Mi experiencia aprendiendo teledetección con R sin ser programadora

Divulgación: en esta bitácora hay enlaces de afiliado. Si compras un curso a través de ellos, yo recibo una comisión y a ti no te cambia el precio.

El ventilador del portátil suena distinto cuando el archivo que intenta abrir le queda grande: un zumbido más agudo, casi de queja. Esa tarde eran casi 800 megas de una imagen satelital que yo había bajado pensando que la teledetección era como abrir una foto cualquiera en RStudio, doble clic y listo. No lo era. El programa no reconocía el formato, y entonces entendí, ya tarde, que hacía falta un software pensado para leer ese tipo de archivo, uno que yo ni tenía instalado.

Antes de seguir, una aclaración corta: algunos enlaces de este texto son de afiliado. Si terminas comprando un curso a través de ellos, a mí me llega una comisión chica que ayuda a mantener esta bitácora, y a ti no te cuesta nada extra. Solo dejo acá lo que de verdad he probado; lo que no me sirvió, no aparece.

El fin de semana en que un archivo TIFF me hizo sentir tonta

Trabajo media jornada en una oficina y estudio esto los fines de semana, así que cada error tonto duele el doble (se come horas que no me sobran). Bajé esa imagen Landsat pensando que la teledetección era simplemente mirar fotos desde arriba, y me tomó casi todo un sábado entender que un archivo TIFF de una misión satelital no es una foto de celular: necesita software que sepa leer sus bandas y su información de más adentro. Ese sábado terminé sin nada que mostrar, salvo la sensación de haber perdido el tiempo completo.

Un vecino mío se pasa los sábados haciendo kayak en el río Cruces, y cuando le conté mi drama con el archivo se rió un buen rato — para él (que ni siquiera prende un computador los fines de semana) sonaba absurdo que alguien se frustrara tanto por un formato. Pero la curiosidad de ver el bosque nativo desde arriba, de entender qué le pasaba año a año, pesaba más que las ganas de cerrar la laptop y dedicarme a otra cosa.

Pantalla de laptop con errores de código en R dentro de RStudio, parte del aprendizaje autónomo en teledetección

Proyecciones y coordenadas: el tema que dejé para otro día

El segundo tropiezo grande, ya con el TIFF resuelto, fue el de los sistemas de coordenadas. Por si te sirve, dejé apuntado en otra entrada cómo leer archivos raster en RStudio para principiantes, porque la primera vez que abrí uno no tenía ni idea si lo que veía en pantalla era un error o el mapa de verdad. Con las coordenadas me pasó algo parecido: cargaba una capa de caminos y otra de bosque, y no calzaban por kilómetros.

Ahí fue cuando llegué a leer sobre WGS84, que es como el estándar que usa el GPS, y entendí que mi imagen de Landsat 8 venía en una proyección distinta a la que yo esperaba (pero cómo se corrige eso de verdad es cuento para otro rato). Fue por esos días, cansada de saltar de un tutorial suelto a otro sin entender el fondo de nada, que llegué a Teledetección Satelital con R y R-Studio; el precio me asustó un poco al principio y lo pensé varias semanas, pero tener a alguien explicándome el porqué de cada línea me ahorró varios meses de dar vueltas en círculo.

¿Por qué el NDVI fue lo primero que tuvo sentido?

Mi primer NDVI fue el primer resultado que de verdad tuvo sentido a la vista: verde donde había bosque, sin color donde no había nada. Ese índice usa nada más un par de las bandas que capturan estos satélites — el resto de las bandas espectrales, y para qué sirve cada una, es un tema que prefiero dejar para otra entrada.

Un domingo lluvioso, ya para la cuarta semana de estar metida en esto, corrí un script de principio a fin y no apareció ni una sola línea roja. No fue una revelación ni nada dramático — fue más bien notar, de repente, que llevaba un buen rato sin trabarme, y que el mapa que iba armando mostraba exactamente lo que yo esperaba ver: dónde el bosque se veía más lleno y dónde más ralo detrás de la colina.

Mapa de índice NDVI en R con colores verdes y rojos que muestran la salud de la vegetación del bosque

Elegí quedarme con R aunque hay opciones más cómodas

Bastante gente me pregunta por qué no uso plataformas en la nube, tipo Google Earth Engine, que procesan todo en servidores externos y en teoría son más simples. La respuesta corta es que acá el internet es caprichoso: cuando el viento sopla fuerte entre los árboles, la conexión se corta por horas, y si dependiera cien por ciento de un servidor remoto no avanzaría nada justo los días lluviosos, que son cuando más tiempo tengo para sentarme a estudiar.

Los sábados en que el internet se cae del todo, prefiero darme una vuelta por el Mercado Fluvial antes que quedarme mirando una rueda de carga que no avanza. Trabajar con R de forma local (descargando mis propias imágenes, aunque la resolución de 30 metros de Landsat a veces se sienta gruesa para los detalles chicos) me da una autonomía que valoro: si mañana una plataforma cambia sus condiciones o empieza a cobrar, yo sigo teniendo mis scripts guardados en mi computador, como apuntes que no dependen de nadie más.

Laptop procesando imágenes satelitales de Landsat frente a una ventana con vista al bosque de Valdivia

Lo que le diría a alguien que empieza sola este aprendizaje

Después de esa serie de tiempo de los últimos años que por fin logré armar, con su leyenda y su escala bien puestas, me dio curiosidad meterme en otro tema: el Modelado de Nicho Ecológico con Maxent en R, para entender dónde podrían vivir ciertas aves que escucho en las mañanas. Es otra rama completa, con su propia lógica, así que la dejo para cuando tenga más soltura con R — por ahora solo la miro de reojo.

Nadie me enseñó a programar de forma formal — voy aprendiendo sola, los fines de semana, guardando en algún lado cada error que ya resolví para no repetirlo dos veces. Ahí también aprendí que existen paquetes de R pensados justo para trabajar con imágenes satelitales (aunque cuáles conviene usar y por qué es otra conversación), y que más adelante se puede recortar una imagen al contorno exacto de la zona que te interesa, algo que todavía tengo pendiente de dominar bien.

El curso, cuando por fin lo empecé, resultó que advertía justo al principio sobre el tema de los formatos de archivo y el software necesario para abrirlos — algo en lo que yo ya me había estrellado sola, semanas antes de inscribirme. Me hubiera ahorrado ese sábado completo si hubiera leído eso una semana antes, pero bueno, así fue como aprendí a no confiarme de que imagen satelital significa lo mismo que foto.

Si hay una sola cosa que le diría a alguien que recién está partiendo con esto, es que revise primero si su computador puede siquiera abrir el tipo de archivo con el que va a trabajar, antes de pelearse con proyecciones o índices o cualquier otra cosa — un TIFF de Landsat no se abre como una foto de celular, y ese detalle tonto me costó más tiempo que cualquier error de código. Si quieres una guía más ordenada que la mía, el curso de Teledetección Satelital con R y R-Studio es el que me sacó del hoyo de los tutoriales sueltos, y sigue siendo al que vuelvo cuando se me olvida cómo hice algo. Ánimo con esos mapas satelitales — y ojalá no llueva tanto donde estás.

Artículos relacionados