Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA ARQUEOLOGÍA
MEXICANA
Editado por
Derechos Reservados:
ISBN 978-607-8444-44-1
i
A mi padre: Rodolfo Anaya Ruiz QEPD
Un padre ejemplar
Motor de mí esfuerzo
Pilares de la familia
ii
Tabla de contenido
Figuras .............................................................................................................................................. vi
Tablas ................................................................................................................................................. x
Lista de autores ................................................................................................................................ xii
AGRADECIMIENTOS .................................................................................................................. xiii
1 INTRODUCCIÓN: LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA EN LA
ARQUEOLOGÍA...............................................................................................................................1
Desarrollo de los SIG .....................................................................................................................2
Aplicaciones de los SIG en la arqueología .....................................................................................4
2 TIEMPO Y ESPACIO, LAS DIMENSIONES DE LA HISTORIA: UTILIZACIÓN DE LOS
SISTEMAS DE INFORMACIÓN GEOGRÁFICA EN LA INVESTIGACIÓN HISTÓRICA .........9
Introducción ...................................................................................................................................9
Las dimensiones de la historia ......................................................................................................10
Cartografía histórica de Sonora ....................................................................................................11
La cartografía moderna ................................................................................................................12
Metodología .................................................................................................................................12
Resultados ....................................................................................................................................22
3 APLICACIONES DE LOS SIG PARA EL ANÁLISIS DE INDICADORES DEFENSIVOS EN
ASENTAMIENTOS ARQUEOLÓGICOS. EL CASO DE LA VERTIENTE DEL RÍO VERDE-
SAN PEDRO (AGUASCALIENTES) .............................................................................................26
Introducción .................................................................................................................................26
Planteamientos generales y objetivos de la investigación .............................................................27
Características de la muestra analizada y procedimientos ............................................................30
Resultados y discusión .................................................................................................................33
Consideraciones finales ................................................................................................................38
4 PROSPECCIÓN ARQUEOLÓGICA BASADA EN PERCEPCIÓN REMOTA EN LA
POLIGONAL DE PROTECCIÓN DE EL TAJÍN, VERACRUZ ....................................................40
Introducción .................................................................................................................................40
Principios de la percepción remota o teledetección ......................................................................41
Fotografía Aérea. ......................................................................................................................42
Imágenes Satelitales. ................................................................................................................42
LiDAR (Light Detection and Ranging). ...................................................................................43
Prospección arqueológica con teledetección o percepción remota. ..............................................43
iii
La prospección arqueológica remota en El Tajín, Veracruz .........................................................45
Comentarios finales ......................................................................................................................57
5 LOS SIG Y EL MANEJO DE LOS RECURSOS CULTURALES: TRES MODELOS
PREDICTIVOS DE POTENCIAL ARQUEOLÓGICO ..................................................................60
Introducción .................................................................................................................................60
Contexto cultural ..........................................................................................................................62
Procesamiento inicial ...................................................................................................................64
Modelos de potencial arqueológico ..............................................................................................65
Modelo empírico de agregación de potencial ...............................................................................66
Rasgos hidrológicos .................................................................................................................66
Rasgos topográficos .................................................................................................................68
Rasgos culturales ......................................................................................................................69
Ecuación 5.1 .............................................................................................................................70
Ecuación 5.2 .............................................................................................................................70
Modelo de Regresión Logística ....................................................................................................71
Ecuación 5.3 .............................................................................................................................72
Ecuación 5.4 .............................................................................................................................74
Modelo Dempster-Shafer .............................................................................................................75
Ecuación 5.5 .............................................................................................................................79
Ecuación 5.6 .............................................................................................................................79
Ecuación 5.7 .............................................................................................................................79
Contrastación en campo ...............................................................................................................82
Polígono I .................................................................................................................................82
Polígono II................................................................................................................................85
Evaluación del desempeño de los modelos...................................................................................86
Ecuación 5.8 .............................................................................................................................89
Comentarios finales ......................................................................................................................89
6 UNA APROXIMACIÓN AL ESTUDIO DEL PATRÓN DE ASENTAMIENTO DE LA
REGIÓN DE AGUA FRÍA, VERACRUZ, DESDE LOS SISTEMAS DE INFORMACIÓN
GEOGRÁFICA ................................................................................................................................92
Introducción .................................................................................................................................92
Análisis de la Inversión de Trabajo ..............................................................................................95
Análisis del vecino más cercano ...................................................................................................96
iv
Polígonos de Voronoi ...................................................................................................................99
Análisis del territorio óptimamente cubierto (Teoría del Lugar Central) ....................................100
Ecuación 6.1 ...........................................................................................................................101
Análisis de Ruta Óptima.............................................................................................................103
Discusión....................................................................................................................................104
Consideraciones finales ..............................................................................................................105
7 APLICACIÓN DE HERRAMIENTAS SIG PARA EL ANÁLISIS DE LOS PATRONES DE
ASENTAMIENTO RESIDENCIALES DEL SITIO DE CIUDAD CAUCEL ..............................109
INTRODUCCIÓN .....................................................................................................................109
EL SITIO DE CIUDAD CAUCEL ............................................................................................111
Identificando la estratificación residencial formativa en ciudad caucel: análisis estadístico y
espacial utilizando un SIG ..........................................................................................................119
Análisis de las estructuras residenciales .....................................................................................121
Muestreo e identificación de variables ...................................................................................121
Análisis de costo de la arquitectura residencial. .....................................................................123
Identificación de la estratificación residencial: análisis estadístico ........................................125
Análisis espacial de los patrones residenciales ...........................................................................129
Determinación de grupos residenciales ..................................................................................129
Distribución espacial de la inversión de trabajo y la estratificación residencial: análisis
gravitacional ...........................................................................................................................131
Ecuación 7.1 ...........................................................................................................................131
Ecuación 7.2 ...........................................................................................................................131
Resultados del análisis estadístico-espacial ................................................................................136
Formativo medio (ca. 1000-400 a.C.) .....................................................................................136
La transición entre el Formativo medio/tardío (400-200 a.C.)................................................137
El Formativo tardío (200 a.C.-250 d.C.) .................................................................................138
La transición hacia el Clásico temprano (ca. 250 d.C.)...........................................................139
Comentarios finales ....................................................................................................................140
BIBLIOGRAFÍA ...........................................................................................................................142
TUTORIALES PARA ARCGIS ....................................................................................................160
Ejercicio 1: Composición Cartográfica, Simbolización de la Distribución de la Cerámica Cauich,
Campeche .......................................................................................................................................164
v
Ejercicio 2: Composición Cartográfica: Simbolización de la Distribución de la Cerámica de El
Cayo, Chiapas ................................................................................................................................176
Ejercicio 3: Registro Geográfico de Imágenes ...............................................................................195
Ejercicio 4: Consulta a la Base de Datos Utilizando SQL Análisis Espacial de los Artefactos de la
Cueva Koongine, Sur de Australia .................................................................................................205
Ejercicio 5: Estudio del Patrón de Asentamiento en Cobá, Quintana Roo ......................................223
Ejercicio 7: Algebra Cartográfica—La Organización Política en el Usumacinta............................250
Figuras
Figura 2- 1. Tablas y archivos resultantes de la sistematización de la información histórica
.............................................................................................................................................. 14
Figura 2- 2. Bases de datos que conectan los datos históricos con datos geográficos ......... 15
Figura 2- 3. Experimentación con el diseño del mapa base, georreferenciación y definición
de detalles cartográficos: 1) Diseño alternativo descartado, 2) Proceso de
georreferenciación y 3) Afinación de detalles particulares del diseño de cada mapa
temático. ............................................................................................................................... 16
Figura 2- 4. Mapa base para los temas coloniales ................................................................ 16
Figura 2- 5. Mapas base para los temas contemporáneos..................................................... 17
Figura 2- 6. El modelo digital de elevación (MDE) del área de estudio: 1, 2) Integración de
un mosaico de datos raster, 3) MDE ya integrado y 4) Derivación de curvas de nivel a partir
del raster. .............................................................................................................................. 18
Figura 2- 7. Creación y análisis de nuevos mapas temáticos: 1 y 2) Filtrado de datos en las
tablas de atributos de las capas de información relevantes, y 3) Generación de nuevos
mapas de información a partir de las nuevas capas de información. .................................... 19
Figura 2- 8. Distintos elementos en la conformación cartográfica ....................................... 20
Figura 2- 9. Resumen del procesamiento geomático ............................................................ 21
Figura 2- 10. Resumen del procesamiento de los datos dentro del SIG. .............................. 22
Figura 2- 11. Mapa “Naciones por Misión Indígena, 1730” ................................................ 23
Figura 2- 12. Mapa “La frontera Jesuíta, 1658” ................................................................... 24
Figura 2- 13. Mapa “Creación del Obispado de Durango, 1620” ........................................ 24
vi
Figura 3- 1. Culturas del Noroccidente de México .............................................................. 28
Figura 3- 3. Distribución especial de algunos sitios y rasgos del Epiclásico en el
noroccidente de México........................................................................................................ 30
Figura 3- 4. Algunos elementos diagnósticos del Epiclásico comunes en la cuenca del río
Verde-San Pedro: a) Cajete de base anular con decoración al negativo; b) bordes evertidos;
c) cerámica con decoración al pseudocloisonné; d) figurillas tipo Río-Verde. Proveniencia:
Sitio arqueológico La Mesilla, Ojocaliente, Zacatecas. Imágenes cortesía de Enrique Pérez
Cortés. ................................................................................................................................... 30
Figura 3- 5. Ubicación de la cuenca del Rio Verde-San Pedro ............................................ 31
Figura 3- 6. Ubicación de los sitios analizados (a); características del paisaje de la cuenca
Río Verde-San Pedro, Aguascalientes. ................................................................................. 33
Figura 3- 7. Plano del sitio arqueológico Las Iglesias, el cual muestra una muralla barrera
en su acceso. ......................................................................................................................... 34
Figura 3- 8. El mapa muestra el rango de control visual desde la cima del cerro el Jara ..... 35
Figura 3- 9. Modelo de pendientes en el sitio El Salteador. ................................................. 36
Figura 3- 10. Red de intervisibilidad entre asentamientos ................................................... 37
vii
plano topográfico con el modelo digital y la numeración original dada durante el mapeo de
Krotser. Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín .......... 50
Figura 4- 6. Proceso de la prospección arqueológica remota a través de un análisis
comparativo de imágenes procedentes de LiDAR y de ortofotos. Imágenes de Zetina
Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín ......................................................... 51
Figura 4- 7. Proceso de la propsección arqueológica remota a través de un análisis
comparativo de los datos proporcionado por el sensor LiDAR junto con curvas de nivel
sobrepuestas. Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín .. 52
Figura 4- 8. Distintos arreglos en colores RGB de los cuadrantes de LiDAR para
identificación de vestigios arqueológicos en la porción Norte del Polígono de Protección de
El Tajín. Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín ......... 52
Figura 4- 9. Algunos ejemplos de edificios en 3D derivados de los datos de LiDAR.
Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín ........................ 53
Figura 4- 10.Análisis de cuanca de visión desde una edificación al norte del polígono de
protección de “El Tajín”. Imágenes de Zetina Gutiérrez, 2012, Proyecto Mapeo Digital 3D
El Tajín ................................................................................................................................. 55
Figura 4- 11. Corrientes primarias y puntos de drenaje derivados de los datos de LiDAR.
Imágenes de Zetina Gutiérrez, 2012, Proyecto Mapeo Digital 3D El Tajín ........................ 56
Figura 4- 12. Microcuencas modeladas a través de herramientas para análisis hidrológicos
en ArcMap, derivados de los datos de LiDAR. Imágenes de Zetina Gutiérrez, 2012,
Proyecto Mapeo Digital 3D El Tajín .................................................................................... 57
viii
Figura 5- 6. Imagen de Creencia en la hipótesis “Sitio” ...................................................... 80
Figura 5- 7. Imagen de Plausibilidad en la hipótesis “Sitio” ................................................ 81
Figura 5- 8. Imagen de Intervalo de Creencia. ..................................................................... 81
Figura 5- 9. Resultados de potencial arqueológico de acuerdo al Modelo de Dempster-
Shafer .................................................................................................................................... 82
Figura 5- 10. Ejemplos de cerámica policroma (a y b), y hachas de piedra pulida (c y d)
observadas en el Polígono I. ................................................................................................. 84
Figura 5- 11. Resultados de las observaciones de campo en el polígono I comparado en los
tres modelos. ......................................................................................................................... 85
Figura 5- 12. Resultados de las observaciones de campo en el polígono II comparado en los
tres modelos. ......................................................................................................................... 86
Figura 5- 13. Desempeño de los tres modelos de acuerdo a sitios captados ........................ 87
Figura 5- 14. Desempeño de los tres modelos de acuerdo a área por clase .......................... 88
Figura 6- 1. Ubicación del área de estudio en la región de Agua Fría, Veracruz. ................ 93
Figura 6- 2. Jerarquía de sitios obtenida por el método de clasificación de Jenks. .............. 96
Figura 6- 3. Resultado de cálculo de vecino más cercano incluyendo los 153 sitios. .......... 97
Figura 6- 4. Resultado de cálculo de vecino más cercano incluyendo los seis sitios rectores.
.............................................................................................................................................. 98
Figura 6- 5. Demarcación territorial mediante Polígonos de Voronoi. ................................ 99
Figura 6- 6. Territorialidad estimada mediante superficie de costo. .................................. 102
Figura 6- 7. Territorio óptimamente cubierto por los centros rectores obtenidos mediante la
superficie de costo. ............................................................................................................. 103
Figura 6- 8. Rutas óptimas entre centros rectores y sitios subsidiarios. ............................. 104
Figura 6- 9. Delimitación de cuencas y micro-cuencas hidrológicas en el área de estudio.
............................................................................................................................................ 105
Figura 6- 10. Territorios para centros del Preclásico, obtenidos por superficie de costo. .. 107
Figura 6- 11. Localización Estratégica de Abasolo del Valle. ........................................... 108
ix
Figura 7- 1. Vista satelital del desarrollo habitacional de Ciudad Caucel (Google Earth,
agosto de 2010). .................................................................................................................. 112
Figura 7- 2. Distribución de los vestigios arqueológicos de Ciudad Caucel mostrando la
ubicación de las estructuras excavadas. .............................................................................. 113
Figura 7- 3. Grupo Xanilá................................................................................................... 115
Figura 7- 4. Xamán Susulá. Grupo principal y estructura 1714 (Peniche 2010). ............... 116
Figura 7- 5. Grupos Caucel y Anicabil. .............................................................................. 118
Figura 7- 6. Estadísticas descriptivas y distribución del costo constructivo de las estructuras
residenciales del Formativo Medio..................................................................................... 126
Figura 7- 7. Conglomerados de acuerdo a su similitud en la inversión de trabajo/volumen
para las estructuras residenciales del Formativo tardío ...................................................... 127
Figura 7- 8. Análisis gravitacional. Formativo medio. Cada buffer señala los límites de
interacción entre cada grupo residencial adyacente. Las líneas punteadas señalan el área de
interacción de cada atribuida a cada grupo. ........................................................................ 133
Figura 7- 9. Análisis de tendencia de superficie del Formativo medio .............................. 134
Figura 7- 10. Formativo medio. Interpolación (IDW) de la inversión de trabajo, mostrando
la interacción entre los grupos públicos y residenciales de acuerdo al análisis gravitacional
y de tendencia de superficie................................................................................................ 135
Figura 7- 11. Formativo medio. Análisis de dispersión de la arquitectura residencial en
torno al grupo Xamán Susulá. ............................................................................................ 136
Tablas
Tabla 3- 1. Indicadores evaluados y su frecuencia de aparición .......................................... 34
x
Tabla 5- 4. Puntajes de potencial asignado a rasgos culturales ............................................ 69
Tabla 5- 5. Prueba Omnibus sobre los coeficientes del Modelo .......................................... 72
Tabla 5- 6. Resumen del Modelo.......................................................................................... 72
Tabla 5- 7. Prueba de Hosmer y Lemeshow ......................................................................... 73
Tabla 5- 8. Tabla de Clasificación ........................................................................................ 73
Tabla 5- 9. Variables en la Ecuación .................................................................................... 74
Tabla 5- 10. Resultados de desempeño de los tres modelos de acuerdo a la estadística de
ganancia Kvamme ................................................................................................................ 89
Tabla 7- 1. Valores atribuidos a las variables constructivas y fórmulas para el cálculo del
costo de construcción.......................................................................................................... 124
Tabla 7- 2. Índice de significancia de las variables constructivas analizadas mediante la
aplicación de Prueba T (valor crítico 0.050) ...................................................................... 127
Tabla 7- 3. Índices obtenidos de las variables constructivas analizadas mediante la
aplicación de pruebas de regresión. .................................................................................... 128
Tabla 7- 4. Estadística de Chí cuadrada obtenida del análisis de la relación entre rango
constructivo y tipo de mampostería. ................................................................................... 128
Tabla 7- 5. Rangos constructivos y estratos residenciales identificados por fase. ............. 129
Tabla 7- 6. Resultados del análisis de vecino más cercano efectuado a la distribución de las
estructuras residenciales muestreadas en cada fase ............................................................ 130
xi
Lista de autores
xii
AGRADECIMIENTOS
Esta libro representa la culminación de una idea concebida hace ya algunos años que por
una razón u otra no había podido cristalizar. La idea surge a raíz de la invitación que un día
me hiciera llegar la Red Mexicana de Arqueología (RMA) para preparar e impartir un taller
de aplicaciones de los Sistemas de Información Geográfica a la arqueología. En la
preparación y elaboración de una obra de esta naturaleza convergieron varias personas que
con su esfuerzo y dedicación lo hicieron posible. En este sentido quiero manifestar mi
profundo agradecimiento a Gustavo Ramírez Castilla presidente fundador de la RMA,
quien con gran entusiasmo promovió desde la misma Red, el taller, teniendo éste gran
aceptación por los colegas. Por supuesto agradezco a los autores de los distintos capítulos
Esperanza Donjuán Espinoza, Guadalupe Zetina Gutiérrez, Juan Ignacio Macías Quintero,
Elsa Olimpia Palacios Ríos, César Valentín Hernández Estrada, Luis Heredia Barrera y
Alejandro Uriarte Torres, quienes con su contribución engalanaron estas páginas. Un
especial reconocimiento a Patricia K. Hansell de Temple University, quien de manera
generosa hizo accesible la base de datos digital de su investigación arqueológica en La
Mula Sarigua, Panamá, además de sugerir los ejercicios que utilizamos en el anexo de
ejercicios tutoriales. Igualmente gracias al Dr. David Frankel de La Trobe University, por
proporcionarnos la base de datos de sus investigaciones de la Cueva Koongine, Australia y
que también aprovechamos para preparar un ejercicio en el mismo anexo.
xiii
1 INTRODUCCIÓN: LOS SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA ARQUEOLOGÍA
Al igual que los geógrafos, los arqueólogos razonan de manera espacial, es decir, ambos
le dan sentido a sus datos a partir de su ubicación en el espacio físico. Es quizá por este
motivo que la arqueología, particularmente la arqueología europea ha estado
estrechamente ligada a la geografía de la cual constantemente se ha nutrido para
desarrollar sus propios fundamentos teórico-metodológicos. Esta cercana asociación data
desde la implementación de los métodos formales de mapeo de atributos y artefactos
desarrollada por la escuela austro-germana de “antropo-geográfos” de las décadas del los
ochenta y noventa del siglo XIX. Sin embargo, no es sino hasta el surgimiento de la
Escuela de Cambridge de la Nueva Geografía y particularmente con las obras Locational
Analysis in Human Geography, de Peter Hagget (1965), Models in Geography, de
Richard Chorley y Peter Hagget (1967) y Rural Settlement and Land Use, de Michael
Chisholm (1968), que se formalizó la relación entre arqueología y geografía. Esta
relación se cristalizará con los trabajos de investigación arqueológica que sobre análisis
de áreas de captación se llevarón a cabo en Monte Carmelo, Israel, por Claudio Vita-
Finzi y Eric Higgs (1970); en el libro Spatial Models in Archaeology de Ian Hodder y
Clive Orton (1976); y por supuesto en la seminal obra de David Clarke (1977) Spatial
Archaeology.
1
Más recientemente la influencia de la geografía se ha hecho presente en el desarrollo
teórico de nuestra disciplina con el surgimiento de la arqueología del paisaje, misma que
ha reavivado el interés por la correlación espacial entre los sitios arqueológicos y su
entorno físico-biótico. Es en este contexto que la aplicación de los Sistemas de
Información Geográfica (SIG), ha adquirido gran relevancia en la investigación
arqueológica. Pero, ¿qué tanto puede aportar la utilización de los SIG a la interpretación
del dato arqueológico? Esta es precisamente la pregunta a la que intentaremos dar
respuesta en esta obra, pero antes se dará una breve reseña de cómo los SIG surgieron y
cómo fueron siendo adoptados en la arqueología.
El enorme tamaño de datos con la que los arqueólogos tienen que trabajar, que incluyen
tanto datos culturales como medio ambientales, hacían prácticamente imposible la
integración de los mismos en un marco espacio-temporal. A lo más que se podía aspirar
era que tras la producción de detallados mapas que mostraran la distribución de sitios o
artefactos y una meticulosa inspección visual, se hiciese aparente algún tipo de patrón
espacial. En estos mapas los rasgos geográficos básicos eran desplegados mediante la
utilización de varios artificios visuales, como símbolos o colores distintos que eran
explicados en la leyenda. Obviamente la principal limitante que estos mapas tradicionales
tenían, radicaba en la cantidad de información que los mismos podían trasmitir de manera
efectiva. Si era necesario agregar más información, está tendría que ser incluida en otro
medio, como un diccionario geográfico, por ejemplo.
2
Por otra parte, la producción cartográfica es una labor sumamente costosa, tanto en
tiempo como en recursos económicos. Más aún, conforme el conocimiento científico del
planeta avanza, se torna imperativo cartografiar la nueva información casi de manera
inmediata. Por ejemplo, la estimación efectiva y oportuna de los recursos naturales,
fenómenos meteorológicos, o crecimiento urbano requiere que los mapas se produzcan de
manera expedita y a bajo costo.
4
Ejemplo de esto último es el trabajo seminal de Gaffney y Stančič (1991), sobre el patrón
de asentamiento de la colonia griega de Pharos (circa 385 a.C.), en la isla de Hvar,
Croacia. Gaffney y Stančič argumentaron convincentemente que los griegos, confinados
principalmente al asentamiento de Pharos, estaban en un estado de alerta perpetua y
conflicto con sus vecinos ilirios. Dos torres de vigilancia, ubicadas a cierta distancia de
Pharos, proporcionaron un sistema por el cual la ciudad podría ser alertada de la
proximidad del peligro, probablemente a través del uso de señales de humo. Con base en
la aplicación de los SIG, estos autores realizaron estudios de visibilidad directa e
intervisibilidad y muestran fehacientemente que estas torres estaban conectadas
visualmente con el sitio de Pharos, proporcionando además una visual de considerables
porciones del área de la región circundante, lo que ofrecía un sistema de alerta temprana
(Kvamme 1991:4).
Los capítulos 4 y 5, nos muestran dos ejemplos de cómo los SIG son utilizados en la
gestión y manejo de los recursos culturales. El trabajo de Zetina Gutiérrez se centra en la
ciudad prehispánica de “El Tajín”, enclavada en la región conocida como Centro Norte
del Estado de Veracruz, zona con gran actividad de exploración y explotación petrolera.
Por lo que además de los factores inherentes a este tipo de actividad, hay que agregar los
factores asociados a los movimientos y asentamientos de población que provocan
cambios en el uso de suelo con la consecuente afectación al patrimonio cultural. La
autora nos muestra como mediante la utilización de tres sensores remotos (cámara
6
térmica, ortofotos y LiDAR), aunado a la aplicación de los SIG, se puede contribuir
sustancialmente al Plan de Manejo de la Zona de Monumentos Arqueológicos El Tajín, al
establecer de manera precisa un inventario exhaustivo de las estructuras monumentales al
interior de la poligonal del sitio.
En el Capítulo 7, Uriarte Torres, con un enfoque inclinado más hacía una problemática
teórica nos muestra en su trabajo como a partir del análisis estadístico y la aplicación de
los SIG, se puede aportar valor agregado a los datos recuperados en campo. En esta
instancia los resultados de los trabajos de la primera etapa del salvamento arqueológico
del desarrollo habitacional conocido como Ciudad Caucel, al poniente de Mérida,
Yucatán. En este estudio de caso, Uriarte presenta una notable contribución al estudio de
la organización sociopolítica y la complejidad social en el noroeste de Yucatán. A partir
7
del análisis de la variabilidad de las estructuras residenciales, en términos de diversidad
constructiva y su ubicación en sitios secundarios y terciarios, Uriarte aporta indicios
sobre la estratificación social como evidencia en las diferencias de estatus y/o riqueza al
interior de las comunidades formativas. Para ello combina la técnica estadística de
conglomerados, con el análisis espacial de inversión de trabajo y el modelo gravitacional,
para presentar un esquema del desarrollo diacrónico de la organización de los
asentamientos secundarios y terciarios formativos en el noroeste de Yucatán.
8
2 TIEMPO Y ESPACIO, LAS DIMENSIONES DE LA HISTORIA:
UTILIZACIÓN DE LOS SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA INVESTIGACIÓN HISTÓRICA
Introducción
El propósito de este trabajo es mostrar la importancia de la aplicación de los sistemas de
información geográfica (SIG) en la investigación histórica y específicamente en el campo
de cartografía. El trabajo se basó en la experiencia obtenida por las autoras de este
artículo en el proyecto “Horizontes y relieves sociales: cartografía de pueblos indígenas
de Sonora, siglos XVII-XXI”,1 mismo que tiene como objetivo ofrecer una
representación acerca de algunos aspectos que impactaron en la cosmovisión de las
sociedades indígenas que establecieron contacto con diversos segmentos de la sociedad
europea, tales como los misioneros de la Compañía de Jesús, primero y los de la orden
franciscana después; asimismo, con militares, colonos y autoridades virreinales.
El marco temporal de este proyecto inicia en el siglo XVII con la fundación de las
primeras misiones y termina en el siglo XXI, de tal forma que se considera a los pueblos
indígenas migrantes existentes en Sonora. En relación a la acotación espacial se incluye
la porción norte de la antigua provincia de Sinaloa, territorio que ocupaban los grupos
yaqui y mayo y que hoy en día forma parte de la jurisdicción del estado de Sonora;
asimismo, el norte de la provincia de Sonora, misma que en la actualidad pertenece al sur
del estado de Arizona en los Estados Unidos
1
“Horizontes y relieves sociales: cartografía de pueblos indígenas de Sonora, siglos XVII-XXI”, es un
proyecto que se encuentra en proceso, sin embargo, este se derivó del proyecto “Construcción de
imaginarios sociales en pueblos indígenas de Sonora, 1767-1945”, financiado por CONACYT en el que
figuraron como coordinadoras Zulema Trejo Contreras (El Colegio de Sonora) y Raquel Padilla Ramos
(Centro INAH Sonora) y como colaboradoras Dora Elvia Enríquez Licón (Universidad de Sonora) y
Esperanza Donjuan Espinoza (Centro INAH Sonora).
9
Un sistema de información geográfica se define como, un conjunto de ciencias y
tecnologías, que integran los medios para la captura, tratamiento, análisis, interpretación,
difusión y almacenamiento de información geo-espacialmente referenciada; en este caso
comprende el uso de hojas de cálculo, bases de datos, Sistemas de Información
Geográfica y software para la edición de imágenes. La representación gráfica del espacio
a través de dicha tecnología refuerza la comprensión en el tiempo de los procesos sociales
experimentados por los pueblos indígenas de Sonora.
Esta tecnología fue empleada debido a las ventajas que ofrece al convertir complejas
bases de datos digitales en datos de distintas categorías posicionados geográficamente.
Más aun, a partir de los datos de entrada, es posible crear nuevos mapas temáticos
seleccionando atributos específicos o analizando espacialmente las relaciones entre ellos.
De esta manera, es posible visualizar y comprender de manera más rápida y eficaz los
datos históricos, como se mostrará más adelante.
Como respuesta a dicha visión, en la segunda década del siglo XX surgió la Escuela de
los Anales, fundada en 1929 por Marc Bloch y Lucien Febvre en Francia, misma que
propuso la inclusión de diversos componentes sociales en sus explicaciones por lo cual
involucró a otras disciplinas como la economía, sociología, antropología y la geografía
para las explicaciones históricas. Esta corriente historiográfica cuestionó el documento
escrito como fuente absoluta; además propuso al ser humano que vive en sociedad como
10
objeto de estudio; asimismo, la investigación histórica se centró en sociedades concretas,
acotadas para su estudio en el tiempo y el espacio.
El siglo XVII fue testigo de la penetración de los europeos a territorios sonorenses; en los
primeros años de dicho siglo con la fundación de las misiones jesuitas y a mediados de
esa centuria con el establecimiento de la provincia de Sonora. Una vez adquirido un
mejor conocimiento de la tierra adentro gracias al avance del proceso de colonización del
siglo XVIII, el conocimiento cartográfico progresó notablemente, debido en parte a los
trabajos de ingenieros militares así como al de algunos religiosos tales como los jesuitas
Eusebio Francisco Kino y Juan Nentuig, por mencionar algunos. Aunado al bagaje
cartográfico acumulado, durante el reinado de Carlos III, se generó una cantidad
11
importante de mapas debido a la potencial amenaza de injerencias o usurpaciones
extranjeras en el septentrión novohispano. Entre las cartas más representativas de esta
época están los mapas Lafora sobre el Septentrión (1768, 1769 y 1771), los del
franciscano Garcés de la Pimería Alta, entre otros (Porro, 2014).
La cartografía moderna
En atención al proceso histórico experimentado en el estado de Sonora en lo político,
económico y social se propuso la elaboración de quince mapas que representarián
gráficamente algunas transformaciones sufridas por los pueblos indígenas de Sonora,
mismos que habían sido evangelizados por los jesuitas, e incorporados como mano de
obra de la misión, así como al servicio de los colonos. Esta cartografía pretendió ofrecer
la visión “oficial” de las sociedades indígenas evangelizadas. Dicha incorporación dio
como resultado la apropiación parcial del imaginario social occidental, mismo que fue
mezclado con el propio, dando lugar a uno nuevo; vale aclarar que la apropiación de las
significaciones e instituciones sociales por parte de las naciones indígenas no fue todo el
tiempo cordial ni estuvo libre de conflictos. Así las instituciones y significaciones
religiosas parecen haber sido recibidas con mayor fluidez que las relacionadas con el
territorio y sus elementos simbólicos.
Metodología
La metodología empleada para desarrollar la cartografía de este proyecto se dividió en
dos vertientes principales:
12
los temas representados en los mapas son: los pueblos de misión por nación
indígena en diferentes periodos de la época virreinal, la transformación de las
jurisdicciones religiosas y políticas en dicho periodo y hasta el siglo XIX. En lo
concerniente a los aspectos religiosos-culturales, se registraron los lugares en los
que actualmente se celebra la Semana Santa con viacrucis, procesiones, rituales
indígenas y fiestas patronales. Aunque el alcance de esta cartografía es limitado
comparado con la riqueza y la diversidad de estas expresiones en las localidades,
no obstante, su representación permite inferir una mayor presencia a lo que hasta
ahora se tenía registrado, abriendo con esto nuevas líneas de investigación.
2. Bases de datos: una base de datos es una herramienta digital para recopilar, almacenar y
consultar información cuya principal ventaja es la facilidad con que se acceden y manejan
grandes volúmenes de datos que puede ser categorizados y visualizados en formato de
lista o tabular. En este punto, se llevó a cabo a cabo una investigación centrada en obtener
las coordenadas geográficas, lo más precisas posible de cada toponimia (considerando
que los asentamientos humanos se expanden, se contraen, sus límites son cambiantes y a
veces también desaparecen o cambian de ubicación a través del tiempo) examinando los
detalles y referencias a rasgos geográficos o pueblos en las fuentes históricas para
ubicarlos en las bases de datos geográficas del INEGI. Una vez que los datos se
capturaron en tablas se creó una base de datos que se pudiera exportar a un Sistema de
Información Geográfica (figura 2-2).
14
Figura 2- 2. Bases de datos que conectan los datos históricos con datos geográficos
15
Figura 2- 3. Experimentación con el diseño del mapa base, georeferenciación y definición de detalles
cartográficos: 1) Diseño alternativo descartado, 2) Proceso de georeferenciación y 3) Afinación de
detalles particulares del diseño de cada mapa temático.
16
Figura 2- 5. Mapas base para los temas contemporáneos
4. Sistema de Información Geográfica (SIG): son la mejor herramienta para crear mapas
digitales, es una tecnología muy poderosa, versátil y superan por mucho a las tecnologías
de dibujo computarizado (CAD) que también producen mapas. Un SIG se define como
un sistema de captura, almacenamiento, integración, manipulación, análisis y despliegue
de datos espacialmente georeferenciados que producen mapas y datos tabulares (Fazal,
2008). Esta fue la herramienta principal de todo el procesamiento que inició con la
configuración del proyecto en el sistema de coordenadas geográficas (grados, minutos y
segundos), el sistema de proyección cónica de Lambert y el datum ITRF92. También, se
realizaron las descargas de capas de información vectorial del INEGI
(www.inegi.org.mx) sobre infraestructura, (carreteras, caminos, brechas, etcétera),
división política (nombres de los estados y sus cabeceras estatales y municipales,
fronteras), contexto ecológico y ambiental (cuerpos y corrientes de agua, vegetación,
entre otros), entre otras en formato vectorial (líneas, puntos y polígonos). Respecto a
datos raster (modelos digitales de información continua contenida en píxeles), fue
necesaria la descarga de los modelos digitales de elevación de México y Estados unidos,
ya que el área de estudio está comprendida dentro de sus territorios fronterizos. Para esto
se descargaron modelos derivados de imágenes del satélite ASTER (un total de 187
bloques de información) para generar un sólo mosaico de esta área y derivar de éste
curvas de nivel (Figura 2-6) que ayudarían, no sólo a darle mayor realismo al mapa sino a
17
identificar más fácilmente los rasgos geográficos señalados en las fuentes (por ejemplo,
ríos, cerros, montañas, caminos reales) y ubicar mejor los emplazamientos nombrados en
las fuentes históricas.
18
Figura 2- 7. Creación y análisis de nuevos mapas temáticos: 1 y 2) Filtrado de datos en las tablas de
atributos de las capas de información relevantes, y 3) Generación de nuevos mapas de información a
partir de las nuevas capas de información.
Los mapas resultantes, en general, muestran como se observa en la figura 2-8, datos
comunes además de la integración de todos los elementos cartográficos y la información
histórica en mapas.
19
Figura 2- 8. Distintos elementos en la conformación cartográfica
En suma, los principales componentes del procesamiento digital del proyecto fueron
(figura 2-9):
20
Figura 2- 9. Resumen del procesamiento digital
21
Figura 2- 10. Resumen del procesamiento de los datos dentro del SIG.
Resultados
Empleando el proceso descrito, se pretende crear alrededor de quince mapas temáticos en
los cuales se transforme el dato histórico en cartografía digital, cuyos contenidos aún
están en discusión en función de su relevancia y aportes al conocimiento.
Algunos de los mapas elaborados se muestran a continuación (figuras 2-11, 2-12 y 2-13)
y con ellos es evidente la gran herramienta que han resultado ser SIG con todos su
componentes para almacenar, clasificar, analizar y proyectar datos históricos que habían
permanecido dispersos y que ahora nos permiten en una sola mirada entender un poco
más la distribución de las poblaciones indígenas como mayos, yaquis, ópatas (hoy
extintos), pimas altos y pimas bajos y las misiones a través del tiempo.
22
Es importante señalar que este proyecto está aún en proceso y que en un futuro pretende
poner a disposición de investigadores y público en general, la información contenida en
legajos y documentos dispersos en los archivos de México y España que una vez
representados en mapas ayudarán a entender cómo este pasado ha trascendido al tiempo y
sigue impregnando costumbres y tradiciones de los pueblos indígenas contemporáneos.
23
Figura 2- 12. Mapa “La frontera Jesuíta, 1658”
24
Figura 2- 13. Mapa “Creación del Obispado de Durango, 1620”
25
3 APLICACIONES DE LOS SIG PARA EL ANÁLISIS DE
Introducción
En este trabajo se desprende una propuesta para el análisis de situaciones defensivas y de
conflicto en sociedades aldeanas del noroccidente de México durante la época
prehispánica. Una de las interrogantes más importantes respecto al tema de la guerra, es
el cómo identificar sus impactos en la conformación y disposición de los asentamientos
en un área y momento determinado. En específico, se intenta distinguir con mayor
claridad, si la disposición de asentamientos en un paisaje determinado, brindarían una
ventaja estratégica en situaciones defensivas y cuáles serían las características
relacionadas para esta función.
26
Para cumplir con este fin, varios indicadores fueron examinados, tales como: un amplio
predominio visual, intervisibilidad entre sitios, pendientes pronunciadas que dificultaran
el acceso, ubicación exclusiva en las cimas de cerros aislados, presencia de muros para
bloquear accesos, muros perimetrales así como fosas. Su presencia ayudaría a establecer
si el emplazamiento obedeció a causas relacionadas con enfrentamientos y conflictos.
Los resultados emanados por el modelo permitieron develar hasta qué grado los sitios
fueron defendibles, así como las implicaciones para el entendimiento de los procesos de
integración e interacción acaecidos durante esta época en la vertiente del río Verde-San
Pedro. Se espera que con los resultados de este estudio se avance en la construcción de
mejores métodos y herramientas para el análisis del conflicto como en el conocimiento de
sus impactos en las sociedades prehispánicas.
27
Figura 3- 1. Culturas del Noroccidente de México
2
La interacción entre unidades equipolentes designa al todo el rango de intercambios que toman lugar
(incluyendo imitación y emulación, competencia, guerra y el intercambio de bienes materiales e
información) entre unidades socio políticas autónomas (autogobiernos y en ese sentido políticamente
independientes) las cuales están situadas al lado o cerca de cada una dentro de una región geográfica específica, o
en algunos casos más amplia (Renfrew, 1996:113).
28
De forma paralela, en la región septentrional de Mesoamérica, los desarrollos culturales
posteriores al citado colapso del “Mundo Clásico” Mesoamericano, han sido concebidos
como entidades políticas que emergieron a partir de la desfragmentación de los grandes
sistemas del mundo Clásico, generando esta segmentación, un clima de aguda
competencia ya fuera por los recursos o por el control de redes de intercambio. Evidencia
osteológica registrada en diversos sitios, así como la presencia de asentamientos
fortificados y un abandono aparentemente violento en los asentamientos a lo largo de este
territorio han sido empleados como indicadores para sostener dicho escenario (Armillas,
1964; Kelley, 1971; Hers, 1989; López Lujan, 1989; Trombold, 1991; Nelson, 1995;
2000).
Sin embargo, otras investigaciones han señalado que este periodo en la Mesoamérica
septentrional pudo ser muy distinto (Figuras 3-2 y 3-3), al mostrar que, más que un
colapso o una decadencia, un fortalecimiento en las redes de intercambio interregional
que incitaron a que las sociedades en estos territorios cobrarán un auge y fortalecimiento
de sus instituciones de una manera notoria (Jiménez y Darling, 2000; Nelson, 1997;
Solar, 2000; 2006).
29
Figura 3- 2. Distribución especial de algunos sitios y rasgos del Epiclásico en el noroccidente de
México.
Figura 3- 3. Algunos elementos diagnósticos del Epiclásico comunes en la cuenca del río Verde-San
Pedro: a) Cajete de base anular con decoración al negativo; b) bordes evertidos; c) cerámica con
decoración al pseudocloisonné; d) figurillas tipo Río-Verde. Proveniencia: Sitio arqueológico La
Mesilla, Ojocaliente, Zacatecas. Imágenes cortesía de Enrique Pérez Cortés.
30
analizar y desplegar todas las formas de información referenciada geográficamente
(Wheatley y Gillis, 2002).
Para determinar el potencial defensivo de los asentamientos, una muestra de 24 sitios fue
seleccionada. Siguiendo la definición de Ashworth (1991) las fortificaciones se conocen
como el levantamiento deliberado de estructuras físicas con el objetivo de conseguir
ventajas militares para la defensa de un lugar y de imponer un obstáculo a los enemigos.
Si bien, existen numerosos indicadores que deben operar en conjunto para señalar la
presencia de conflicto (Haas, 2001) también es cierto que un indicador como son las
fortificaciones, puede reflejar una actitud de tensión ante la eventual presencia de
conflictos.
Los sitios empleados en esta investigación fueron registrados por exploraciones previas
(Figura 3-4) en el estado de Aguascalientes (Caretta, 2005; Fernández, 2009; Macías,
2006; 2007; Pérez, 2013; Pelz y Jiménez, 2007; Porcayo, 2001;).
31
De estas investigaciones se obtuvieron variables como: ubicación en coordenadas UTM,
altitud, extensión del sitio, materiales asociados, cantidad y tipo de estructuras.
Igualmente la presencia de rasgos arquitectónicos relevantes tales como muros
perimetrales, fosas, muralla barrera, fueron contemplados como algo deseable para
deducir el potencial defensivo de los sitios. Esta información se cruzó con datos
referentes a la posición geográfica que ocupaba cada sitio, por ejemplo: serranía, ladera,
cañada, llano, playa de río, cima de meseta, etcétera y con recursos ecológicos esenciales
para las sociedades agrícolas, como suelos con un alto grado de fertilidad (Figura 3-5).
32
b
Figura 3- 5. Ubicación de los sitios analizados (a); características del paisaje de la cuenca Río Verde-
San Pedro, Aguascalientes.
Un Modelo Digital de Elevación (MDE) fue creado en ArcMap 9.3 con una resolución de
25 x 25m, para conocer las pautas y tendencias de distribución de estos sitios sobre el
paisaje y la naturaleza y tipo de asentamiento. El MDE representa las cotas en una
superficie determinada por un espacio georeferenciado, el objeto real de este modelo es el
relieve de la zona de estudio (Fábregas, 2004: 14). Con esta información se analizaron
tres elementos relevantes para medir las capacidades defensivas de los asentamientos, a
saber: el rango de control visual sobre un territorio, accesibilidad al sitio, e
intervisibilidad entre asentamientos.
Resultados y discusión
De los 24 sitios estudiados ninguno exhibió elementos arquitectónicos que pudieran ser
interpretados como muros perimetrales o fosas que delimitarán los sitios (Figura 3-6). La
situación fue un tanto distinta para el caso de los muros en los accesos o las denominadas
Murallas de Barrera. Cinco de estos sitios que representan el 20.8% de la muestra,
contienen murallas que delimitan parcial o totalmente el único acceso a la cima (Tabla 3-
1).
33
Figura 3- 6. Plano del sitio arqueológico Las Iglesias, el cual muestra una muralla barrera en su
acceso.
Frecuencia
Variable analizada de aparición %
Murallas perimetrales 0 0
Murallas barrera 5 20.80%
Sobre cerros y laderas 17 70.30%
Exclusivo encima de cerros 8 33%
Con óptimo control visual 360 grados 10 38%
Grado de accesibilidad 12 49.9%
Intervisibilidad 19 80%
Respecto a los indicadores de paisaje relevantes para la defensa, los resultados mostraron
los siguientes comportamientos: 17 sitios se ubicaron en las cimas de cerros y mesetas,
esto corresponde al 70.3 % de la muestra. Sin embargo, es necesario comentar que de
estos 17 sitios con edificaciones en las cimas, nueve tuvieron también construcciones
sobre las laderas y otras porciones de la topografía más accesibles, por lo que únicamente
34
podemos expresar que ocho sitios se ubicaron exclusivamente en las cimas, lo que
correspondería a un 33.3 % de la muestra. El resto de asentamientos ocupa laderas con
poca pendiente y solamente tres de ellos ocupan las riveras de los ríos en los llanos del
valle, lo equivalente al 12.5%. Los resultados no indican una preocupación preponderante
para ubicar a los sitios sobre puntos inaccesibles en el paisaje.
El análisis del predominio visual desde los asentamientos también arrojó resultados
interesantes (Figura 3-7). De los 24 sitios analizados 10 tuvieron la posibilidad de
desarrollar un control visual del territorio de manera óptima es decir, de una amplitud de
360⁰, lo que significa el 38 % de la muestra estudiada.
Figura 3- 7. El mapa muestra el rango de control visual desde la cima del cerro el Jara
Se analizó además el interés mostrado por los habitantes de un determinado sitio, para
contar con suelos fértiles a la mano. Los resultados constatan una relación muy clara de la
ubicación de los asentamientos defensivos a suelos con una capacidad productiva que va
de la moderada a la alta (Feozem háplico). De acuerdo con algunos investigadores
(Fábregas, 2004; Jones, 2006) el acceso y control sobre las tierras cultivables pudo ser
una de las principales preocupaciones para el establecimiento de puestos defensivos.
Mediante una estrategia de control visual los habitantes de los sitios bajo estudio podían
no solamente acceder a las tierras productivas, sino además vigilarlas eficientemente
35
contra posibles pillajes, saqueos o incendios que pudieran ser provocados por otras
entidades competidoras.
36
Finalmente, el cálculo de intervisibilidad pretendió medir las posibilidades de
comunicación visual que pudieron existir entre los sitios (Figura 3-9). La intervisibilidad
se empleó como un criterio deseable para que un sitio sea defendible, si el criterio se
cumplía, entonces podría considerarse con potencial defensivo y entre mayor fuera el
número de sitios con los que un asentamiento tuviera comunicación visual, podríamos
pensar que mayor sería su interés por la defensa. El análisis realizado en SIG reveló que
18 de los sitios, es decir el 80% de la muestra, cumplieron con este criterio.
37
Consideraciones finales
Asentamientos prehispánicos y su paisaje fueron examinados por medio de la recreación
digital del terreno y la simulación de variables relevantes para determinar sus capacidades
defensivas. Los resultados obtenidos mostraron la presencia de asentamientos que sí
tuvieron suficientes elementos para considerarlos como fortificaciones (n=7). Y aunque
no todos los asentamientos exhibieron tales características, es viable pensar que los que sí
se fortificaron, pudieron formar parte de un sistema de asentamientos apostados para
vigilar el territorio, tanto hacia el exterior del sistema como al interior. Mientras que los
sitios no fortificados se encargarían de otras funciones, por ejemplo: habitacionales, de
almacenamiento, de extracción, de producción agrícola, de consumo, rituales, entre otras.
38
políticas, económicas e ideológicas que permearon las sociedades del noroccidente
durante el Epiclásico mesoamericano.
39
4 PROSPECCIÓN ARQUEOLÓGICA BASADA EN PERCEPCIÓN
REMOTA EN LA POLIGONAL DE PROTECCIÓN DE EL TAJÍN,
VERACRUZ
Introducción
Los datos presentados en este documento son una parte de los resultados del proyecto
arqueológico “Mapeo Digital 3D de El Tajín, Veracruz” llevado a cabo entre 2012 y 2015, bajo la
dirección de la Dra. Patricia Castillo del Centro INAH Veracruz. Durante 2011 se obtuvieron
datos provenientes de tres sensores remotos: cámara térmica3, ortofotos4, y LiDAR5 (Castillo
Peña, 2011), aunados a imágenes satelitales SPOT obtenidas durante 2012. Dicho proyecto fue
parte del “Plan de Manejo de la Zona de Monumentos Arqueológicos El Tajín” y fue diseñado
para registrar de manera más rápida y eficaz los vestigios arqueológicos antes de su potencial
destrucción parcial o total. El planteamiento del proyecto se resume en la premisa que para
ejercer estrategias específicas de protección a los monumentos, primero hay que saber qué se va a
proteger.
El área de estudio se ubica en la zona arqueológica de El Tajín, la zona más importante del Estado
de Veracruz, declarada por la UNESCO, Patrimonio Mundial de la Humanidad en diciembre de
2001. El Tajín se encuentra enclavado en la Costa del Golfo de México en la región cultural
conocida como “Centro-Norte del Estado de Veracruz”. Una zona con destacada actividad de
exploración y explotación de hidrocarburos ya que quedó ubicada dentro del Paleocanal de
Chicontepec, un campo petrolero descubierto desde 1926 de aprox. 3,800 km2 de extensión.
(Jiménes Meneses, G., D.A. Sandoval Chávez, 2012). Así, además de la destrucción total o
parcial de vestigios arqueológicos provocada por factores como: terremotos, lluvia ácida e
3
Para detectar daños estructurales a través de cambios en la temperatura basado en el principio de que todos los cuerpos
absorben calor y que estas diferencias en las temperaturas muestran alteraciones en los cuerpos. La cámara
termográfica puede determinar sin contacto fisico la cantidad de energía emitida.
4
Imágenes aéreas sin el error de la curvatura de la tierra.
5
LiDAR (Light detection and Ranging), es el más potente de los sensores remotos que permite conocer las
características del paisaje: el medio físico y la arquitectura como un todo integrado aún bajo vegetación espesa o de
difícil acceso. Su precisión y rapidez en la captura de los rasgos del terreno permite una reducción de tiempos con
resultados de muy alta calidad y cuya confiabilidad verificada en campo, es muy alta. Tiene una gran potencial dentro
de la investigación arqueológica: mapeo y cartografía en 3D, inventario, catalogación y conservación e investigación de
los asentamientos arqueológicos (Parcak, Sarah. Satellite Remote Sensing for Archaeology, pp. 76,77-80).
40
intemperismo y la generada por la remoción del subsuelo por el crecimiento acelerado de los
centros de población, hay que agregar un tránsito industrial y humano frecuente y acelerado. En
este contexto fue que se estableció la poligonal de protección de “El Tajín” como resultado del
trabajo de los arqueólogos Ponciano Ortiz y Ramón Arellanos de la Universidad Veracruzana en
la década de los setenta. El objetivo fue resguardar a la Zona Arqueológica del peligro latente de
ser absorbida por la mancha urbana. La poligonal tiene forma irregular, con una extensión de
12.21 Km² y comprende en su interior a las comunidades totonacas de San Antonio Ojital al
noreste, Nuevo Ojital al noroeste, San Lorenzo Tajín al sureste y Tajín en la porción centro sur.
Es precisamente esta poligonal el límite de nuestra área de trabajo.
1. Activos: cuando son capaces de emitir su propio haz de energía, que posteriormente
reconcentra sobre la superficie que pretende observar. El equipo más común es el Radar y
el LiDAR. Sus principales ventajas son su capacidad de operar de noche y penetrar las
nubes.
6
Es un sistema de captura, almacenamiento, integración, manipulación, análisis y despliegue de datos
espacialmente georeferenciados que producen mapas y datos tabulares (Fazal, 2008:7).
41
2. Pasivos: se limitan a recoger la energía electromagnética reflejada de los rayos solares o de
su propia temperatura como los escáneres térmicos.
Otra propiedad importante de los sensores remotos es su resolución. Ésta es la capacidad de
registrar con detalle al objeto de estudio como resultado del efecto combinado de las diferentes
clases de resolución que poseen, como (Wiseman y El-Baz, Remote Sensing in Archaeology, p.p.
1-9):
1. Resolución espacial: se refiere al nivel de detalle que ofrece en dicha imagen por cada una
de las unidades espaciales más pequeñas que puede detectarse sobre una imagen: el pixel.
2. Resolución espectral: Indica el número y ancho de las bandas que puede percibir el sensor.
3. Resolución radiométrica: Se refiere a la sensibilidad del sensor, a su capacidad para
detectar variaciones en la radianción espectral que recibe.
4. Resolución temporal: Es la frecuencia de cobertura del sensor, en otras palabras, la
periodicidad con la que éste adquiere imágenes de la misma porción de superficie.
Entre los productos de sensores remotos aéreos más importantes figuran (Campana, S.,
M. Forte, 2006; Lillesand, T.M., R.W. Kiefer, J.W. Chipman, 2008; Parcak, 2009; Villa,
2011; Wiseman, J., F. El-Baz, 2007):
Fotografía Aérea.
Aunque al principio ésta consistió en simples fotos desde globos aerostáticos, dirigibles y
aeroplanos con el tiempo también se desarrolló además de la fotografía vertical para
obtención de datos en planta, la fotografía aérea oblicua que proporciona datos en
perspectiva de la superficie de la tierra: las ortofotos. Éstas últimas tienen la ventaja de
combinar el detalle de una fotografía aérea con las propiedades geométricas de un dibujo
en planta además de que su naturaleza digital facilita su uso, transporte, almacenamiento
y manipulación. La ortofotogrametría es el resultado de un conjunto de imágenes aéreas,
tomadas desde un avión o satélite, que han sido corregidas digitalmente para representar
una proyección ortogonal sin efectos de perspectiva con la que es posible realizar
mediciones exactas.
Imágenes Satelitales.
Han sido una importante herramienta en la obtención de imágenes de gran cobertura
desde plataformas espaciales. Una de sus principales características es su capacidad de
monitoreo debido a que se encuentran en órbita por periodos muy largos, además de su
amplia cobertura, las imágenes resultan ser las más económicas a diferencia de otros
42
sensores remotos. Funcionan enviando ondas de energía sobre el terreno al mismo tiempo
que registra la energía reflejada para determinar distancias y características de la
superficie terrestre y lo que ahí se encuentra a través del espectro electromagnético,
invisible para el ojo humano. Existen imágenes pancromáticas, multiespectrales e
hiperespectrales, éstas últimas detectan diferencias muy sutiles. Algunos de los satélites
que han proporcionado imágenes más importantes son: SPOT (con resolución de píxel de
10 m.), LANDSAT TM (resolución de 30 m), LANDSAT Ikonos (resolución de 1m),
entre otros.
En resumen, las cualidades más importantes del funcionamiento de los sensores remotos
aéreos, además de su precisión geográfica, es su capacidad de: trasmitir una elevada
cantidad y variedad de datos y síntesizarlos a una gran velocidad.
43
Durante la década 1960-1970, la Nueva Arqueología dio un nuevo impulso a nuestra
disciplina con la adopción de tecnologías de otras ciencias por ejemplo, sensores
geofísicos y la fotografía aérea, mientras que desde la perspectiva teórica, la Ecología
Cultural, proveyó una nueva forma de ver y entender a los asentamientos del pasado. Por
ello, en esa década se desarrollaron las bases teóricas y metodológicas que dieron
fundamento a la prospección en arqueología (García San Juan, 2013). En resumen, la
manera tradicional de realizar una prospección arqueológica incluye:
Se puede decir que la transición de la prospección arqueológica tradicional a aquella que se apoya
en los sensores remotos fue en la primera mitad de la década de los 1960, cuando se estableció
dentro de nuestra disciplina un subcampo denominado “arqueología aérea”. Ésta se basó en el
uso, principalmente de la fotografía aérea para cubrir áreas extensas o de difícil acceso tomando
en cuenta escalas, sombras e intervalos de registro (Parcak, 2009).
44
Por último, cabe mencionar por su importancia en las investigaciones arqueológicas actuales el
LiDAR. El primer reporte de su uso fue en Stonhenge, en el Reino Unido donde se usó para
mapear con precisión (con un margen de error de 15 cm) todos los rasgos arqueológicos presentes
(Parcak, 2009). En Bretaña, Francia se empleó para visualizar el paisaje que rodeaba a los
asentamientos de Carnac. En Mesoamérica, se ha aplicado en el sitio maya de Caracol en Belice
(Chase et al., 2011) y en el Occidente de México, en el sitio purépecha de Angamuco en la
Cuenca del Lago de Pátzcuaro (Fisher, 2012) para cartografiar a través de la vegetación y
registrar en detalle rasgos naturales y arquitectura pública y doméstica, e identificar
modificaciones en el paisaje, como campos de cultivo y otras obras.
El uso de la percepción remota en arqueología ha sido un fenómeno que ha crecido a la par del
desarrollo de nuevas tecnologías que permiten obtener una perspectiva diferente a la visión
humana. Ya sea con aviones, satélites, globos o drones, los objetivos de rápida identificación y
registro con imágenes de amplia cobertura y alta resolución se han visto beneficiados. Además
que permiten cuidar al mismo tiempo los recursos humanos y patrimoniales al no ser intrusivos.
Por tanto, y de acuerdo a todo lo anterior se puede afirmar que cuando se lleva a cabo prospección
arqueológica a través de los datos recuperados mediante sensores remotos o teledetección se está
haciendo “Prospección Arqueológica Remota” (PAR).
Una vez integrados los datos en este SIG, dio inicio la prospección arqueológica remota
atendiendo los mismos criterios generales que aplica el arqueólogo en campo. Es decir, lo
primero que se estima son los distintos grados de potencial arqueológico con base en la
disponibilidad de los recursos naturales esenciales para los antiguos asentamientos humanos (por
ejemplo, agua permanente, terrenos aptos para habitarse, etcétera). En el SIG se desplegaron
todas las áreas que tienen esos atributos críticos asignándoseles rangos significativos a fin de
llevar a cabo las primeras inferencias.
10
La georeferenciación es refiere al posicionamiento de un objeto en el espacio dentro de un SIG (representado
mediante punto, vector, área, volumen) con un sistema de coordenadas y datum o modelo de proyección definido.
46
Figura 4- 1. Imágenes satelitales: pancromática (plano inferior), multiespectral (abajo izquierda) y
con Falso Color (arriba derecha). Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El
Tajín.
Es relevante señalar que antes de este proyecto, el mapa topográfico vigente de El Tajín fue el
elaborado por el Ing. G.R. Krotser durante la temporada de campo 1969-1970 (Figura 4- 3). Éste
fue sobrepuesto al MDS derivado de LIDAR para poder identificar lo que aún no había sido
registrado (Figura 4-4).
47
Figura 4- 2. Modelo digital derivado de la nube de puntos LiDAR, obtenida durante 2011 cubriendo
toda la poligonal de protección de la zona arqueológica. Imágenes de Zetina Gutiérrez, 2014,
Proyecto Mapeo Digital 3D El Tajín
48
Figura 4- 3 Mapa vigente antes de la obtención de los datos LIDAR. Fuente: G.R. Krotser,
temporada 1969-1970
49
Figura 4- 4. 1) Proceso de georeferenciación del mapa de Krotser sobrepuesto al modelo digital de
elevación derivado de LiDAR en el software ArcMap , 2) Área que cubre el plano topográfico dentro
del modelo derivado de LIDAR, 3) Detalle de la coincidencia del plano topográfico con el modelo
digital y la numeración original dada durante el mapeo de Krotser. Imágenes de Zetina Gutiérrez,
2013, Proyecto Mapeo Digital 3D El Tajín
Posteriormente, se analizaron las imágenes de las ortofotos (con una resolución de 0.50 m) para
observar cambios en la vegetación y el paisaje alternándolas con el modelo derivado de LiDAR
(con 0.20 m de resolución). También se sobrepusieron las curvas de nivel de diferentes cotas para
50
facilitar la identificación de los cambios topográficos en el paisaje como se observa en las Figuras
4-5 y 4-6. Así mismo, se usaron las imágenes generadas con herramientas RGB para transformar
las ortofotos en imágenes multiespectrales para la detección de distintas características de
materiales (piedra, minerales, agua, etcétera), como se observa en las Figura 4-7.
51
Figura 4- 6. Proceso de la prospección arqueológica remota a través de un análisis comparativo de los
datos proporcionado por el sensor LiDAR junto con curvas de nivel sobrepuestas. Imágenes de
Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín
Figura 4- 7. Distintos arreglos en colores RGB de los cuadrantes de LiDAR para identificación de
vestigios arqueológicos en la porción Norte del Polígono de Protección de El Tajín. Imágenes de
Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín
Tras la identificación y verificación (con datos de los distintos sensores), de una estructura o un
rasgo arqueológico nuevo en el paisaje, ésta se registró en una cédula dentro de la base de datos.
En seguida se generaron imágenes 2D en ArcMap y 3D en ArcScene, para determinar
dimensiones, volúmenes y así poder apreciar las características arquitectónicas (Figura 4-8). Se
repetía el mismo procedimiento para cada una de las estructuras y rasgos en el paisaje.
Finalmente los resultados obtenidos fueron verificados en campo (Zetina Gutiérrez, 2012).
52
Figura 4- 8. Algunos ejemplos de edificios en 3D derivados de los datos de LiDAR. Imágenes de
Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D El Tajín
Para esto último se imprimieron mapas con los datos a verificar y se cargaron las
coordenadas en un GPS para ubicar los edificios, los caminos, carreteras, accesos,
etcétera. Ya en el campo se grabaron los recorridos en tiempo real con el mismo
dispositivo GPS para posteriormente sobreponer estos tracks sobre el MDS en el SIG. Se
tomaron fotografías en campo y se hicieron las anotaciones pertinentes para detallar o
modificar la información que ya estaba en la base de datos. De vuelta en gabinete la
nueva información sería integrada a la base de datos.
De esta manera, con base en la combinación de los datos procedentes de los distintos
sensores11 y su procesamiento en el SIG tenemos mayor claridad sobre lo que se
11
No obstante a todas las ventajas descritas sobre el uso del sensor LIDAR, es importante decir que con base
en mi experiencia para su aplicación en Arqueología hay que considerar tres posibles fuentes de error que se traducen
en modelos digitales que no registran todos los vestigios realmente existentes en el terreno y que se relacionan
directamente con la adquisición y el procesamiento de la nube de puntos : 1) El porcentaje de traslape del vuelo de
adquisición. Tendremos una interpolación reducida con alrededor del 60% de traslape ya que en los datos de El Tajín
con el 40% de interpolación se hallaron muchos errores. 2) La densidad de puntos que caen el terreno y inclinación del
haz láser. Los datos de El Tajín tuvieron 20 puntos al terreno por m2 y con 90-180° de inclinación. Esta densidad de
puntos se puede considerar buena pero tener datos sólo verticales no favoreció para que algunos muros de estructuras
53
encuentra en el terreno semi oculto por la vegetación a la vez que se tiene una mejor
comprensión de la distribución y naturaleza de los edificios y rasgos arqueológicos
integrados al paisaje.
Cabe mencionar que la prospección arqueológica remota posibilitó trascender los límites
de un simple inventario gracias a las propiedades intrínsecas de los SIG. En la Figura 4-
10, se observa un análisis de cuenca de visual desde una edificación que se consideró
significativa por la extensión de paisaje que domina visualmente. En las Figuras 4-11 y 4-
12 se observa parte de los resultados del procesamiento del modelo hidrológico de la
parte nuclear de El Tajín y que permite observar cuáles son los puntos de drenaje, cuáles
son las escorrentías primarias, así como cuáles son las microcuencas que retiene el agua y
por lo tanto permiten definir las áreas de la zona monumental del sitio arqueológico que
fueron más susceptibles a inundarse durante su ocupación prehispánica y actual. Estos
datos son igualmente relevantes desde el punto de vista de la conservación, pues nos
señalan que edificios y áreas necesitan mayor atención por ser más propensos a
encharcamientos y erosión por el paso del agua.
conocidas aparecieran en el modelo. Tampoco es recomendable tener una densidad de puntos superior a 30 ya que el
filtrado puede llegar a ser muy complicado. 3) El filtrado automático de la nube de puntos previo a la derivación del
modelo digital elimina las “anomalías” en los datos. Estas “anomalías” suprimidas resultan ser los vestigios
arqueológicos imposibles de detectar para el ojo no entrenado en arqueología. Definitivamente el uso combinado de
los datos de diferentes sensores puede ser más útil de lo que se cree.
54
Figura 4- 9.Análisis de cuenca de visión desde una edificación al norte del polígono de protección de
“El Tajín”. Imágenes de Zetina Gutiérrez, 2012, Proyecto Mapeo Digital 3D El Tajín
55
Figura 4- 10. Corrientes primarias y puntos de drenaje derivados de los datos de LiDAR. Imágenes
de Zetina Gutiérrez, 2012, Proyecto Mapeo Digital 3D El Tajín
56
Figura 4- 11. Microcuencas modeladas a través de herramientas para análisis hidrológicos en
ArcMap, derivados de los datos de LiDAR. Imágenes de Zetina Gutiérrez, 2012, Proyecto Mapeo
Digital 3D El Tajín
Comentarios finales
Tras la integración de un sistema de información geográfica durante del proyecto Mapeo
Digital 3D, El Tajín, Veracruz y el desarrollo de una metodología para llevar a cabo el
inventario de nuevas edificaciones y rasgos arqueológicos, se cubrió un área de poco
más de 3 km2 en la sección norte de la poligonal. Hasta ese momento el avance del
registro mostraba 91 nuevas estructuras, en cinco nuevos conjuntos arquitectónicos y 40
rasgos y estructuras arqueológicas nuevas en la porción norte del gran Complejo de las
Columnas. Esto significa un notable avance considerando que en un año se avanzó casi
57
un tercio del polígono y la investigación que podría llevarse 10 años se completaría en
sólo tres.
Para finalizar, se puede concluir que la prospección arqueológica remota, es decir aquella
basada en la teledetección en un entorno de SIG como primer y último acercamiento al
campo, es más precisa, rápida y eficiente que la prospección tradicional. Esta técnica sin
ser intrusiva, posibilitará la identificación, registro y análisis de la evidencia
arqueológica, así como la conformación del paisaje natural y construido como un todo
integrado. Más allá de esto, como atestigua el estudio de caso aquí expuesto, los datos
obtenidos no sólo permitirán hacer inferencias sobre condiciones pasadas, sino también
sobre los riesgos potenciales a los que se enfrentan los sitios arqueológicos en la
actualidad. De este modo se puede diseñar mejores estrategias de manejo y protección del
patrimonio arqueológico y/o seleccionar con criterios más objetivos las áreas a excavar,
algo que supera por mucho la apreciación intuitiva.
Agradecimientos.
A la directora del Proyecto “Mapeo Digital 3D, El Tajín, Ver.”. Dra. Patricia Castillo
Peña quien puso en mis manos los datos de este proyecto para su procesamiento y análisis
con los resultados que brevemente se muestran aquí (2012-2015).
Al Instituto Nacional de Antropología e Historia (INAH) y al Centro INAH Veracruz.
A la empresa Geokinetics de México por la donación de los datos de los tres sensores
remotos durante 2011 y en especial al Ing. Ignacio Orozco, Director General de la misma
58
quien financió mi entrenamiento para el manejo de datos LIDAR en la Universidad
Estatal de Colorado (CSU), Campus Fort Collins durante 2012.
A la Estación de Recepción México (ERMEX) por la donación de las imágenes satelitales
SPOT.
Al Dr. Chris Fisher (CSU), Al Dr. Armando Anaya (CIHS-UACAM), Mtro. Alejandro
Uriarte Torres (DEA-INAH) y Mtra. Eva Romero (UV).
59
5 LOS SIG Y EL MANEJO DE LOS RECURSOS CULTURALES:
Introducción
Como ya se ha reiterado a lo largo de este libro, un Sistema de Información Geográfico
(SIG) es en esencia una base de datos georeferenciada, que ha probado ser de gran
utilidad para capturar, almacenar, analizar y manejar datos espaciales y sus atributos
asociados. El surgimiento y popularización de los SIG, ha posibilitado la aproximación al
análisis de las relaciones espaciales entre los datos arqueológicos y el entorno físico-
biótico que en última instancia permitirán producir modelos de potencial arqueológico.
La finalidad de estos modelos es estimar la probabilidad de la presencia de sitios o
materiales arqueológicos en un área determinada con base en una muestra de los mismos
y teorías sobre el comportamiento humano. En la práctica estos modelos identificarán
áreas en el paisaje donde la probabilidad de encontrar un sitio arqueológico será alta. De
esta manera los modelos predictivos generados constituyen una herramienta heurística
para proyectar patrones de relaciones conocidas hacía áreas similares donde se desconoce
la existencia de sitios.
60
Por otra parte, mientras que los modelos deductivos tienen la ventaja de explicar el
porqué ocurren los sitios en determinadas localidades, la principal crítica a estos es que
se corre el riesgo que los modelos reflejen el sesgo del investigador producto de sus
preconcepciones del comportamiento humano. De igual manera, los modelos inductivos
aunque en la práctica nos pueden dar buenos resultados, su limitado poder explicativo los
hacen poco confiables en áreas donde no se tiene suficiente información empírica. En
otras palabras el modelo dará buenos resultados en áreas donde el conocimiento
arqueológico sea adecuado, pero se verá limitado para evaluar el potencial arqueológico
en áreas donde no existe este conocimiento.
61
R. Vincent, M. Eldridge and M. Bein, 2003; Canuel N., A. Maas, 1997; Eldridge, M., A.
Anaya-Hernandez, 2005; Eldridge, M., A. Mackie, 1993; Eldridge, M., et al., 2002;
Kamermans H., 2009; Marshal, A., T. Bond, 2004; Mehrer, M. W., K. L. Wescott, 2006;
Vaughn S., Crawford T., 2009; Verhagen, 2007), en México su aplicación es
prácticamente inexistentes. En Mesoamérica se han desarrollado modelos predictivos
basados en la teoría Depmster-Shafer (Anaya Hernández, 2006; Trujillo Herrada, 2009) y
Regresión Logística (Vaughn S., T. Crawford, 2009) pero su aplicación ha sido
fundamentalmente orientada a resolver cuestiones teóricas no necesariamente
relacionadas con el manejo de los recursos culturales.
Contexto cultural
El área de estudio se ubica en la región meridional de la costa del Pacífico de Sinaloa, al
suroeste del municipio de Mazatlán; y tiene una extensión de casi 32,500 ha (Figura 5-1).
La revisión de la base de datos de la Dirección de Registro Público de Monumentos y
Zonas Arqueológicas del INAH arrojó la presencia de 18 sitios arqueológicos registrados
que incluyen sitios con estructuras, concheros y concentraciones de materiales en
superficie, estos fueron clasificados por los autores, de acuerdo al tipo de sitio y
extensión, en sitios de rango 3, 5 y 6 (Figura 5-1 y Tabla 5-1).
62
Figura 5- 1. Área de estudio y sitios arqueológicos registrados.
Procesamiento inicial
De manera preliminar el área de estudio se inspeccionó visualmente utilizando imágenes
de la tierra, públicamente disponibles en Google Earth, que en este caso incluyeron 29
imágenes que abarcaron el período de 2004 a 2017. El examen de series temporales de
imágenes puede revelar las tendencias de desarrollo del área de estudio y también
proporcionar una interpretación más robusta de características visibles en una serie
múltiple. Este enfoque cuando es empleado por un especialista en patrimonio cultural ha
demostrado proporcionar resultados útiles que son confiables dentro de los límites
normales de cualquier método rápido. Aunque no es posible identificar con certeza todos
los rasgos culturales, lo que se busca son los posibles espacios y características del
paisaje que favorecerían la presencia de sitios arqueológicos que podrían no ser visibles
64
en absoluto como: la proximidad a fuentes de agua, la pendiente, el aspecto, la visual
desde puntos de observación, o la presencia de formas de relieve adecuadas que pueden
facilitar el movimiento en el entorno físico.
Aunque las imágenes de Google Earth son de gran utilidad para la prospección
arqueológica, la cobertura vegetal y la resolución de píxeles sigue siendo una limitación
para la identificación de características arqueológicas más sutiles. En este sentido,
aprovechamos la disponibilidad de imágenes LiDAR del INEGI para el área de estudio.
Estas fueron procesadas para resaltar las características del paisaje. LiDAR es un
acrónimo de Light Detection and Ranging; es una técnica de teledetección que utiliza
rayos láser para recopilar una densa nube de puntos con datos que representan la
superficie terrestre y producen mediciones muy precisas en las coordenadas X, Y y Z. A
partir de esta nube de datos, se produce un Modelo Digital de Elevación (MDE) que, a su
vez, se puede procesar como una imagen de sombreado para visualizar las características
topográficas de la tierra. Aunque la resolución de los datos LiDAR de INEGI (5 m) no es
la ideal, los resultados finales proporcionaron una imagen más precisa de la topografía
del área.
Los nuevos modelos tienden a combinar ambos enfoques, lo que subraya la necesidad de
combinar variables ambientales y culturales con una sustentación teórica (Anaya
Hernández 2006, Marshall y Bond 2004). Los modelos aquí presentados se desarrollaron
en sus etapas iniciales utilizando un enfoque empírico complementado por la
interpretación del uso humano del paisaje basado en la analogía etnográfica y los datos
etnohistóricos.
65
Se utilizó el software de ESRI ArcMap 10.3 para obtener los modelos empírico, y de
regresión logística, mientras que el modelo Dempster-Shafer se procesó utilizando el
paquete Idrisi Selva de Clark Labs. Estos modelos trabajan bajo la premisa de que la
variable dependiente es dicotómica, es decir los casos pueden pertenecer únicamente a
una de dos clases: presencia de sitio (sitio), o ausencia del mismo (no-sitio) y las
variables independientes (rasgos medioambientales), serán los predictores. Las variables
independientes ingresadas en los tres modelos fueron: rasgos hidrológicos (lagos, ríos,
arroyos perennes y estacionales) y rasgos topográficos (pendiente, aspecto y topo
formas).
Rasgos hidrológicos
Las fuentes de agua son abundantes en la región, la disponibilidad de fuentes confiables
de agua siempre ha sido una prioridad para los grupos nómadas, seminómadas y
agrícolas. Estos cuerpos de agua representaban también una fuente potencialmente
importante de alimentos debido a la biodiversidad presente en los mismos, además de ser
una fuente confiable para prácticas agrícolas intensivas. El potencial arqueológico de los
66
rasgos hidrológicos se estimó con base a la distancia a estos. Es importante mencionar
que las distancias se calcularon sobre la base de las distancias de coste12 no la de
distancias euclidianas, esto significa que los cambios en la topografía y calidad de la
superficie fueron considerados en la estimación del esfuerzo real para desplazarse en el
terreno físico. Considerando lo anterior los cuerpos de agua presentes en la región de
estudio se “amortiguaron” en seis rangos de distancia y se les asignó un puntaje de
potencial de acuerdo con su tamaño y naturaleza (perenne o estacional), es decir, las áreas
más cercanas tendrán un mayor potencial (Figura 5-2, Tabla 5-2).
12
A diferencia de la distancia euclidiana que es directa, la distancia coste considera la resistencia que ofrece la
superficie al desplazamiento mediante la estimación de dos tipos de fricciones: fricción isotrópica, que es la misma en
todas las direcciones y la fricción anisotrópica que considera dirección y esfuerzo (ver Anaya Hernández, 2016 y
Heredia Barrera y Anaya Hernández, Capítulo 6 de este libro)
67
Arroyos
estacionales 20 20 18
Lagos >5 ha 25 25 20 15 10 8 6
lagos<5 ha 20 20 18
Rasgos topográficos
El patrón de asentamiento de la región apunta principalmente hacía la existencia de
pequeñas aldeas agrícolas y aldeas donde el fácil acceso a los recursos hídricos y los
suelos bien drenados serían lugares preferidos. Complementariamente las micro formas
topográficas facilitarán el movimiento a través del paisaje y ofrecerán puntos de control
visual privilegiados ya sea para la localización de recursos naturales o como puntos de
vigilancia con propósitos defensivos (Ver Macías Quintero y Palacios Ríos, Capítulo 3 de
este volumen). En este sentido, para las sociedades agrícolas que habitaron la región en
el pasado los valles y terrazas bien drenadas y las micro topo formas serían ubicaciones
preferidas y se esperaría una mayor frecuencia de ocurrencia de sitios arqueológicos, por
lo que a estos se les asignó alto valor potencial (Tabla 5-3) 13.
Otros rasgos topográficos como elevación, pendiente y aspecto también fueron incluidos
en el modelo y se les asignó un valor ponderado de acuerdo con su contribución de
acuerdo al análisis discriminante. Por ejemplo, sitios como asentamientos permanentes
tienden a estar ubicados en pendientes suaves de no más de 4°. De igual manera el
aspecto (dirección de la pendiente) fue considerado como variable de relevancia; los
grupos nómadas e incluso grupos sedentarios, prefirieron establecer sus viviendas en
laderas orientadas hacia el sur para obtener más luz solar durante el año, así como
protección contra los vientos del norte y las heladas, especialmente durante los meses de
invierno.
DESCRIPCIÓN PUNTAJE
TOPO FORMAS
Valle 25
Planice 15
Terrazas 20
13
Es importante tener en cuenta que para minimizar falsos valores de alto potencial a partir de
modificaciones modernas del paisaje como carreteras y red de calles, estas se eliminaron mediante una
“máscara” que se utilizó para sustraerlas en las operaciones de algebra cartográfica descritas más abajo.
68
PENDIENTE
0-3° 20
3.1-6.3° 16
6.3-9.5° 12
9.6-12.7 ° 8
12.8-15.8° 4
15.9-19° 0
ASPECTO
N 4
NE 8
E 12
SE 16
S 20
SO 16
O 12
NO 8
Plano 20
ELEVACIÓN (msnm)
0-11m 20
11.1-20m 10
20-50m 16
>50M 0
Rasgos culturales
La Primera Ley de Geografía de Tobler (1970), afirma que, todo está relacionado con
todo lo demás, pero las cosas cercanas están más relacionadas que las cosas distantes. En
este sentido, la presencia de sitios arqueológicos es un buen indicador del potencial
arqueológico sobre la base del principio de dependencia y autocorrelación espacial. A
partir de la capa de sitios arqueológicos se derivó una superficie de coste que fue
reclasificada para asignarle el puntaje de potencial en orden descendente de acuerdo a
distancia y rango a partir del sitio (Tabla 5-4).
3 22 20 18 16 14
5-6 20 18 16
69
Las imágenes raster de cada una de estas variables fueron reclasificadas a fin de
asignarles el valor del puntaje de potencial y con la herramienta de calculadora de raster
de ArcMap 10.3 fueron sumadas para obtener el gran total de potencial:
Ecuación 5.1
“Pot_Ríos”+”Pot_Lagos”+”Pot_Topo”+”Pot_Pend”+”Pot_Elev”+”Pot_Asp”+”Pot_Sitios”
Ecuación 5.2
GVF = SDAM - SDCM / SDAM
Donde
SDAM son las desviaciones cuadradas de la media del conjunto
SDCM son las desviaciones cuadradas de la media de la clase
Éste ha demostrado ser uno de los mejores métodos de clasificación en el que la suma de
la varianza dentro de cada una de las clases se minimiza determinando los límites de clase
(Bajo, Moderado y Alto) de una manera óptima. La figura 5-3 muestra el resultado de
este modelo.
70
Figura 5- 3. Resultados de potencial arqueológico de acuerdo al Modelo Empírico
71
Ecuación 5.3
Donde
p es la probabilidad de la presencia de sitio
b son los pesos beta (intercept)
X son las variables independientes (predictores)
El primer paso antes de iniciar el análisis fue el de agregar una capa vectorial de 20
puntos aleatorios en el área de estudio, mismos que constituirían las variables
independientes por lo que se les asignó un identificador “0” (no sitio). A estos se
agregaron los sitios conocidos con identificador “1”. Finalmente se extrajeron para cada
uno de estos puntos los valores de cada una de las superficies raster que representan las
variables medio ambientales: distancia a arroyos, distancia a cuerpos de agua, topo
formas, pendiente, aspecto y elevación. La tabla de atributos de esta capa fue exportada
como una tabla dBase, e importada en el paquete estadístico SPSS 20, para procesarla en
el módulo de Análisis Regresión Logística binaria. Los resultados más relevantes
son presentados en las tablas 5-5 a 5-7:
Chi-cuadrada df Sig.
72
a. La estimación ha finalizado en el número de iteración 6
porque las estimaciones de los parámetros ha cambiado en
menos de .001.
Las Tablas 5-5 y 5-6 indican que existe por lo menos cierto grado de capacidad predictiva
en la ecuación de regresión expresado en el valor de significancia (Sig.) de la Tabla 514.
Lo anterior se corrobora con el valor de R cuadrado de Nagelkerke que indica que el 41%
de la variabilidad en la variable independiente es explicada por las variables
independientes.
Tabla 5- 7. Prueba de Hosmer y Lemeshow
1 3.490 8 .900
La prueba de Hosmer y Lemeshow es una prueba muy rigurosa acerca del poder
predictivo. En este caso el valor de la Chi-cuadrada indica que esté no es significativo
(Sig.=.000), pero al contrario de la prueba anterior, un valor alto de la Chi-cuadrada
indica que el poder predictivo del modelo es alto.15
Tabla 5- 8. Tabla de Clasificación
Pronosticado
CID
Porcentaje
Observado 0 1 Correcto
1 6 12 66.7
14
Un valor de .000 indica que es altamente significante estadísticamente, mientras que el valor 1.000 indica que no hay
significancia.
15
Sin embargo, aunque el alto valor de significancia puede deberse al reducido tamaño de la muestra, los
resultados previos avalan una capacidad predictiva aceptable del modelo.
73
Finalmente la Tabla 5-9 nos proporciona más información auxiliar en la interpretación
del modelo. La primera columna contiene los pesos beta no estandarizados, mismos que
nos servirán para generar el modelo en el SIG. La dimensión de éstos valores nos
proporcionan un índice de asociación entre la presencia de sitios y la variable
medioambiental. En este caso se puede observar que mientras topo formas tiene una alta
asociación positiva con la presencia de sitios, la pendiente tiene una asociación negativa,
es decir, conforme la pendiente aumenta, la probabilidad de la presencia de un sitio
disminuye. Es el mismo caso con aspecto, conforme el valor de este aumenta (pendientes
con orientación norte) la probabilidad desciende. Por otra parte, contrario a lo esperado la
cercanía a fuentes de agua no resulto ser una variable relevante de predictibilidad, esto se
puede deber a que por un lado los arroyos han tenido una importancia secundaria desde
tiempos pre-hispánicos debido precisamente a su naturaleza estacional. Igualmente es
muy probable que buena parte de los cuerpos de agua sean de reciente factura
relacionados con las actividades agrícolas modernas. La columna de significancia
estadística refleja precisamente los resultados de los pesos beta.
Los valores de los pesos beta (B) fueron multiplicados por su variable correspondiente
utilizando la herramienta calculadora de raster de ArcMap 10.3 de acuerdo a la siguiente
ecuación:
Ecuación 5.4
.001 * “Dist_Arroyos” + .000 * “Dist_Lagos” + 3.133 * “Topoformas” + -.007*”Aspecto” + .055 *
“Elev” + -.464 * “Pend”
74
Al igual que en el modelo empírico, los valores brutos del modelo de regresión logística
fueron reclasificados en tres clases siguiendo el método de Jenks de Segmentaciones
Naturales. El modelo resultante se presenta en la figura 5-4.
Modelo Dempster-Shafer
La teoría de Dempster-Shafer junto con la teoría de conjuntos difusos y las estadísticas
bayesianas pertenece a un desarrollo relativamente reciente de Sistemas de Soporte de
Decisiones en SIG conocido como Manejo de Incertidumbre. Estos difieren de los
enfoques más tradicionales en SIG donde los modelos y las bases de datos implícitamente
se consideran "perfectos", lo que nos lleva a tomar decisiones "duras". Por otra parte, el
Manejo de Incertidumbres reconoce las deficiencias de los modelos y las bases de datos.
Los otros tres conceptos de trabajo muy importantes presentes en la teoría de Dempster-
Shafer son Creencia (Belief), Plausibilidad (Plausibility), e Intervalo de Creencia. El
primero constituye el grado en que la evidencia proporciona respaldo para una hipótesis
dada. El segundo constituye la medida a la cual la evidencia no refuta esa hipótesis; y el
intervalo de creencia constituye la diferencia entre creencia y plausibilidad, y actúa como
una medida de incertidumbre para una hipótesis específica (Eastman 1999: 9-37).
Para obtener estas medidas, la teoría Dempster-Shafer requiere que las hipótesis de
trabajo se definan en un marco de discernimiento donde se organizarán en combinaciones
jerárquicas de acuerdo con la evidencia proporcionada. En este caso “sitio” representa la
76
hipótesis de que los sitios arqueológicos se encontrarán en un lugar determinado, “no-
sitio” es la hipótesis de la ausencia de un sitio arqueológico en ese mismo lugar. Una
tercera hipótesis, la combinación de las dos anteriores (sitio/no-sitio) también será creada.
Con frecuencia ocurre que nuestros datos pueden admitir una cierta combinación de
variables, pero no es capaz de distinguir otros subconjuntos de datos, esta tercera
hipótesis pretende agotar todas las combinaciones posibles de las variables involucradas,
a la vez que toma en cuenta la ignorancia (Figura 5-5).
Figura 5- 5. Estructura jerárquica de los subconjuntos del conjunto global [Sitio, No-sitio, Sitio/No-
sitio. La ignorancia es contemplada por la hipótesis Sitio/No-sitio. (Basado en Eastman 1999)
77
Aunque esto solo ofrece una declaración de incertidumbre, esta evidencia puede usarse en
la construcción de las declaraciones de apoyo a estas hipótesis. Estas declaraciones se
construyen a través del establecimiento de las Asignaciones de Probabilidad Básicas
(APB). Estas representan el apoyo que proporciona una determinada evidencia para una
de las hipótesis, pero no para sus subconjuntos (Eastman, 1999). La teoría de Dempster-
Shafer ofrece la ventaja de poder agregar nuevos datos al estado actual del conocimiento,
lo que es de particular interés para nuestra disciplina dada la naturaleza incremental del
dato arqueológico.
Al agrupar rasgos naturales del entorno físico, o rasgos culturales, en clases rara vez
tenemos un conjunto discreto con límites nítidos sobre el cual trabajar. Frecuentemente
consideramos necesario establecer límites arbitrarios entre las clases. Empero, casi
siempre tratamos con fenómenos continuos (por ejemplo, distancia, pendiente, elevación,
entre otros) y tenemos que decidir a qué grupo o clase estará asignada cada rasgo, lo que
vuelve más problemático el proceso de clasificación. Es en estos casos que los conjuntos
difusos adquieren relevancia ya que estos no tienen límites definidos; es decir, la
transición entre la pertenencia y no pertenencia de un lugar en el conjunto es gradual
(Zadeh, 1965; Schmucker, 1982). Estos conjuntos se caracterizan por un grado indefinido
de membrecía (también llamada posibilidad), con un rango de valores continuos que van
del 0.0 (no miembro) a 1.0 (miembro).
78
Ecuación 5.5
Donde
m = masa (grado de creencia en la línea de evidencia)
X y Y = líneas de evidencia
Ecuación 5.6
Si
Entonces la ecuación se convierte a:
Ecuación 5.7
Un de las grandes ventajas de esta regla de combinación es que nos permitirá agregar
evidencia indirecta e información completa. Por ejemplo, en el estudio que nos atañe,
para estimar dónde se puede encontrar un sitio arqueológico de una cultura particular, el
marco de decisión incluirá dos hipótesis básicas [Sitio] y [No-sitio]. A continuación se
agregarán elementos de evidencia: la ubicación de los sitios conocidos, la proximidad a
las fuentes de agua permanentes, la pendiente y el aspecto. El primero puede verse como
evidencia directa (ubicación exacta de los sitios) de las áreas que tienen sitios
arqueológicos conocidos. Empero, lo que nos preocupa son las áreas que no tienen un
sitio para las cuales los sitios conocidos no brindan información directa. Por lo tanto, la
evidencia es en gran medida indirecta. Recordemos que en concordancia con la primera
ley de la geografía de Tobler citada arriba, para áreas que están cerca de los sitios
existentes, se puede asumir con cierto grado de certeza que la probabilidad de la
presencia de otro sitio sería mayor.
Antes de conjuntar las líneas de evidencia, será necesario establecer a que hipótesis apoya
cada una de estas. Sabemos que los sitios tienden a no ocurrir en lugares con pendiente
muy inclinada o alejados de fuentes de agua por lo tanto las imágenes de probabilidad de
pendiente y de distancia de agua se utilizaron en apoyo a la hipótesis “No-sitio”, por lo
79
contrario, las imágenes de probabilidad de aspecto, topo formas y elevación, así como
sitios conocidos apoyaron la hipótesis “Sitio”.
80
Figura 5- 7. Imagen de Plausibilidad en la hipótesis “Sitio”
Contrastación en campo
Con la finalidad de poner a prueba la efectividad de los tres modelos se llevó a cabo un
recorrido de campo en dos polígonos a los que se concedió acceso ubicados a una
distancia aproximada de 8.5 km hacia el sureste de Mazatlán. El polígono I tiene una
extensión de 31.4 ha, mientras que el polígono II, ubicado casi 3km al sur del primero,
tiene 19.42 ha. Se realizó un recorrido extensivo de los polígonos en el transcurso de tres
jornadas de campo.
Polígono I
En términos generales, el terreno en este polígono presentó poca perturbación, aunque
hay algunas evidencias de alteraciones debido al pastoreo del ganado. La vegetación
consiste en una cubierta de bosque caducifolio espinoso bajo que consiste en arbustos de
hasta 3 m de altura y árboles más altos a lo largo de los márgenes de los arroyos
82
estacionales. Hacia el este se ubica una cadena de colinas bajas con varios refugios
rocosos visibles, que probablemente contenga evidencia arqueológica como
petrograbados y, o campamentos estacionales. Dentro del polígono, se ubicaron varias
concentraciones de materiales arqueológicos, como cerámica, artefactos líticos, y
concheros. Cabe la posibilidad de que estos en lugar de ser concentraciones individuales
de materiales, formen parte de un solo sitio más grande.
a b
83
c d
Figura 5- 10. Ejemplos de cerámica policroma (a y b), y hachas de piedra pulida (c y d) observadas
en el Polígono I.
84
Modelo Empírico Modelo de Regresión Logística
Modelo Dempster-Shafer
Figura 5- 11. Resultados de las observaciones de campo en el polígono I comparado en los tres
modelos.
Polígono II
El terreno en este polígono ha sido modificado sustancialmente por maquinaria pesada
para limpiar la vegetación y adaptarla para el pastoreo del ganado. El suelo estaba casi
nivelado, y en partes se construyeron depósitos de agua (jagüeyes) para el ganado. No
obstante fue precisamente en estas áreas que se realizó una inspección más minuciosa, ya
que los sedimentos removidos podrían potencialmente exponer la presencia de
concentraciones de de artefactos.
Modelo Dempster-Shafer
Figura 5- 12. Resultados de las observaciones de campo en el polígono II comparado en los tres
modelos.
86
Figura 5- 13. Desempeño de los tres modelos de acuerdo a sitios captados
La gráfica nos muestra que el modelo Dempster-Shafer es el que más sitios captura en
clase de potencial alto (23), seguido por el modelo empírico (8), representando el 76.6%
y 26.6% respectivamente, mientras que el modelo de regresión logística solamente
captura un sitio (3.33%). Por otra parte en potencial moderado el modelo empírico
captura 18 de los sitios, el 60%, mientras que el modelo de región logística captura 14,
que es el 46.6%. Evidentemente en términos de sitios capturados en clase de potencial
alto el modelo Dempster-Shafer es el que mejor desempeño presenta. Si consideramos
que al establecer la estrategia de reconocimiento de campo las áreas de potencial
moderado también serían inspeccionadas, tenemos que el total de sitios capturados en
clase moderada y alta serían: modelo empírico n = 26, modelo de regresión logística n =
15 y modelo Dempster-Shafer n = 26, o sea el 86.6 %, 50% y 86.6% respectivamente, lo
que ubicaría por delante en desempeño al modelo Dempster-Shafer, seguido por el
modelo empírico y en último lugar el modelo de regresión logística.
87
Por otra parte, si consideramos la extensión en área por cada una de estas tres clases
obtenemos los siguientes resultados (Figura 5-14):
Figura 5- 14. Desempeño de los tres modelos de acuerdo a área por clase
El área de estudio tiene una extensión total de 71,213 ha, de esta extensión el área de alto
potencial en el modelo empírico es de 1,061 ha, que representa casi el 1.5%, para el
modelo de regresión logística tenemos que el potencial alto cubre un total de 1,592 ha, el
2.3%. Finalmente en el modelo Dempster-Shafer el área cubierta por la clase de potencial
alto es de 7,101 ha, lo que representa casi el 10% del área total. Si consideramos que el
recorrido de superficie se tiene que diseñar con base al potencial, lo ideal es considerar
área de potencial alto y moderado, por lo tanto tendremos para el modelo empírico un
total de 8,650 ha a recorrer, o sea el 12.15%. Para el modelo de regresión logística el área
total es de 9,458 ha, el 13.28% y para el modelo Dempster-Shafer 15,527 ha o el 21.8%.
Como podemos ver en términos de área por cubrir el modelo empírico se desempeña
mejor, seguido por el modelo de región logística y en último lugar el modelo Dempster-
Shafer. Con estos resultados. Algunas instituciones rectoras del patrimonio arqueológico
como el Buró de Arqueología de la Provincia de la Columbia Británica, Canadá
establecen que para ser considerados como modelos eficientes, todos los modelos
predictivos generados a partir de un SIG deben de capturar por lo menos el 60% de los
88
sitios arqueológicos conocidos en una extensión máxima equivalente al 10% del total
área de estudio.
¿Cómo determinar cuál de los tres modelos tuvo el mejor desempeño? Partiendo de la
premisa de que un buen modelo predictivo debería capturar la máxima cantidad de sitios
en un área mínima de alto potencial. Para ello se puede aplicar un algoritmo comúnmente
conocido como estadística de ganancia de (Kvamme, 1988) expresada con la siguiente
ecuación:
Ecuación 5.8
Ganancia = 1- (área de potencial alto (%) / sitios conocidos (%))
Comentarios finales
La aplicación de los modelos predictivos de potencial arqueológico en el manejo de los
recursos culturales tienen ya un largo trecho andado en Norteamérica y Europa (van
Leusen, 2002), pero en México, a pesar de la magnitud e intensidad de obras de
infraestructura que se han estado llevando a cabo a lo largo y ancho del país, estos apenas
son conocidos, mayormente han sido aplicados en la investigación académica
propiamente (Anaya Hernández, 2006; Canning, 2005; Trujillo Herrada, 2009; Vaughn
S., T. Crawford, 2009; White, 2002).
El gran atractivo que ofrecen los modelos predictivos radica por una parte en su
capacidad de generar hipótesis formales, basadas en reglas y que pueden ser contrastados
con la realidad empírica, por lo que se vuelve imperativo tener un buen comprensión de
89
la teoría, metodología y datos subyacentes (van Leuser, 2002), y por el otro, que ha
coadyuvado a llevar desde la perspectiva teórica, al sitio de sus límites físicos inmediatos,
al entorno del paisaje.
Se torna necesario aclarar el por qué y para qué de la aplicación de los modelos
predictivos. En primer lugar se debe dejar bien claro que estos modelos no están
diseñados para predecir la ubicación precisa de ningún sitio arqueológico, sino para
ponderar la probabilidad de que éste ocurra en un lugar determinado si se dan las
condiciones especificadas en la hipótesis planteada.
Quizá la mayor dificultad a la que se enfrentan los modelos predictivos sea la calidad y
resolución espacial de los datos. No siempre se cuenta con datos espaciales a la misma
escala, o a la escala apropiada. Por ejemplo, en el caso aquí presentado se tuvo la buena
fortuna de contar con datos LiDAR para los Modelos Digitales de Elevación, aunque
estos no estuvieran disponibles en la resolución ideal de 0.50 m. Por otro parte, diferentes
capas de variables medioambientales como cuerpos de agua y arroyos están a una escala
de 1:50,000 o peor aún, la cobertura forestal, suelos o geología solo están disponibles a
escala de 1:250,000 lo que limita enormemente su utilidad.
Al respecto van Leusen (2002: 5, p.16) declara que un gran número de los patrones
arqueológicos conocidos son el resultado de un sesgo en la investigación, ya sea por
limitaciones inherentes a las condiciones físicas en campo o por interés exclusivo en
cierto tipo de sitios, por lo que será necesario hacer una evaluación crítica de la
confiabilidad de las fuentes de datos tanto medioambientales como culturales que
incluyan la contrastación en campo. De no hacerse se corre el riesgo de que las zonas de
bajo potencial sean consideradas zonas de interés limitado, cuando de hecho podrían ser
zonas donde no se cuentan con suficiente información y requieran de una investigación
complementaria, como nos lo sugirió la imagen de Intervalo de Creencia de Dempster-
Shafer. En última instancia los modelos predictivos deben de ser considerados como una
90
herramienta heurística que complementa y hace más eficiente el trabajo de campo.
Parafraseando al gran Pedro Armillas “la arqueología se hace caminando”.
91
6UNA APROXIMACIÓN AL ESTUDIO DEL PATRÓN DE
ASENTAMIENTO DE LA REGIÓN DE AGUA FRÍA, VERACRUZ,
DESDE LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA
Introducción
En 1995, con el Programa INAH-PROCEDE el primer autor inicia (de manera personal,
más no institucional) la tarea de conformar el Atlas Arqueológico de Veracruz 16, en el
cual se enlistaron un total de 4844 sitios arqueológicos 17, cuando en esa misma fecha la
Dirección de Registro Arqueológico (DRPMZA) del INAH tenía “oficialmente”
registrados 2404 sitios.
A partir del 2000 se iniciaron, en la región suroeste del estado de Veracruz, los Estudios
Sísmicos 2D (bidimensionales) y 3D (tridimensionales); son encomendados por PEMEX
a compañías nacionales y extranjeras. Su objetivo era la detección de mantos de
hidrocarburos en el subsuelo. La responsabilidad del INAH en éstos estudios sísmicos fue
la protección de los sitios arqueológicos que pudieran ser afectados por las miles de
perforaciones realizadas para la introducción de estopines, para con ello crear ondas
sísmicas controladas, que al ser analizadas dan como resultado la presencia de tales
hidrocarburos.
Este trabajo se basa en los resultados de los recorridos arqueológicos realizados en los
municipios veracruzanos de Isla, Playa Vicente, Juan Rodríguez Clara y San Juan
Evangelista (Figura 6-1). Con éstos estudios el número de asentamientos prehispánicos se
16
Resultado de ello se elaboró un documento titulado “Relación de Sitios y Zonas Arqueológicas de Veracruz”
(Heredia 1999), el cual se presentó para obtener el título de Licenciatura en Antropología (con especialidad en
Arqueología), en la Facultad de Antropología de la Universidad Veracruzana.
17
Se incluyeron las 831 zonas arqueológicas relacionadas por José García Payón (1957) en su Atlas Arqueológico de
Veracruz, así como lo contenido en el Archivo Técnico del Centro INAH Veracruz.
92
disparó en un 100%, con lo cual para octubre de 2010 se contó con una relación personal
de 8912, cuando la DRPMZA sólo contabilizaba 4484. Sin embargo, en tres años se
estima que se han reportado 1500 asentamientos más, por lo que el total sería de 10412
aproximadamente.
Aunque en el 2000 se iniciaron los estudios sísmicos y con ello la gran cantidad de
información de recorrido, no se pudo contar en el momento con recursos financieros por
parte del INAH que permitiera la investigación arqueológica encaminada a realizar
excavaciones estratigráficas controladas para dar soporte a los datos obtenidos.
Por lo anterior y con todo éste universo de datos nuevos se hace necesario su estudio con
métodos y técnicas que no impliquen necesariamente la aportación de recursos
económicos sustanciales. Una de estas opciones son los Sistemas de Información
Geográfica (SIG).
En esencia un SIG es una base de datos georeferenciada que nos permite almacenar una
enorme cantidad de datos, consultarlos de manera expedita, manipularlos numéricamente
y a su vez representarlos gráficamente. Con la aplicación del SIG en arqueología se
93
pueden realizar un buen número de análisis espaciales, entre ellos la jerarquía de
asentamientos, vecino más cercano, polígonos de Voronoi, análisis del territorio
óptimamente cubierto, ruta óptima, entre otros.
94
gabinete se definieron las poligonales alrededor de cada sitio mediante la delimitación de
50m “al exterior” a partir de las estructuras externas al centro, de tal suerte que algunos
sitios cubren extensiones considerables (por ejemplo Abasolo del Valle con 1,552.5 ha, y
532 estructuras y El Mazate con 438.6 ha, y 118 estructuras).
A fin de establecer la jerarquía entre sitios se buscó un método más objetivo que la
extensión en hectáreas o el número de estructuras. Este consistió en calcular el número de
días de trabajo efectivo por persona en la construcción de las mismas. Para esto se adaptó
la fórmula propuesta por Arnold y Ford (1980) para estructuras de tierra apisonada (que
es el principal material de construcción utilizado en el área de estudio):
Área del piso (m²) x Altura x 2.25 días persona por m³ = días persona
ACCIÓN TIEMPO/DÍAS
Construcción m³ 1.00
Total 2.25
En ArcMap, se calculó el centroide18 para cada una de los poligonales de los sitios
creándose un archivo shape de puntos que representará cada uno de estos sitios. Los
valores de inversión de trabajo (Valor T) fueron agregados a la tabla de atributos de los
centroides y estos fueron clasificados en siete clases a fin de determinar la jerarquía por
sitio (Folan et. al, 2009). El método de clasificación que se utilizó es el llamado método
de segmentación natural de Jenks. Este método identifica los puntos de separación natural
de los datos mediante la identificación de agrupamientos y patrones inherentes a los
mismos para crear las diferentes clases, a través de la aplicación de un sofisticado
algoritmo (la fórmula de Jenks), que minimiza la variación al interior de cada clase
(Figura 6-2).
18
El centroide es el punto que se encuentra exactamente en el centro geométrico de cualquier polígono.
95
Figura 6- 2. Jerarquía de sitios obtenida por el método de clasificación de Jenks.
Se vuelve inmediatamente evidente que el sitio de Abasolo del Valle, con sus 532
estructuras conformara una clase sin parangón. Le siguen en jerarquía Rancho el Rocío
(con tan sólo 61 estructuras pero un valor de inversión de trabajo (Valor T) de
310996.25), El Mazate (118 estructuras), El Maguial (92 estructuras), San Ramón -
Tierra Nueva (84 estructuras) y Santa María I (55 estructuras). Con base en lo anterior,
éstos últimos, junto con Abasolo del Valle, fueron seleccionados como Centros Primarios
para el estudio del patrón de asentamiento.
96
la agrupación se deba a influencias que determinen la localización de los centros basada
en criterios estratégicos (Adams y Jones 1981: 314-315).
Figura 6- 3. Resultado de cálculo de vecino más cercano incluyendo los 153 sitios.
Como se menciona más arriba se realizó un segundo análisis del vecino más cercano esta
vez con los centros rectores identificados cuyos resultados se presentan en la Figura 6-4.
97
Relación de vecino más cercano: 1.960663
puntuación z: 4.501711
Valor p: 0.000007
Figura 6- 4. Resultado de cálculo de vecino más cercano incluyendo los seis sitios rectores.
Como se puede observar en este caso los datos muestran un patrón disperso, pues la
distancia media observada fue de 7,173m, mientras la esperada era de 3,658m. Dada la
puntuación z de 4.50, existe una probabilidad menor al 1% de que el patrón disperso
pueda ser el resultado de una probabilidad aleatoria. La relevancia de obtener este patrón
disperso radica en el hecho que puede estar reflejando la competencia entre sitios del
mismo rango y por lo tanto apoyando a la vez la idea de que el patrón agrupado
observado con todos los sitios refleje la influencia de alguno de los centros rectores (en
este caso Abasolo del Valle) hacía una distribución estratégica producto de la
competencia entre sitios funcionalmente similares (Adams y Jones 1981: 314-315).
98
Polígonos de Voronoi
Con la finalidad de comenzar a delimitar el territorio controlado por cada sitio rector se
llevó a cabo un diagrama de Polígonos de Voronoi, mismos que son similares a los
Polígonos de Thiessen, sólo que los primeros dividirán el espacio en regiones
matemáticamente equidistantes de los puntos definidos (puntos “semilla”) donde cada
ubicación de la región delimitada estará más cercano a su punto semilla, que al de otro
(Figura 6-5).
Cómo se puede observar, cada centro rector dominará un territorio compuesto por una
constelación de sitios menores que van del tercero al séptimo orden, según la cantidad de
labor invertida en la construcción de sus estructuras. Nótese sin embargo, como para el
caso de Abasolo del Valle, los sitios dentro de su territorio delimitado están más
dispersos, sobre todo los sitios de mayor jerarquía. La composición política de cada
centro rector junto con su territorio aproximado se presenta en la Tabla 6-2.
99
Tabla 6- 2. Distribución de sitios por territorio.
Llama la atención que los territorios de los centros con mayor inversión de trabajo
(Abasolo del Valle y Rancho El Rocío) son los que cuentan con un número menor de
sitios y los presentes son de sexto y séptimo orden. Por su parte El Mazate (localizado a
aproximadamente 17 km. al norte de Abasolo del Valle y a unos 14 km. al noreste de
Rancho El Rocío), contiene el máximo número de sitios de todos los centros (f 62), e
incluye sitios del tercer al séptimo orden. Cabe mencionar que tanto El Mazate como El
Maguial tienen evidencia de ocupación desde el Preclásico Superior (400 a.C.-100 d.C.) y
aparentemente, como se presentará más abajo, pudieron ser centros rectores desde ese
periodo.
Con relación a la segunda, se han llevado a cabo varios estudios previos, que han sido
constatados con observaciones empíricas del segundo autor (Anaya Hernández 2001;
2006; Anaya Hernández et. al 2011). Estas indican que en una superficie plana un
individuo sin carga puede recorrer cinco kilómetros en aproximadamente sesenta
100
minutos. Si ese individuo camina cuesta arriba conforme aumenta la pendiente aumentará
en proporción no linear la fricción, de tal suerte que una pendiente de 20 grados opondrá
una fricción trece veces mayor que una de cero grados. Esta relación se expresa con la
siguiente ecuación binomial:
Ecuación 6.1
Y = [.031 X ²] + [-.025X+ 1]
Aplicando esta ecuación se calculó el territorio óptimamente cubierto por cada uno de los
seis centros rectores siguiendo en términos generales los principios analíticos de la Teoría
del Lugar Central. Aunque la aplicación en arqueología de esta teoría ha sido muy
cuestionada, sobre todo en términos de sus orígenes, las investigaciones de Inomata y
Aoyama (1996) corroboran la pertinencia de la misma demostrando que la parte esencial
de la teoría puede ser aplicada en el contexto de los patrones espaciales que reflejan la
economía del costo de traslado y transporte en una sociedad donde estas acciones se
realizan preponderantemente a pie (Inomata y Aoyama, 1996). Es en esto último donde
radica la parte medular de la aplicación de estos principios en la definición de la
territorialidad, ya que aquí no se trabaja con un entorno llano, sino que tomamos en
cuenta los cambios en la topografía. La figura 6-6 muestra los resultados de la aplicación
de la ecuación presentada arriba para la definición de los territorios cubiertos por los
centros rectores de la región de Agua Fría, Veracruz.
101
Figura 6- 6. Territorialidad estimada mediante superficie de costo.
La imagen presenta el territorio óptimamente cubierto por cada centro de color azul, las
partes periféricas aparecen en azul claro y es aquí donde se definen los límites del área
óptimamente cubierta por cada centro y comienza la competencia con los otros centros.
Las zonas amarillas y rojas indican un creciente costo de desplazamiento y por lo tanto
representarán áreas donde el costo de desplazamiento aumenta considerablemente y por
lo tanto es poco probable que conforme parte del área de control inmediata por los
centros rectores. En este sentido es interesante notar que en el territorio de Abasolo del
Valle no existe ningún centro de segundo, tercer o cuarto orden, sino únicamente tres del
último orden (séptimo). Esto último puede ser debido a la monumentalidad misma del
sitio, que por su tamaño mismo inhibió la presencia de otros centros de mayor
envergadura en sus inmediaciones. La Figura 6-7, muestra los límites territoriales de cada
centro rector contrastados con los Polígonos de Voronoi.
102
Figura 6- 7. Territorio óptimamente cubierto por los centros rectores obtenidos mediante la
superficie de costo.
103
Figura 6- 8. Rutas óptimas entre centros rectores y sitios subsidiarios.
Discusión
En la Figura 6-9 se observa que en la sección sureste de la imagen los sitios que quedaban
comprendidos fuera de la esfera de Abasolo del Valle y El Maguial aparecen como
conectados a estos centros. Esta aparente anomalía se debe a que el algoritmo de ruta
óptima, buscará establecer esta conectividad aunque los costos de desplazamiento sean
altos. Por otra parte la lejanía de estos sitios se puede deber a dos factores: (1) el
establecimiento de asentamientos en locaciones estratégicas ya sea en términos de rutas
de intercambio o presencia de materias primas de relevancia, (2) la posible existencia de
otro centro rector aun no identificado. Para la primera opción vale la pena resaltar que
todos estos sitios se encuentran en las proximidades de ríos perennes que pudieron ser
importantes vías de comunicación. En este contexto consideramos pertinente definir las
cuencas y sub-cuencas fluviales utilizando la herramienta ArcHydro de ArcGIS. Para tal
efecto primero se definieron las sub-cuencas y esta capa fue superpuesta a la capa de
territorios de los centros para identificar las cuencas contenidas en el territorio de cada
104
entidad y comprobar si estas abarcaban a los sitios ubicados fuera de su área de cobertura
óptima.
Se torna aparente que estos sitios, aunque situados cerca de afluentes de la misma red
hidrológica, se ubican en sub-cuencas diferentes a las de Abasolo del Valle y El Maguial.
Más aun, se localizan a una menor elevación (60-70 msnm), que los centros rectores, lo
que podría significar acceso a diferentes recursos naturales.
En cuanto a la segunda posibilidad (la existencia de otro centro rector regional), es
pertinente mencionar que aproximadamente a 9 km. al sur de estos sitios se encuentra
otro centro Cívico Ceremonial llamado Nuevo Ixcatlán, localizado a orillas del río
Lalana, que constituye el límite natural de Veracruz y Oaxaca, el cual quedó fuera del
área de estudio.
Consideraciones finales
Hasta la fecha no se han realizado estudios de patrón de asentamiento, en la región sur de
la costa del golfo, empleando los diferentes modelos de análisis espacial que pueden ser
generados a partir de los Sistemas de Información Geográfica; es por ello que no se puede
105
hacerse un estudio comparativo de los datos que los SIG aporten del área de Abasolo del
Valle, por lo cual deberá buscarse “al exterior” para tener un buen material de
contrastación.
Con base en los materiales cerámicos colectados, la ocupación que se presenta en el área
de Abasolo del Valle inicia en el Preclásico Inferior (1200-900 a.C.) y finaliza en el
Postclásico Temprano (1100-1200 d.C.), pero su mayor densidad poblacional se dio en el
Clásico Tardío (750-1000 d.C.), tal como sucede en toda el área mesoamericana.
Tabla 6- 3. Cuadro cronológico de la historia ocupacional del área de Abasolo del Valle.
PROTO- EPI-
PRECLÁSICO CLÁSICO CLÁSICO CLÁSICO POSTCLÁSICO
Inf. Med. Sup. Nextepec B Temp. Med. Tard. Temp. Med. Tard.
400 a.C.-100 d.C.
1000-1100 d.C.
1100-1200 d.C.
1200-1325 d.C.
1325-1521 d.C.
750-1000 d.C.
1200-900 a.C.
100-300 d.C.
300-500 d.C.
500-750 d.C.
900-600 a.C.
Por otra parte centros como El Mazate y El Maguial presentan un patrón totalmente
opuesto al de Abasolo del Valle y Rancho El Rocío, lo que sugiere una historia
106
ocupacional más antigua. En este sentido, los datos recabados en campo indican que éstos
al igual que otros doce sitios presentan evidencia inequívoca de ocupación que data del
Preclásico Superior (400 a.C.-100 d.C.). Es probable que de igual manera Abasolo del
Valle haya tenido una ocupación correspondiente a este periodo. Sin embargo, éste debió
haber sido un sitio periférico, empero su ubicación debió haberse convertido con el
tiempo en una locación estratégica, por lo que fue adquiriendo relevancia conforme los
otrora poderosos centros Cívico Ceremoniales fueron declinando.
A fin de poner a prueba esto último, se volvió a correr la misma rutina arriba descrita
para delimitar las áreas óptimamente servidas por los seis centros rectores identificados
para el Preclásico Superior, los resultados de este ejercicio se muestran en la Figura 6-10.
Figura 6- 10. Territorios para centros del Preclásico, obtenidos por superficie de costo.
En la imagen se incluyó el centro cívico ceremonial de Abasolo del Valle (dentro del
círculo rojo), es inmediatamente aparente que el mismo está localizado fuera del área de
cobertura de cualquiera de los centros rectores Preclásicos, completamente en la periferia.
Esta ubicación marginal, sin embargo, le dio a Abasolo del Valle una colocación
estratégica en el extremo occidental (aguas arriba) de una larga sub-cuenca hidrológica
107
que conecta las tierras altas con las tierras bajas (Figura 6-11), y con esto estableciendo
un vínculo potencial entre la región de Agua Fría y la de Nuevo Ixcatlán.
Creemos que este trabajo demuestra el enorme potencial que tienen los SIG para dar
plusvalía al extenso acervo de datos producto del trabajo de campo, en una base de datos
georeferenciada que nos permita no sólo plantear mejores estrategias para el manejo de
los recursos culturales, sino también llevar a cabo análisis espaciales que de otra forma
sería prácticamente imposible. En este sentido los SIG como herramienta metodológica,
nos habilitan no sólo para hacer frente a viejos problemas de investigación arqueológica,
sino que también nos abren la posibilidad de hacer nuevas preguntas a los viejos datos,
que en última instancia nos ayudarán a apuntalar más nuestras teorías sobre el
comportamiento humano.
108
7 APLICACIÓN DE HERRAMIENTAS SIG PARA EL ANÁLISIS
DE LOS PATRONES DE ASENTAMIENTO RESIDENCIALES DEL
SITIO DE CIUDAD CAUCEL
INTRODUCCIÓN
Desde la primera mitad del siglo XX, las investigaciones arqueológicas en el noroeste de
Yucatán han permitido identificar una destacada ocupación durante el periodo Formativo
(ca. 1000 a.C.-250 d.C.) (ver Andrews IV 1962, 1965a, b; Andrews IV y Andrews V
1980; Ball 1994; Brainerd 1951, 1958; Joesink-Mandeville 1970; Shook 2006 (1955)). A
diferencia de otras regiones del Área Maya, donde el registro arqueológico formativo se
encuentra por lo general bajo las construcciones monumentales del periodo Clásico (250-
900 d.C.), en el noroeste de Yucatán se ha preservado incluso a nivel de superficie,
constituyendo una región privilegiada para el estudio de los procesos socioculturales
tempranos, siendo al presente una de las áreas mejor documentadas de las Tierras Bajas
del Norte para este periodo.
No obstante, durante largo tiempo predominó la idea de que los grupos que habitaron el
septentrión peninsular sólo lograron un desarrollo sociocultural destacable hasta el
Clásico Tardío/Terminal (600-1000 d.C.), cuando florecieron los asentamientos en la
región Puuc, y particularmente tras la caída de los centros clásicos en las Tierras Bajas
Mayas del Sur hacia el siglo IX con el consiguiente auge del centro urbano de Chichén
Itzá. Como resultado, existió poco interés por desarrollar mayores investigaciones
arqueológicas enfocadas en comprender el desarrollo de los grupos sociales existentes en
estas regiones durante los periodos Formativo (ca. 1000 a.C.-250 d.C.) y el Clásico
temprano (250-600 d.C.), al considerarse al norte de Yucatán como un área remota y
marginal dentro del Área Maya, y que sus logros culturales se derivaron de la influencia
de aquellos originados en regiones meridionales como El Petén o Belice.
A lo anterior se suma también la información obtenida en las cada vez más frecuentes
intervenciones de salvamento arqueológico en numerosos sitios menores, como
consecuencia del constante crecimiento de la ciudad de Mérida y de la infraestructura
pública y privada que demanda.
110
sitios tempranos del noroccidente de Yucatán, como parte de un estudio más amplio
sobre la organización sociopolítica formativa (Uriarte 2016). La presentación de la
metodología aplicada para el estudio de la estratificación residencial de los asentamientos
formativos de Ciudad Caucel y los resultados obtenidos mediante la aplicación de la
tecnología SIG en el análisis espacial, constituyen el objetivo de este trabajo.
111
Figura 7- 1. Vista satelital del desarrollo habitacional de Ciudad Caucel (Google Earth, agosto de
2010).
113
Xanilá en sus facetas temprana (ca. 1000-400/300 a.C.) y tardía (400/300 a.C.-250 d.C.)
(Ceballos, et al. 2008). En total, de las 327 estructuras excavadas con información
disponible de su cerámica, el 96.64% (316 estructuras) presentó alguna frecuencia de
material cerámico Xanilá, y cerca de dos terceras partes (217) dataron indudablemente
del periodo Formativo (Uriarte 2008).
114
Figura 7- 3. Grupo Xanilá
Hacia el límite sureste de Ciudad Caucel se localizó el grupo Xamán Susulá, el mayor
conjunto con arquitectura pública formativa en el área y que ha sido excavado
extensivamente (Robles, et al. 2009). Este grupo estuvo compuesto por 108 estructuras
distribuidas en un área de 0.06 km2 (Uriarte 2008) (Figura 7-4).19 El núcleo de Xamán
Susulá presentó un arreglo en torno a dos plazas denominadas Chikín (oeste) y Lakín
(este), unidas por una calzada o sacbé, cubriendo un área de cerca de 7900 m2. Las
19
Probablemente Xamán Susulá fue más extenso, ya inmediatamente al sur del grupo se localiza un banco de
materiales pétreos, que seguramente destruyó parte del sitio en una extensión imposible de determinar.
115
excavaciones en el grupo indican que su ocupación inicial debió ocurrir durante el
Formativo Medio, con un auge constructivo en el Formativo tardío, continuando con una
ocupación menor hasta el Clásico temprano (Peniche 2010; Robles, et al. 2009). La
construcción más destacada de este conjunto fue la estructura 1714a-Sub, en la plaza
Chikín, la cual fue datada radiométricamente en la transición entre el Formativo medio y
tardío.
116
los vestigios localizados dentro del poblado actual, razón por la cual es poco lo que se
sabe de su extensión y características. El mayor de estos fue un basamento piramidal de
aproximadamente 36 m de largo, 23 m de ancho y 8 m de altura sobre una plataforma,
ubicado al norte de la iglesia principal de Caucel. Excavaciones de salvamento han
permitido proponer una cronología de finales del Formativo tardío o inicios del Clásico
temprano para los restos visibles de esta construcción, aunque no puede descartarse la
existencia de subestructuras más tempranas (Hernández 2001). Por su parte el grupo
Anicabil se localiza en el límite oriental de Ciudad Caucel y está compuesto por
plataformas que alcanzan más de 4 m de altura, que junto con estructuras menores
conformaron patios o plazas. El mayor de estos arreglos fue una plaza con un área
aproximada de 1040 m2 delimitada al norte por un basamento piramidal. Si bien el núcleo
de Anicabil no ha sido excavado, intervenciones efectuadas durante el salvamento
arqueológico en estructuras al norte y oeste de la plaza principal, sugieren una ocupación
importante de este grupo entre el Formativo tardío y el Clásico temprano (Robles y
Ligorred 2005, 2008).
117
Figura 7- 5. Grupos Caucel y Anicabil.
Cabe subrayar, sin embargo, que los SIG no constituyen un fin en sí mismos sino que
deben establecerse en función de objetivos bien definidos de investigación y un marco
teórico adecuado, que permitan vincular los resultados del análisis espacial a problemas
específicos, en este caso de carácter antropológico/arqueológico. De no ser así, se corre el
riesgo de que la misma herramienta establezca los alcances de la investigación (Church,
119
et al. 2000; Laporte, et al. 2004), o incluso de que el uso indiscriminado de los SIG sin un
marco conceptual claro lleve a favorecer posturas funcionalmente deterministas o
tendenciosamente economicistas (Gaffney, et al. 1996). Para evitar estos riesgos,
probablemente resulta más adecuado conceptualizar el análisis espacial auxiliado con el
uso de los SIG como una fuente de nuevas hipótesis más que como un medio de
confirmación absoluta (Goodchild 1996).
120
La elección de las viviendas como unidad de estudio de la diferenciación social responde
a dos aspectos fundamentales de éstas. El primero es que las residencias constituyen el
foco primario de interacción y organización social (Wilk y Ashmore 1988). En este
sentido, las viviendas proporcionan los espacios fundamentales donde se desarrollan las
actividades básicas a nivel de subsistencia, consumo y producción de bienes y, sobre
todo, la reproducción social, que definen a las unidades sociales llamadas grupos
domésticos (Allison 1999; Blanton 1994; Johnston y Gonlin 1998; Manzanilla 1986;
Robin 2003; Smith 1987; Wilk y Rathje 1982). Por lo tanto, al centrar la investigación en
este nivel básico, es posible analizar con mayor precisión características de la
organización social y sus variaciones de forma diacrónica. El segundo aspecto, es la
relación relevante documentada etnográficamente entre la arquitectura residencial y la
manifestación de la riqueza o estatus de un grupo doméstico en las sociedades agrícolas
(Blanton 1994; Smith 1987). Esto hace de las viviendas uno de los medios de expresión
simbólica más confiable, mediante el cual los actores sociales pueden comunicar
cotidianamente a otros fuera de su grupo residencial elementos de su identidad y, por
tanto, de su posición en la sociedad (Blanton 1994; Rosenswig 2000).20
20
Esta capacidad de la arquitectura residencial de servir como medio de transmisión externa y no verbal de la
identidad social, es designada por Blanton (1994) como “comunicación indéxica”, la cual distingue de la
“comunicación canónica”, que se refiere a la función del ambiente construido como materialización y medio de
transmisión de aspectos normativos y simbólicos de la estructura social a los ocupantes de la vivienda misma.
21
Esto se realizó a partir de los datos provistos en los informes técnicos de las excavaciones del Salvamento
Arqueológico Ciudad Caucel (Robles y Ligorred 2008) y del Salvamento Arqueológico Xamán Susulá (Robles, et al.
2009).
121
El reconocimiento de las estructuras formativas y su datación, se hizo considerando la
estratigrafía, las secuencias constructivas y el material cerámico diagnóstico asociado a
cada estructura, siguiendo la secuencia cronológica propuesta por Ceballos, et al. (2008).
En el caso de construcciones que tuvieran más de una etapa constructiva, se estableció
una datación relativa para cada una de éstas.
De igual forma, fue necesario establecer criterios para identificar las construcciones de
probable función residencial. En primer lugar, se descartaron las estructuras de clara
función público-ritual, como el juego de pelota de Xanilá o el área nuclear de Xamán
Susulá (plazas Chikín y Lakín). Las demás estructuras documentadas fueron consideradas
como residenciales en primer lugar dada la abundancia de estos vestigios en relación a las
estructuras públicas (ver Ashmore 1981), a que presentaban un área habitable22, a su
constante asociación a materiales utilitarios domésticos (metates, lítica, cerámica
culinaria) o pozos para obtención de agua (ver Ashmore 1981; Ringle y Andrews V 1988;
Santillán 1986), y a que constructivamente eran similares en forma y características a
estructuras habitacionales registradas en otros asentamientos formativos de la región (ver
Anderson 2011; Andrews V y Ringle 1992; Ringle 1985; Ringle y Andrews V 1988).
De esta forma, se logró establecer una muestra conformada por 165 estructuras y 41
subestructuras formativas de aparente función residencial. De acuerdo a la frecuencia de
los materiales cerámicos diagnósticos asociados, y conforme a las dataciones
radiométricas y secuencias cronológicas propuestas para el noroeste de Yucatán (ver
Ceballos y Robles 2012), se propusieron cuatro fases para las construcciones
residenciales muestreadas (Uriarte 2016): 83 estructuras para el Formativo medio (ca.
1000-400 a.C.); 65 estructuras para la transición entre el Formativo medio/tardío (400-
200 a.C.); 42 estructuras para el Formativo tardío (200 a.C.-250 d.C.); y 16 estructuras
hacia la transición entre el Formativo tardío/Clásico temprano (ca. 250 d.C.).
22
Ashmore (1981) ha propuesto un mínimo de 20 m2 de espacio techado para definir una vivienda maya
prehispánica. Por otra parte, apoyado en observaciones etnográficas y de excavaciones en sitios como El Mirador o
Becán, Ringle (1985) sugirió que el área mínima habitable para Komchén durante el Formativo debió estar entre los 15
m2 y 25 m2. En un trabajo posterior Ringle y Andrews V (1988: 185-186) notaron que las residencias formativas en las
Tierras Bajas parecían más pequeñas que sus correspondientes en el periodo Clásico, y propusieron que el mínimo
habitable debió estar entre los 10 m2 y 12 m2. Retomando esta propuesta y de acuerdo a los datos mismos de Ciudad
Caucel, se consideró adecuado aceptar la figura mínima de 10 m2. Las estructuras con un área menor fueron
consideradas como construcciones domésticas auxiliares (v.g. graneros, bodegas, corrales, altares, adoratorios,
etcétera), y no fueron incluidas en la muestra de análisis.
122
Las estructuras residenciales de la muestra fueron clasificadas de acuerdo a su forma,
dimensiones, sistema constructivo y presencia/ausencia de construcciones superiores. La
finalidad de esta clasificación fue identificar la variabilidad constructiva de la
arquitectura residencial, para efectuar posteriores análisis de inversión de trabajo. En este
proceso se incluyó en la clasificación otras 55 estructuras registradas como
construcciones superiores sobre plataformas. Así, con base en los datos de estas 261
construcciones se establecieron cinco clases generales con sus respectivas subclases
(Uriarte 2016): 195 plataformas, caracterizadas por poseer muros de mampostería que
contenían un relleno de piedras burdas y tierra conformando superficies niveladas de
hasta 1900 m2 y alturas de hasta 2.20 m; 31 cimientos, es decir, construcciones
consistentes en una hilada de piedras delimitando un espacio interno, que
presumiblemente sostuvieron construcciones de materiales perecederos, con áreas de
hasta 39.93 m2; 3 estructuras semiperecederas, que consistieron en construcciones con
muros dobles de mampostería con dos o más hiladas delimitando un espacio interior, que
probablemente sostuvieron techumbres y partes de sus muros de materiales perecederos,
con áreas de hasta 32.68 m2 y alturas que alcanzaban 1.50 m; 32 montículos o
concentraciones de piedra de hasta 37.7 m 2 y 0.80 m de altura, que carecieron de
evidencia de muros de retén o rasgo arquitectónico alguno; 1 estructura no especificada,
la cual se trató de una pequeña estructura auxiliar con muros de mampostería de apenas 4
m2 localizada sobre una plataforma.
Para este análisis se retomó la metodología propuesta por Arnold y Ford (1980) en Tikal,
complementada con el trabajo de Abrams (1994) en Copán, quienes proponen cálculos de
inversión de trabajo en la arquitectura residencial con base en la suma de valores de
días/hombre necesarios para elaborar diferentes elementos arquitectónicos. Estas
fórmulas fueron adaptadas a las características de Ciudad Caucel con la finalidad de que
123
permitieran considerar la diversidad constructiva registrada. De tal forma, se estableció
un gradiente de valores en días/hombre conforme a la complejidad de distintas variables
constructivas: rellenos, mampostería, pisos, construcciones y construcciones perecederas
o semiperecederas. Así, los valores propuestos por Arnold y Ford (1980) fueron
considerados como un valor medio, pero para aquellos rasgos que implicaron una mayor
complejidad técnica o constructiva se estableció un valor 25% mayor que la media, y para
los de menor complejidad un 25% menor. Aunque estas figuras son arbitrarias y no
expresan el valor “real” de días/hombre invertidos, si reflejan un valor diferenciado
acorde a la variabilidad arquitectónica y no sólo a la relación área/volumen (Tabla 7-1).
Tabla 7- 1. Valores atribuidos a las variables constructivas y fórmulas para el cálculo del costo de
construcción.
Tipo de piedras
Ford y Pequeñas Medianas Pequeñas Grandes Pequeñas Medianas Pequeñas Tierra
Arnold
Actividad (1980) Medianas Grandes Grandes Medianas
Grandes
Extracción de tierra 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25
Traslado de tierra 1 1 1 1 1 1 1 1 1
Extracción de piedras 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0
Traslado de piedras 0.75 0.94 0.87 0.81 0.75 0.69 0.62 0.56 0
Total días/persona
3 2.25 2.44 2.37 2.31 2.25 2.19 2.12 2.06 1.25
por m
También fue necesario definir cómo se iba a calcular el costo constructivo en aquellas
estructuras con varias etapas. Es cierto que la construcción de un edificio en diferentes
fases disminuye la inversión de trabajo y recursos necesarios en cada una (Abrams 1994;
Haviland 1982), pero desde la perspectiva de esta investigación se consideró que el
tamaño final de una residencia puede reflejar el estatus de sus ocupantes
independientemente del número de etapas constructivas (Abrams 1994; Scarborough y
Robertson 1986), ya que muestra la capacidad de los actores sociales de invertir trabajo
en su vivienda ya fuera en un solo momento o prolongadamente. Por lo tanto, en el caso
de las estructuras de Ciudad Caucel se decidió considerar lo que Abrams (1994: 54)
define como “costo acumulativo”, es decir, la suma acumulada de la inversión de trabajo
124
de cada momento constructivo, representada por la última etapa de construcción. 23 De
esta forma, se realizó el cálculo de costo constructivo de 175 estructuras residenciales,
integrando los resultados dentro de la base de datos espacial del SIG.
23
En el caso de aquellas construcciones que presentaban fases datadas en distintos periodos, se calculó la inversión de
trabajo para la última etapa constructiva de cada una de ellas.
24
Otras variables con potencial de expresar diferencias sociales, como la decoración de las viviendas (Blanton 1994),
no estuvieron disponibles en la muestra analizada. De igual forma, se intentó efectuar pruebas de los acabados de las
viviendas, como pisos o recubrimientos, pero los datos de estas variables fueron demasiado escasos como para arrojar
resultados significativos.
25
Utilizando un nivel de significancia del 5% (p=0.05), bajo el cual se considera una distribución normal de las
observaciones.
26
Valores que fueron por lo menos 1.5 mayores que el rango intercuartil (Q3+1.5).
27
Determinado mediante la aplicación de una prueba de Grubb a los valores atípicos, mediante la cual se obtiene una
estadística de prueba (T) de la diferencia obtenida entre el valor atípico (Xo) y la media (X) dividida entre la desviación
estándar de la muestra (S), es decir, . El resultado se contrastó con una tabla de coeficientes de acuerdo al
número de observaciones y al nivel de representatividad elegido (5%).
125
conglomerados (cluster analysis) en Minitab 15, que permitió agrupar las estructuras
residenciales de cada fase con base en su similitud en cuanto a inversión de trabajo y
volumen constructivo28 (Figura 7-7). Para evaluar si estos rangos de construcción podían
considerarse estadísticamente significantes, se compararon las medias de inversión de
trabajo de cada uno mediante un análisis de prueba t29, efectuado en el programa SPSS 19
(Tabla 7-2).
28
Este análisis se efectuó utilizando un método de enlace de medianas, en el cual la distancia entre grupos se establece
a partir de la mediana de la distancia entre observaciones de diferentes conglomerados o (Lance y
Williams 1967), empleando una medida de distancia euclediana al cuadrado, y buscando establecer grupos con una
similitud del 98% (ver Uriarte 2016).
29
Este análisis permite comparar las medias de dos muestras y determinar si existieron diferencias significativas entre
estas (Shennan 1997), utilizando un nivel de significancia del 5%.
126
Figura 7- 7. Conglomerados de acuerdo a su similitud en la inversión de trabajo/volumen para las
estructuras residenciales del Formativo tardío
Variable (significancia)
Fase Rangos
Costo constructivo Área Altura
1 -- -- --
Formativo medio 2-3 0.000 0.052 0.529
3-4 0.000 0.003 0.054
1 -- -- --
Formativo
medio/tardío 2-3 0.001 0.096 0.278
3-4 0.000 0.000 0.007
1 -- -- --
Formativo tardío 2-3 0.000 0.015 0.495
3-4 0.000 0.000 0.002
1 -- -- --
Formativo/Clásico 2 -- -- --
temprano 3-4 0.007 0.896 0.270
4-5 0.004 0.071 0.456
127
Una vez establecidos estos rangos se analizaron las demás variables (área, altura y
calidad de mampostería). En el caso del área y la altura, se trató conocer si existió una
relación de estas variables con el incremento de la inversión de trabajo y con el grado de
diferenciación entre cada rango constructivo, a fin de determinar si fueron marcadores
arquitectónicos de una estratificación en las residencias. En el primer caso se efectuaron
pruebas de regresión lineal entre costo constructivo y ambas variables en SPSS19, para
establecer en qué medida las construcciones fueron más amplias o más altas de acuerdo a
la inversión de trabajo (7- 3). En el segundo, se efectuaron pruebas t que comparaban las
medias de ambas variables entre rangos constructivos (Tabla 4). En lo que se refiere a la
mampostería, para efectuar las pruebas estadísticas fue necesario atribuir valores
numéricos de acuerdo al grado de calidad en el trabajo de las piedras empleadas. 30 Esto
permitió efectuar las pruebas de regresión lineal para determinar si a mayor inversión de
trabajo correspondía una mejor calidad de la mampostería, y una prueba de chi cuadrada
(2) en Minitab 15 para establecer si existió una relación significante entre rangos de
construcción y un determinado tipo de mampostería (Tabla 5).
2
Índice de regresión (R )
Variable Formativo Formativo Formativo Formativo/Clásico
medio medio/tardío tardío temprano
Área 0.793 0.847 0.611 0.521
Altura 0.124 0.232 0.611 0.551
Mampostería 0.475 -0.011 0.022 -0.141
Tabla 7- 4. Estadística de Chí cuadrada obtenida del análisis de la relación entre rango constructivo
y tipo de mampostería.
Mampostería
Fase
2
X Nivel crítico 0.05 V
Formativo medio 16,579 12.5916 0.60
30
Se atribuyó un valor de 1 para las estructuras en las que se asume no existieron muros de mampostería (clase
montículos), 2 para las estructuras donde se usaron piedras burdas, 3 para la mampostería mixta (combinación de
piedras burdas y careadas), y 4 para edificaciones con piedras careadas.
128
La comparación final entre los resultados de los análisis aplicados a las distintas
variables, permitió definir si en cada una de los fases estudiadas existieron similitudes o
diferencias significativas entre los diferentes rasgos de construcción, y por lo tanto si
existió una estratificación residencial que pudiera ser tomada como un indicador de
diferenciación social presente en las comunidades secundarias y terciarias formativas.
Como resultado, se logró identificar la existencia de al menos dos estratos residenciales
para cada fase denominadas A y B (Tabla 7-5).
Tabla 7- 6. Resultados del análisis de vecino más cercano efectuado a la distribución de las
estructuras residenciales muestreadas en cada fase
31
Para identificar los grupos se utilizó un método de vinculación individual o de vecino más cercano empleando una
distancia euclediana. En este método la distancia entre dos agrupaciones se establece como la distancia mínima entre
una observación dentro de un conjunto y un elemento en otro conjunto o d mj= min (dkj, dlj) (ver Lance y Williams 1967;
Shennan 1997).
130
Distribución espacial de la inversión de trabajo y la estratificación residencial: análisis
gravitacional
Establecidos los grupos residenciales, se analizó la distribución espacial de la inversión
de trabajo y la estratificación residencial. El objetivo fue determinar el grado de
dispersión de la “riqueza” o “estatus” representada por los diferentes rangos de
arquitectura residencial, y cómo se relacionaban espacialmente con los grupos con
arquitectura pública en cada fase. Para identificar estos patrones espaciales se aplicó el
modelo gravitacional32 como un método para estudiar la interacción entre los grupos
residenciales establecidos, a partir de la inversión de trabajo presente en ellos. Este
modelo deriva de los postulados de la ley gravitacional de Newton (ver Anaya Hernández
2001; Hodder y Orton 1990). Su principal enunciado es que la interacción entre
diferentes centros es proporcional a su tamaño y distancia entre ellos, bajo el supuesto de
que los centros más grandes tienden a interactuar en áreas mayores que los más pequeños
(Hodder y Orton 1990: 208). La interacción entre dos grupos se expresa mediante la
ecuación:
Ecuación 7.1
Iij= k ((Pi)(Pj)/(dij)2),
Donde k es una constante dependiente del problema en estudio
Pi y Pj representan la población de los centros
i y j, y dj la distancia al cuadrado entre i y j.
El límite del área de interacción o periferia de un centro (punto de ruptura) se determina
mediante la ecuación:
Ecuación 7.2
Dxj=dij/1+ ,
donde D(xj) significa la distancia desde el punto de ruptura (x) al centro (j) (Anaya
Hernández 2001; Hodder y Orton 1990).
33
Dado que los valores totales de la inversión de trabajo dependieron del número de estructuras muestreadas en cada
grupo residencial fue necesario normalizarlos. Para esto se empleó un valor estándar de tiempo (24 horas), entre el que
se dividieron los índices de inversión de trabajo acumulado en cada grupo con el fin de estandarizarlos y obtener
variables comparables para el análisis.
34
Ya que la superficie del área de estudio careció de diferencias notables es su relieve, no se consideró un ajuste en la
medición de las distancias y, consecuentemente, tampoco en la determinación de la interacción.
132
Figura 7- 8. Análisis gravitacional. Formativo medio. Cada buffer señala los límites de interacción
entre cada grupo residencial adyacente. Las líneas punteadas señalan el área de interacción de cada
atribuida a cada grupo.
134
Figura 7- 10. Formativo medio. Interpolación (IDW) de la inversión de trabajo, mostrando la
interacción entre los grupos públicos y residenciales de acuerdo al análisis gravitacional y de
tendencia de superficie.
Para finalizar el análisis de los patrones residenciales, se efectuó una última prueba para
determinar el grado de dispersión o nucleación de la inversión de trabajo dentro de los
límites de interacción probables de cada grupo con arquitectura pública. Para esto se
trazaron en ArcMap 9.3 círculos concéntricos cada 500 m en torno a cada conjunto
público y se revisó la distribución del costo constructivo residencial mediante gráficas de
dispersión en el programa Minitab 15 (Figura 7-11). Esto permitió analizar los patrones
espaciales detectados y establecer si existió una relación espacial entre la riqueza y/o
estatus manifestada en la arquitectura residencial y los grupos públicos con implicaciones
en la interpretación de la organización sociopolítica. Por ejemplo, un patrón concéntrico y
nucleado, donde la inversión de trabajo decreció conforme se incrementó la distancia
desde los grupos públicos, indicaría una estrecha relación de los actores sociales
asociados con las viviendas de los estratos más altos con los espacios donde se
materializó el poder político. Por el contrario, un patrón disperso con residencias de
135
estrato alto situadas a distancias considerables de los grupos con arquitectura pública,
podría ser un indicador de una menor centralización del poder político y la riqueza, con
actores sociales de mayor estatus fuera de las áreas públicas.
El análisis residencial por su parte, mostró que existe evidencia para sustentar la
existencia de una diferenciación social bien definida, que contradice la percepción de que
136
los centros secundarios y terciarios fueron mucho menos complejos en su organización
que aquellos de primer rango (ver Anderson 2011; cf. Ball 1994; Joesink-Mandeville
1970) . Por ejemplo, los resultados obtenidos señalaron que en efecto existieron
diferencias significativas en las viviendas analizadas en términos de costo constructivo,
su extensión o la calidad de la mampostería empleada. De hecho estas diferencias fueron
más pronunciadas durante el Formativo medio que en fases posteriores, a pesar de que se
trató de la fase con el promedio de inversión de trabajo más bajo (155.46 días/hombre).
La proporción de estructuras de mayor rango constructivo constituyeron cerca del
14.28% de la muestra analizada. Estos indicios favorecen la argumentación de que
durante esta fase existió un acceso desigual al estatus y riqueza en estas comunidades.
137
2010). En contraste, Xanilá parece haber perdido un papel protagónico, e incluso es
probable que fuera abandonado en este momento o a principios del Formativo tardío, si
bien esto es algo que deben clarificar futuras intervenciones en este grupo. Los análisis de
tendencia de superficie señalan además, que muy probablemente existió otro centro de
interacción al norte de Ciudad Caucel, que quizá se trató del sitio de Caucel, si bien hasta
ahora los escasos datos en este asentamiento señalan su ocupación más temprana en el
Formativo tardío (Hernández 2001; Roys 1952, 2006 (1949)).
Los resultados del análisis residencial señalan que el costo constructivo promedio durante
el Formativo tardío no mostro mucha variación en relación a la fase precedente (569.73
días/hombre), con una proporción semejante de estructuras de mayor rango (14.28%). Sin
embargo, las diferencias entre los diferentes estratos residenciales fueron menores que en
las fases previas. Éstas existieron, pero la arquitectura residencial de mayor rango
presentó costos mucho más cercanos a la media, lo que resultó en una distribución de la
inversión de trabajo menos sesgada en términos estadísticos.
Los datos de los patrones residenciales indicaron también una disminución en el número
de estructuras ocupadas para el Formativo tardío. Pero el análisis espacial de la
distribución de los costos constructivos de las estructuras residenciales, el análisis
gravitacional y las tendencias de superficie mostraron la consolidación de un patrón
concéntrico en torno a los grupos Xamán Susulá y Caucel. Esto sugiere que los cambios
en la organización espacial iniciados en la fase anterior se afianzaron durante el
Formativo tardío, con una mayor concentración de la inversión de trabajo residencial en
torno a los grupos con arquitectura pública. Y aunque al igual que en las fases previas se
registraron construcciones residenciales de rango mayor en las periferias de interacción
de los conjuntos públicos, los resultados indican que se encontraron fuertemente
vinculados a estos sin que puedan ser considerados grupos residenciales autónomos.
Comentarios finales
La integración de un SIG con distintas clases de datos arqueológicos (arquitectónicos y
cerámicos), recuperados durante las labores del salvamento arqueológico efectuado en la
primera etapa del complejo urbano de Ciudad Caucel, facilitaron la sistematización de la
información y la aplicación de diversos análisis estadísticos y espaciales para estudiar el
desarrollo diacrónico de la organización de los asentamientos secundarios y terciarios
formativos en el noroeste de Yucatán, mediante la evaluación de la existencia de
estratificación residencial y la identificación de los patrones y tendencias espaciales.
Es a partir de la transición entre el Formativo medio y tardío (400-200 a.C.) que inicia en
Ciudad Caucel lo que parece ser una progresiva tendencia a la centralización de los
asentamientos en torno a los grupos con arquitectura pública como Xamán Susulá, si bien
la diferenciación residencial continúo fuertemente marcada. Este proceso de
centralización siguió durante el Formativo tardío (200 a.C.-250 d.C.), donde se observa
cada vez con mayor claridad la asociación de la arquitectura residencial de mayor rango a
posibles sedes políticas como Xamán Susulá o Caucel, aunque al mismo tiempo comenzó
a establecerse cierta homogenización de la arquitectura residencial en cuanto a sus costos
de construcción y características. Estas tendencias se consoLiDARon claramente hacia el
final del Formativo o el inicio del Clásico temprano (ca. 250 d.C.), cuando en el área de
Ciudad Caucel se establece Anicabil como un asentamiento nucleado, y en donde las
estructuras residenciales aunque diversas en términos de costos de construcción,
mostraron una menor diferenciación en cuanto a las variables arquitectónicas analizadas.
Estos resultados parecen consistentes con lo observado en los estudios de patrón de
asentamiento regionales, donde también se observan indicios de un proceso tendiente a la
centralización política conforme avanza el periodo Formativo (Ringle 1999; Robles 2004;
Robles y Andrews 2003).
141
BIBLIOGRAFÍA
Abrams, E. (1994). How the Maya built their world: energetics and ancient architecture.
Austin: University of Texas Press.
Adams, R.E.W., W.D. Smith. (s.f.). Spatial Patterns and Regional Growth Among Classic
Maya Cities. American Antquity, 46(2), 301-322.
Anaya Hernández, A. (2001). Site Interaction and Poliical Geography in the Upper
Usumacinta Region during the Late Classic: a GIS Apprpach. Oxford: Hadrian
Books.
Anaya Hernández, A. (2001). Site Interaction and Political Geography in the Upper
Usumacinta Region During the Late Classic: a GIS approach. Oxford: BAR
International Series 994.
Anaya Hernández, A. (2006). Strategic Location and Territorial Integrity: the role of
subsidiary sites in the Classic Maya Kingdoms of the Upper Usumacinta Region.
Internet Archaeology 19.
Anaya Hernández, A., S,P, Guenter, L.A. Williams-Beck. (2011). Alianzas efímeras y
fronteras fluctuantes. En A. L. (ed.), El despliegue del poder entre los mayas:
Nuevos estudios sobre la organización política. (págs. 123-149). Ciudad de
México: Instituto de Investigaciones Filológicas, Centro de Estudios Mayas,
UNAM.
142
Anaya Hernández, A., S.P. Guenter, M.U. Zender. (2003). Sak Tz'i', a Classic Maya
Center: A locational model based on GIS and epigraphy. Latin American
Antiquity. 14(2), 179-191.
Anderson, D. (2011). Xtobo, Yucatán, México, and the Emergent Preclassic of the
Northern Maya Lowlands. Ancient Mesoamerica, 301-322.
Andres, A., F. Robles. (9 de Septiembre de 2009). Proyectos Costa Maya and Ciudad
Caucel: Archaeological Survey of Northwestern Yucatán: Ceramic and Lithic
Analysis. Obtenido de FAMSI : http://www.famsi.org/reports/07034/index.html.
Araiza Gutiérrez, A. (2013). El borde evertido como rasgo regional de la cerámica de los
Altos de Jalisco, en el valle de Atemajac y áreas relacionadas. En G. P. C.
Promedio, & E. F. (eds.), Tradiciones crámicas del Epiclásico en el Bajío y
regiones aledañas. Cronología e interacción. Oxford: Archaeopress.
Arias, V. (2013). Application of GIS and Spatial Data Modeling to Archaeology: A Case
Study in the American Southwest. Tesis Doctoral. Albuquerque: Uiversity of New
Mexico, Department of Anthropology.
143
Ashmore, W. (1981). Some issues of method and theory in lowland Maya settlement
archaeology. En W. Ashmore, Lowland Maya settlement patterns (págs. 37-69).
Albuquerque: University of New Mexico Press.
Ashworth, G. (1991). War and the city. Londres / Nueva York: Routledge.
Ball, J. (1994). El surgimiento de las jefaturas mayas del norte: análisis socioprocesal. En
Los orígenes de la Civilización Maya. En R. Adams, Los orígenes de la
Civilización Maya (págs. 111-179). México D.F.: Fondo de Cultura Económico.
Brown, P.E., B.H. Rubin. (1982). Patterns of Deser Resource Use: An Integrated
Approach to Settlement Analysis. En C. S. P.E. Browna, A Study in Desert
Archaeology. Anthropological Research Papers No. 28 (págs. 267-305). Tempe:
Arizona State University.
Campana, S., M. Forte. (2006). From Space to Place. Remote Sensing in Archaeology.
Oxford: BAR International Series 1568. Archaeopress Publishers.
144
Canning, S. (2005). BELIEF in the past: Dempster Shafer theory, GIS and archaeological
predictive modeling. Australian Archaeology No. 60, 6-15.
Canuel N., A. Maas. (1997). Archaeological potential and pilot study: Prince George
Forest District. Victoria: Ministry of Tourism, Culture and Arts.
Castillo Peña, P. (2011). Una tecnología del siglo XXI utilizada para la protección de un
sitio patrimonio de la humanidad y como nuevo método que revoluciona la
arqueología mexicana. En L. I. Patricia Castillo Peña, Culturas del Golfo,
Salvamento Arqueológico y nuevas tecnologías. (págs. 47-71). Ciudad de México:
PEMEX-INAH.
Chase, A.F., Chase D.Z., Weishample, J.F., Drake, J.B., Ramesh, L.S., Slatton, C., Awe,
J., Carter, W. . (2011). Airborne LiDAR archaeology and the ancient Maya
landscape at Caracol, Belize. Journal of Archaeological Science. Vol 38, No.2.,
387-398.
Church, T., J. Brandon, G.R. Burgett. (2000). GIS Applications in Archaeology: Method
in Search of Theory. En R. B. K.L. Wescott, Practical Applications of GIS for
Archaeologists. A Predictive Modeling Toolkit (págs. 144-166). Philadelphia:
Taylor & Francis.
145
Delgado López, E. (2003). Paisaje y cartografía en la Nueva España. Análisis de dos que
acompañan al corpus de las relaciones geográficas (1577-1583). Estudios de
historia novohispana. No. 28 enero-junio, 77-102.
Dunham, P. (1990). Coming Apart at the Seams: the Classic Development and Demise of
Maya Civilization (a segmentary view from Xnaheb, Belize). Tesis doctoral State
University of New York, New York. Nueva York: State University of New York.
Eastman, J. (1999). Idrisi for Windows version 2, User's Manual. Worcester: The Clark
Labs for Cartographic Technology and Geographic Analysis, Clark University.
Eldridge, M., A. Mackie. (1993). Predictive modeling and the existing archaeological
inventory in British Columbia Task Group of Soils, Geology and Archaeology
Task Force. Victoria: Resources Inventory Committee.
Fazal, S. (2008). GIS Basics. New Dheli: New Age International Limited, Publishers.
Fisher, C. (11 de Marzo de 2012). New post from ARS Technica on the LiDAR mapping
at Angamuco. Obtenido de http://resilientworld.com/new-post-from-ars-technica-
on-the-LiDAR-mapping-at-angamuco/
146
Flannery, K. V. (1968). Archaeological Systems Theory and Early Mesoamerica. En B. J.
Meggers, Anthropological Archaeology in the Americas (págs. 67-87).
Washington D.C.: The Anthropological Society of Washington.
Folan, W.J., Anaya Hernández, A., E.R. Kintz, L. Fletcher, R. González, J. May Haus, N.
Caamal Canché. (2009). Coba, Quintana Roo, Mexico: A Recient Analysis of the
Social, Economic and Political Organization of a Mayor Maya Urban Center.
Ancient Mesoamerica (20), 59-70.
Gaffney, V, Z. Stančič. (1991). GIS approaches to regional analysis: A case study of the
island of Hvar. Ljubljana: Research Institute for the Faculty of Arts and Science.
Gallareta, T., W. Ringle. (2004). The Transition from the Middle to the Late Preclassic in
Northern Yucatan: New Perspectives from the Puuc. Ponencia presentada en el
103rd Annual Meeting of the American Anthropological Association. Atlanta.
Gallareta, T., W. Ringle, R. May Ciau, J. Ramos Pacheco, R. Carrillo Sánchez. (2005).
Evidencias de ocupación durante el periodo Preclásico en el Puuc: Xocnaceh y
Paso del Macho. Ponencia presentada en el Segundo Congreso Internacional de
Cultura Maya. Mérida.
García Payón, J. (1957). Atlas Arqueológico de Veracruz. Veracruz: Archivo Técnico del
Centro INAH Veracruz.
147
García San Juan, L. (9 de Abril de 2013). La Prospección Arqueológica de Superfice y
los SIG. Obtenido de
http://grupo.us.es/atlas/documentos/articulos/ponencia_cordoba_2003/ponencia_c
ordoba_2003.pdf .
Heredia Barrera, L. (2004). Salvamento arqueológico de Agua Fría 3D. Informe Técnico
Final. México D.F.: Archivo Técnico del Consejo de Arqueología del INAH.
Holden, N., P. Horne, R.H. Brewley. (2002). High resolution digital airborne mapping
and archaeology. En W. R. R.H. Brewley, Aerial Archaeology: Developing
Future Practice. (págs. 173-180). Amsterdam: Routledge NATO Science book
series, Vol 337 .
148
Instituto Nacional de Estadística y Geografía I (1991). Atlas ejidal del estado de Yucatán.
Encuesta Nacional Agropecuaria Ejidal 1988. México, INEGI.
Jenks, G. (1977). Optimal data classification for choropleth maps. Lawrence: University
of Kansas, Department of Geography Ocassional Paper 2.
Johnston, K.J., N. Gonlin. (1998). hat do houses mean? Approaches to the analysis of
Classic maya commoner residencies. En S. Houston, Function and Meaning in
Classic Maya Architecture (págs. 141-185). Washington D.C.: Dumbarton Oaks
Research Library and Collection.
Jones, E. (2006). Using Viewshed Analysis to Explore Settlement Choice: A Case Study
of the Onondaga Iroquis. American Antiquity, 71(3), 523-538.
Judge, W.J., L. Sebastian. (1988). Quantifying the Present and Predicting the Past:
Theory, Method, and Application of Archaeological Predictive Modeling. Denver:
U.S. Department of the Interior, Bureau of Land Management.
Keely, H.L., M. Fontana, R. Quick. (2007). Baffles and Bastions: The Universal Features
of Fortifications. Journal of Archaeological Research, 15, 768-801.
149
Kelley, J. (1971). Archaeology of the Northern Frontier: Zacatecas and Durango. En I. B.
G.F. Elkholm, Handbook of Middle American Indians, vol. 11. (págs. 19-39).
Austin : University of Texas Press.
Kelley, J., E. Abbot Kelley . (1987). Florecimiento y decadencia del Clásico desde la
perspectiva de la frontera noroccidental de Mesoamérica. En D. B. J. Mountjoy,
El auge y la caída del Clásico en el México Central. (págs. 145-198). México
D.F.: IIA, UNAM.
Kurjack, E. (1999). Was Dzibilchaltun a Preindustrial City? Land of the turkey and the
deer: recent research in Yucatan,. En R. (ed.), Land of the turkey and the deer:
recent research in Yucatan (págs. 119-128). Lancaster, California: Labrybthos.
Kvamme, K. (1990). GIS algorithms and their effect on regional archaeological analysis.
En S. G. K.M.S. Allen, Interpreting Space: GIS and Archaeology (págs. 112-
126). Nueva York: Taylor & Francis.
Lance, G.N, W.T. Williams. (1967). A general theory of classificatory sorting strategies.
1. Hierarchical systems. Computer Journal , 373-380.
Laporte, J.P., H. Mejía, J. Andánez, J.E. Chocón, L.A. Corzo, A. Ciudad Ruíz, M.J.
Iglesias Ponce de Léon. (2004). Aplicación del Sistema de Información
150
Geográfico (SIG) a la interpretación del asentamiento del Sureste de Petén:
Primeros resultados. XVII Simposio de Investigaciones Arqueológicas en
Guatemala, 2003. J.P. Laporte, B. Arroyo, H. Escobedo y H. Mejía (eds.) (págs.
89-109). Guatemala: Museo Nacional de Arqueología y Etnología.
Lillesand, T.M., R.W. Kiefer, J.W. Chipman. (2008). Sensing and Image Interpretation.
Sixth Edition. Madison: John Wiley & Sons, Inc.
Madrid Soto, A., L.M Ortíz López. (2005). Análisis y síntesis en cartografía: algunos
procedimientos. . Bogotá: Universidad Nacional de Colombia.
151
Marcus, J. (1989). From Centralized Systems to City-States: Possible Models for the
Epiclassic. En C. B. R. Diehl, Mesoamerica After the Decline of Teotihuacan AD
700-900. (págs. 201-208). Washington D.C.: Dumbarton Oaks Research Library.
Marshal, A., T. Bond. (2004). Fort St. James Forest District archaeological predictive
model revision project: final report. Victoria: Ministry of Tourism, Culture and
the Arts.
May, R. T. Gallareta, G.J. Bey III, W. Ringle, C. Gunn, T. Ceballos. (2006). New
Perspectives on the origins of monumentality in the northern maya lowlands. 71st
Annual Meeting of the Society of American Archaeology. San Juan, Puerto Rico.
Mehrer, M., K.L. Wescott. (2006). GIS and Archaeological Site Location Modeling. Boca
Ratón, Florida: Taylor & Francis.
Mitchell, A. (2005). The ESRI guide to GIS analysis. Volumen 2. Redlands, California:
ESRI Press.
Moreno Alvarado, J.E., J.I. Macias Quintero, J.R. Esparza López, D. Tenorio Castilleros,
M. Jiménez Reyes, G. Fernández Martínez. (2015). Caracterización de obsidianas
de la región suroccidente de Aguascalientes y sureste de Zacatecas mediante
152
análisis por activación neutrónica: primeros resultados. Revista de Investigaciones
Arqueométricas. Vol.1 No. 1, 1-21.
Morrison, J. (1970). A Link between Cartographic Theory and Mapping Practice: The
Nearest Neighbor Statistic. Geographical Review, 60(4), 494-510.
Parcak, S. (2009). Satellite Remote Sensing for Archaeology. Londres & Nueva York:
Routledge.
Pérez Cortés, E. (2013). La cuenca del río Verde Grande y sus cerámicas diagnósticas: un
primer acercamiento a la dinámica de interacción interregional del sureste de
Zacatecas durante el Epiclásico. En G. P. C. Promedio, Tradiciones cerámicas del
Epiclásico en el Bajío y regiones aledañas. Cronología e interacción. (págs. 173-
188). Oxford: Archaeopress, BAR International Series 2519.
Ringle, W. (1999). Pre-Classic Cityscapes: Ritual Politics among the Early Lowland
Maya. En R. J. D.C. Grove (Ed.), Social Patterns in Pre-Classic Mesoamerica
(págs. 183-223). Washington D.C.: Dumbarton Oaks Research Library and
Collection.
Robles, F., A.P. Andrews. (2003). Proyecto Costa Maya: Reconocimiento Arqueológico
en el noroeste de Yucatán, México. Reporte Interino. Temporada 2002. México
D.F.: Instituto Nacional de Antropología e Historia, National Geographic Society,
New College of Florida. Informe presentado al Consejo de Arqueología INAH.
Robles, F., A.P. Andrews. (2004b). Proyecto Costa Maya: reconocimiento arqueológico
de la esquina noroeste de la península de Yucatán. En B. A. J.P. Laporte, XVII
154
Simposio de Investigaciones Arqueológicas en Guatemala (págs. 47-66).
Guatemala: Museo Nacional de Arqueología y Etnología.
Robles, F., J. Ligorred. (2008). Informe del Proyecto Salvamento Arqueológico en Áreas
de Crecimiento Urbano de la Ciudad de Mérida, Yucatán. Etapa Ciudad Caucel.
México D.F.: Centro INAH Yucatán-DPANAM. Informe presentado al Consejo
de Arqueología del INAH.
Robles, F., M.A. Cantero Aguilar, A. Benavides Rosales, T. Ceballos Gallareta. (2006).
Proyecto Arqueológico Poxilá. Municipio de Umán, Yucatán (Temporada de
campo 2005). México D.F.: Centro INAH Yucatán, Informe presentado al
Consejo de Arqueología del INAH.
Roys, R. (1952). Conquest Sites and the Subsequent Destruction of Maya Architecture in
the Interior of Northern Yucatan. Washington D.C.: Carnegie Institution of
Washington. Publication No. 596.
Roys, R. (1957). The political geography of the Yucatan Maya. Washington D.C.:
Carnegie Institution of Washington.
Roys, R. (2006 (1949)). History or the Area Maya (Year Book 48: 239-241). En The
Carnegie Maya . En J. H. J.M. Weeks, The Carnegie Institution of Washington
155
Maya Research Program, 1913-1957. vol. I (págs. 239-241). Boulder: University
Press of Colorado.
Scarborough, V., R.A. Robertson. (1986). Civic and Residential Settlement at a Late
Preclassic Maya Center. Journal of Field Archaeology 13(2), 155-175.
Schmuker, K. (1982). Fuzzy Sets, Natural Lnaguages Computations and Risk Analysis.
Computer Science Press.
Shook, E. (2006 (1955)). Yucatán and Chiapas (Year Book 54: 289-295). En J. H. J.M.
Weeks, The Carnegie Maya. The Carnegie Institution of Washington Maya
Research Program, 1913-1957, vol.I (págs. 413-418). Boulder: University Press
of Colorado.
Smith, M. (1987). Household Possessions and Wealth in Agrarian States: Implications for
Archaeology. Journal of Anthropologica Archaeology 6, 297-355.
Solar Valverde, L. (2006). Apuntes para una reflexión integral del fenómeno
Coyotlatelco. En L. S. (ed.), El fenómeno Coyotlatelco en el centro de México:
tiempo, espacio y significado (págs. 393-430). México D.F.: INAH.
Stanton, T., T. Ardren. (2005). The Middle Formative of Yucatán in Context. The view
from Yaxuna. Ancient Mesoamerica 16, 213-228.
Thompson, R. (2006 (1951)). Yucatán (Year Book 50: 232-236). En J. H. J.M. Weeks,
The Carnegie Maya. The Carnegie Institution of Washington Maya Research
156
Program, 1913-1957, vol. I (págs. 248-250). Boulder: University Press of
Colorado.
Tobler, W. (1970). A computer movie simulating urban growth in the Detroit region.
Economic Geography, 234-240.
Tobler, W., S. Wineburg. (1971). A Cappadocian Speculation. Nature 231 (5297), 39-41.
Trombold, C. (2005). A population estimate for the Epiclassic middle Malpaso Valley
(La Quemada), Zacatecas, México. Latin American Antiquity. 16(3), 235-253.
Vita-Finzi, C., E. Higgs. (1970). Prehistoric economy in the Mount Carmel area of
Palestine: site catchmentanalysis. Proceedings of the Prehistoric Society, (págs. 1-
37). Londres.
Wescott, K.L., R,J. Brandon (eds.). (2000). Practical Applications of GIS for
Archaeologists. A predictive Modeling Toolkit. Philadelphia: Taylos & Francis.
Wescott, K.L., R.J. Brandon. (2000). Practical Applications of GIS for Archaeologists: A
Predictive Modeling. Nueva York: Taylor & Francis.
Wilk, R.R., Ashmore, W. (1988). Household and Community in the Mesoamerican Past.
Albuquerque: University of New Mexico.
Wilk, R.R., W.L. Rathje. (1982). Household archaeology. American Behavioral Scientist
25, 617-639.
159
ANEXO
TUTORIALES PARA ARCGIS
Dada la naturaleza espacial del dato arqueológico, la aplicación de los SIG como
herramienta analítica se torna no solo necesaria sino que imperativa para la aproximación
a la problemática arqueológica. Con esto en mente estos ejercicios están diseñados para
introducir a arqueólogos, estudiantes o profesionales a los principios teóricos y
metodologías básicos de los Sistema de Información Geográfica (SIG). Para esto se
utilizaran ejemplos de aplicaciones arqueológicas en Australia, Panamá, Canadá, y las
Tierras Bajas Mayas. Se utilizará para este propósito el paquete de ESRI ArcMap 10.X,
por ser el que más herramientas analíticas ofrece y un estándar de referencia en el campo
de los SIG. Se espera que al final el arqueólogo interesado pueda aplicar las habilidades
adquiridas a sus propias investigaciones.
A continuación se presenta una breve reseña del contenido de los tutoriales35
35
Es recomendable trabajar con copias de los archivos proporcionados para tener estos como
respaldo.
160
En este ejercicio utilizaremos datos provenientes de recolección de superficie en el sitio
de Cauich, Campeche y de excavación en el sitio de El Cayo, Chiapas. Nuestro objetivo
será la representación e interpretación de la distribución de materiales cerámicos en
ambos sitios con la finalidad de integrarlos a un informe técnico. Aprenderás a
familiarizarte con la interface mediante:
La creación de un proyecto cartográfico
Seleccionar los elementos y rasgos geográficos que se representarán en el mapa
Crear un nuevo archivo shape
Utilizar el editor de leyendas para simbolizar tus datos
Utilizar diferentes métodos de clasificación
161
El sitio arqueológico de Cobá fue mapeado por Folan y colaboradores de 1974 a 1976. El
sitio está dividido en 13 zonas por sacbes, Folan y colaboradores notaron que los
conjuntos habitacionales de la elite de mayor estatus se localizan en las cercanías del
centro cívico-ceremonial y en algunos casos cercanos a los sacbes. En consecuencia éstos
propusieron la existencia de un patrón concéntrico de asentamiento para Cobá y que éste,
seguramente está presente en los otros grandes centros mayas como Tikal y Calakmul.
Por su parte, Arnold y Ford (1980) con base en su análisis del mapa de la porción central
de Tikal de 9 Km², concluyen que este centro no presenta un patrón concéntrico sino más
bien uno en el que los conjuntos arquitectónicos de la elite se hallan dispersos a lo largo
de la urbe, refutando de esta manera las conclusiones de Folan y colaboradores. Arnold y
Ford fundamentan sus conclusiones en el cálculo de la inversión de mano de obra en la
construcción de edificios abovedados. Este ejercicio pondrá a prueba si existe o no un
patrón de asentamiento concéntrico en Cobá utilizando un acercamiento metodológico
similar al de Arnold y Ford en donde calcularemos la mano de obra invertida en la
construcción de las estructuras de Cobá y con este dato se correrá una rutina de
interpolación que nos ayudará a discernir el patrón espacial.
162
definiremos donde y cuando el sitio fue ocupado y, definiremos la extensión de cada una
de estas ocupaciones.
163
Ejercicio 1: Composición Cartográfica, Simbolización de la Distribución
de la Cerámica Cauich, Campeche
Objetivos Generales
En este ejercicio aprenderás a:
Crear un archivo shape de polígonos
Familiarizarte con la simbolización por gráficas
Crear un proyecto cartográfico
Imprimir un mapa con todos los elementos cartográficos convencionales
Con base a las características arquitectónicas y monumentales del grupo principal, éste
sitio correspondería a un centro administrativo de quinto o cuarto nivel dentro de la
jerarquía política de la región (Anaya Hernández y Faust Wammack, 2013). Esto le daría
una función mayoritariamente administrativa particularmente durante el Clásico Tardío
en donde su principal función sería la de organizar y supervisar la producción agrícola y
el tributo hacía los centros rectores regionales.
164
Los materiales arqueológicos recuperados fueron exclusivamente de superficie, se siguió
una estrategia de recolección de todos los materiales encontrados sobre las estructuras
identificadas y en donde no había estructura pero se observaba concentración de
materiales éstos fueron recolectados en un radio de 50 cm alrededor de un punto
establecido sobre la concentración de materiales. En estos casos, los puntos de
recolección fueron marcados con GPS.
Archivos de trabajo
Archivo shape: WPT_ceramica.shp
Archivo shape: Cauich_Estructura_linea.shp
Archivo shape: Cauich_Estructuras _poly.shp
Imagen TIFF georeferenciada del Grupo Cauich 1
TablaExcel de frecuencia cerámica
Tabla Excel de cronología general de cerámica”
Tabla Excel de cronología del Clásico
Pica con el botón derecho del ratón sobre el icono que dice Layers que se
encuentra en la ventana de Contenidos de la interface de ArcMap . Del
menú que aparece selecciona el último que debe ser el de propiedades
(Properties...). Se abrirá un marco (Data Frame Properties), asegúrate de que en
este, la pestaña de sistema de coordenadas (Coordinate System) esté seleccionada.
El marco contiene dos ventanas la primera te da la información sobre el sistema
165
de coordenadas, que en este caso no está definido, la segunda te servirá para
definir el sistema de coordenadas. Debe de contener tres carpetas, Favoritos,
Predefinidos y una tercera que solo se utilizará para la definición específica de un
proyecto (por ejemplo una cuadricula con origen arbitrario).
Ahora vamos a agregar los datos geográficos que pueden estar contenidos es
diversas capas de polígonos, líneas, puntos (shape) e imágenes raster. Esto lo
puedes hacer a partir del menú de Archivo (File) o utilizando su icono en la barra
de herramientas. Puedes abrir un número casi ilimitado de capas, el orden en que
las capas aparecen listados en la barra de contenidos es también importante ya que
las capas que se encuentren en la parte superior serán los que aparezcan
dibujados primeramente.
166
Abre el menú de “Archivo” (File) y selecciona la opción de “Agregar Datos”
(Add Data), en el segundo pica el icono que representa un signo + sobre un
Pica en el botón de “Editor” para iniciar sesión de edición (Ojo, no confundas los
iconos de “Editor” con “Editar”. El primero es para modificar las capas shape,
mientras que el segundo es para hacer modificaciones al documento cartográfico
mxd).
167
En la ventana que se abre, asegúrate de seleccionar que la capa a editar sea
“Cauich_Estructuras_poly” (1) y selecciona como herramienta de construcción
“polígono” (2). Acércate al Grupo 1 de tal suerte que puedas ver completamente
la estructura principal que limita la plaza en su lado este.
168
polígono que está en el nivel inferior para posteriormente seguir con los
superiores. Para cerrar el polígono has un doble clic rápido.
Para poder ver todos los polígonos que vamos a ir digitalizando tenemos que
cambiar la simbología. Utilizaremos el símbolo “hueco” (hollow) para esto. Abre
“Propiedades”, pica la pestaña de simbología y pica dos veces en el símbolo para
abrir el catalogo de símbolos. Selecciona el que dice Hollow (Hueco).
169
2
1
Las líneas que unen los vértices de los polígonos se crearon con fines de
representación visual. Si las quieres agregar sólo cambia en la ventana de
“Destino” (Target) de Editor la capa a “Cauich_Estructuras_líneas”.
170
1
171
ventana selecciona “BOLSA” como el campo de la tabla que vas a utilizar para la
unión. Deja todos los registros y pica en aceptar.
172
Aquí estamos representando la concentración de cerámica por frecuencia, pero
sabemos que este sólo parámetro no necesariamente es muy informativo ya que
una vasija de cerámica puede fracturarse en varios o pocos tiestos y sesgar nuestra
apreciación de presencia.
173
Abre el módulo de Propiedades de esta capa y en la pestaña de simbología
selecciona la opción “Gráficos/Gráficos de sectores (Pie charts). En la ventana
que se abre ingresa los campos de “Preclásico”, “Clásico”, “Posclásico” e
“Histórico” picando en la “flecha” de ingreso. Si aparece algún otro campo en la
ventana de representación, sácala y pica en aceptar.
Acércate primero al Grupo 1 para que veas con mayor detalle cual es el periodo
más representado en la cerámica recolectada.
175
Ejercicio 2: Composición Cartográfica: Simbolización de la
Distribución de la Cerámica de El Cayo, Chiapas
Objetivos Generales
En este ejercicio aprenderás a:
Familiarizarte con la interface de ArcMap
Familiarizarte con el proceso de georegistro de imágenes obtenidas de
diversas fuentes.
Importar datos espaciales de diferentes fuentes a ArcMap
Crear archivos shape a partir de datos externos
Crear un proyecto cartográfico
Seleccionar los elementos y rasgos geográficos que se representarán en el
mapa
Utilizar el editor de leyendas para simbolizar tus datos
Utilizar diferentes métodos de clasificación
Imprimir un mapa con todos los elementos cartográficos convencionales
177
En la pantalla deberán aparecer las capas correspondientes al Grupo E5-1 y las
unidades de excavación (operaciones) de El Cayo, con la excepción de la
Operación 1, la cual vamos a digitalizar. Para esto contamos con una tabla Excel
con los vértices de la Operación 1 que registramos con el GPS y una imagen JPG
con la Operación, Esta imagen, sin embargo, no está georeferenciada. Esta es
precisamente la primera tarea que vamos a realizar en este ejercicio.
178
Pica el botón de aceptar y en la pantalla deberán de aparecer los 16 puntos de los
vértices. El archivo que acabas de crear es un archivo temporal, no un archivo
shape propiamente. En el momento que remuevas la tabla, esté desaparecerá.
Podemos hacer que éste se vuelva un archivo shape permanente exportando los
datos.
agregar datos para añadir esta imagen al proyecto. Notarás que nada aparece
en la pantalla, esto es porque la imagen aún no está georeferenciada y está,
virtualmente, flotando en el limbo.
180
De la tabla de atributos de “OP1_pts” copia y pega la coordenada X y
luego la coordenada Y, y pica en el botón de OK No te alarmes si la
imagen desaparece, ésta se está ajustando a su posición real. Para regresar a la
misma, simplemente pica la opción “Zoom to layer”, de las opciones del menú
de la capa. Has lo mismo con los puntos 9, 2 y 10 (en ese orden). Cada punto es
registrado y numerado de manera individual siguiendo el orden en que
181
composición cartográfica.
En ArcMap cada capa está asociada con una tabla de datos, para explorar los
datos puedes oprimir el botón derecho del ratón sobre el nombre de esta capa y
del menú que aparezca selecciona la opción “Abrir Tabla de Atributos” (Open
Attribute Table).
184
En ArcMap existen muchas maneras de simbolizar tu información utilizando la
opción de “Propiedades/Simbología” (Properties/Symbology). Pica con el botón
derecho del ratón en el nombre de la capa “Operaciones_excavación” para
desplegar el modulo de “Propiedades”.
Observa que en el Módulo de propiedades hay una ventana del lado derecho
donde se definen los diferentes tipos de simbolización estas son: “Entidades”
(Features), “Categorías” (Categoriesk),”Cantidades” (Quantities), “Gráficos”
(Charts) y “Atributos múltiples” (Multiple Attributes).
185
Categorías: La opción de categorías contiene tres diferentes tipos de
simbolización. En este tipo de simbolización se utiliza colores diferentes para
simbolizar el valor de cada atributo, como por ejemplo en los mapas de uso de
suelo. En términos generales los mapas de valores únicos son muy útiles para
representar dos tipos de atributos: (1) atributos que describen el nombre, tipo,
condición o categoría de algún rasgo geográfico, y (2) Atributos que tienen
cantidades o parámetros que ya han sido clasificados, por ejemplo 0-99, 100-199,
200-299, etcétera
186
ejemplo 1 punto = 0.5. Este tipo de mapas es muy útil cuando queremos
comunicar la densidad o frecuencia de un atributo además de su cantidad.
Por ejemplo, si representamos dos países con aproximadamente la misma
población, digamos Australia y Japón, utilizando únicamente un mapa de
colores graduados, ambos aparecerán con el mismo color. Aunque la
clasificación es correcta, perdemos impacto visual ya que no se está
considerando la densidad de población, esta limitación se resuelve
fácilmente cuando además incluimos un mapa de puntos de densidad.
188
339), de tal suerte que si clasificas estos elementos en tres clases utilizando el
método de Intervalos Equivalentes, cada clase representará un rango de 113 (113
+ 113 + 113 = 339), y el rango de valores por clase serán de 12-125, 126-238, y
239-351. Este método clasificatorio es ideal para datos cuyo rango sea conocido,
como por ejemplo porcentajes o grados de temperatura.
Desviación Estándar: Este método muestra el grado de variación que los valores
individuales de los elementos guardan con respecto a la media. Cuando los datos
son clasificados utilizando este método, ArcMap definirá primeramente cual es la
media para establecer las distintas clases por arriba o por debajo de esta media en
intervalos de 1, .5, o .25 desviaciones estándar, hasta que todos los valores estén
incluidos en una u otra clase. Este método es de suma utilidad para visualizar
datos que se alejan de la media.
189
¿Cuál es la operación con mayor densidad de cerámica?
¿Cuál es su área?
¿Cuál es la operación con mayor área excavada y cuál su densidad de cerámica?
En ArcMap puedes trabajar con las entidades geográficas en dos modos, (1) Vista
de datos (Data view) y (2) Vista de Composición de mapas (Layout view), éste
último es el que vamos a utilizar para crear nuestras composiciones cartográficas.
Los botones para cambiar de un modo a otro se ubican en la esquina inferior
izquierda, el primero tiene el icono de un mapa, mientras que el segundo tiene la
190
capa de las operaciones y saca todas las demás picando en el botón de
“flecha/fuera” como se muestra en la imagen.
Notarás que la leyenda está muy ancha, esto se debe a que el título de la misma
está en una sola línea. Para modificar esto pica con el botón derecho del ratón
sobre la leyenda para abrir las propiedades y en la pestaña de leyenda separa la
línea de texto colocando el cursor después de la palabra “CERÁMICA” y
presiona “Enter” en tu teclado para separarla en dos líneas de texto y pica aceptar.
No necesitamos que aparezca el nombre de la capa ya que el mismo aparecerá en
la leyenda, por lo que lo borraremos. Pica sobre el nombre de la capa en la
ventana de contenidos hasta que esté seleccionado y elimínalo.
191
Del menú de Insert (Insertar) selecciona la opción para agregar la barra de escala
gráfica. Selecciona la primera opción y oprime el botón de Propiedades
(Properties...) En la ventana que aparece vas a definir el número de divisiones y
subdivisiones, así como las unidades de medición. Deja las divisiones y
subdivisiones con los valores predeterminados y define las unidades en metros.
Añade ahora el texto de escala abriendo nuevamente el menú de “Insertar” y
selecciona la opción “Absoluto”.
192
Finalmente vamos a comparar la frecuencia cerámica por periodo (Preclásico al
Clásico Terminal/Posclásico Temprano). Para esto añadiremos la capa
Une la capa “Operaciones_excavación” con la tabla y una vez hecho esto abre el
modulo de propiedades de esta capa. Pica en la pestaña de simbología. Selecciona
“PRECLAS” como el campo con valor a representar.
Notarás que el primer símbolo es para F=0, es decir que en algunas unidades no
se encontró cerámica del Preclásico. Esto de alguna manera sesga nuestros datos
donde sí hay cerámica del Preclásico así es que vamos a eliminar este valor de las
clases. Pica en el botón de clasificar para que puedas sacar este valor de la
clasificación. En el modulo que se abre pica el botón que dice “Exclusión”. Se
abrirá otro modulo (Exclusión de datos) ahí vas a seleccionar de la ventana de
“Clausula excluida” la opción “F x PERIODO$ PRECLAS” picando dos veces.
Esta clausula aparecerá en la ventana inferior y allí escribe “= 0” para excluir
estos valores y acepta.
193
2
1
Repite los anteriores pasos para los periodos Clásico Temprano, Clásico Tardío y
Clásico Terminal/Posclásico Temprano.
¿Qué operación rindió más cerámica para el Preclásico?
¿Qué operación rindió más cerámica para el Clásico Temprano?
¿Qué operación rindió más cerámica para el Clásico Tardío?
¿Qué operación rindió más cerámica para el Clásico Terminal/Posclásico
Temprano?
¿Qué interpretación le puedes dar a estos datos?
194
Ejercicio 3: Registro Geográfico de Imágenes
Archivos de trabajo:
Fotografía aérea del área de estudio en formato BMP.
Imagen georeferenciada de mapa topográfico del área de estudio en formato TIFF.
Tabla en formato Dbase IV de puntos de control
Tabla en formato Dbase IV de sitios arqueológicos.
Para aliviar esta limitación en ArcMap podemos utilizar el módulo Georeferencing para
georegistrar a una proyección geográfica real cualquier imagen BMP o TIFF que
importemos. Georeferencing registrará la imagen a un sistema de referencia
universalmente aceptado como Latitud / Longitud, o UTM. De hecho, por lo general las
imágenes que ya vienen georegistradas traen consigo cierto grado de error por lo que de
195
alguna manera el tener que georegistrar manualmente la imagen es hasta cierto punto
ventajoso ya que puedes tener mejor control sobre el mismo, sobre todo cuando tu área de
interés es más reducida. Pero principalmente porque tú puedes seleccionar el sistema de
referencia que más se ajuste a tus intereses.
El proceso de georegistro es similar al ajuste de una hoja de hule que se estira y sujeta
con alfileres a manera de puntos ancla a fin de que se conforme a un sistema de referencia
particular. Este procedimiento introduce cierto grado de distorsión espacial. Que tanta
distorsión se incorporará depende del sistema de referencia que selecciones y la escala
con la que trabajes.
En este ejercicio georeferenciaremos al sistema UTM una fotografía aérea del área del
Lago Moberly ubicado en la Columbia Británica, Canadá. Esta área forma parte
importante del territorio tradicional de la nación indígena Moberly, donde se han
reportado y localizado varios sitios arqueológicos principalmente a orillas del lago. El
lago es también un lugar de atracción para vacacionistas por lo que existe un macro
proyecto para desarrollar un complejo turístico. Con la finalidad de proteger estos sitios
se hace necesario ubicarlos de manera más precisa en la fotografía aérea con la que se
cuenta para el área. En este ejercicio aprenderás no solo a georegistrar una imagen con
ArcMap, sino que también a importar y exportar datos en formatos distintos a fin de
procesarlos espacialmente.
Con el botón derecho del ratón pica en el nombre de la tabla y del menú que
aparece selecciona la opción Display X Y data para definir los campos de
coordenadas y el sistema que vamos a usar. En este caso los campos X y Y
coinciden así que solo nos quedará definir el sistema de coordenadas que
utilizaremos. La ventana inferior nos indica que el sistema de coordenadas no está
definido así que picando el botón Edit podremos definir el sistema como UTM
NAD 83 zona 10N.
Observarás que después de que picas el botón de OK, aparecerán los seis puntos tomados
con el GPS con el nombre de PTS_GPS Events, sin embargo estos puntos son temporales
no son un archivo shape, tendremos que convertir este archivo temporal a uno shape que
será permanente.
Para hacer este archivo permanente simplemente pica con el botón derecho del
ratón en su nombre y del menú que aparece selecciona la opción Data-Export
Data y si es necesario navega hasta tu carpeta de Ejercicio 2 para que lo guardes
con el nombre de “puntos_gps”, manteniendo todas las demás opciones
predeterminadas. Una vez que picas el botón de OK, te preguntará si quieres
agregar la capa a tu mapa, acepta y cambia el símbolo a uno que puedas ver
fácilmente (después puedes remover la tabla y la capa PTS_GPS Events sí quieres.
PTO X Y
1
2
3
4
5
6
198
necesario regresa al bookmark “punto6” para orientarte. Esto lo puedes hacer
picando en el menú de Bookmarks y seleccionando “punto6”.
Una vez que tengas este punto bien ubicado aproxímate lo más que puedas hasta
que veas la imagen pixelada. Ahora vamos a trabajar con la herramienta de
Georeferencing, éste modulo está compuesto por tres secciones:
199
colocando la fotografía aérea 93P082 sobre el mapa topográfico NTS93P13. Si te
llegarás a equivocar con algún punto, o sí el punto ya no está contribuyendo a la
precisión lo puedes eliminar borrándolo de la tabla picando el icono de tabla de la
barra de herramientas, seleccionando el punto no deseado y picando en la X.
Una vez que tenemos nuestra imagen georeferenciada procedamos a agregar los
sitios arqueológicos a nuestra composición. Al igual que los puntos de control,
éstos fueron obtenidos con un GPS y vaciados a una tabla Dbase, así es que
importa la tabla y repite el procedimiento de los pasos 3 y 4 para crear el archivo
shape de sitios arqueológicos.
Inicia Google Earth y en la ventana “Volar a”, escribe “Moberly Lake, B.C.”.
Esto te llevará al Lago Moberly en la Columbia Británica, Canadá. Ajusta la
escala (zoom) de tal suerte que puedas ver todo el lago. Recorre el cursor por la
imagen para que veas el sistema de coordenadas en el que está tu imagen. Si es
que esté en coordenadas geográficas cámbialo a UTM picando en el menú de
“Herramientas” – “opciones” y pica en la pestaña “Vista 3D” de donde
seleccionarás la opción “Universal Transversal de Mercator”, de la sección
“Mostrar lat/long”.
202
203
204
Ejercicio 4: Consulta a la Base de Datos Utilizando SQL Análisis Espacial
de los Artefactos de la Cueva Koongine, Sur de Australia
205
Tabla 1. Frecuencia y porcentaje de artefactos por clase
f % f % f % f %
Archivos de trabajo
206
pantalla36. Estos temas son idénticos, representan la retícula de unidades de
excavación de 25 x 25 cm, el primero lo utilizarás para propósitos analíticos, el
segundo servirá únicamente como auxiliar en la representación gráfica.
36
Si las retículas no son visibles y te aparece un signo de admiración rojo, es por que la ruta no se
definió corrextamente. Pica en el signo de exclamación y navega hasta la carpeta de Ejercicio 4, selecciona la
capa de la retícula y pica dos veces para hacerla visible.
207
Una selección nueva (Create a new selection)
Agregar a la selección existente (Add to current selection)
Remover de la selección existente (Remove from current selection), o
Seleccionar de la selección existente (Select from current selection)
La segunda ventana contiene los campos de la tabla que contienen los atributos a
consultar. Debajo de ésta se encuentran los operadores matemáticos y lógicos. La
última ventana es donde aparecerá la expresión SQL que define tu selección.
En este caso vamos a seleccionar todas las unidades que fueron excavadas, es decir las
que tienen un identificador para el campo EXCAVATED. En este Módulo de ArcMap el
comando SQL SELECT*FROM ya está definido, únicamente tienes que seleccionar el
campo que contiene los datos y el operador matemático o lógico que definirán el
criterio de selección WHERE (ver recuadro rojo de la imagen de arriba). De la ventana
de campos (Fields) has doble clic en EXCAVATED, este deberá aparecer en la ventana
inferior, a continuación selecciona el operador que definirá el criterio de selección. En
este caso queremos seleccionar todas las unidades que fueron excavadas (=). A fin de
que veas cuales son todos los posibles valores en este campo, oprime el botón Get
Unique Values. Notarás que solo hay dos opciones: ‘YES’ y ‘NO’. Oprime el botón
Apply. Las unidades excavadas, 209 en total, aparecerán seleccionadas. Cierra la tabla
de atributos, deselecciona las unidades oprimiendo el icono que parece un cuadrado
blanco.
Oprime el botón de Agregar Datos (signo + sobre rectángulo amarillo), esta vez
en lugar de agregar una capa de datos geográficos vas a agregar la tabla (dBase)
“CLASES_L”. Ésta corresponde a las 4 clases de artefactos líticos y se encuentra en
la carpeta del Ejercicio 3. Abre la tabla haciendo clic con el botón derecho del ratón
sobre el nombre de la tabla y seleccionando la opción Open. Revisa los registros,
ésta es parte de la base de datos simplificada que contiene la información
concerniente a la frecuencia de los diferentes tipos de artefactos líticos organizada
en cuatro clases de acuerdo a su tamaño. Sin embargo esta tabla no contiene los
208
totales por unidad de excavación por lo que a continuación calcularemos este valor.
No cierres la tabla.
209
Con el botón derecho del ratón pica en el símbolo de la capa “K_reticula”, esto
abrirá el Módulo del Selector del Símbolo. Con la barra de exploración revisa
algunas de las diferentes opciones que ArcMap ofrece para simbolizar, selecciona el
símbolo “Hueco” (Hollow), recuerda que esta capa nos servirá únicamente para
fines visuales. Ahora vamos a asociar los datos contenidos en esta tabla con los
rasgos contenidos en el archivo “K_retícula_exc” ligándolos mediante la selección
de un campo en común, este campo es GRIDCELL. Pica con el botón derecho del
ratón sobre el nombre de la capa “K_retícula_exc”, selecciona la opción Joins and
Relates... Join que abrirá el Módulo Join Data que sirve para ligar la tabla de
atributos de esta capa con la tabla CLASE_L. La primera ventana es para definir el
campo de liga, en este caso GRIDCELL. En la segunda ventana vas a definir la tabla
con la que quieres establecer la liga (CLASE_L). En la tercera ventana definirás el
campo de la tabla con el cual establecerás la liga (GRIDCELL), presiona OK. Abre
la tabla de “K_reticula_exc”, los campos de la tabla CLASE_L deberán aparecer en
la tabla de atributos de esta capa. Para hacer la liga permanente exporta la capa y
asígnale el nombre “K_retícula_exc02”. Agrega esta capa y remueve la anterior
para evitar confusiones.
210
Con esta información adicional, cambiaremos la manera en como los atributos se
representan. Abre el Módulo, de Propiedades de la capa “K_reticula_exc02”, pica la
pestaña de simbología, selecciona la opción Cantidades (Quantities) y el tipo
Colores Graduados (Graduated colors) y como campo a clasificar selecciona el
campo para la clase 3. Utiliza una escala de color rojo graduado. Al picar en el
botón de ‘Aceptar’ la capa mostrará únicamente aquellas unidades excavadas donde
están presentes los artefactos de la clase 3. Notarás que las demás unidades no son
representadas, por esto para una representación gráfica más adecuada incluimos la
segunda retícula.
Ahora, veremos si esta representación gráfica nos puede ayudar a definir áreas de
actividades potenciales de acuerdo a la distribución de los artefactos líticos.
Intentaremos esto mediante la consulta a la base de datos con expresiones basadas
en el Lenguaje de Consulta Estructurado (SQL). Las cuatro clases de artefactos
líticos fueron creadas de acuerdo a su tamaño relativo, que a su vez se relacionó con
su posible fase en el proceso de producción de herramientas. Por ejemplo, las clases
3 y 2 incluyen el porcentaje más alto de desecho de talla que podría estar asociado a
la preparación de núcleos. De igual manera estas clases incluyen el mayor número
lascas y fragmentos de lasca de toda la colección de artefactos (ver Tabla 1). Abre la
tabla de atributos y oprime el botón de Opciones, selecciona SQL Select by
Attributes para especificar la expresión que nos permitirá identificar todas las
unidades de excavación que contienen el número más alto de artefactos de la clase 3
y 2, donde el total de éstos sea mayor o igual a 40 y 20 respectivamente.
211
En la anterior expresión SQL el operador lógico “AND” limitará el criterio de
selección a aquellas unidades de excavación que cumplen con ambas condiciones:
que sean mayor o igual a 40 para la clase 3 y mayor o igual a 20, para la clase 2. A
continuación haremos que la selección sea más inclusiva mediante la utilización del
operador lógico “OR”. Borra la expresión actual oprimiendo el botón Clear para
escribir la expresión que seleccionen todas las unidades de excavación que incluyan
un valor >= 40 para la clase 3, o un valor >= 20 para la clase 2.
La clase 3 tiene el porcentaje más alto de lascas y fragmentos de lascas (51.8% del
total de la colección según la Tabla 1, incluida al principio de este ejercicio) y
potencialmente nos podría revelar un patrón espacial. Si observas la leyenda en la
ventana de contenidos verás que de acuerdo al tipo de clasificación aplicado, la
clase 3 ha sido dividida en 5 clases de acuerdo a su frecuencia. De acuerdo a esto la
clase de frecuencias más baja tiene un rango de 0 a 15 y la más alta de 61 a 116.
Abre el modulo de propiedades de la capa y cambia de 5 a 3 clases. Esto nos
ayudará a establecer los límites mínimos y máximos de frecuencia para esta clase
permitiendo una clase intermedia a manera de amortiguamiento entre las mínimos y
máximos. Observa ahora los rangos de valores en estás tres clases. Construye la
expresión SQL para seleccionar aquellas unidades que contengan la mínima
frecuencia de artefactos líticos menor a 25 de la clase 3, pero que tengan por lo
menos 1 artefacto y una segunda expresión que seleccione la máxima frecuencia a
partir de 52 de la misma clase.
212
Vas a crear dos nuevos archivos shape a partir de las selecciones de mínimo y
máximo. Repite la primera expresión para seleccionar las unidades de excavación
con menor presencia de artefactos líticos de la clase 3. Ahora pica con el botón
derecho en el nombre de la capa “K_retícula_exc02” y selecciona la opción Export
Data. El Modulo de exportación de datos se abrirá dándote la opción de exportar
solo los rasgos seleccionados. De la ventana del directorio especifica la carpeta en
donde vas a guardar la nueva capa (la carpeta de Ejercicio 3) dándole el nombre de
“clase3_min”. Una vez que el Modulo termina de exportar te preguntará si quieres
incluir la capa en tu proyecto, acepta y has lo mismo para crear una capa para
“clase3_max” (recuerda que antes tienes que deseleccionar las unidades anteriores).
213
con colores graduados utilizando el método de clasificación de Segmentación
Natural con 5 clases y escala de colores rojo graduado.
Has lo mismo con la capa clase3_min, solo que utilizarás una escala azul graduado. Por
lo general las tonalidades rojas se utilizan para representar las “zonas calientes”, o sea
donde hay mayor concentración de un valor dado y las tonalidades azules para
representar las “zonas frías”, donde hay menor concentración.
Observa bien como se distribuyen los colores ¿Puedes discernir algún patrón espacial?
Descríbelo.
Como hemos observado, la simbología puede ser una poderosa herramienta auxiliar
en la identificación de algún patrón espacial. Exploraremos más posibilidades
interpretativas del modulo de simbología de ArcMap. Ahora produciremos un mapa
de puntos de densidad definiendo la clase 2 como nuestro campo de clasificación.
En la Tabla 1 de este ejercicio podemos ver como la clase 2 representa la segunda
clase más grande en frecuencia de la colección de artefactos. Esta clase constituye el
38.5% del total de la lítica no-diagnostica y de lascas y fragmentos de lasca.
Examinaremos la posibilidad de que los artefactos de la clase 2 pudieran representar
214
desecho de talla en el proceso de producción de herramientas líticas. Activa el tema
“K_retícula_exc02” y abre el Modulo de Propiedades... Simbología. Cambia la
simbología de colores graduados a Puntos de densidad (Dot density). Selecciona el
campo CLASS_2_F y oprime la flecha para ingresarlo a la ventana de símbolos.
Cambia el color de los puntos a negro picando sobre el símbolo y seleccionando el
negro del cuadro de colores que aparezca. La densidad de puntos es calculada
automáticamente, en este caso el valor de cada punto es de 3 (si no es así, edita el
valor en la ventana que dice “Dot value”). Oprime el botón de Aceptar y observa tus
resultados. Esta opción de simbología calculará la densidad de artefactos por unidad
de excavación de manera proporcional incluyendo también en la ecuación aquellas
unidades sin datos. Asegúrate que el mapa de puntos de densidad este colocado
hasta arriba, si no está, con el botón derecho del ratón arrástralo a esa posición.
Estos resultados preliminares sugieren que puede existir una correlación espacial
entre los artefactos de la Clase 3 y la Clase 2. Un estudio más profundo requeriría
de un análisis más detallado, pero a manera de ilustración asumiremos que existe
una correlación espacial. Sin embargo, a pesar de que nuestro mapa de puntos de
densidad nos proporciona una buena representación visual de cómo los artefactos se
encuentran dispersos en mutua relación, aun es difícil identificar las unidades de
excavación en donde los artefactos de la clase 3 y 2 están concentrados de manera
más densa.
215
¿Cuántas unidades de excavación fueron seleccionadas?
¿Cuántos artefactos de la clase 3 y 4 tienen cada una de estas unidades?
216
Ahora selecciona el campo “CLASS_4_F” y vuelve nuevamente a correr ∑
Statistics y anota los resultados. Finalmente pica en el icono de “mostrar todos los
registros” (Show all records) y limpia la selección (deselecciona picando en el icono
De acuerdo a los resultados de las estadísticas descriptivas ¿Es posible discernir algún
patrón de distribución con estas dos clases de artefactos líticos?
217
La rutina de interpolación de Trend utiliza los valores registrados en un entramado
de puntos para derivar una superficie continua (raster) que nos indicará hacia donde
tiende la concentración de los datos. Pero primero, para llevar a cabo esto, tenemos
que crear un archivo shape de puntos de nuestra retícula “K_reticula_exc_2”. Con
ArcMap podemos calcular el “centroide” de cualquier polígono (el centroide es el
punto que “cae” al centro geométrico exacto de cualquier polígono). Abre la tabla
de atributos de “K_reticula_exc_2” y exporta los datos a la misma carpeta para
crear una copia que llamarás “K_reticula_exc_3” (siempre es recomendable crear
una copia del archivo original para poder revertir cualquier posible error). Abre la
tabla de atributos de la capa y agrega dos campos: “X_CENTR” y “Y_CENTR”, el
campo deberá ser numérico de tipo “Doble” (Double).
Selecciona el campo “X_CENTR” y pica el botón derecho del ratón para que
aparezca el menú. Selecciona “Calcular geometría…” (recuadro rojo de la figura) y
de la ventana que aparece selecciona de la primera venta la opción “Coordenada X
del centroide” aceptando todos los demás valores predeterminados. Repite lo mismo
para el campo “Y_CENTR”. Las coordenadas de los centroides aparecerán en estos
campos (no debes de tener valores nulos). No cierres la tabla.
218
Pica nuevamente en el icono de “Opciones de Tabla” y selecciona “Exportar”,
nombra la capa “K_centroides”. En la ventana que aparece guarda la tabla
nombrándola K_centroides en la carpeta del Ejercicio 3 ya acepta cuando te
pregunte si la quieres agregar. La tabla aunque no está relacionada a ninguna
entidad (capa de puntos, líneas o polígonos) debe de contener todos los 209
registros de la capa “K_reticula_exc_3”.
Vamos a convertir esta tabla en un archivo shape de puntos, para esto seguiremos
exactamente el mismo procedimiento que aplicamos en el ejercicio 2:
Con el botón derecho del ratón pica en el nombre de la tabla y del menú que
aparece selecciona la opción “Mostrar datos XY…” (Display X Y data) para
definir los campos de coordenadas y el sistema que vamos a usar.
Aparecerán los centroides con el nombre de K_centroides Events. Recuerda
que éste es un archivo temporal.
Para convertirlo a archivo shape permanente, pica con el botón derecho del
ratón en su nombre y del menú que aparece selecciona la opción “Datos-
Exportar Datos” (Data-Export Data), navega hasta tu carpeta de Ejercicio 3 y
guárdalo con el nombre de “K_centroides”, asignándole el sistema de
coordenadas del marco de datos y manteniendo todas las demás opciones
219
predeterminadas. Acepta agregar la capa. Abre la tabla de atributos para
verificar que todos los campos y registros están presentes.
220
texto. Observarás que la escala cambia de formato de colores a texto. Busca la
opción Temperature” y selecciónala manteniendo las cinco clases con el sistema de
Jenks (Segmentación Natural).
Productos a entregar
Una composición cartográfica (en formato jpg) que incluya la clase 3 máxima y
mínima y la densidad de puntos de la clase 4 con la simbología utilizada en el
ejercicio.
221
Una composición cartográfica (en formato jpg) que incluya la imagen de tendencia
de superficie con las capas de densidad de puntos para las clases 3 y 2
La respuesta a todas las preguntas planteadas en el ejercicio.
222
Ejercicio 5: Estudio del Patrón de Asentamiento en Cobá, Quintana Roo
Introducción
Coba es una urbe de 63 Km² localizada en la parte nororiental de la península de
Yucatán con evidencia de ocupación que data desde el Preclásico. La principal
característica de este centro es la compleja red de sacbes que parten de forma radial de
este centro (Ver Figura 1). El Sacbe 1, por ejemplo se extiende por 99 km hasta llegar a
Yaxuná dándonos con esto un claro testimonio de lo que fue su poderío político y
económico. La población de Cobá se dividió en diferentes estamentos de clases de la
elite y siervos organizadas en unidades habitacionales ocupados por grupos
domésticos de familias extensas. Éstas se distribuyeron en barrios y vecindarios y
estuvieron involucradas en diferentes actividades especializadas de producción de
manera similar al modelo concéntrico descrito por Landa. Las familias de más alto
rango están asociadas a las estructuras del Grupo B, que es donde debió estar
asentada la Corte Real. Similarmente algunos de los complejos arquitectónicos
más elaborados localizados en las cercanías de las terminales de los sacbe debieron
haber estado ocupados por familias nobles de alta jerarquía.
223
Km² de extensión, concluyen que este centro no presenta un patrón concéntrico sino
más bien uno en el que los conjuntos arquitectónicos de la elite se hallan dispersos a lo
largo de la urbe, refutando de esta manera las conclusiones de Folan y colaboradores.
Arnold y Ford fundamentan sus conclusiones en el cálculo de la inversión de mano de
obra (labor) en la construcción de edificios abovedados, que como se menciona más
arriba son considerados como marcadores de la presencia de la elite en un conjunto
habitacional.
Archivos de trabajo
Archivo shape: Estructuras_Z1_6_13
Archivo shape: SacBes.shp
Archivo shape: Grupo_Nohoch
Inicia ArcMap y abre la carpeta del Ejercicio 5 donde abrirás el proyecto Cobá1.
En la ventana del mapa deben estar visibles los grupos 1, 6 y 13, el Grupo Nohoch
y los sacbes. Vamos primeramente a modificar la simbolización de la capa
Estructuras_Z1_6_13 para diferenciar los diferentes tipos de estructuras. Abre
225
el modulo de propiedades de esta capa y selecciona la pestaña de Simbología.
Selecciona Categories—Unique values, define FEATURE como el campo a
simbolizar, deselecciona <all other values> y oprime el botón Add All Values
para que todos los valores existentes en este campo sean simbolizados. Pica dos
veces en el primer símbolo (1000) para abrir el módulo selector de símbolos y
cambia el color a amarillo (solar) y pon el color del borde (Outline Color) negro.
Cambia los símbolos de las demás estructuras siguiendo este orden: 2000
rojo “marte”, 3000 azul “lapislázuli”, 4000 Beige, 5001 “Lake”, 9000 “Hollow”.
Ahora abre la tabla de atributos, verás que hay varios campos vacíos, éstos los
vamos a calcular más adelante. El campo de Altura contiene las alturas de la
226
estructura principal definidas en la Tabla 1 y el campo altura_Sub contiene las
alturas de solo aquellas estructuras que contienen una subestructura (Abovedados,
Cuadrangular y Piramidal). El campo ESTR_ID contiene un identificador
único que incluye la zona a la que pertenece la estructura y su número
consecutivo en esa zona. Hay seis campos donde se va a calcular la cantidad de
mano de obra necesaria para la construcción de las diferentes estructuras en sus
distintas fases de acuerdo a lo establecido en la Tabla 3. Por ejemplo, en el caso
de plataformas se van a hacer dos cálculos, las estructuras abovedadas llevarán
cinco cálculos, los cuadrangulares 3 cálculos y así sucesivamente. En el campo
Labor_fin se calculará el total de mano de obra invertida por estructura. Éste será
el campo que alojará nuestros valores T.
[Perimetro] * [Altura] *7
227
Ahora oprime el botón para mostrar todos los registros (All) y recorre hacia abajo la
tabla. Veras que únicamente las estructuras de tipo 1000 tienen un valor, éste
representa los días por persona que se tomó esta fase de construcción.
228
Vamos a calcular la segunda fase constructiva (“Labor 2”) que corresponde
al relleno de la subestructura. En el campo “labor 2” abre la calculadora de
campo. Borra cualquier expresión que estuviese escrita p i c a d o s v e c e s
en “Área”, multiplica por el campo “altura_Sub” y nuevamente multiplica por
2.25.
Una vez que tienes ya todos los valores finales con el módulo SQL Select by
229
Attributes, selecciona todas aquellas estructuras cuya mano de obra final sea
mayor a 1400 días por persona. Observa que la mayoría de las estructuras
seleccionadas son edificios abovedados. Cierra la tabla y aleja la imagen lo
suficiente como para que puedas ver las tres zonas (aproximadamente 1:20,000).
¿Notas algún patrón de distribución concéntrica?
Abre ARC Toolbox, pica en la caja Data Management Tools y del menú
que se abre selecciona Features y luego la herramienta Features To Point.
Selecciona de la primera ventana la capa “Estructuras_Z1_6_13” y navega
hasta tu carpeta de Ejercicio 4 para guardar el archivo con el nombre de
“Estructuras_Z1_6_13_pts”. Con esta herramienta la capa creada mantendrá
toda la información contenida en la tabla de atributos de la capa original, lo que
quiere decir que contaremos con el campo que contiene los valores T
(“Labor_Fin”).
Para tener una representación gráfica más impactante de estos resultados (Figura
2), abriremos la capa en el visualizador 3D. Abre el módulo picando en el icono
con forma de dos edificios amarillos. Si no tienes el icono quiere decir que
no has activado la extensión 3D Analyst, en este caso del menú de View,
231
selecciona la opción Toolbars y en el listado que aparece selecciona la extensión
3D Analyst. Notarás que la interface es muy similar a la de ArcMap, pica el icono
para agregar datos (la cruz negra sobre un cuadro amarillo) y navega hasta tu
carpeta del Ejercicio 4 para agregar la capa
“Labor_IWD”. Aparecerá la imagen en perspectiva plana, abre el módulo de
propiedades de la imagen (Properties) y pica la pestaña “Base Heights”.
Selecciona la opción “Obtain heights for layer from surface:” para seleccionar
“Labor_IWD” como la fuente de donde se van a tomar las alturas. Es posible que
la superficie interpolada aparezca o muy exagerada o muy generalizada (plana),
para ajustar esto vamos a utilizar la ventana Z Unit Conversion (el factor de
exageración vertical) primeramente deja el valor predeterminado (1). Antes de
picar el botón de Aceptar, pica la pestaña de simbología y cambia ésta a una
escala de color monocromático ascendente. Ahora sí, pica Aceptar, si la
exageración vertical no es suficiente o es muy exagerada, vuelve a abrir
propiedades y ajústala hacia arriba (3) o hacia abajo (0.5) según sea el caso,
picando el botón Apply hasta que encuentres la representación que más te agrade.
De la barra de herramientas pica sobre el icono en forma de globo terráqueo con
Productos a entregar:
Tres composiciones cartográficas para las superficies de tendencia de 1°,
2° y 3° orden, que incluyan tanto las imágenes creadas en ArcMap como
las imágenes 3D creadas con ArcScene.
De acuerdo a la lectura y al ejercicio descríbeme en no más de tres párrafos cuál
de las tres superficies, a tu juicio es la más informativa para explicar la
distribución de las unidades habitacionales de la elite. ¿Si está refleja en efecto un
patrón concéntrico o no? Y ¿Cómo se relaciona este patrón con la organización
social propuesta?
Bibliografía de consulta sugerida
Folan, W. J., Kintz E.R., Fletcher L.A. (1983). Coba: A Classic Maya Metropolis.
Academic Press, New York.
Folan W.J., Anaya Hernández A., Kintz E.R., Fletcher L.A., Gonzalez Heredia R., May
Hau J., Caamal Canche N. (2009). Coba, Quintana Roo, Mexico: A Recent Analysis of the
Social, Economic and Political Organization of a Major Maya Urban Center. Ancient
Mesoamerica, 20, pp. 59–70
Ford, A., Arnold J.E. (1982). A Reexamination of Labor Investment at Tikal: Reply to
Haviland, and Folan, Kintz, Fletcher and Hyde. American Antiquity 47:436–440.
234
Ejercicio 6: Patrón de Asentamiento y Cambios Paleoambientales en el
Sitio La Mula-Sarigua, Panamá
Introducción
El sitio de la Mula-Sarigúa está ubicado en las inmediaciones de la costa central
de Panamá, tiene una extensión de aproximadamente 2 x 1 kilómetros. Se ubica
sobre una terraza fluvial erosionada que en la actualidad está a una distancia de 2 Km
de la bahía de Parita y a 0.5 Km del Río Parita. La ocupación más temprana del sitio
data del 11,000 A.P., para el 3000 A.P. La Mula-Sarigúa habría de convertirse en el
primer gran centro regional sustentado en una economía agrícola. El sitio fue
prácticamente abandonado a principios del 2000 A.P. y re ocupado hacía el final de ese
mismo milenio (Hansell 1997).
Entorno Medioambiental
El rasgo distintivo del paisaje actual comprendido dentro del área de captación de La
Mula-Sarigúa es la planicie costera de salinas y manglares y el océano que se encuentra a
2 km de distancia. Sin embargo, desde una perspectiva temporal ni la cubierta vegetal ni
la línea costera han representado elementos estables del paisaje, y por lo tanto tampoco
lo han sido los recursos alimenticios potenciales. Por ejemplo, hace 11,000 años A.P. la
línea costera se hallaba 50 km al sureste de su localización actual; para el 8,000 A.P. se
hallaba a 15 km de distancia. Alrededor del 7,000 A.P. las olas del mar se batían sobre las
pendientes alejadas del área del sitio. Entre el 5,000 y el 3,000 A.P. el sitio sobre miraba
236
una playa de alta energía. Para el 2,500 A.P. la playa se transformó en una de baja
energía con manglares bordeando la orilla costera de la elevación sobre la que se asienta
el sitio. Finalmente, a lo largo de los siguientes mil años esta franja de manglares se
extendió separando al sitio del mar y el río. La planicie de salinas que rodea al sitio hoy
día se formó después del 1,200 A.P. Por otra parte hacía el extremo de tierra adentro del
sitio, se encuentra una ancha banda de depósitos aluviales que se formó cuando el Río
Parita fluía más cerca del sitio.
Archivos de trabajo
Los datos recuperados han sido organizados en una base de datos dBase con tres tablas
conteniendo la siguiente información: (1) Transectos y resultados de los muestreos, (2)
Materiales Cerámicos y (3) Materiales Líticos (Tabla 1):
237
Transectos Cerámica Lítica
Nombre Descripción Nombre Descripción Nombre Descripción
REGISTRO Número de registro REGISTRO Número de REGISTRO Número de registro
registro
X Coordenada Este X Coordenada Este X Coordenada Este
Y Coordenada Norte Y Coordenada Norte Y Coordenada Norte
MAT_CULT Presencia de TIPO Tipo cerámico TIPO Tipo lítico
material cultural
(Si/No)
TIPO_COLEC Tipo de recolección
de campo
(Superficie/Sondeo
Tabla 1. Descripción
) de datos tabulares disponibles.
Además de estas tablas, contamos con tres archivos shape que contienen las curvas de
nivel del área del sitio, el Río Parita, y arroyos:
La_Mula_cotas.shp
Río_Parita.shp
Arroyos.shp
Dada la naturaleza espacio-temporal de estos datos realizaremos
las siguientes tareas: El establecimiento de la
extensión y límites del sitio en general.
Definiremos donde y cuando el sitio fue
ocupado y, Definiremos la extensión de cada
una de estas ocupaciones.
Abre ArcMap y define el sistema de coordenadas como UTM NAD 1927 zona 17
Norte. Navega en el directorio y de la carpeta del Ejercicio 4 selecciona la
238
capa La_Mula_cotas. Abre la tabla de propiedades, esta contiene la
información geométrica, topológica y de elevaciones (ZVAL). Ahora vamos a
trabajar con otro subprograma de ArcMap: Arc Toolbox, que contiene una
serie de poderosas herramientas analíticas en varios Módulos. Arc Toolbox es
virtualmente el cerebro y corazón del programa, contiene módulos de análisis
para ArcMap y las demás extensiones de ArcMap (Spatial Analyst, 3D Analyst,
Spatial Statistics, etcétera).
239
fricción y rutas óptimas. A partir del MDE crearemos otras dos superficies que
nos ayudarán a darle un gran impacto visual a nuestro mapa: pendiente y
sombreado (Slope y Hillshade). Selecciona del menú de Spatial Analyst
(ubicado en la barra de menús) Surface Analysis—Slope… para crear la
pendiente. En la primera ventana selecciona La_Mula_MDE como el raster a
procesar. En la segunda ventana dale el nombre de “La_Mula_pend”. Los valores
de la imagen de pendiente se pueden generar como grados o como porcentaje, en
este caso déjalos como grados, la resolución de pixel permanecerá en 5 m,
guárdalo en tu carpeta de trabajo y haz clic en OK. Repite el procedimiento para
obtener la capa de sombreado utilizando ahora la opción Hillshade y guárdalo
como “La_Mula_sombr”.
240
asociada. Agrega la tabla “Transectos” y ábrela. Esta tabla contiene información
de donde se tomaron muestras en coordenadas UTM (X y Y), de la
presencia/ausencia de material cultural y del tipo de recolección, pero notarás que
no contiene ninguna información sobre elementos geométricos (puntos, líneas o
polígonos). Cierra la tabla y pica con el botón derecho en el nombre de la tabla.
Selecciona la opción Display X Y Data... para abrir el Módulo que nos ayudará a
representar gráficamente (mediante puntos) la información. En las ventanas para
definir los campos a utilizarse para las coordenadas asegúrate que aparezcan X y
Y, si no selecciónalos. A continuación en la ventana inferior vas a definir el
sistema de coordenadas, fíjate como en la descripción dice “Sistema de
Coordenadas Desconocido” (Unknown Coordinate System). Oprime el botón Edit
que se encuentra en la parte inferior derecha para que selecciones del Módulo
que aparece: Projected Coordinate Systems—UTM—NAD 1927—UTM Zone
17N.prj. Una vez concluido el Módulo, deberán aparecer varios puntos en la
imagen que representan la localización de los muestreos.
Ya hemos visto como los archivos que incluyen en su nombre “events”, son
archivos temporales que no se guarda una vez que quitamos la tabla. Vamos a
convertirlo en una capa permanente (shp). Exporta los datos a tu carpeta de
trabajo asignándole el nombre de “transectos_UTM”. Recuerda que para exportar
tienes que p i c a r con el botón izquierdo del ratón sobre el nombre
“Transectos Events” y seleccionar la opción Export Data, puedes eliminar la
capa “Transectos Events”. Ahora cambia la simbología para representar la
presencia de materiales culturales en verde y la ausencia en rojo, utilizando el
módulo de propiedades—simbología—valores únicos (Unique Values) agregar
todos los valores (Add all values). Repite este procedimiento para las tablas de
Cerámica y Lítica, solo que esta vez vas a simbolizar utilizando un solo color,
el verde, ya que todos los registros representan presencia de materiales culturales
(asígnales el mismo nombre con la extensión UTM).
Vamos a crear una poligonal alrededor de todo el sitio que incluya en su interior
241
todos los puntos de muestreo donde se recuperaron materiales arqueológicos.
Toma en cuenta que el criterio para establecer los límites de la poligonal
variará caso por caso de acuerdo a la naturaleza de la técnica de muestreo,
materiales arqueológicos recuperados, paisaje y características culturales del
grupo estudiado. En esta ocasión aunque un tanto subjetivo y con fines
ilustrativos, vamos a utilizar la presencia de materiales.
Para convertir el gráfico en archivo shape selecciona del menú de dibujo la opción
“Convertir Gráficos a Entidades…” (Convert Graphics to Features…) y
nombra la capa “poligonal”. Una vez que haya concluido la conversión y se
haya agregado la capa, abre la tabla de atributos y con el botón de opciones
selecciona agregar un nuevo campo, dale el nombre de área y selecciona la opción
“Double” para el valor numérico que calcularás. Nuevamente agrega otro campo
pero esta vez el campo será para ingresar un texto, dale el nombre de “Descrip”
y cambia el tipo a Text, manteen el tamaño del campo en 50 y oprime Aceptar.
Deselecciona cualquier entidad que aun este seleccionada. Vamos a utilizar Editor
para concatenar las capas de materiales líticos y cerámicos correspondientes a los
tres últimos periodos. Inicia sesión de edición picando en el botón del mismo.
“Apaga” todas las capas excepto la de “Lítica_Cerámico Temprano” y
244
“Cerámico Temprano”. De la ventana que abra selecciona la capa a editar, en este
caso “Cerámico Temprano”, abre su tabla de atributos. Ahora con el botón
derecho del ratón pica en el nombre de la capa “Lítica_Cerámico Temprano”
y del menú selecciona la opción “Selección— seleccionar todo” (Selection—
select all) para seleccionar los 70 registros que conforman esta tabla. Pica en el
icono de copiar (Copy) (es un icono similar al de copiar de Word en forma de dos
hojas de papel) y pica en el icono de pegar “paste”. Se abrirá la ventana de pegar
pidiendo que definas la capa donde van a ser pegados los registros, selecciona
“Cerámico Temprano”. Los 70 registros de la tabla de lítica se deberán pegar
esta tabla dándote un total de 116 registros. Repite el proceso para agregar
los datos de las capas “Lítica_Cerámico Medio” y “Lítica_Cerámico
Tardío” a las capas “Cerámico Medio” y “Cerámico Tardío”
respectivamente. No olvides deseleccionar antes de cada edición y guardar
después de estas. Cuando termines cierra el modo de edición.
Una vez que tengas todas las capas enciende y apágalas en secuencia cronológica,
observarás que la distribución de artefactos correspondientes a los periodos
Paleoindio y Precerámico Temprano es limitada, esto seguramente se debe a la
ocupación estacional de nichos ecológicos bien específicos por grupos
trashumantes cuya área de captación era más amplia. Sin embargo, alrededor del
5,000 A.P. durante el Precerámico Tardío, con la mayor cercanía de la línea
costera, la presencia de recursos estuarios y una creciente dependencia en
recursos vegetales, la distribución de artefactos de estos grupos trashumantes se
hace más amplia. Durante el Cerámico Temprano la distribución de artefactos
desciende ligeramente, sin embargo la evidencia osteológica revela que el maíz
comienza a formar parte importante de la dieta de los pobladores de los primeros
asentamientos permanentes.
245
dependiente principalmente de una economía agrícola. Enciendo la capa del
Precerámico Tardío y todas las capas de los periodos cerámicos, observa que la
mayor densidad de ocupación se ubica hacía la parte central del sitio. Esta
concentración definirá el núcleo de la aldea agrícola. Pero como sabemos que
podemos manipular matemáticamente nuestros mapas, ahora vamos a pasar de la
mera apreciación visual (“a ojo de buen cubero”) a una definición estadística.
Observaras que en la tabla de distancia solo hay 194 registros contra 208
de la tabla original. Igualmente observa que hay un campo llamado
“IN_FID” y otro “NEAR_FID”, estos son los identificadores de los puntos del
archivo que utilizaste para crear la tabla. El primero “IN_FID” sigue el mismo
orden que el del campo “FID” de la tabla original, esto es muy importante que
tomes en cuenta porque vas a utilizar “IN_FID” y “FID” para unir las tablas. El
último campo es en donde se registró la distancia más cercana entre los diferentes
puntos que va desde 0 a 50m.
246
Ahora vas a unir la tabla de atributos de “lítica_precerámico_tardío” con la de
“lítica_pct_Near”, seleccionando los campos de unión apropiados (“IN_FID”),
recuerda que para unir estos campos deberás picar con el botón derecho del ratón
sobre el nombre de la capa “lítica_precerámico_tardío” y seleccionar las opciones
Joins and Relates—Join. En la opción de unión Join Options, selecciona la
opción Keep only matching records para que la unión preserve únicamente
aquellos registros donde hay valores de distancia.
247
elipses por periodo?
Por último, agrega un campo de área a la tabla de atributos de cada uno de estas
capas de zona de amortiguamiento y calcula su área en hectáreas, esto te dará una
idea aproximada de que periodo de ocupación fue más intenso de acuerdo a la
distribución de materiales. En la tabla de abajo escribe la extensión en hectáreas
para cada periodo.
PERIODO AREA
PALEOINDIO (Ha)
PRECERÁMICO
TEMPRANO
PRECERÁMICO TARDÍO
CERÁMICO TEMPRANO
CERÁMICO MEDIO
CERÁMICO TARDÍO
248
¿Dónde se concentró la ocupación Paleoindia?
¿Qué nos refleja la ocupación del Cerámico Temprano con respecto
al Pre-cerámico Tardío?
¿Cómo influyeron los cambios climáticos en el patrón de
asentamiento?
Nuevamente, además de responder a estas preguntas,
elabora 4 composiciones cartográficas (un mapa por periodo
del Precerámico Tardío hasta el Cerámico Tardío),
expórtalo como archivo JPG y envíamelo a mí dirección de correo
electrónico.
249
Ejercicio 7: Algebra Cartográfica—La Organización Política en el
Usumacinta
Elaboró: Armando Anaya Hernández ©
armandoanaya777@gmail.com
Introducción
La expansión y contracción de los diferentes reinos que se asentaron en las Tierras
Bajas mayas durante el Clásico Tardío así como las alianzas políticas que se dieron
entre estos es un tema que ha sido constantemente abordado por los especialistas de la
región, recurriendo principalmente a modelos derivados de la geografía. De manera más
reciente, se ha echando mano de la información histórica contenida en los monumentos
escultóricos erigidos durante este periodo. A partir de estos sabemos que la dinastía de
Kan extendió desde Calakmul, su influencia política hasta los confines del Río
Usumacinta durante el reinado de Yuknoom Ch’een II, quien no solo instigó campañas
militares en contra de sus oponentes sino también instauró y confirmó en el poder a los
gobernantes regionales leales a su causa durante su reinado de cincuenta años (636-686
d.C.), y modelando con esto de manera contundente el mapa geopolítico de la región.
Introducción al problema
Éste ejercicio está dividido en dos partes. En la primera parte derivarás a través de la
interpolación de un archivo vectorial de curvas de nivel un Modelo Digital de
Elevación (MDE). La segunda parte consistirá en la aplicación del álgebra
cartográfica para modelar el esfuerzo de desplazarse sobre la superficie, es decir la
aplicación práctica del concepto que los mapas digitales pueden ser manipulados
matemáticamente. Este tipo de modelos son particularmente útiles en la arqueología
250
por que nos ayudan a abordar estudios de áreas de captación de recursos, rutas de
intercambio y comunicación, estudio de patrones de asentamiento y, como veremos en
este caso, reconstrucciones territoriales.
Sin embargo cómo ya lo mencionamos los datos disponibles están en formato vectorial y
para producir los modelos arriba mencionados necesitamos trabajar con superficies
continuas, por lo que se hace necesario convertir los datos vectoriales a una plataforma
raster. Con esta podremos crear un Modelo Digital de Elevación (MDE), mismo que
constituirá el punto de partida de nuestro modelo geopolítico. Los MDE representan
cambios en la topografía sobre una superficie continua formado por columnas y filas de
pixeles. Cada pixel del MDE contiene un valor correspondiente a las coordenadas X, Y y
Z (Este, Norte y elevación respectivamente).
Nuestra área de estudio abarca parte de la región del Alto y Medio Usumacinta, que
comprende la zona limítrofe entre los reinos de Pomoná, Piedras Negras, Palenque y Santa
Elena durante el periodo Clásico Maya (600-810 d.C para la región). Alrededor de
estas capitales regionales se asentó toda una constelación de sitios subsidiarios. Según
los estudios de patrón de asentamiento estos sitios tuvieron una estructura jerárquica
donde el entorno físico tuvo un papel preponderante en el establecimiento de las
conexiones entre los sitios y la definición de su área óptima de servicio (Anaya Hernández
2001, Anaya Hernández, Guenter, Williams-Beck 2011).
Las características del entorno físico en la región del Alto Usumacinta hacen que este
constituya la locación ideal para modelar, mediante la aplicación de los Sistemas de
Información Geográfica, las vicisitudes comprendidas en el desplazamiento humano a
través del paisaje. Esta región está formada por una serie de valles inter-montanos
longitudinales separados por serranías de escarpadas pendientes, mismas que
constituyen formidables barreras para la traslación, excepto en aquellos puntos en donde
la presencia de fallas geológicas ofrecen pasaje natural. De igual modo, los dos
ríos principales que corren por la región, el Usumacinta y el Lacanjá, aunque en buena
parte navegables, contienen a lo largo de su cauce peligrosos raudales y cascadas
251
que obligan al navegante a desembarcar y continuar su travesía por tierra firme.
A través de los SIG podemos utilizar la información geográfica que sobre la región
tenemos y producir un modelo que nos ayudara a caracterizar la composición
política de la región durante etapas específicas del periodo Clásico.
Archivos de trabajo
Un archivo vectorial shp de líneas con las curvas de nivel del área de estudio:
“curvas_de_nivel”
Un archivo vectorial de puntos con las capitales regionales “ capitales_regionales”
(Pomoná, Piedras Negras, Santa Elena y Yaxchilán)
Un archivo vectorial con centros subsidiarios: “sitios_secundarios”
Un archivo vectorial shp de poligono “limite_area_de_estudio”
Un archivo vectorial shp de polígonos “cuerpos de agua”
Inicia ArcMap, antes que nada vas a definir el sistema de coordenadas como
UTM, NAD27, Zona 15 Norte. A continuación agrega los archivos
curvas_de_nivel y limite_area_de_estudio. Las curvas de nivel fueron
obtenidas de los datos vectoriales del INEGI que tienen un intervalo de nivel
establecido a cada 20 metros (como nuestro presidente no es el idóneo, pero sí el
mejor). El archivo vectorial “limite_area_de_estudio” nos servirá para
delimitar el área a procesar en el proceso de interpolación y subsecuentes
operaciones.
253
“límite_área_de_estudio”, en la parte inferior del módulo hay un botón
“Environments” que nos sirve para definir el área de procesamiento, pica en el
botón. Se abrirá un sub-módulo, nosotros trabajaremos con “General Settings” y
“Raster Analysis Settings”. Pica en el primero y busca la ventana que dice
“Extent”, ahí vas a escoger la capa “límite_área_de_estudio”, para delimitar el
análisis. Ahora con la barra deslizadora a tu derecha de esta ventana, baja hasta
encontrar “Raster Analysis Settings” y en la ventana que dice “mask” vuelve a
escoger la capa “límite_área_de_estudio”. Pica el botón de OK y luego
nuevamente OK. El tiempo de procesamiento dependerá de la capacidad de tu
máquina.
A continuación a partir del MDE vamos a producir dos imágenes más que serán
de gran utilidad para el análisis espacial y visual que vamos a realizar.
Seguiremos el mismo procedimiento del Ejercicio 6:
254
dale el nombre de “pend_MDE”. Los valores de la imagen de pendiente se
pueden generar como grados o como porcentaje, en este caso déjalos como
grados, la resolución de pixel permanecerá en 50 m. En el módulo de
propiedades cambia la simbología a “pendiente” (Slope) (recuerda que si picas en
la ventana de la escala de colores con el botón derecho del ratón podrás cambiar de
modo gráfico a modo texto). Pica en la pestaña de “Mostrar” (Display) y cambia la
transparencia a 60%. Guarda la imagen en tu carpeta de trabajo y pica Aceptar.
Repite el procedimiento para obtener la capa de sombreado utilizando ahora la
opción “Superficie—Sombreado” (Surface—Hillshade). La imagen aparecerá
con la escala de colores grises. Del modulo de Properties simplemente
cambia la transparencia a 40% y asigna un contraste del 20% observa el efecto
visual. Guarda la imagen como “sombr”.
Entonces, primeramente tenemos que crear la superficie de fricción para que a partir de
255
ésta podamos derivar la superficie de costo. Para crear la primera tenemos calcular el
efecto que tiene la pendiente sobre el desplazamiento humano. Una opción sería
distribuir las pendientes en diferentes clases y asignarles a estas un valor progresivo
conforme la pendiente se va haciendo más marcada. Sin embargo, este método ser un
tanto subjetivo ya que considera la pendiente como unidades discretas y no como una
superficie continua que cambia gradualmente. Un método más objetivo estaría basado en
observaciones empíricas que han derivado matemáticamente la relación que se da entre
pendiente y esfuerzo.
Hemos realizado estas observaciones empíricas que nos que nos han
proporcionado los datos necesarios para calcular la fricción. De acuerdo a estas
observaciones la velocidad promedio de caminar en una zona montañosa de pendientes
marcadas es de aproximadamente 384 metros en una hora. Por el otro lado la velocidad
promedio de caminar en una superficie plana es de aproximadamente 5000 metros en
una hora. La pendiente promedio en una zona montañosa media es de 20º, mientras que
obviamente las superficies planas tendrán una pendiente de 0º o cercana a este valor.
Y = [.031 X ²] + [-.025X+ 1]
Donde: Y representa la fricción y los valores .031 y -.025 son constantes que se
derivaron de una rutina de regresión donde los valores son ajustados a una curva de
distribución. Esto significa que para una pendiente de 0º, la fricción será igual a 1, para
una pendiente de 20º, la fricción será de 13, y para una pendiente de 40º, la fricción será
256
de 49.6, valor que la hace casi imposible de desplazamiento. Como ven la relación es
verdaderamente exponencial.
Una vez comprendida esta relación, estamos listos para manipular matemáticamente
nuestra imagen de pendiente (pend_MDE) para crear nuestra superficie de fricción.
Esta manipulación matemática se conoce como Álgebra Cartográfica.
257
Windows Explorer. A continuación vuelve a abrir Raster Calculator, selecciona
ahora primeramente “pendsqr” y multiplica (*) la imagen por .031, nombra la
imagen resultante “pendsqr2”.
258
a seleccionar el archivo “Capitales_regionales” del listado que aparece al picar
la flecha de menú, como los puntos a partir de donde se calculará la distancia
costo. En la segunda ventana (Input cost raster) seleccionaremos de igual
manea nuestra superficie “friccion”. La tercera ventana (Output distance
raster) picamos en el icono con forma de carpeta y guardamos el resultado con
el nombre: “costo_capit”. La quinta ventana es para crear una superficie de
dirección, misma que está estrechamente relacionada con la fricción anisotrópica
descrita arriba. Aquí pica en el icono de carpeta y guárdala en la carpeta del
Ejercicio 7 con el nombre “direc”. Antes de iniciar el proceso definiremos la
extensión espacial del mismo. De los botones que se encuentran en la parte
inferior del modulo pica nuevamente el que dice Environment. Se abrirá de nuevo
el módulo repite el procedimiento descrito en el punto 2 para delimitar el área a
procesar.
El territorio óptimo que pueden cubrir estos centros primarios se denota por los
259
tonos azules, observa que en los límites el azul adquiere una tonalidad más
clara. Esta zona representa la periferia de estos territorios y como leíste en el
trabajo de Anaya et al. (2011) esta representa la zona más interesante en términos
de cambios en la composición política de estos reinos. Las zonas que van de
amarillo a rojo son las que definitivamente están fuera del alcance de
cualquiera de estas capitales regionales.
260
adentro, de ahí su importancia para la integridad territorial de estos reinos.
Finalmente vamos a tratar de establecer desde el punto de vista del entorno físico,
que centros secundarios pudieron haber estado potencialmente controlados por
cada capital regional mediante una rutina de “Ruta Óptima”. De la ventana de
ArcToolbox selecciona Spatial Analyst Tools—Distance—Cost Path. En el
modulo Cost Path selecciona en la primera ventana (Input raster or feature
destination data) “Sitios_secundarios, como la capa hacía donde se va a
calcular la ruta óptima. En la tercer ventana (Input cost distance raster)
selecciona la capa “costo_cap” como la superficie de costo a partir de donde se va
a calcular la ruta óptima y finalmente en la ventana Input cost backlink raster
selecciona la capa “direc”. Guarda el resultado en la carpeta del Ejercicio 7
dándole el nombre de “rutas” y pica el botón de OK. Para mejor visualización de
las rutas óptimas vamos a convertirlas de formato raster a formato vectorial.
Selecciona la capa “rutas” y abre el menú de Spatial Analyst seleccionando la
opción Convert—Raster to Features ….En la ventana de Input raster debe de
aparecer “rutas_op”, en Field “Value”, Output geometry type selecciona la
opción “Polyline” y finalmente guarda el
resultado en la carpeta del Ejercicio 6 dándole el nombre de “rutas optimas”, y
pica el botón
OK. Cambia el color de la línea a negro.
Anaya Hernández A. (2001). Site Interaction and Political Geography in the Upper
Usumacinta Region During the Late Classic: A GIS Approach. Hadrian Books, BAR
International Series 994. Oxford.
261
Anaya Hernández A. Guenter P.S., Williams-Beck L.A. (2011). Alianzas efímeras y
fronteras fluctuantes. El despliegue del poder entre los mayas: Nuevos estudios sobre la
organización política. Ed. Ana Luisa Izquierdo de la Cueva. pp. 123-149. Instituto de
Investigaciones Filológicas, Centro de Estudios Mayas, UNAM.
262