Afuera llueve como si el cielo se estuviera desarmando sobre Valdivia y yo aquí, con el sonido rítmico de las gotas pegando en el techo de zinc, solo puedo mirar un cuadrado gris que se resiste a mostrarme lo que quiero. Es una tarde de esas de junio donde la luz se va temprano y el frío se cuela por las rendijas de la ventana, mientras yo intento que mi laptop entienda que esa mancha gris debería ser el cerro que veo todos los días cuando salgo a caminar. Al principio, una piensa que esto de la teledetección es como bajar una foto de Instagram, pero después de varias tardes de frustración, te das cuenta de que los satélites no sacan fotos, sino que capturan números, montones de ellos, y que si no sabes cómo ordenarlos, el bosque simplemente no aparece.
El primer encuentro con los números invisibles
Me acuerdo de que hace unos meses, cuando recién me metí en esto de teledetección con RStudio, me sentía súper perdida entre tantas carpetas con nombres raros. Los datos de Sentinel-2, que son los que uso porque son gratis y los manda la Agencia Espacial Europea, vienen separados por 'bandas'. Y claro, una al principio no sabe qué es eso. Para mí, el bosque es verde y punto. Pero resulta que cada banda es como un filtro que mira un color distinto. En el caso de Sentinel-2, las bandas que más nos sirven para ver detalles tienen una resolución espacial de 10 metros, lo que significa que cada cuadrito (o píxel) representa un pedazo de tierra de diez por diez metros. Es increíble pensar que desde el espacio pueden ver algo así de chiquitito.
Mi primer gran error fue intentar graficar todo junto sin entender el orden. Usaba la función plotRGB y no salía nada. Me sentía tan tonta viendo la pantalla negra. Estuve como tres semanas peleando con errores de código que no entendía (y entonces me ponía a ver la lluvia y me daban ganas de cerrar todo). Pero el problema era que no estaba cargando las bandas en el orden correcto para que mis ojos humanos lo entendieran. Para ver una imagen en 'color natural', o sea, como la veríamos desde un avión, necesitas combinar 3 bandas: la roja, la verde y la azul. En Sentinel, esas son las bandas 4, 3 y 2.
La magia del paquete terra y el orden de los factores
Después de mucho buscar en foros y leer tutoriales que parecían escritos en otro idioma, descubrí que ahora casi todo el mundo usa el paquete terra. Dicen que es mucho más rápido y eficiente para manejar esos archivos .tif que pesan una enormidad. El problema es que cuando una está aprendiendo los fines de semana, se le olvidan los detalles. Me pasó que pasé todo un sábado por la mañana, con un solcito engañador que apenas calentaba, tratando de unir las bandas. Sentía el calor del laptop sobre mis piernas y el olor a café rancio que se me había quedado frío en la mesa mientras esperaba que se cargara una capa de 100 megas. Parecía que el computador iba a despegar de tanto que sonaba el ventilador.
Y ahí fue cuando me pasó: el famoso 'Error: subscript out of bounds'. Me dio un nudo en el estómago porque lo leí como por décima vez y sentía que no avanzaba nada. Resulta que solo me había faltado una coma en el código al intentar seleccionar las bandas. Una simple coma. Esas son las cosas que nadie te dice: que la programación es un 90% buscar dónde te comiste un signo y un 10% de alegría cuando el mapa por fin aparece. Si te interesa profundizar en cómo se manejan estos datos antes de graficarlos, te recomiendo mirar cómo hacer un análisis multiespectral en R usando imágenes de satélite, que ahí explican mejor la lógica de las bandas.
El momento Eureka: Ver lo invisible con el Infrarrojo Cercano
Pero lo que de verdad me voló la cabeza fue cuando probé la composición de 'falso color'. Verán, el bosque nativo aquí en el sur es denso, pero a veces, en una imagen normal, cuesta diferenciarlo de las plantaciones de pino o eucalipto. Ahí es donde entra la Banda 8, que capta el infrarrojo cercano (NIR). Lo loco es que esa luz tiene una longitud de onda central de 842 nanómetros, algo que nuestros ojos no pueden ver, pero que las plantas reflejan con mucha fuerza cuando están sanas.
Cuando por fin logré que RStudio hiciera la composición (8, 4, 3), el mapa se volvió de un rojo intenso. ¡Era hermoso! El bosque nativo brillaba en un tono carmesí profundo, mientras que las zonas con menos vegetación se veían más pálidas. En ese momento, un sábado que ya estaba despejado, me sentí como si tuviera superpoderes. Estaba viendo algo que está ahí, frente a mi casa, pero que nunca había podido distinguir con tanta claridad. Es como si el satélite me estuviera contando un secreto sobre la salud de los árboles. Eso sí, hay que tener cuidado con el clima; si hay nubes, no ves nada, así que tuve que aprender cómo quitar nubes de imágenes Sentinel 2 en RStudio paso a paso para que mis composiciones no parecieran un tazón de leche con parches verdes.
Más allá del rojo: Mi opinión sobre el estrés del bosque
Ahora, les voy a contar algo que aprendí hace apenas un par de meses y que no sale en todos los manuales básicos. Al principio una se queda fascinada con el falso color (el 8-4-3), porque todo se ve muy 'pro'. Pero con el tiempo, me di cuenta de que si de verdad quieres ver cómo está sufriendo el bosque nativo, el puro color rojo se queda corto. Por ejemplo, con las sequías que hemos tenido incluso aquí en el sur, hay árboles que se ven rojos pero que por dentro están pasándolo mal.
Mi pequeña 'verdad' de aprendiz es que, para detectar el estrés fisiológico real, las composiciones basadas solo en bandas crudas a veces engañan. He estado experimentando con índices espectrales normalizados que luego meto en la composición de color. Es un poco más difícil porque requiere hacer matemáticas con los píxeles (restar y dividir bandas), pero te da una precisión técnica mucho mayor. Es la diferencia entre ver que hay un bosque y ver que ese bosque está pidiendo agua a gritos. No se queden solo con el rojo bonito; atrévanse a mezclar los resultados de los índices en sus plotRGB. Es como aprender a leer el paisaje de nuevo, pero con una lupa mucho más fina.
Cerrar el laptop y mirar por la ventana
A veces termino las sesiones de estudio ya tarde, cuando el frío de Valdivia me obliga a prender la estufa o a buscar otra manta. Cerrar el laptop después de lograr una buena composición de color me da una satisfacción que no sabría explicar muy bien. Es saber que ese bosque que veo allá afuera, moviéndose con el viento, ahora también vive dentro de mi computador en forma de datos que puedo entender.
Aprender R no ha sido fácil para mí, que no vengo del mundo de la informática, pero cada pequeño mapa es una victoria contra la frustración. Si están empezando, no se desanimen con los errores de 'bandas' o las proyecciones que salen chuecas. Al final, lo que importa es esa conexión que logramos con la tierra a través de la tecnología. Si ya dominan esto de los colores, quizás les interese ver cómo esos colores cambian mes a mes, algo que yo trato de hacer para visualizar series temporales de satélite en R para cambios forestales y así entender cómo mi cerro va mutando con las estaciones. Al final, la teledetección es solo otra forma de observar lo que amamos, y aquí en el sur, con tanta lluvia y tanto verde, siempre hay algo nuevo que descubrir entre los píxeles.