La consola de R está llena de líneas en rojo, una debajo de otra. Afuera sigue lloviendo, como casi todos los sábados acá en Valdivia, y yo llevo un buen rato dándole vueltas a un mapa de vegetación que parece un plato de confeti: veinte colores distintos que no me dicen nada. Esto de la teledetección empezó como ganas de ver el bosque cerca de Faro de Niebla año tras año, y entonces, apenas bajé mis primeras imágenes, me encontré con que la realidad viene demasiado detallada: cinco tipos de arbustos, tres clases de zonas urbanas, todo mezclado en la misma pantalla. Ahí entendí que tocaba reclasificar el raster en R, con el paquete terra, para que el mapa de vegetación por fin dijera algo en vez de solo mostrar números sueltos.
Antes de instalar terra en serio, probé por otro lado.
El intento con QGIS que no llegó a ningún lado
Intenté aprender QGIS siguiendo un tutorial que encontré en video, y me perdí en los menús desde el primer paso: todo estaba en otro orden al que yo no estaba acostumbrada (o esa fue la excusa que me dije), y a los veinte minutos cerré el programa sin haber logrado nada. En esa época ni siquiera sabía leer bien un archivo raster en RStudio — lo único que tenía claro era que cada pixel guardaba un número, y que ese número cambiaba según la banda del sensor que lo había capturado.
Como aprendí todo esto sola, sin venir de programación ni de geografía, decidí no partir de cero en otro programa y quedarme donde ya tenía algo de terreno ganado. Ya había aprendido un poco sobre cómo manejar datos vectoriales en R para delimitar áreas forestales, y eso me dio la confianza para volver al raster en vez de instalar QGIS de nuevo.
Por qué reclasificar cuando el raster ya trae toda la información
Los datos de uso de suelo suelen venir con categorías pensadas para otro lugar, con nombres que no siempre calzan con lo que una ve por la ventana en el sur de Chile, donde lo que se llama "matorral ralo" era para mí simplemente bosque joven que quería seguir de cerca. Para llegar hasta ese archivo una ya pasó por hartas otras etapas: bajar las imágenes satelitales, sacarles las nubes, corregir la proyección cuando no calzaba con el resto de mis capas. Cada una de esas etapas tiene su propio dolor de cabeza y su propia tarde perdida, pero ninguna se resuelve reclasificando; eso viene después, cuando ya tienes el raster limpio y quieres simplificar lo que muestra.
Si quieres ver cómo llegué a tener esas categorías en primer lugar, antes de simplificarlas, ya dejé los detalles en cómo hacer una clasificación de coberturas vegetales en R paso a paso, que es el paso justo antes de este.
Raimundo, un conocido del grupo de senderismo, me preguntó una vez para qué servía tanto lío con los colores del mapa — es de los que siempre pregunta "¿y eso sirve para algo?", con esa cara medio incrédula pero sin mala onda. Le expliqué que no se trata de que el dato original esté mal, sino de que veinte categorías distintas no me dejan ver lo que de verdad me importa: dónde el bosque se mantiene y dónde retrocede.
La matriz de tres columnas para reclasificar el raster
La función que uso para reclasificar se llama classify(), del paquete terra, pero antes hay que armar una matriz de tres columnas: la primera dice desde qué valor parte el rango, la segunda hasta qué valor llega, y la tercera dice cómo se va a llamar ese rango de ahí en adelante. En R eso se arma con matrix(c(...), ncol=3, byrow=TRUE), y una vez que la tienes lista se la pasas a classify() junto con el raster original. Lo entendí de verdad mirando la documentación con calma un sábado en la tarde: un raster no es más que una grilla de números, y reclasificar es solo decirle a R "del valor A al valor B, ahora llámalo C".
Isidora, que va por el mismo camino autodidacta pero estudia biología, me escribió una vez preguntando por qué no ocupaba directamente los valores de NDVI para hacer el corte — ella tiene mucha más base matemática que yo y a veces me explica la fórmula que hay detrás del índice sin que se lo pida. Le dije que sí, que normalmente calculo el NDVI con las bandas de Sentinel-2 antes de llegar a este paso, pero que reclasificar me sirve para simplificar cualquier capa, no solo esa. Ella después usa estas mismas capas reclasificadas para modelos de distribución de especies, algo que a mí todavía me queda grande.
Ordenar el raster, mi rutina de cada sábado
Mi rutina para no perderme, después de harto ensayo y error, parte por cargar el raster con rast() del paquete terra, que sigue siendo el que más uso aunque hay otros paquetes espaciales de R dando vueltas que todavía no he probado en serio. Antes de reclasificar, casi siempre recorto el raster con un shapefile para quedarme solo con el área que me interesa, porque procesar el país entero cuando solo quiero ver un pedazo de bosque cerca de Faro de Niebla no tiene mucho sentido. Después reviso los valores que trae con unique() o con el histograma: nunca asumo que sé qué números vienen ahí. Si veo que la mayoría de los píxeles de bosque se agrupan en un valor parecido, uso ese valor para marcar el corte, no uno que leí en un manual pensado para bosques de otro continente; eso solo se sabe mirando el histograma de esa imagen en particular, no copiando rangos fijos de internet. Armo la matriz con esos cortes, y recién ahí uso classify() pasándole el raster y la matriz juntos. Lo que queda es cruzar los dedos y revisar que no aparezcan líneas rojas nuevas.
Lo que quedó después de la semana diez
Para la semana diez ya le mandaba capturas de mis mapas reclasificados a mi hermana, explicándole de qué color era cada categoría sin tener que mirar mis apuntes al lado. Ahí noté que algo se había acomodado solo, sin que pudiera decir el momento exacto en que pasó. El bosque cerca de Faro de Niebla no se ve igual todos los años, y reclasificar es lo que me permitió por fin comparar un año con otro sin que veinte categorías distintas taparan lo que de verdad quería ver, aunque armar esa comparación en serie de años todavía es un tema que dejo para otro rato.
Si estás recién empezando, la lección que más me sirvió no fue ninguna función en particular, sino aprender a desconfiar de los rangos que trae un manual escrito para otro paisaje y mirar primero lo que muestran mis propios datos. Eso se puede aplicar a cualquier raster, no solo al mío. Y si logras dejar tu mapa reclasificado y bonito, vale la pena darle una vuelta a mis consejos para crear mapas de teledetección en R con leyendas claras, porque de nada sirve simplificar los colores si después nadie entiende qué significan.