Mejores GPS para recolectar puntos de presencia de aves en el campo

Cincuenta metros. Esa fue la distancia entre el punto que marcó el GPS de mi teléfono y el lugar exacto donde yo estaba parado, tratando de no espantar a un ave que llevaba semanas persiguiendo en el Parque Nacional Braulio Carrillo, en una salida de conteo con mi grupo de conservación aquí en Costa Rica. En el momento me pareció un detalle sin importancia (¿qué son cincuenta metros en medio de la montaña?), pero ese margen termina siendo justo lo que separa un modelo de nicho útil de uno que pone al pájaro viviendo en un potrero cuando en realidad estaba en la copa de un árbol. Ahí arranca la pregunta que de verdad importa cuando recolectas puntos de presencia de aves para meterlos en R y correr un MaxEnt: ¿con qué aparato conviene salir al campo, y en qué momento vale más gastar en equipo que en aprender a usar esos datos?

Aclaro esto antes de seguir: Erre Datos vive de enlaces de afiliado. Si terminas comprando un curso a través de alguno de los que menciono aquí, el sitio recibe una comisión y tú pagas exactamente lo mismo que pagarías entrando directo a la página del curso. En estas comparaciones solo entra lo que yo mismo pagué y usé para corregir mis propios puntos de presencia mal marcados; lo que no me sirvió, no aparece en la lista.

La precisión del GPS decide si tu modelo de nicho en R sirve o estorba

Cuando uno arranca en esto del modelado de nicho, cree que cualquier punto sirve, siempre que caiga más o menos cerca de donde vio al ave. La realidad es que MaxEnt es quisquilloso: si el GPS marca un error de cincuenta metros justo en el borde de un cambio de vegetación o de pendiente, le metes ruido al cruce entre esa ubicación y las variables ambientales, y el algoritmo termina aprendiendo del ruido en lugar del patrón real.

La precisión típica de un GPS civil en buenas condiciones anda por unos pocos metros, pero basta un dosel forestal cerrado para que el aparato pierda el rumbo. A mí me pasaba seguido: bajo cobertura densa, el teléfono tardaba en fijar la señal o de plano inventaba una posición mientras yo seguía parado en el mismo sitio. Eso, sumado a un descuido tan tonto como dejar el datum en algo distinto de WGS84, es la receta perfecta para terminar con aves 'volando' sobre el Pacífico en tu propio mapa.

Ese margen de error pesa incluso cuando trabajas con capas climáticas de resolución gruesa, del tipo que ya vienen recortadas por kilómetro y no por metro; ahí entra la resolución de las capas climáticas que elijas, un tema que prefiero dejarle a ese artículo porque da para mucho más de lo que cabe aquí. Lo que sí te puedo decir es que un punto mal marcado no se arregla solo porque la capa ambiental sea más gruesa: el error se arrastra igual.

¿Conviene el celular o un GPS de mano dedicado para marcar aves?

Aquí es donde toca comparar en serio. El celular gana en comodidad: llevas ahí mismo aplicaciones como eBird o Merlin, no cargas un aparato extra, y el mapa queda a un toque de distancia. El problema es la batería y la antena. En una salida larga el GPS del teléfono se descarga antes de lo que uno quisiera, y en cuanto se pierde la señal de las torres, el chip se pone perezoso para volver a fijar un punto.

Un GPS de mano dedicado, de esos que aguantan un golpe contra una piedra o una caída en el barro, suele recibir señal de varias constelaciones a la vez, no solo la red que usa tu operador celular. Eso se nota cuando estás metido en una quebrada cerrada contando mosqueritos y el celular ya se dio por vencido. Isaías Morera, mi compañero en las salidas de conteo, nunca ha confiado del todo en la tecnología de bolsillo: sigue anotando cada avistamiento en su libreta y, para las fotos, prefiere su cámara de rollo antes que el teléfono. Pero cuando toca georreferenciar un punto para meterlo en un modelo, ahí ya no hay libreta de mano que valga: se necesita una coordenada confiable.

Antes de encontrar un método que funcionara, probé lo que prueba cualquiera sin plata para gastar en cursos: tutoriales de YouTube en inglés, copiando el código de la pantalla sin entender bien qué hacía cada línea. Funcionaba a ratos, hasta que un script se caía con un error que no decía nada útil y yo me quedaba viendo la pantalla sin saber por dónde seguir.

Ahí fue donde corté por lo sano y me metí a un curso estructurado, el de Modelado de Nicho Ecológico con Maxent en R, que va directo al flujo que necesitaba sin pedirme una base de programación que nunca tuve.

La diferencia se nota cuando alguien te pregunta algo directo: hace poco, el coordinador de nuestro grupo de conteo, viendo un mapa que llevé a una reunión, me preguntó con qué programa lo había hecho, y contesté 'R' sin pensarlo dos veces — cosa que el que copiaba código sin entender nada jamás hubiera podido responder tan campante.

Limpieza de datos: el filtro que decide si tus puntos sirven en R

Duplicar el mismo punto sobre el mismo píxel ambiental —facilísimo de hacer cuando marcas varias veces al mismo pájaro en el mismo árbol— le da un peso artificial a esa zona y puede torcer el modelo entero hacia ahí, y ahí es donde entra todo el tema de limpiar bien los datos antes de correr algo en R. No me voy a meter en el detalle porque ya existe una comparativa completa de cursos para limpiar datos de biodiversidad en R que lo cubre mejor de lo que yo podría en un par de párrafos.

Si el presupuesto es corto, mi consejo es invertir primero en un GPS de mano básico pero confiable y guardar el resto para aprender a manejar esos datos en R. El aparato te da el dato bruto; lo que arma el mapa final es lo que sabes hacer con él después, sentado frente a la pantalla con el archivo lleno de latitudes y longitudes.

Una vez que ese flujo básico de limpiar y correr un modelo esté firme, el siguiente salto lógico suele ser mirar el paisaje desde arriba: ahí entra la formación en sensores remotos, para trabajar con capas de vegetación actualizadas y no con capas que ya tienen varios años encima.

Cuándo vale pagar un curso y cuándo aprender solo con lo gratis

Hace poco, Yadira Solano, una lectora que me escribe seguido con dudas de MaxEnt, me hizo justo esta pregunta: si ya tiene resuelto el tema del GPS, ¿vale la pena pagar un curso o puede aprender R sola con foros y videos gratis? Mi respuesta honesta es que depende de cuánto tiempo esté dispuesta a perder adivinando.

Aprender solo es posible, yo lo hice a los tumbos, pero cuesta bastante más tiempo del que uno calcula al principio. En mis tres años metido en esto he visto a más de un voluntario abandonar el modelado de nicho antes de sacar un solo mapa decente, no porque le faltara capacidad, sino porque se cansó de pelear con mensajes de error que nadie le explicaba.

Entender por qué conviene correr MaxEnt desde R Studio en lugar de la interfaz de Java es otro de esos puntos donde vale la pena que alguien más ya haya hecho la comparación por ti: todo el flujo, desde que descargas los puntos del GPS hasta que exportas el mapa final, queda en un solo programa en lugar de saltar entre dos.

Ese mismo curso de Maxent no toca la parte satelital. Para eso existe, aparte, un curso de Teledetección Satelital con R y R-Studio que sí trabaja con RStudio paso a paso para procesar imágenes, aunque es un salto de inversión bastante más grande que el primero, y como todavía tiene pocas reseñas conviene revisar el grupo de alumnos antes de pagarlo.

Mi veredicto: equipo primero o formación primero, según el caso

Mi regla corta es la siguiente: si nunca has corrido un modelo en R y el presupuesto solo te alcanza para una cosa, gástalo en el curso y sal a marcar puntos con el celular mientras tanto, aceptando ese margen de error de bulto; el conocimiento para limpiar y corregir tus datos pesa más que un aparato perfecto. Si ya te mueves bien en R y lo que falta son datos limpios y consistentes para un proyecto de conservación serio, ahí sí conviene invertir en un GPS de mano dedicado, porque ningún script te va a inventar la precisión que el aparato no capturó en el campo.

Al final, mis mapas pasaron de ser un montón de puntos sueltos a algo que mi grupo de conservación puede llevar a una reunión para proponer un área protegida, y eso no dependió tanto del aparato como de dejar de confiarme del GPS del teléfono sin revisarlo después en R. Si te pica la curiosidad, no esperes a tener el equipo perfecto para salir a marcar aves; el punto es empezar a limpiar tus datos desde el primer archivo .csv, no desde el décimo.

Si ya estás cansado de pelearte con mensajes de error que no dicen nada útil, te recomiendo revisar el curso que a mí me sacó del hoyo: puedes ver los detalles del Modelado de Nicho Ecológico con Maxent en R aquí abajo. Nos vemos en el campo, o en la consola de R.