El vidrio de la ventana que da al patio interior amanece empañado casi todo el invierno, y en la pantalla con el tema oscuro activado se alcanza a ver el reflejo borroso de los árboles de afuera. Ese es mi escritorio: una pieza en un departamento del centro de Valdivia, un monitor externo que me prestaron y una taza de café que casi siempre se enfría antes de que me acuerde de ella. Ahí llegan, casi todas las semanas, las mismas preguntas sobre cómo hacer un mapa de idoneidad de hábitat en R para una especie local, cómo se arma un modelado de nicho ecológico sin ser bióloga ni programadora, y qué tan lejos se puede llegar con Maxent en RStudio cuando recién estás empezando. Llevo dos años metida en esto los fines de semana, y esta vez, en vez de contar mi semana, quiero responder derecho las preguntas que más me repiten.
Antes de partir, un aviso rápido: algunos enlaces de esta entrada son de afiliado, y si compras algo por ahí me llega una comisión sin que a ti te cueste más. Solo nombro lo que ya usé, como el curso de Teledetección Satelital con R y R-Studio, que fue la base que usé para entender los rasters antes de meterme con los mapas de idoneidad.
Las preguntas que más me hacen sobre estos mapas
Las consultas que más se repiten no son tan distintas entre sí. Casi siempre alguien quiere saber si necesita título universitario para hacer esto, qué pasa cuando los datos de presencia de su especie son pocos o dudosos, y si el resultado sirve para algo más que una imagen bonita para mostrar. Voy a ir respondiendo cada una por separado, con lo que a mí me ha funcionado y lo que no.
¿Necesito ser bióloga o saber programar para partir?
No. Nunca estudié biología ni programación, y aun así terminé haciendo mapas que un guardaparque me pidió permiso para usar en un informe interno. Lo que sí ayuda es entender lo básico de qué es un archivo raster y cómo se comporta, algo que dejé explicado con calma en otra entrada para no repetirme acá.
Marcia, una compañera de la oficina que estudia agronomía a distancia, fue la primera en preguntarme por qué no probaba ver la cobertura vegetal desde una imagen satelital en vez de solo salir a mirar. Ella tiene esa costumbre de resolver el problema antes de entender por qué funcionó, y varias veces me ha pasado un truco de R que encontró sin saber muy bien qué hacía por dentro, y funcionaba igual. Aprendí de ella que no hace falta entender el cien por ciento del mecanismo para avanzar; entender lo suficiente para no romper nada ya es un buen punto de partida cuando estás aprendiendo esto por tu cuenta.
Por qué el mapa no siempre calza con lo que ves en terreno
Acá está la trampa más común: el modelo te puede decir que el clima es perfecto en una zona, pero si nunca revisas cómo calzan tus coordenadas con las de tus capas de clima, vas a terminar con un mapa desplazado o de plano vacío. Ese cruce de sistemas de referencia es un dolor de cabeza tan típico que le dediqué toda una entrada aparte para no dejarlo a medias acá.
Otra cosa que el clima solo no explica es la fragmentación. Cerca del Mercado Fluvial de Valdivia hay parches de vegetación separados por calles, puestos y cemento que ningún dato bioclimático capta por sí solo, así que el mapa final necesita cruzar esas capas con los límites reales del terreno, un recorte de raster contra un shapefile, básicamente, algo que también dejé aparte en otra guía. Por eso me gusta tanto crear composiciones de color en RStudio para ver el bosque nativo real, el que queda de verdad, antes de confiar ciegamente en lo que dice el modelo.
Las variables ambientales que sí marcan diferencia
El clima es solo una parte de la ecuación. Conviene sumar variables como elevación, cobertura de suelo o incluso temperatura superficial si tu especie es sensible al calor del suelo, algo que expliqué con calma en la entrada sobre calcular la temperatura superficial del suelo con Landsat y R.
También ayuda mirar más allá del clima descargado y trabajar directo con las bandas espectrales de la imagen satelital, calcular un índice de vegetación como el NDVI, o limpiar antes las nubes que tapan buena parte de la escena; cada una de esas técnicas la fui dejando en su propia entrada para no mezclarlo todo acá. Lo importante para el modelo de idoneidad es que la variable que agregues tenga sentido biológico para la especie que estás mapeando, y no solo porque el dato está disponible para descargar.
¿Qué hago si mis datos de presencia para el modelado de nicho ecológico están incompletos?
Aldo, un lector que me escribe desde Temuco y que según me contó lee estas entradas desde el celular en medio del turno de noche, me preguntó justo esto: qué hacer cuando los puntos de presencia de tu especie vienen sucios, duplicados o con errores de tipeo que los dejan tirados en medio del mar. Mi respuesta es siempre la misma: revisa uno por uno antes de correr cualquier modelo, aunque te demores una tarde entera en algo que parece tonto.
Ese es justamente el trabajo detrás del modelado de distribución de especies con Maxent: usar solo puntos de presencia, sin necesidad de una lista de ausencias, algo que expliqué paso a paso en otra entrada para quien recién está partiendo con esto. Si además necesitas sacar el valor exacto de una capa ambiental en cada uno de esos puntos, hay un par de trucos de extracción que también dejé aparte y que evitan tener que hacerlo a mano, punto por punto.
La fuente que más uso para conseguir esos puntos de presencia es GBIF, aunque igual hay que limpiar la base a mano antes de confiar en ella del todo.
¿Sirve este mismo mapa para seguir el cambio de un año a otro?
Sí, pero no es el mismo procedimiento sin ajustes. Para comparar dos momentos en el tiempo necesitas primero clasificar la cobertura vegetal de cada imagen por separado, una clasificación supervisada, si quieres el término técnico, y después sí cruzar ambos resultados para ver qué cambió; ese proceso de comparación en el tiempo lo fui armando en otra entrada porque da para mucho más de lo que cabe acá.
Antes de confiar en cualquiera de esos mapas, sea de idoneidad o de cambio, conviene validar qué tan bien clasificó realmente el modelo con una matriz de confusión, y apoyarte en los paquetes de R que están pensados para trabajar con imágenes satelitales en vez de armar todo desde cero. El resultado final, cuando todo calza, es un mapa de calor que va del azul frío al rojo intenso, y ver que las zonas rojas coinciden con los avistamientos reales que tú mismo hiciste es la parte que más engancha de todo esto.
Los cursos y herramientas que realmente usé
Para no perderme tanto en el camino, terminé apoyándome en dos cursos. El de Teledetección Satelital con R y R-Studio me dio la base para entender qué estaba haciendo con los rasters antes de meterme con nada de modelado; el precio me dio susto al principio y lo pensé varias semanas, pero considerando las tardes de frustración que me ahorró, no me arrepiento.
El de Modelado de Nicho Ecológico con Maxent en R es más corto y va directo al mapa de idoneidad, así que si ya sabes cargar una imagen pero te pierdes justo en la parte estadística de dónde podría vivir una especie, ese es un buen punto de partida. Todo esto vive, al final, dentro del universo más amplio de los SIG, aunque a mí ese nombre tan formal todavía me suene raro para lo que hago los sábados en pijama.
Lo que no funcionó (y lo que sí)
Antes de llegar a esto había probado instalar una versión de prueba de ArcGIS, convencida de que un programa con nombre más serio me iba a ahorrar camino. La prueba expiró antes de que lograra sacar mi primer mapa, y con eso entendí que el problema nunca fue la falta de un programa más caro, sino no entender todavía el proceso completo de principio a fin.
Un domingo de lluvia, de esos en que ni dan ganas de mirar por la ventana, corrí el script completo de una sola sentada y no apareció ni una sola línea roja en la consola. No fue un momento dramático ni una revelación de esas que se cuentan bonito: fue simplemente la prueba de que ya sabía dónde se atascaba cada paso y cómo destrabarlo antes de que el error apareciera siquiera.
Si te interesa entender para qué sirve todo este esfuerzo más allá del mapa mismo, tengo una entrada sobre por qué estudiar teledetección satelital con R para ver cambios ambientales que responde justo eso. Y si el terreno que te interesa mapear tiene pendientes de por medio, cosa común en el sur de Chile, te sirve mi guía de cómo crear un mapa de pendientes en RStudio con datos de elevación antes de meterte con la idoneidad de hábitat.