Mejores discos duros externos para guardar bases de datos espaciales y R

Once. Esa fue la cantidad de copias distintas de la misma capa climática que un día encontré regadas en carpetas separadas de mi computadora, cada una con un nombre apenas distinto y ninguna borrada. Ver eso fue lo que me hizo caer en cuenta de que mi disco duro interno no andaba al borde del colapso por culpa de la RAM, como uno tiende a pensar, sino por dónde estaba guardando el almacenamiento de datos espaciales pesados. Ahí está el mito que quiero tirar por la borda antes de que gastés en hardware sin necesidad: comprar el disco externo con más espacio no resuelve el problema de trabajar con MaxEnt en R. Lo que de verdad decide si tu flujo de modelado funciona es la velocidad de lectura y escritura, y si sabés organizar la logística de ese almacenamiento.

Antes de seguir: este texto vive de enlaces de afiliado. Si comprás un curso a través de alguno de los que menciono acá, Erre Datos recibe una comisión y a vos no te cuesta un centavo extra. Acá solo dejo lo que probé yo mismo tratando de no volverme loco con los scripts, o lo que revisé a fondo hablando con otra gente que modela especies con R. Lo que me pareció una pérdida de tiempo no lo vas a encontrar en esta lista.

Cualquiera que empieza a modelar nicho ecológico junta, sin darse cuenta, gigas y gigas de capas climáticas y registros de presencia. Si estás trabajando con las 19 variables bioclimáticas estándar de WorldClim a una resolución decente, o peor todavía, con bandas de Sentinel-2 que traen una resolución espacial de 10 metros, tu disco interno va a pedir clemencia más rápido de lo que tardás en escribir library(terra).

El disco más grande no siempre es la mejor compra para modelar en R

La respuesta corta es no. Lo vi clarísimo durante una salida a contar aves por el Parque Nacional Palo Verde, cuando volví con tantos registros de presencia que, entre exportar, limpiar duplicados y volver a exportar, terminé con media docena de versiones del mismo archivo regadas por el disco (limpiar bien esos registros de ocurrencia antes de correr el modelo es, de hecho, todo un tema aparte que no voy a abrir acá). El cuello de botella real no es cuántos terabytes tenés disponibles, sino qué tan rápido ese disco lee y escribe cuando R está haciendo cálculos sobre objetos espaciales pesados.

SSD contra HDD: la velocidad que de verdad importa para MaxEnt en R

Esa diferencia entre un HDD barato y un SSD se nota apenas empezás a leer y escribir seguido, que es justo lo que hace R todo el tiempo con objetos espaciales. Los discos SSD ganan por goleada en velocidad, pero los HDD todavía ganan en capacidad por lo que cuestan. Para quienes usamos R en serio, sin embargo, la velocidad pesa más que el espacio disponible: las funciones de los paquetes 'terra' y 'raster' sufren muchísimo con un disco mecánico lento.

Si vas a comprar algo, buscá que tenga al menos una velocidad de transferencia USB 3.2 Gen 2, que en teoría llega a los 10 Gbps. En la práctica, un SSD externo promedio te da una tasa de transferencia cercana a los 1050 MB/s, lo que significa que cargar un GeoTIFF pesado no te va a dar tiempo ni de levantarte por café.

Lo que ningún disco duro te va a resolver

Tener el disco más rápido del mundo no sirve de nada si R sigue guardando sus archivos temporales en el disco interno. El truco está en configurar el tempdir() de R para que apunte a la unidad externa; si no hacés eso, da lo mismo tener un disco de la NASA porque R va a seguir usando el espacio limitado de tu sistema operativo para los cálculos intermedios. Adelgazar puntos de presencia con "spatial thinning" también te deja copias extra tiradas por ahí, así que ese paso multiplica el problema si no lo tenés controlado. Hay más peleas con R que no tienen nada que ver con el disco - ajustar el beta de regularización, decidir entre MaxEnt y un modelo lineal generalizado, resolver todo en R o pasarte a QGIS, correr Maxent como programa independiente en Java en vez de llamarlo desde R-Studio, o calcular cuántos registros necesitás para modelar una especie rara con pocos datos - y ninguna de esas discusiones se arregla comprando hardware, así que las dejo para otro texto, igual que la lista de paquetes de R que sirven para modelado de nicho aparte de terra y raster.

Otro tema es el de los archivos GeoTIFF. Los que traen compresión LZW ahorran bastante espacio, pero le piden más al procesador para leerse en R. Con un disco rápido, te podés dar el lujo de trabajar con archivos menos comprimidos para que el procesador no sufra descomprimiendo cada vez que corrés un plot().

Para quien esté arrancando con estos datos, vale la pena el curso de Modelado de Nicho Ecológico con Maxent en R. Es el que me ayudó a entender por qué mis capas a veces salían en blanco -- casi siempre por extensiones y resoluciones que no coincidían entre sí.

Aprender solo tiene un costo que no se mide en gigas

Comprar el disco correcto no te salva de las trabadas que vienen después. Todavía me acuerdo de quedarme viendo un AUC de 0,87 en la pantalla sin tener ni idea de si ese número era bueno, apenas decente o un desastre disfrazado (ese cuento del AUC como medida de qué tan bien predice tu modelo da para su propio texto, así que lo dejo ahí).

En su momento pregunté en un foro qué estaba haciendo mal y la única respuesta que me tiré fue un enlace a la documentación oficial, toda en inglés, sin una sola línea de explicación extra. Nadie tiene la culpa -- la comunidad en español todavía es chiquita -- pero ahí entendí que ningún disco duro, por rápido que sea, te resuelve la parte de entender qué estás calculando.

Ojo, además, con las cajas USB-C baratas que no traen buen disipador: he visto un SSD externo ponerse tan caliente que empieza a bajar la velocidad por sí solo, y ese ahorro sale carísimo cuando se te congela un modelo a medio correr. Dejé de recomendar ese tipo de carcasa en cuanto vi el problema de cerca.

No es solo cosa de quienes modelamos especies. Un amigo mío que hace fotografía submarina en los arrecifes de Cahuita pelea exactamente el mismo problema con sus archivos RAW: capacidad de sobra, pero un disco lento que lo hace esperar minutos eternos cada vez que quiere revisar una toma. La velocidad de transferencia, no el tamaño, es lo que te devuelve el tiempo.

La logística del disco: uno para trabajar, otro para archivar

El modelado de nicho con MaxEnt exige que todas las capas ambientales tengan exactamente la misma extensión y resolución, y ahí es donde el volumen de datos se dispara: cada vez que recortás una máscara para tu área de estudio terminás guardando dos o tres versiones más de la misma capa climática.

Por eso conviene separar los roles: un SSD rápido para el trabajo activo, y un HDD grande y barato para archivar los datos crudos que bajaste de GBIF o WorldClim. Es la misma lógica de cualquier bodega: el área de despacho tiene que moverse rápido, pero el almacén de fondo puede ser lento siempre que quepa todo.

Para quienes quieren ir un paso más allá y ya piensan en trabajar con imágenes de satélite más pesadas, el curso de Teledetección Satelital con R y R-Studio es una buena inversión -- ahí se aprende a usar variables derivadas de satélite para modelar hábitat, y también las diferencias entre imágenes Sentinel y Landsat para procesar con R, lo cual te va a llenar el disco todavía más rápido, aunque con mejores resultados. Si la duda es si te conviene más el modelado de nicho o la teledetección, esa comparación también da para otro texto aparte.

Al final, lo que vale la pena es dejar de pelear con rutas de archivo que no existen y errores de espacio lleno. Invertir en una buena unidad externa, más un poco de formación estructurada, te ahorra dolores de cabeza que yo tuve que aguantar por puro terco. Si querés evitarte los errores típicos de quien recién arranca, revisá las ventajas de los cursos online frente a tutoriales de MaxEnt sueltos antes de seguir dándote contra la pared.

Antes de sacar la tarjeta, metete al grupo de Facebook o Telegram del curso que te interese: ahí se nota rápido si la gente de verdad está aprendiendo o solo coleccionando certificados. Yo prefiero mil veces un mapa que me diga dónde podría aparecer la especie que ando buscando, que un cartón colgado en la pared -- y con el disco correcto, ese mapa lo generás sin que R se cuelgue a medio camino.