Afuera no para de llover y el sonido del agua contra el techo de zinc es lo único que me acompaña esta noche, aparte de una taza de café que ya se enfrió. Les escribo esto porque hace un rato me quedé mirando la pantalla de mi laptop, con los ojos un poco cansados, y sentí algo que no sentía hace meses: por fin, después de tantas vueltas, un mapa tenía sentido. No era solo un montón de píxeles de colores puestos ahí al azar, sino que era una respuesta. Y todo fue gracias a meterme en este lío del modelado de nicho ecológico con Maxent.
Antes de que se me olvide y me disperse con lo que veo por la ventana (que a esta hora es solo oscuridad y reflejos), les tengo que pasar un aviso: algunos de los enlaces que les voy a dejar por aquí son de afiliado. Eso significa que, si deciden comprar algún curso para aprender esto mismo, a mí me llega una pequeña comisión y a ustedes les sale por el mismo precio de siempre. Solo recomiendo cosas que yo misma he usado para romperme la cabeza estos fines de semana, como el curso de Modelado de Nicho Ecológico con Maxent en R, que fue el que me sacó del hoyo cuando no sabía por dónde empezar.
Un invierno de errores y coordenadas cruzadas
Mi historia con esto empezó el invierno pasado, acá en Valdivia. Yo quería saber por qué en algunos cerros cerca de mi casa el bosque nativo se ve tan fuerte y en otros parece que le cuesta tanto recuperarse. No soy geógrafa, así que mi primera idea fue solo mirar fotos. Pero luego alguien me habló de que se podía "predecir" dónde podría vivir una especie si uno juntaba los datos correctos. Ahí fue cuando escuché por primera vez sobre el modelado de nicho y, pucha, que me costó entender qué era esa cuestión.
Me pasé casi todo un domingo de hace unos meses intentando correr mi primer modelo. Tenía mis puntos de presencia (donde yo misma había visto algunos árboles específicos) y mis variables climáticas. Pero R no paraba de tirarme errores en rojo. Sentía ese olor a café cargado mezclado con la humedad de la oficina, una mezcla súper típica de acá, mientras esperaba que el procesador terminara de recortar un raster pesadísimo. Al final, ¿saben qué era? Me di cuenta de que mis coordenadas estaban en UTM y mis variables estaban en WGS84. O sea, para R yo estaba intentando poner árboles en medio del Océano Pacífico. Un error de principiante total, pero de esos que te hacen querer cerrar la tapa del computador y no volver a abrirla en una semana.
Lo que me salvó fue entender que para trabajar con Maxent en R, casi siempre tenemos que estandarizar todo al código EPSG: 4326. Es como el lenguaje universal para que las capas conversen entre ellas. Si no sabes por dónde empezar con esto de los archivos, te recomiendo leer mi entrada sobre cómo leer archivos raster en RStudio para principiantes, porque ahí explico cómo no morir en el intento de abrir un archivo por primera vez.
¿Por qué Maxent y no otra cosa?
Una de las cosas que más me confundía era por qué todo el mundo hablaba de Maxent (que viene de Máxima Entropía). Resulta que, para gente como yo, que sale a caminar al bosque y anota dónde ve una planta, Maxent es la gloria porque solo necesita datos de presencia. No te pide que le digas dónde NO está la especie, lo cual es genial, porque ¿quién tiene tiempo de ir a todos los lugares del mundo a confirmar que algo no crece ahí?
Aprender esto me tomó como diez meses de ir probando cositas los sábados. Al principio, la teoría del modelado de nicho me parecía una muralla infranqueable. Sentía que necesitaba un doctorado en estadística solo para entender la primera clase. Pero cuando logré conectar el paquete 'dismo' en R con el software de Maxent, la cosa cambió. No era solo hacer mapas bonitos; era entender cómo el clima y la forma del terreno dictan las reglas de la vida en mi propia región. Es como si el bosque te empezara a contar sus secretos a través de los datos.
Si te está pasando que tus archivos son gigantes y R se queda pegado, no te desesperes. Yo pasé por eso y escribí una nota sobre la solución a errores comunes al cargar rasters pesados en R que te puede servir para que tu compu no explote en el proceso.
El momento del clic: 19 variables y un mapa de calor
Hace un par de meses, un sábado por la tarde, tuve mi momento de iluminación. Estaba usando las famosas 19 variables bioclimáticas de WorldClim. Son unos datos increíbles que resumen la temperatura y la lluvia de todo el año en promedios que de verdad le importan a los seres vivos (como cuánto llueve en el mes más seco, cosas así).
Cuando por fin logré cruzar esas variables con mis puntos de terreno, y después de pelearme con las resoluciones (porque las imágenes de Landsat tienen 30 metros de resolución y a veces no calzan perfecto con el clima), apreté 'run' y esperé. Sentí esa punzada de calor en las mejillas, una mezcla de nervios y emoción, cuando por fin apareció el primer mapa de calor en el visor de RStudio.
¡Las zonas rojas, las de alta probabilidad, coincidían exactamente con los parches de bosque que yo conozco! Fue como si el mapa me dijera: "Sí, Javiera, vas por buen camino". En ese momento entendí que estas herramientas, aunque parezcan de la NASA al principio, nos permiten a personas comunes participar en la conservación de nuestro entorno. Si quieres intentar esto desde el principio, te dejé una guía de cómo aprender modelado de distribución de especies con Maxent en R desde cero.
La trampa del camino: El sesgo que casi me arruina todo
Pero ojo, que no todo es color de rosa (o verde bosque). Aprendí algo súper importante que casi nadie te dice en los tutoriales básicos, y es el tema del sesgo de muestreo. Verán, como yo vivo en una zona con harta vegetación pero también con hartos caminos, me di cuenta de que la mayoría de mis puntos de presencia estaban cerca de las carreteras. Claro, es donde es más fácil llegar a mirar.
El problema es que Maxent es tan inteligente que puede ser medio tonto: si todos tus datos están cerca de los caminos, el modelo va a pensar que a la especie le encantan los caminos. ¡Y nada que ver! El algoritmo se sobreajusta y te da una predicción que no sirve para nada porque está sesgada por nuestra propia flojera de no meternos más adentro en el monte.
Para corregir esto hay que aplicar unas técnicas espaciales específicas para que el modelo no se crea el cuento de que la conectividad vial es un requisito biológico. Es un detalle técnico, pero si no lo haces, tus mapas de conservación van a estar mal y podrías terminar recomendando proteger el borde de una autopista en vez del corazón del bosque. Si te interesa profundizar en estas mañas de la herramienta, dale una mirada a Teledetección Satelital con R y R-Studio, que aunque es más de imágenes, te da una base sólida para entender cómo se comportan los datos en el espacio.
¿Por qué vale la pena el esfuerzo?
A veces me pregunto por qué gasto mis domingos en esto en vez de estar viendo una serie. Pero luego miro hacia afuera, veo cómo el paisaje va cambiando año tras año, y me doy cuenta de que tener estos mapas nos da un poder real. Ya no es solo decir "creo que el bosque está desapareciendo", sino poder mostrar con datos dónde están los refugios climáticos que tenemos que cuidar sí o sí.
El modelado de nicho con Maxent en R es una puerta de entrada a la ciencia real para gente que, como yo, no viene del mundo de la programación. Es frustrante, sí. Vas a tener letras rojas en la consola más veces de las que te gustaría. Vas a confundir las proyecciones y vas a querer tirar el café por la ventana. Pero el momento en que el mapa aparece y ves la realidad de tu territorio dibujada en la pantalla, pucha, eso no te lo quita nadie.
Si te pica la curiosidad, no lo pienses tanto. Empieza de a poco. No necesitas ser una experta para empezar a proteger lo que tienes cerca. Yo sigo aprendiendo, sigo cometiendo errores, pero cada vez son errores nuevos, y eso ya es un avance. Si te animas a empezar este camino, el curso de Modelado de Nicho Ecológico con Maxent en R es probablemente la forma más amable de dar esos primeros pasos sin sentir que estás hablando en chino. ¡Suerte con esos mapas y que la lluvia no les detenga el ánimo!