Tengo el ráster todavía dibujándose en pantalla para un análisis ecológico que llevo un rato armando, un mosaico de cuadros grises que se va rellenando de a poco, y debajo se supone que está el parche de bosque de Laguna del Lagarto, en Boca Tapada, San Carlos, donde un compa del grupo marcó una lapa verde el fin de semana. No se distingue nada todavía: solo manchas. Es el tipo de espera que te hace dudar si vale la pena tanto lío por unos cuantos metros de resolución en una imagen satelital.
Aclaro esto antes de seguir: esta página se sostiene con enlaces de afiliado. Si terminas comprando alguno de los cursos que menciono más abajo, a mí me llega una comisión y tú pagas exactamente lo mismo. Solo recomiendo lo que probé peleando con R en persona o lo que revisé con calma junto a otros del grupo de voluntarios; si un curso no sirve para sacar un mapa que se sostenga, no aparece aquí.
La resolución que realmente necesitas para tu primer modelo
La respuesta corta: casi nunca. Si estás arrancando con puntos de presencia de una especie y unas variables ambientales básicas, una imagen de resolución media alcanza para armar un primer mapa de nicho decente. Antes de meterme con R en serio, gasté tiempo y ganas en un curso de Excel para análisis de datos biológicos, convencido de que con tablas dinámicas iba a bastar para cruzar mis registros de campo con capas ambientales. No aguantó ni de cerca lo que pide procesar un ráster o cruzar coordenadas con una imagen de Sentinel-2. Esa fue la primera señal de que necesitaba otra herramienta, no otro curso de oficina. Y la resolución de la imagen tampoco es lo que más mueve la aguja de qué tan bueno sale tu modelo al final — ese tema de precisión da para su propio análisis y no es el que quiero abrir acá.
¿Sentinel-2 o Landsat: cuál conviene según lo que quieres ver?
Ya escribí a fondo sobre las diferencias entre imágenes Sentinel y Landsat para procesar con R, así que acá solo te dejo la versión corta que uso en la práctica. Si necesitas ver el estado actual de un parche de bosque, Sentinel-2 gana porque pasa con más frecuencia. Si lo que armas es una serie histórica larga para ver cómo cambió la cobertura en los últimos años, Landsat sigue teniendo el archivo más largo. No hay una respuesta única: depende de la pregunta que estés tratando de responder, no de cuál satélite suena más nuevo.
El límite real de tanta resolución en un modelo de nicho
Bajar a la resolución más fina posible no siempre mejora el modelo; a veces solo le mete ruido, como la sombra de una copa de árbol que el algoritmo interpreta como algo que importa. Ya cubrí ese tema con calma en qué resolución de capas climáticas elegir para modelos de distribución en R, así que no lo repito acá. Lo que sí te puedo decir es que las variables que armo a partir de imágenes satelitales, índices de vegetación y humedad aparente entre otras, le aportan más al modelo cuando las recorto bien al área de estudio que cuando las dejo a la resolución máxima del sensor. Si tu plan es mezclar esas variables satelitales con las capas ambientales de siempre, ese cruce específico también tiene su propio rincón en el sitio, así que lo dejo para no repetirme.
Cómo evitar que la computadora se ahogue con el archivo
Abrir una imagen satelital completa en la misma laptop que uso para logística es pedirle demasiado. La solución no es necesariamente una computadora más cara, aunque ayuda, y ese tema de qué equipo aguanta MaxEnt sin trabarse también lo cubrí aparte; la solución real es recortar antes de procesar y no cargar todas las bandas del satélite cuando solo vas a usar un puñado de ellas. Ahí es donde entran paquetes como 'terra', que en R resulta bastante más liviano para el análisis espacial que trabajar todo desde una interfaz de escritorio tipo QGIS cuando el volumen de datos crece, y ese debate de cuándo conviene quedarte en R y cuándo saltar a un programa de escritorio también da para otro texto (la lista completa de paquetes que uso para modelado de nicho la dejé aparte, para no repetirla acá). Adelgazar el archivo antes de que R intente tragárselo entero es la diferencia entre esperar un rato razonable y dejar la máquina pegada media hora.
Los datos de campo llegan sucios, no perfectos
La primera vez que bajé un lote de registros de GBIF para cruzarlos con las imágenes, la mitad traía coordenadas repetidas apenas les pasé el primer filtro, como si el mismo pájaro hubiera quedado parado en el mismo punto veinte veces. Limpiar eso antes de meterlo al modelo es un paso que casi nadie menciona y que se lleva más tiempo que correr el algoritmo en sí; ya até cabos sobre cómo limpiar datos de biodiversidad en otro texto, así que no lo repito acá. Dagoberto Quirós, guardaparques y uno de mis contactos de campo más confiables, manda sus coordenadas por WhatsApp con siete decimales, una precisión que ni el GPS del teléfono garantiza, y aun así hay que revisarlas una por una antes de que entren al modelo. Cuando trabajas con pocos puntos de presencia, que es la norma para casi cualquier especie que no sea una paloma, ese paso de limpieza pesa todavía más, y ese tema de modelar con datos escasos también lo dejé aparte.
Curso de MaxEnt en R o de teledetección satelital: por dónde empezar
Dinorah, una voluntaria de conservación que me escribió hace poco, tenía esta duda clarísima aunque insistía en que no entendía nada: ¿aprende primero a modelar con MaxEnt o primero a manejar imágenes satelitales? Mi respuesta es casi siempre la misma. El curso de Modelado de Nicho Ecológico con Maxent en R va directo al grano con los datos de presencia que cualquier grupo de voluntarios ya tiene guardados en una hoja de cálculo, sin pedirte que sepas programar de entrada. Si después quieres ir un paso más allá y aprender a domar las imágenes pesadas de los satélites tú mismo, bandas, recortes, resoluciones, el curso de Teledetección Satelital con R y R-Studio es la inversión que sigue, aunque el nivel sube bastante y no es una compra para probar por probar. Esa comparación entre aprender modelado de especies o teledetección primero también la desarrollé con más detalle en otro texto, con las preguntas exactas que te tienes que hacer antes de pagar. Lo que sí puedo decirte sin rodeos es que si tu duda es específicamente sobre imágenes de alta resolución, el segundo curso te va a servir más que el primero, aunque el primero sigue siendo el mejor punto de entrada si nunca abriste R.
Antes de decidirte, vale aclarar tres dudas que me han hecho seguido. Si el plan es aprender todo por tu cuenta sin pagar curso, ya escribí qué tan realista es eso y cuánto tarda comparado con tomar uno pagado. Si te preguntas por qué corro MaxEnt desde R en vez de la interfaz Java original del programa, esa comparación también la dejé en otro texto, aunque te adelanto que la razón principal es poder automatizar el proceso completo sin hacer clic cien veces. Y si alguien te dice que un modelo lineal clásico hace lo mismo que MaxEnt con menos dolor de cabeza, esa comparación específica también la desarrollé aparte, porque la respuesta corta no le hace justicia a la pregunta.
Qué hacer cuando la nube tapó la única pasada que tenías
Landsat revisita cada zona con bastante menos frecuencia que Sentinel; el detalle exacto de cuántos días de diferencia ya lo dejé en la comparación entre Landsat 8 y Sentinel-2 que mencioné arriba. Lo que importa en el terreno es esto: si la nube tapó tu zona justo el día que pasó el satélite que necesitabas, no te quedes esperando la siguiente pasada de ese mismo sensor. Cambia de fuente. Reviso el archivo de ambos satélites para la fecha que me interesa y uso lo que esté disponible sin nubes, aunque eso signifique mezclar una imagen de un sensor con otra de otro para completar el análisis. Esa costumbre de no aferrarme a un solo satélite me ha salvado más de un análisis que, de otro modo, se hubiera quedado esperando semanas.
La decisión final: gratis, pagado, o una mezcla de los dos
No soy científico de datos ni biólogo de carrera: trabajo en logística y aprendí todo esto porque quería entender por qué cierta especie ya no aparecía donde antes se veía seguido. Si tu presupuesto es cero, se puede aprender la parte de MaxEnt en R a pura tenacidad, buscando foros y documentación, aunque te va a tomar bastante más tiempo que a quien paga por una guía ordenada. La parte de procesar imágenes satelitales de alta resolución es donde más he visto a la gente trabarse sola, porque los errores de memoria y de proyección no siempre traen un mensaje claro de qué salió mal.
Si esa es tu traba puntual, el curso de Modelado de Nicho Ecológico con Maxent en R resuelve la parte de los datos de presencia, y si el problema específico es domar las bandas y los recortes de las imágenes, ahí es donde vale la pena pagar por la guía satelital en vez de perder semanas adivinando solo. Al final, lo que importa es que el mapa que te salga signifique algo cuando estés en el campo, no que hayas gastado menos.