Eran pasadas las diez de una noche de finales de noviembre del año pasado y yo seguía ahí, con el resplandor rojo de un error de R quemándome las pestañas. Estaba tratando de mapear un avistamiento de un colibrí garganta de fuego que habíamos visto el fin de semana en las tierras altas, pero el script simplemente decidió que ese no era mi día. Mi laptop, que ya tiene sus años, soltaba un calor seco sobre mis rodillas mientras yo le daba clics repetitivos al mouse, tratando de limpiar coordenadas duplicadas en un Excel que parecía no tener fin.
Antes de seguir, una cosa importante: Erre Datos se financia con enlaces de afiliado. Si decidís comprar un curso a través de mis recomendaciones, recibo una comisión sin que a vos te cueste un cinco más. Solo hablo de cursos que he destripado por mi cuenta o que he validado con la comunidad de pajareo y conservación. Si algo es puro humo, aquí no entra.
La noche que el código me ganó (por décima vez)
Yo trabajo en logística aquí en San José. Me paso el día gestionando rutas de camiones y contenedores, así que mi lógica me decía: "Si puedo mover carga de Limón a Peñas Blancas sin que se pierda nada, no hay forma de que una capa raster me gane la partida". Pero ahí estaba yo, frustrado porque no lograba que el paquete 'dismo' leyera mis variables climáticas.
Mi aventura con el MaxEnt (Máxima Entropía) empezó porque quería responder una pregunta sencilla: ¿dónde más podría estar ese colibrí si el clima cambia un par de grados? Alguien en el grupo de voluntarios soltó la palabra mágica y yo, de terco, me metí a R sin tener idea de estadística ni de programación. Fue un error. Pasé meses pegándome contra la pared, copiando código de foros en inglés que no entendía y obteniendo mapas que eran, básicamente, manchas de colores sin sentido.
De las rutas de camiones a las rutas migratorias
Después de unas seis semanas de puro ensayo y error (más error que ensayo), me di cuenta de que mi método de "googlear cada función" tenía un techo muy bajo. Sabía que necesitaba las 19 variables bioclimáticas de WorldClim, pero no entendía por qué mi mapa salía desplazado hacia el océano. Resulta que estaba ignorando el código EPSG 4326 del sistema de coordenadas WGS84, un detalle técnico que para un biólogo es básico, pero para un logístico que solo quiere ver pajaritos es un dolor de cabeza.
Lo que más me dolía era el tiempo. Mientras mis compañeros de conservación ya estaban discutiendo planes de manejo de hábitat, yo seguía peleando con la instalación de Java para que el jar de MaxEnt corriera. Me sentía como si estuviera tratando de armar un rompecabezas a oscuras. Por eso, a mediados de febrero, decidí que ya era suficiente de ser autodidacta a medias y busqué algo estructurado que no me tratara como si estuviera haciendo un doctorado en Oxford.
¿Por qué pagar por un curso si existe Google?
Esa es la pregunta del millón. Yo pensaba que pagar era para los que no tenían paciencia. Pero la verdad es que el valor real de un curso de MaxEnt en R para aficionados no es el código (que está gratis en GitHub), sino el orden mental.
Aprendí que no se trata solo de meter puntos en una licuadora y esperar un mapa. Hay que entender qué estás haciendo. Por ejemplo, muchos cometemos el error de bajar los datos climáticos a la máxima resolución posible, como la de 30 segundos de arco (casi un kilómetro cuadrado), pensando que eso hará el mapa "más profesional".
Aquí es donde entra mi opinión impopular: olvidate de los mapas estáticos de máxima resolución si tenés pocos datos. Para el modelado de aves, especialmente las raras que vemos nosotros, el sobreajuste espacial suele arruinar las predicciones. Si tenés diez puntos de avistamiento y usás una resolución altísima, el modelo va a aprenderse de memoria esos diez puntos exactos en lugar de entender el nicho real de la especie. Al final, terminás con un mapa que dice que el ave solo vive en el patio de la casa de tu amigo donde la viste, lo cual es inútil para la conservación.
Mi recomendación: Modelado de Nicho con MaxEnt en R
Si estás en esa fase donde ya rompiste el script tres veces y querés tirar la computadora por la ventana, el curso que realmente me puso los pies en la tierra fue el de Modelado de Nicho Ecológico con Maxent en R.
Lo que me gustó es que no asume que sos un genio de la programación. Te lleva de la mano por el flujo de trabajo: desde cómo limpiar tus datos de presencia (adiós a los duplicados que me desvelaron en noviembre) hasta cómo interpretar las curvas de respuesta.
- Lo bueno: Va directo al grano. Si lo que querés es producir un mapa que podás mostrar en una reunión de voluntarios sin que te dé vergüenza, este es el camino.
- Lo malo: Si nunca has abierto RStudio, la primera media hora te va a dar ansiedad. Pero se pasa rápido si tenés claro que lo hacés por las aves.
Para quienes están lidiando con especies muy específicas, a veces vale la pena buscar cursos de R para modelar especies raras con pocos datos de observación, porque las técnicas cambian cuando no tenés mil registros de eBird.
El peligro del sobreajuste (Lo que aprendí a las malas)
Una noche de lluvia el mes pasado, mientras terminaba un mapa para la asociación, me di cuenta de algo fundamental. Había pasado horas tratando de que el mapa se viera "bonito" y detallado. Pero cuando comparé mis resultados con los de un biólogo de verdad, el suyo era mucho más "borroso".
Me explicó que mi mapa sufría de overfitting. Yo había forzado a R a ajustarse tanto a mis datos de San José que el modelo ignoraba zonas perfectas en Cartago solo porque no había registros ahí. Fue una lección de humildad. A veces, menos es más. Un modelo más sencillo, con menos variables (no siempre necesitás las 19 variables de WorldClim, a veces con 4 bien elegidas sobra), suele ser más robusto y realista.
Si estás buscando elegir formación en R Studio para modelado de nicho ecológico, buscá algo que te enseñe a pensar en la biología del bicho, no solo en apretar botones.
Para los que quieren ir más allá: Teledetección
Si ya dominás el MaxEnt básico y querés que tus mapas dejen de ser solo climáticos para incluir cosas como el tipo de bosque o la salud de la vegetación (el famoso NDVI), entonces el salto lógico es la teledetección.
Yo le eché el ojo al curso de Teledetección Satelital con R y R-Studio. Es un paso más grande y, honestamente, más caro. No es algo que recomendaría para alguien que está empezando, pero si tu proyecto de conservación necesita ver cómo la deforestación está cortando los corredores biológicos en tiempo real, ahí es donde está la plata bien invertida. Eso sí, preparate porque el nivel de exigencia sube bastante.
Podés comparar opciones viendo este artículo sobre cómo elegir cursos de teledetección con R comparando el soporte y la práctica, porque en esos temas satelitales si no tenés a quién preguntarle cuando algo falla, estás frito.
Antes de que saqués la tarjeta
Al final del día, yo sigo siendo el mismo logístico que sale a pajarear los sábados. Sigo teniendo que googlear la mitad de las funciones y a veces todavía me sale ese error de "subscript out of bounds" que me dan ganas de llorar. Pero la diferencia es que ahora entiendo por qué sale.
Mi consejo de amigo: no gastés en el curso más caro de entrada. Empezá con algo práctico como el de MaxEnt en R, ensuciate las manos con tus propios datos de campo y, sobre todo, metete al grupo de Facebook o Telegram del curso antes de pagar. Mirá qué pregunta la gente. Si las dudas son sobre problemas reales y no solo sobre teoría densa, vas por buen camino.
Mapear aves es una forma de devolverles un poco de todo lo que nos dan cuando salimos al campo. Hacerlo bien, con rigor pero sin pretensiones, es nuestra responsabilidad como científicos ciudadanos. ¡Pura vida y feliz mapeo!