Eran las seis de la tarde de una tarde húmeda de mayo en San José, de esas donde el aguacero no perdona y el café ya no calienta lo suficiente. Estaba sentado frente a la laptop, con los ojos rojos de ver líneas de código que no corrían, mirando un mapa de salida de MaxEnt que no tenía ningún sentido. Según mi modelo, el yigüirro —una de las casi 900 especies que tenemos en este pedazo de tierra— debería estar anidando felizmente en medio del parqueo de Multiplaza Escazú.
El problema no era MaxEnt, era yo. Había alimentado el modelo solo con variables bioclimáticas (temperatura y lluvia), y claro, el clima en el centro comercial es el mismo que en el cafetal de a la par. Ahí entendí, a punta de frustración, que si quería mapas de verdad, necesitaba capas de uso de suelo (LULC). Pero, ¿de dónde diablos se bajan sin que la compu explote o me pida un doctorado en geodesia? Antes de que te metas en el mismo hueco que yo, quiero que sepas que este sitio se financia con enlaces de afiliado. Si compras un curso por acá, me dan una comisión y vos pagás lo mismo; solo recomiendo lo que yo mismo he usado para dejar de ver aves en centros comerciales.
El drama de las capas: Resolución vs. Paciencia
Cuando uno empieza en esto del modelado de nicho ecológico, cree que entre más detalle, mejor. Pero a finales del año pasado aprendí que bajar una capa de todo el planeta a 10 metros de resolución es la forma más rápida de que RStudio te tire el temido mensaje de "R session aborted".
Para nosotros los tercos que aprendimos R a la brava, el primer paso es entender que el uso de suelo es una variable categórica. No es como la temperatura, donde 25.5 grados tiene sentido. Aquí, un 1 significa 'bosque' y un 2 significa 'pavimento'. Si no le decís eso a R, el modelo va a intentar promediar el bosque con el pavimento y te va a salir un sancocho indigerible. Aquí es donde entra la elección de la plataforma.
1. ESA WorldCover: Los 10 metros que lo cambian todo
Si ocupás detalle fino para una zona pequeña, como cuando salgo con los voluntarios a contar aves en un corredor biológico específico, la Agencia Espacial Europea (ESA) es la jefa. Su producto WorldCover tiene una resolución de 10 metros. Es tan nítido que casi podés ver dónde termina el parche de bosque y empieza el potrero.
- Lo bueno: Es gratis y la clasificación de coberturas es bastante estándar.
- Lo malo: Los archivos son pesadísimos. Intentar cargar el .tif de Centroamérica entera en un objeto de la librería
rastervieja es suicidio digital.
Para usar esto en R, hoy prefiero mil veces el paquete terra. Es mucho más rápido manejando esos bloques de datos. Si estás empezando y no querés pelearte con la instalación de GDAL en tu sistema, te recomiendo echarle un ojo al curso de Modelado de Nicho Ecológico con Maxent en R. Ahí te enseñan a manejar estos datos sin que la logística de los archivos te quite las ganas de vivir.
2. Copernicus Land Monitoring Service (Global Land Cover)
Esta es mi vieja confiable cuando el área de estudio es más grande, como toda la vertiente del Caribe. Tienen una capa global a 100 metros que es mucho más manejable. A mediados de septiembre de este año, la usé para un mapa regional y la ventaja es que ya viene con una leyenda muy clara.
El gran dilema aquí es el que mencionaba en mi "Unique Angle": las plataformas de descarga directa (como entrar a la web de Copernicus y bajar el archivo) te ahorran tiempo de código porque solo hacés clic y ya, pero perdés flexibilidad. Si luego ocupás cambiar la resolución o recortar exactamente por una cuenca, te toca hacerlo a mano en R. A veces es mejor usar herramientas de extracción por API, aunque al principio asusten.
Si sentís que las capas climáticas ya no te bastan, pasate por este artículo sobre Variables bioclimáticas frente a dinámicas, porque ahí explico cuándo meterle uso de suelo y cuándo es mejor quedarse solo con el clima.
3. USGS - Landsat: La vieja escuela que no falla
Cuando ocupás ver cómo ha cambiado el suelo a través del tiempo, Landsat es el rey. Su resolución espacial de 30 metros es el estándar de la industria desde hace décadas. Lo que pasa es que aquí ya no bajás el "mapa listo", sino que bajás la foto del satélite y vos tenés que clasificar qué es bosque y qué es ciudad.
Esto es lo que yo llamo el "nivel valiente". Después de varias semanas de prueba y error, logré sacar un índice de vegetación decente. Si te interesa ese camino de procesar tus propias imágenes para no depender de lo que otros publican, el curso de Teledetección Satelital con R y R-Studio es el siguiente paso lógico. No es barato, pero te ahorra meses de googlear funciones que ya no existen.
El flujo de trabajo: Evitá que R colapse
No importa de dónde bajés la capa, siempre vas a terminar con el mismo dolor de cabeza: el sistema de coordenadas. Casi todo lo que descargues de estas plataformas viene en WGS84 (EPSG: 4326). Si tus puntos de presencia de aves están en otro sistema, el mapa te va a salir en blanco o, peor, con los pájaros volando en medio del océano Pacífico.
Mi consejo de amigo que ya rompió el código tres veces: siempre, siempre usá project() de la librería terra para alinear todo antes de meterlo al MaxEnt. Y si vas a trabajar con capas pesadas, comprá un buen disco duro; yo hablo de eso en mi guía sobre mejores discos duros para bases de datos espaciales.
¿Vale la pena pagar por un curso para aprender esto?
Mirá, yo soy un aficionado terco. Aprendí porque quería saber dónde más podía encontrar al quetzal fuera de los parques nacionales. Podés pasar seis meses pegándote contra la pared con tutoriales de YouTube que están desactualizados, o podés invertir en algo que te dé el script masticado. Para modelado puro, el de MaxEnt en R es la mejor entrada. Si ya querés fabricar tus propias capas desde cero porque las de la ESA no te convencen, entonces el de teledetección es el tuyo.
Resumen para el que tiene prisa
Si estás en San José o en cualquier parte del mundo tratando de que tus mapas de nicho no parezcan un dibujo de primaria, recordá:
- ESA WorldCover: Para detalle extremo (10m), pero prepará RAM.
- Copernicus: El equilibrio perfecto para modelos nacionales.
- R con terra: Olvidate de la librería
raster, es lenta para estos bretes. - Categorías: No olvidés decirle a MaxEnt que el uso de suelo es un factor, no un número continuo.
Al final del día, lo que importa es que ese mapa ayude a conservar algo. Ver que el modelo por fin respeta el límite de la ciudad y se concentra en los parches de bosque que quedan en la GAM me dio una satisfacción que ningún Excel de logística me ha dado nunca. Si yo pude, que no soy biólogo ni informático, vos también podés. Solo ocupás paciencia y dejar de tenerle miedo a los mensajes de error en rojo.
Antes de soltar la plata por cualquier curso, metete a sus grupos de Facebook o Telegram. Ahí es donde se ve si el profesor responde o si te van a dejar solo cuando el código no te corra por una coma mal puesta. ¡Suerte con esos mapas!