Afuera no para de llover. Es esa lluvia finita pero constante de Valdivia que te obliga a quedarte adentro con el mate al lado, mirando cómo el bosque se pone cada vez más oscuro. Justo hoy, mientras el sonido rítmico de la lluvia sobre el techo de zinc me acompaña, el ventilador de mi laptop se acelera procesando el raster de mi última descarga. No es que sea una experta, de hecho, hace un par de meses ni siquiera sabía que un archivo .jp2 podía esconder tanta información, pero aquí estoy, intentando que R entienda qué quiero hacer con tanta banda de satélite.
Empecé con esto porque quería ver, de verdad, cómo cambiaba el cerro que veo por mi ventana año tras año. Y claro, uno piensa que es bajar una foto y listo, pero la teledetección es un mundo de números que a veces asusta. Me acuerdo de un sábado de lluvia en agosto, el año pasado, cuando pasé horas frente a una pantalla llena de errores en rojo solo porque no entendía que el satélite no toma fotos, sino que captura energía en distintas longitudes de onda. Ese día casi tiro la toalla, pero cuando logré cargar mi primer archivo de Sentinel-2, algo hizo clic.
El laberinto de las bandas y la resolución
Lo primero que me voló la cabeza fue entender que Sentinel-2, que es el satélite que uso porque los datos son gratuitos gracias al programa Copernicus de la ESA, tiene distintas "miradas". No es solo color. Por ejemplo, tiene una resolución espacial de 10 metros en sus bandas visibles (azul, verde, rojo) y en el infrarrojo cercano. Eso significa que cada cuadrito de mi mapa representa 10 por 10 metros de bosque real. Parece poco, pero para ver si un claro en la selva valdiviana se está agrandando, es un tesoro.
Pero aquí vino mi primer gran tropiezo, uno de esos que te hacen sentir que no sirves para esto. Una tarde de esas de fines de invierno, pasé tres horas intentando restar dos bandas solo para descubrir que una tenía una resolución de 10m y la otra de 20m. R simplemente me decía que no eran compatibles y yo no entendía por qué, si se veían iguales en mi cabeza. Ahí aprendí que en el análisis multiespectral, las dimensiones tienen que ser perfectas. Si intentas mezclar peras con manzanas (o bandas de 10m con las de 20m), el código simplemente se rompe.
Para manejar esto, ahora uso siempre la librería terra. Es mucho más rápida que las antiguas y me permite re-muestrear las bandas para que todas tengan el mismo tamaño. Es como decirle a R: "mira, haz que todos estos cuadritos coincidan para que pueda empezar a jugar".
Calculando lo invisible: El famoso NDVI
Lo más emocionante de aprender esto fue llegar al NDVI. Suena súper técnico, pero en el fondo es una fórmula matemática simple que usa el rojo y el infrarrojo cercano para decirnos qué tan saludable está la planta. Lo que pasa es que la vegetación refleja mucha energía en el infrarrojo cercano (específicamente la longitud de onda central de la banda 8 (NIR) es de 833 nm), algo que nuestros ojos humanos simplemente no pueden ver.
La fórmula te escupe un resultado que va en un rango de valores de -1 a 1. Si el valor está cerca de 1, hay un bosque frondoso y feliz; si está cerca de 0 o es negativo, probablemente sea agua o suelo desnudo. El momento en que corrí la fórmula y vi cómo el bosque nativo cerca de mi casa cobraba vida en colores brillantes en el mapa, revelando cambios que a simple vista eran invisibles, fue como si me hubieran dado superpoderes. Ya no era solo una imagen bonita, era información real sobre la vida de los árboles.
Y ojo, que aquí va algo que aprendí a golpes: no siempre hay que complicarse con la corrección atmosférica. A veces, en los cursos te dicen que es obligatorio, pero yo he notado que cuando trabajo con series temporales de baja resolución, evitar la corrección atmosférica es preferible. ¿Por qué? Porque a veces el procesamiento introduce artefactos que sesgan tus índices espectrales, especialmente si solo quieres comparar cómo cambió un área de un mes a otro sin volverte loca con los parámetros físicos de la atmósfera.
La constancia del satélite y el clima del sur
Algo que me encanta de Sentinel-2 es su frecuencia de revisión de 5 días. Eso significa que, en teoría, cada cinco días tengo una imagen nueva de mi zona. Digo en teoría porque aquí en el sur, la alta nubosidad es el principal obstáculo. Hay meses en los que solo veo nubes blancas y aburridas. He pasado semanas esperando un claro en el cielo para poder procesar algo decente. Por eso, aprendí a filtrar los productos con bajo porcentaje de nubes antes de siquiera bajarlos, para no perder tiempo (y espacio en el disco duro, que mi pobre laptop ya no da más).
Recuerdo que durante las vacaciones de verano, cuando el sol por fin se quedó un rato, pude hacer un análisis mucho más limpio. Fue ahí cuando entendí por qué elegí RStudio para estudiar el bosque nativo chileno, porque me permite automatizar estas tareas. En vez de estar haciendo clic en cada imagen, le digo a R: "busca todas las imágenes de enero que no tengan nubes y sácame el promedio". Es una maravilla cuando por fin te sale el código a la primera (aunque eso pase una de cada diez veces).
Hacia mediados de otoño, hace un par de meses, empecé a experimentar con otros índices más complejos, pero siempre vuelvo a lo básico para verificar. La teledetección para mí no es un trabajo, es una forma de conectarme con lo que pasa afuera mientras estoy encerrada trabajando en la oficina. Me da una perspectiva distinta, más amplia, y me hace valorar mucho más cada hectárea de verde que sobrevive a las presiones inmobiliarias o al cambio climático.
Al final, aunque a veces la frustración me gane y termine cerrando la laptop para ir a hacerme otro mate, la satisfacción de saber que puedo monitorear el territorio desde mi escritorio es impagable. No soy geógrafa ni programadora, solo alguien que aprende de a poco, los fines de semana, y que guarda lo que va aprendiendo para no repetir el mismo error. Si yo pude entender qué es un raster y cómo se resta una banda de otra, cualquiera puede. Solo hace falta paciencia, mucha lluvia afuera y ganas de ver el mundo desde un poquito más arriba.