la base del análisis espacial en R
raster fue durante años la puerta de entrada, y todavía aparece en la mitad de los tutoriales viejos que dan vueltas por internet. El problema es la velocidad: cada operación se siente como mover un auto con el freno de mano puesto, sobre todo si trabajas con varias bandas a la vez. terra hace lo mismo pero está escrito de otra forma por dentro, y la diferencia se nota apenas lo usas: puedo dejar abiertas las bandas de una escena Sentinel-2 en RStudio, irme a hacer otra cosa, volver una hora después y encontrar todo tal cual lo dejé, sin cerrar la sesión ni reiniciar nada. Con raster, esa misma rutina terminaba casi siempre en un RStudio congelado que había que matar desde el administrador de tareas.
Eso sí, cambiar de paquete no arregla un mapa que sale desplazado porque la capa vectorial quedó en otro sistema de referencia — de eso escribí aparte en cómo corregir proyecciones cartográficas en R de forma sencilla, así que no me voy a repetir acá.
¿sf o el viejo sp para trabajar los vectores?
Para los datos vectoriales, puntos, líneas, polígonos de un área de estudio, el dilema es parecido. sp fue el estándar durante mucho tiempo, pero trata los datos espaciales como una estructura aparte, con su propia sintaxis. sf los trata como una tabla común y corriente, algo parecido a una planilla, lo que significa que puedes ordenar, filtrar y cruzar información espacial con las mismas herramientas de tidyverse que ya conoces del resto de R. Si tu código ya usa el operador pipe para otras cosas, seguir usándolo acá no exige aprender nada nuevo; si en cambio recién estás viendo qué es un raster, primero vale la pena entender eso antes de meterte en la parte vectorial.
Y cuando ya tienes el raster y el vector trabajando juntos, en algún momento vas a necesitar recortar uno con el otro, pero ese es un tema aparte que no abro acá.
rstac frente a la descarga manual: bajar todo o pedir solo lo necesario
Antes, conectarse a un catálogo satelital significaba entrar a la página de la ESA o la NASA, filtrar a mano, descargar carpetas comprimidas enormes y después darme cuenta de que la mitad ni servía para lo que quería. rstac cambia el orden: te conectas directo a catálogos en la nube bajo el estándar STAC, filtras por fecha y por nubosidad antes de bajar nada, y solo te traes la escena que realmente vas a procesar. Mi compañera de oficina, Marcia, todavía me manda de repente algún artículo científico que después nunca alcanzo a leer completo, pero al menos ya no tengo que descargar media internet solo para descubrir que la imagen que necesitaba tenía puras nubes.
RStoolbox contra el paquete modular: cuándo conviene cada camino
RStoolbox promete todo en un solo paquete: corrección atmosférica, clasificación, cálculo de índices, como si no necesitaras nada más. La tentación es real, sobre todo cuando recién llegas y quieres una sola instalación que lo resuelva todo. El problema aparece con series temporales largas — muchas escenas de muchos años — porque ese tipo de paquete integral tiende a cargar de más en la memoria, y ahí es cuando RStudio se cierra solo, sin aviso previo.
Un lector desde Temuco, Aldo, me preguntó una vez algo bien puntual: qué pasa cuando el archivo pesa más de 2 GB. La respuesta corta es que con RStoolbox, generalmente nada bueno; con funciones sueltas de terra, en cambio, puedes procesar por partes y controlar cuánto entra a la memoria en cada paso, aunque tengas que escribir un poco más de código para lograrlo. Escribir esas líneas de más, en vez de confiar en la función mágica que lo hace todo, es parecido a lo que cuento en mi experiencia aprendiendo teledetección con R sin ser programadora: el camino modular pide más paciencia, pero también deja mucho más claro qué está pasando en cada paso.
¿Qué paquete elegir según lo que tengas al frente?
Todo esto sirve para algo concreto, no solo para coleccionar paquetes. Con terra puedo tomar una serie de escenas Landsat, que llegan con varias bandas de información, mucho más de lo que el ojo alcanza a distinguir, y calcular un índice de vegetación para ver cómo cambió la cobertura cerca de Corral, frente a la bahía de Valdivia, de una temporada a otra. Si quieres el paso a paso de ese cálculo, con las bandas espectrales explicadas una por una, ya lo dejé completo en pasos para calcular el índice NDVI usando imágenes satelitales en R, así que acá me quedo solo con la elección de herramienta. Hay quienes usan esta misma base para modelar dónde podría distribuirse una especie según variables ambientales, aunque ese es un charco en el que yo todavía no me meto.
Si tuviera que resumirlo para alguien que recién llega: usa terra y sf de entrada, sin nostalgia por raster o sp, porque hoy son la base y punto. Usa rstac en cuanto necesites más de un puñado de escenas, porque bajar carpetas completas a mano deja de tener sentido apenas trabajas con series de tiempo. Y evita los paquetes todo-en-uno como RStoolbox si tu proyecto va a crecer — guárdalo, si acaso, para una prueba rápida de una sola imagen, no para el trabajo que vas a repetir mes a mes. No hace falta pagar por un programa con licencia que expira para llegar a esto: con las herramientas gratuitas de R, bien elegidas, alcanza y sobra.