APLICACIONES PRÁCTICAS DE LOS

SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA ARQUEOLOGÍA
MEXICANA

SEIS ESTUDIOS DE CASO

Editado por

Armando Anaya Hernández

i
APLICACIONES PRÁCTICAS DE LOS SISTEMAS DE
INFORMACIÓN GEOGRÁFICA EN LA
ARQUEOLOGÍA MEXICANA
SEIS ESTUDIOS DE CASO

Armando Anaya Hernández (Ed.)

Derechos Reservados:

Universidad Autónoma de Campeche

Av. Agustín Melgar s/n entre calle 20 y Juan de
la Barrera, Col. Buenavista
San Francisco de Campeche, Campeche, 24039,
México
Tel. +52 (981) 811-9800, conmutador
(www.uacam.mx)

ISBN 978-607-8444-44-1

Primera Edición: 2018

Dra. Cindy R. Saravia López

Rectora

Mtro. Fernando Medina Blum

Secretario General

Lic. Manuel Sarmiento Morales

Secretario del Consejo Editorial

Distribución: Red Mexicana de Arqueología

i
A mi padre: Rodolfo Anaya Ruiz QEPD

Un padre ejemplar

Para mí querida madre y mi bella esposa, Beatriz Hernández y Corona, Yanira

Pavón Jiménez

Compañeras de toda mi vida y luz que ilumina mis pasos

A mis hijos, Ixchel, Raúl, Axel y Max Brandon

Motor de mí esfuerzo

A mis hermanos y hermanas, Mariano, Adolfo, Lety y Anita

Pilares de la familia

A mi sobrino, Alejandro Anaya Paiero

Por su incansable búsqueda del saber

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

Figura 4- 1. Imágenes satelitales: pancromática (abajo), multiespectral (abajo izquierda) y

con Falso Color (arriba derecha). Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo
Digital 3D El Tajín. .............................................................................................................. 47
Figura 4- 3. 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- 4 Mapa vigente antes de la obtemción de los datos LIDAR de G.R. Krotser,
temporada 1969-1970 ........................................................................................................... 49
Figura 4- 5. 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

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

Figura 5- 1. Área de estudio y sitios arqueológicos registrados. .......................................... 63

Figura 5- 2. Distancia coste desde cuerpos de agua. ............................................................ 67
Figura 5- 3. Resultados de potencial arqueológico de acuerdo al Modelo Empírico ........... 71
Figura 5- 4. Resultados de potencial arqueológico de acuerdo al Modelo de Regresión
Logística ............................................................................................................................... 75
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

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

Tabla 5- 1. Características generales de los sitios en el área de estudio............................... 63

Tabla 5- 2. Puntajes de potencial asignado a rasgos hidrográficos ...................................... 67
Tabla 5- 3. Puntajes de potencial asignado a rasgos topográficos........................................ 68

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 6- 1. Trabajo invertido en la construcción de estructuras ........................................... 95

Tabla 6- 2. Distribución de sitios por territorio. ................................................................. 100
Tabla 6- 3. Cuadro cronológico de la historia ocupacional del área de Abasolo del Valle.
............................................................................................................................................ 106

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

Armando Anaya Hernández

Universidad Autónoma de Campeche-CEDESU
Esperanza Donjuán Espinoza
Centro INAH Sonora
Guadalupe Zetina Gutiérrez
Investigadora Independiente
Juan Ignacio Macías Quintero
Escuela de Arqueología Universidad de Ciencias y Artes de Chiapas
Elsa Olimpia Palacios Ríos
Posgrado en Antropología Física-Escuela Nacional de Antropología e Historia
César Valentín Hernández Estrada
Programa de Maestría en Análisis Espacial y Geoinformática-Universidad Autónoma del
Estado de México
Luis Heredia Barrera
Centro INAH Veracruz
Alejandro J. Uriarte Torres
Dirección de Estudios Arqueológicos INAH

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.

Armando Anaya Hernández

Noviembre 2018

xiii
 1 INTRODUCCIÓN: LOS SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA ARQUEOLOGÍA

Armando Anaya Hernández

La investigación arqueológica por su propia naturaleza está estrechamente ligada a las

relaciones espaciales que se dan entre los diferentes niveles del registro arqueológico.
Siguiendo la tipología de (Clarke, 1977), estas se dividen en tres: el nivel macro (la que
se da entre sitios a nivel regional), el nivel semi-micro (al interior del sitio) y el nivel
micro, por ejemplo, la distribución de artefactos al interior de una estructura
arqueológica.

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.

Desarrollo de los SIG

Reflexionando sobre la complejidad del dato arqueológico David Clarke (1977), declaró
que el análisis de las relaciones espaciales concernientes a la distribución de artefactos y
sitios no podía seguir llevándose “a ojo de buen cubero”, es decir mediante una simple
inspección visual. En este escenario, el reto que enfrentaba la arqueología era el de
desarrollar las herramientas metodológicas que hiciera factible el análisis objetivo de una
enorme cantidad de datos. Fue con el surgimiento de las computadoras personales
(ordenadores) que se tornó factible el análisis rápido y accesible de los datos espaciales.
Hoy en día es posible procesar en muy poco tiempo cantidades de datos que otrora
tomarían días o hasta semanas en hacerlo.

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.

La demanda de información cartográfica detallada impuso la necesidad de desarrollar

mejores técnicas de cartografía y naturalmente de aplicaciones y software especializado
como AutoCAD, Surfer y Mapline, que han facilitado enormemente la producción de
mapas haciéndola más expedita. Sin embargo, estos paquetes están limitados para realizar
análisis espaciales más sofisticados debido a que no están vinculados a una base de datos
relacional. No es sino hasta la aparición de los Sistemas de Información Geográfica
(SIG), que por primera vez se tuvo la posibilidad de vincular la ubicación geográfica de
los rasgos mapeados con la información cuantitativa y cualitativa que los describe y
realizar así consultas rápidas de sus atributos.

En esencia un SIG es un conjunto de herramientas conformadas por hardware, software y

procesos asociados, que nos facilitarán la integración, almacenamiento, edición, consulta
y análisis de una enorme cantidad de datos ambientales, económicos y socio-culturales en
una base de datos georeferenciada. A su vez, los SIG nos permiten compartir y
representar esta información en mapas, eficientando con esto el proceso de toma de
decisiones. En este sentido el corazón del poder analítico de los SIG radica en su
capacidad de manipular mapas digitales para la creación de nueva información a partir de
los datos preexistentes (Anaya Hernández 2001).

A fin de percibir por completo la relevancia de esta capacidad es necesario detenerse un

poco en los cambios paradigmáticos que han experimentado los mapas a partir de la
inserción de los SIG. Previamente el estudio de la distribución de los recursos naturales o
de las poblaciones humanas se realizaba a través de un enfoque cualitativo-descriptivo (v.
gr. Atlas ejidal del estado de Yucatán. Encuesta Nacional Agropecuaria 1988, del
INEGI). El objetivo primordial era el de producir inventarios de estos datos y la enorme
cantidad de información producida obligaba al cartógrafo a depender de métodos
cualitativos de representación. Consecuentemente, las descripciones cuantitativas se
3
imposibilitaban debido a la ausencia de herramientas matemáticas necesarias para
describir las variaciones espaciales. Con la introducción de los SIG los mapas
experimentaron una transformación trascendental, precisamente porque estas variaciones
espaciales se podían asociar a dígitos. En consecuencia los mapas dejarían de ser
simplemente descripciones pictóricas del mundo real y se convertirían en números. Esto
representa un enorme salto conceptual ya que a lo largo de poco más de 8000 años de
historia cartográfica los mapas habían sido principalmente descriptivos, limitándose a
mostrar de manera gráfica la ubicación de los rasgos geográficos. Actualmente, estos
mismos se van convirtiendo cada vez más en prescriptivos, conteniendo la información
necesaria para auxiliarnos en la toma de decisiones.

Aplicaciones de los SIG en la arqueología

La tecnología SIG tiene más de cuatro décadas y media de haberse desarrollado. El
primer SIG operacional surgió en Canadá, en 1972 y fue en esas mismas fechas que el
primer texto sobre Sistemas de Información Geográfica se publicó. Sin embargo, no fue
sino hasta la década de los ochentas y noventas que algunos arqueólogos comenzaron a
aplicarlos en su investigación (Brown y Rubin 1982; Gaffney y Stančič 1991; Kvamme
1989 y 1990; Lock y Harris 1992). Esta aplicación se centró en temas tan diversos como
el manejo de datos a nivel regional, la administración de recursos culturales, el estudio de
datos de percepción remota, el análisis medioambiental, la aplicación de modelos
predictivos, el estudio de los patrones de asentamiento y la simulación (Aldenderfer
1996; Church, et al. 2000; Ebert 2004; Kvamme 1989).

La incorporación de los SIG a la problemática arqueológica siguió diferentes trayectorias

en Norteamérica y Europa. En Norteamérica los SIG fueron adoptados inicialmente como
una herramienta para el manejo de los recursos culturales, particularmente en el diseño de
modelos predictivos de potencial arqueológico (Judge y Sebastian 1988), de tal suerte que
esta fue la principal aplicación que los SIG tuvieron a partir de entonces (Ebert 2004;
Mehrer y Wescott 2006; Wescott y Brandon 2000). Por su parte en Europa, la aplicación
de los SIG a la investigación arqueológica surge con fuerza hasta los noventa y se nota
una marcada afinidad con la geografía humana, por lo que los SIG representaron el medio
ideal para abordar problemas de investigación relacionados con el comportamiento
humano antiguo y la interrelación entre sitios y territorios (Richards 1998; Arias 2013).

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).

El trabajo de Gaffney y Stančič representó un verdadero parte aguas en el análisis

espacial del dato arqueológico y abrió nuevas perspectivas de investigación. Con este
trabajo se puso de manifiesto de manera irrefutable que la aplicación de los SIG a la
problemática arqueológica podría auxiliar a los arqueólogos a abordar preguntas más
complejas sobre la naturaleza de la interacción entre las sociedades humanas y su entorno
y que en última instancia podría coadyuvar a obtener mejor información sobre cómo los
factores implicados en la formación del registro arqueológico interactúan. Más aun,
mediante la aplicación de los SIG a sus problemas de investigación, los arqueólogos han
ido abordando preguntas de investigación que van más allá del, ¿dónde están? o ¿cuántos
hay?, a preguntas como, ¿y qué pasaría si? Es decir a generar nuevas preguntas de
investigación que antes, hubiesen sido imposibles de plantear.

En esta obra se abordan seis estudios de caso producto de la investigación de varios

colegas mexicanos que de una forma u otra han incursionado en el campo de los SIG, y
cómo se constatará han obtenido un mayor valor de sus datos arduamente obtenidos en el
campo.

El trabajo de Donjuán Espinoza y Zetina Gutiérrez en el Capítulo 2, representa un primer

acercamiento a la cartografía digital y los SIG y cómo estos pueden ser aplicados en la
investigación histórica. Aunque no es un trabajo de investigación arqueológica
propiamente dicho, sí refleja la problemática a la que se enfrenta el arqueólogo,
5
particularmente el interesado en arqueología histórica, para sacar el máximo valor de los
abundantes mapas históricos y registros de archivo que puedan guiar su investigación. En
este trabajo, las autoras se abocan a desentrañar a partir de los mapas históricos 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, la orden franciscana,
militares, colonos y autoridades virreinales.

El estudio de caso del Capítulo 3, presenta un acercamiento afín al de Gaffney y Stančič.

Aquí Macías Quintero y Palacios Ríos presentan una propuesta para el análisis de
situaciones defensivas y de conflicto en sociedades aldeanas del norte de México durante
la época prehispánica. Una de las interrogantes más importantes que abordan tiene que
ver con el cómo identificar el impacto que tiene la confrontación bélica en la
conformación y disposición de los asentamientos en un área y momento determinado, en
un intento de distinguir si la disposición de asentamientos en el paisaje, brindarían una
ventaja estratégica en situaciones defensivas y cuáles deberían ser las características
relacionadas para esta función. Para ello, analizaron una muestra de 24 sitios del periodo
Epiclásico (600-900 d.C.) ubicados en la vertiente norte del río Verde-San Pedro,
Aguascalientes, con el fin de avanzar en la construcción de indicadores conducentes a la
identificación de la presencia de guerra y su influencia en el patrón de asentamiento. Los
autores identificaron varios indicadores, tales como el predominio visual, la
intervisibilidad entre sitios, pendientes pronunciadas que dificultaran el acceso, ubicación
exclusiva en las cimas de cerros aislados, presencia de muros que bloquearan accesos,
muros perimetrales y la presencia de fosas con posible función defensiva.

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.

El trabajo de Anaya Hernández y Hernández Estrada abordan una problemática poco

atendida en la arqueología mexicana, la necesidad de hacer más eficiente la prospección
arqueológica mediante el diseño de modelos de potencial arqueológico ante la creciente
demanda de identificar y proteger el patrimonio cultural que pudieran ser impactados por
posibles obras de infraestructura. Para ello, con base en el análisis estadístico de variables
medioambientales y culturales y la aplicación de los resultados de este análisis en un SIG,
nos presentan tres modelos: el modelo empírico, el modelo de regresión logística y el
modelo basado en la teoría Dempster-Shafer, mismos que fueron contrastados con datos
de campo y evaluados de acuerdo a parámetros reconocidos de desempeño.

Los capítulos 6 y 7, representan dos acercamientos a los estudios de patrón de

asentamientos. En el Capítulo 6, Heredia Barrera y Anaya Hernández presentan un
estudio de caso del patrón de asentamiento en la región de Agua Fría, Veracruz, a fin de
caracterizar la estructura de organización territorial, estableciendo el área de cobertura
óptima de cada centro de mayor jerarquía e identificado los sitios subsidiaros de éstos.
Con el propósito de demostrar el potencial analítico de los SIG al problema de la
definición de territorialidad se aplicaron tres modelos de análisis espaciales comúnmente
utilizados en la arqueología: los polígonos de Voronoi, el análisis de vecino más cercano
y análisis de lugar central, estimando para este último, la superficie de coste para calcular
el territorio óptimamente cubierto por cada uno de los centros primarios identificados
tomando en cuenta las variaciones en la topografía.

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.

Para finalizar; el principal objetivo de este libro es el de contribuir a la consolidación de

la masa crítica de arqueólogos mexicanos que aplican los SIG a sus investigaciones.
Pretendemos además de sumarnos a estos esfuerzos, atender la necesidad de capacitación
en esta tecnología a las nuevas generaciones de arqueólogos en formación. Con esto en
mente se han incluido además de los estudios de caso un anexo con los tutoriales y
archivos necesarios para ejecutar de manera independiente, ejercicios sobre las posibles
aplicaciones de los SIG a situaciones típicas de la arqueología.

8
 2 TIEMPO Y ESPACIO, LAS DIMENSIONES DE LA HISTORIA:
UTILIZACIÓN DE LOS SISTEMAS DE INFORMACIÓN
GEOGRÁFICA EN LA INVESTIGACIÓN HISTÓRICA

Esperanza Donjuan Espinoza

Guadalupe Zetina Gutiérrez

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.

Las dimensiones de la historia

Como sabemos la historia es la disciplina que se ocupa de estudiar los hechos del pasado
y como tal utiliza dos grandes dimensiones que son el “tiempo” y el “espacio”. No
obstante, salvo honrosas excepciones, la dimensión espacial se ha visto desestimada por
los historiadores. En esto han tenido que ver los paradigmas dominantes, por ejemplo el
positivista, el cual prevaleció por mucho tiempo y como corriente historiográfica
representativa tuvo a la “Historia de Bronce”, la cual centraba su atención en personajes a
quienes hacían trascender su condición humana para convertirlos en héroes (González y
González, 2005); asimismo, ponía su atención en hechos culminantes desligando los
hechos de las causas, dedicando escasa o nula importancia a los grandes procesos en sus
explicaciones.

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.

Afortunadamente, las innovaciones tecnológicas de los años recientes han permitido

profundizar en el estudio del espacio interior y exterior de nuestro planeta, realizando
grandes aportaciones en su conocimiento. Las generaciones egresadas de las licenciaturas
en historia se han visto beneficiadas con el uso de nuevas tecnologías, a pesar de que
estos recursos no han sido incluidos en sus planes de estudio. Por lo tanto estos
acercamientos son generalmente causales y dependen en gran medida de las habilidades
del alumno en el uso de la tecnología, o de su objeto de estudio, ya que la mayoría de los
cuerpos docentes de las instituciones no están capacitados en el manejo de estas
herramientas.

Cartografía histórica de Sonora

Desde tiempos lejanos, la cartografía ha sido una herramienta utilizada por los Estados
para la defensa y conquista de los territorios. En la Nueva España, una vez consolidada la
conquista del área central, en los albores del siglo XVI los conquistadores concibieron la
posibilidad de que existiera otra Tenochtitlán, lo que propició una serie de exploraciones
hacia el norte novohispano. Por esa época, lo que hoy conocemos como Sonora era un
territorio poco conocido. A lo sumo, se tenían vagas noticias de este espacio gracias a los
viajes de exploración realizados por algunos españoles como Álvar Núñez Cabeza de
Vaca (1536) y fray Marcos de Niza (1538), entre otros, pero Sonora era vista como lugar
de paso hacia el interior del continente. A diferencia de tierra adentro, el litoral se fue
perfilando gracias a las representaciones cartográficas elaboradas en esta misma centuria
por los viajes realizados por el golfo de California (Montané Martí, 2002).

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.

Las representaciones espaciales contenidas en el proyecto “Horizontes y relieves sociales:

cartografía de pueblos indígenas de Sonora, siglos XVII-XXI”, se centran en las diversas
naciones indígenas evangelizadas a partir de los albores del siglo XVII: mayos, yaquis,
ópatas (hoy extintos), pimas altos y pimas bajos, quedando excluidos las naciones
apaches y seris.

Metodología
La metodología empleada para desarrollar la cartografía de este proyecto se dividió en
dos vertientes principales:

1. La histórica: que consistió en la revisión de diversas fuentes históricas en archivos

y bibliotecas, tales como crónicas jesuitas y franciscanas, informes militares,
bibliografías, cartografía histórica y moderna, los datos contenidos en los archivos
personales de las autoras y la captura de estos datos en tablas Excel. Algunos de

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. La digital: que involucró el uso de diferentes recursos como: hojas de cálculo,

bases de datos, sistemas de información geográfica (SIG) y software para el
procesamiento de imágenes. Estas herramientas son el resultado de la “revolución
de las tecnologías de la información y comunicación (TIC’s)” que surgió durante
la segunda mitad del siglo XX, y que se caracterizó por un desarrollo acelerado de
la electrónica y la informática, ambas declaradas las nuevas formas de eficientar
al mundo (Flores, 1996).

Dichas herramientas extraen atributos de la realidad analógica que permiten un mejor

manejo de datos complejos en regiones geográficas muy amplias como en este caso. Por
ello, “la cartografía”, que es la ciencia de elaborar modelos simplificados de la realidad
geográfica (mapas), son ahora más que nunca un medio eficaz, operante y eficiente para
la investigación y la expresión de diferentes aspectos de la vida humana (Madrid Soto,
A., L.M Ortíz López, 2005).

A continuación se enlistan con detalle las características de cada herramienta utilizada y

el procesamiento de los datos históricos con cada una de ellas.

1. Hojas de cálculo: es un software que permite el almacenamiento y la manipulación de

datos dispuestos en tablas. Las posibilidades de uso permiten realizar cálculos complejos,
fórmulas, funciones y elaborar gráficos de todo tipo. La recolección de los datos
históricos relevantes se almacenaron por primera vez en hojas de cálculo donde se
crearon tablas temáticas que reunieron la información de cuatro años de investigación
sobre consulta de archivos y cartografía histórica (figura 2-1). Antes de llegar al paso
13
 siguiente fue necesario homogeneizar la escritura de los datos dentro de cada campo para
después vincular la información entre sí o filtrarla para generar nuevas tablas, nuevos
datos y por lo consiguiente nuevos mapas temáticos.

Figura 2- 1. Tablas y archivos resultantes de la sistematización de la información histórica

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

3. Editor de imágenes rasterizadas, es un software para el retoque de fotografías y

gráficos, la creación y edición de imágenes y elementos del diseño cartográfico y post
procesamiento de mapas digitales, tanto para la creación del diseño de los mapas base
como para dar el acabado final a algunos de mapas. En este caso se usó Adobe Photoshop
CS6 y Adobe Ilustrator para el diseño de los mapas base. Se hicieron varias pruebas con
diferentes tipos de mapas base ya existente, pero no se encontró alguno que hiciera
suficiente contraste así que se decidió que fueran de creación original. Después de varias
pruebas con colores, fuentes y texturas (Figura 2-3) se llegó a las versiones finales que se
muestran en las figuras 2-4 y 2-5. Una vez concluido el procesamiento de las imágenes,
estas fueron georeferenciados dentro del SIG, utilizando la herramienta de
georeferenciación de ArcMap.

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.

Figura 2- 4. Mapa base para los temas virreinales

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.

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.

Una vez homogenizada toda la información histórica y geográfica en la base de datos se

procedió a importarla desde el programa ArcMap para crear un geodatabase o un paquete
digital de datos relevantes vinculados entre sí con todos los archivos vectoriales y raster
(curvas de nivel, nombre de los estados, caminos, ríos, etcétera) y raster (MDE, mapas
base, entre otros) comunes a todos los mapas donde se integraron además los elementos
cartográficos necesarios como: norte, escala, titulo, proyección, metadatos, fuentes y
otros más. Para la creación de los mapas temáticos, se filtraron o se crearon algoritmos de
consulta para extraer los datos que nos interesaron (Figura 2-7) dándoles una proyección
geográfica mediante la herramienta “Desplegar datos X Y” del menú contextual en la
ventana de contenidos y posteriormente exportados como un archivo shape (.shp). En
algunos casos, particularmente en las capas correspondientes a la “Erección del Obispado
de Sonora en 1799” y de la 2Erección del Obispado de Durango en 1621”, fue necesario
realizar la digitalización de sus áreas de jurisdicción a partir de la cartografía histórica

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

El resumen del procesamiento dentro del SIG, se muestra a continuación en la Figura 2-

10.

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.

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”

25
 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)

Juan Ignacio Macías Quintero

Elsa Olimpia Palacios Ríos

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.

Con el fin de avanzar en la construcción de indicadores que nos auxilien a determinar la

presencia de confrontaciones bélicas y sus afectaciones en sociedades antiguas, una
muestra de 24 sitios del periodo Epiclásico (600-900dC), ubicados en la vertiente norte
del río Verde-San Pedro, Aguascalientes, fueron analizados por medio de los Sistemas de
Información Geográfica (SIG). El interés principal del estudio fue conocer la manera en
cómo los sistemas de asentamiento en esta región, fueron afectados a partir de la
emergencia de nuevos sistemas políticos durante el citado periodo. Se propone que si el
Epiclásico fue una época de conflicto, los asentamientos deberían mostrar características
que los hicieran idóneos para la defensa.

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.

Planteamientos generales y objetivos de la investigación

Los estudios que versan sobre la interacción entre las sociedades prehispánicas en la
región noroccidente de México (Figura 3-1), han cobrado relevancia a partir de la
segunda mitad del siglo XX como una vía para la compresión y explicación de los
procesos involucrados con el aumento de complejidad, las diversas formas de contacto y
movimientos poblacionales durante el periodo comúnmente denominado Epiclásico
(Braniff, 1992; Jiménez y Darling, 2000; Kelley, 1974; Nelson, 1993; Nelson y Crider,
2005; Pérez, 2013; Solar, 2006; Trombold, 1990; 2005).

27
Figura 3- 1. Culturas del Noroccidente de México

Con el fin de entender la manera en la cual sociedades complejas emergen de forma

independiente y su crecimiento suele incrementar a partir de la interacción, Renfrew
(1996) planteó el concepto de interacción entre unidades equipolentes (peer polities)2
para describir las diversas gamas de interacción social, política y simbólica, expresada
por sociedades no estatales en el Egeo. Esta interacción involucra desde acciones de
comercio e intercambio, hasta la confrontación y el conflicto.

En Mesoamérica el Epiclásico (ca. 600-900 d. C.), usualmente es designado como un

periodo de aparente desestabilización, tensión y transformación en las relaciones de las
sociedades Mesoamericanas, pero primordialmente marca el colapso del gran sistema
hegemónico Teotihuacano (Jiménez Moreno, 1959; Marcus, 1989; Sugiura, 2001).

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.

Ya fuera el Epiclásico un periodo de integración o fragmentación, este tipo de eventos

tuvieron que verse reflejados en el registro arqueológico, y la forma en cómo se pudieron
dar dichos sucesos en las poblaciones de la Cuenca norte del río Verde‐San Pedro,
Aguascalientes aun no ha sido evaluado. En virtud de ello se desconoce cómo estas
sociedades pudieron estar integradas o pudieron participar en cualquiera de estas
dinámicas sociales que se asume fueron involucradas.

Características de la muestra analizada y procedimientos

Se emplearon los Sistemas de Información Geográfica (SIG) como una forma de modelar
las posibilidades defensivas en cada uno de los asentamientos. Un SIG se puede definir
como una colección organizada de hardware computacional, software, datos geográficos
y personal designado para capturar de manera eficiente, almacenar, actualizar manipular,

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;).

Figura 3- 4. Ubicación de la cuenca del Rio Verde-San Pedro

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.

Tabla 3- 1. Indicadores evaluados y su frecuencia de aparición

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.

La siguiente variable analizada fue el nivel de accesibilidad de los sitios emplazados en el

paisaje (Figura 3-8). A través de la medición del grado de pendiente de una superficie se
pudo inferir que tan accesible es acceder a un sitio. De acuerdo con este razonamiento,
los sitios defensivos serán aquellos ubicados sobre puntos inaccesibles, es decir con
pendientes con ángulos de inclinación muy pronunciados. Para nuestro estudio una
pendiente mayor a 21⁰ representa un grado de accesibilidad limitada y una mayor a 34⁰
indica una pendiente inaccesible. De la muestra obtenida, cinco sitios se situaron sobre
pendientes con una inclinación superior a los 34⁰ lo cual equivale a un 20.8% de la
muestra y siete sitios se ubicaron en áreas con una pendiente superior a los 21⁰, lo que
representa 29.1% de la muestra. La suma de ambos indicaría que el 49.9% de los sitios se
ubicaban en puntos del paisaje con un alto grado de dificultad para acceder a ellos.
Nuevamente los resultados indican que no hubo una tendencia evidente de los
asentamientos en este valle para situarse en una posición del paisaje muy ventajosa para
la defensa.

Figura 3- 8. Modelo de pendientes en el sitio El Salteador.

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.

Figura 3- 9. Red de intervisibilidad entre asentamientos

En síntesis, basándonos en los resultados obtenidos y con su consecuente suma de estos

indicadores, logramos distinguir que de la muestra de 24 sitios discutidos, siete sí
mostraron elementos tanto de paisaje como arquitectónicos que sugieren un potencial
defensivo.

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.

La presencia de fortificaciones en esta área, se puede entender como parte de una

resistencia para integrarse de forma total a los sistemas políticos mayores que durante el
Epiclásico se expandieron en la región centro norte y noroccidente de México, como los
documentados en el Bajío y los Altos de Jalisco (Araiza, 2013; Cárdenas, 1999). Por lo
tanto es posible que en la vertiente del rio Verde‐San Pedro se hubiera estructurado un
paisaje de conflicto, negociación e incluso resistencia, en donde sus habitantes pudieron
decidir y determinar hasta qué punto y bajo qué condiciones se integraban a cualquiera de
estos sistemas expansionistas (Hall, 1986).

Esta posibilidad es mencionada en virtud de que las evidencias registradas al parecer,

apuntan a que los dos escenarios inicialmente discutidos hayan estado presentes en la
región estudiada. En efecto, a la par de los asentamientos fortificados que indican la
existencia de tensión, segmentación y conflicto, también se documentaron rasgos que
indican la presencia de una marcada jerarquía entre estos, artefactos manufacturados en
obsidiana, estilos arquitectónicos y cerámica foránea que indican que los habitantes de
estos asentamientos estuvieron integrados a otras esferas de interacción con alcances
extra regionales. Por ejemplo, estudios realizados mediante Activación Neutrónica en la
obsidiana proveniente de algunos sitios muestra relaciones con yacimientos ubicados en
el Bajío, el occidente de México y Puebla (Moreno, et al, 2015). Con la anterior
información, y la exposición del potencial de los SIG para el estudio de dinámicas
culturales antiguas, esperamos situarnos en las vías adecuadas para comprender de forma
más integral, las variaciones en las modalidades de integración dentro de las estructuras

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

Guadalupe Zetina Gutiérrez

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.

Para mostrar el desarrollo y los alcances de la prospección arqueológica basada en recursos

digitales, este texto se divide en dos partes: la primera centrada en los orígenes y principios
técnicos de la percepción remota, los principales sensores remotos aéreos y su utilización en la
arqueología. La segunda parte es el desarrollo de lo que la autora ha denominado “Prospección
Arqueológica Remota” utilizando los datos de las ortofotos, el modelo digital derivado del sensor
LIDAR y las imágenes satelitales SPOT dentro de una plataforma de Sistemas de Información
Geográfica (SIG 6).

Principios de la percepción remota o teledetección

Percepción Remota o Teledetección puede definirse como el conjunto de técnicas por medio de
las cuáles se pueden obtener datos de la superficie terrestre a través de una variedad de
dispositivos o “sensores” sin entrar en contacto con la superficie terrestre El término “sensor
remoto” fue ideado a principios de la década de los sesenta para designar cualquier medio de
observación remota, como la fotografía aérea, principal tecnología de aquel momento. Pero fue a
partir de la Segunda Guerra Mundial cuando se produjo un notable desarrollo de las técnicas de
teledetección a través del uso de la fotografía aérea y posteriormente todas éstas innovaciones se
aplicaron a usos civiles (Lillesand, T.M., R.W. Kiefer, J.W. Chipman, 2008).

La principal forma de clasificar a los sensores remotos es la que considera la procedencia de la

energía con la que operan. En este sentido tenemos dos tipos (Wiseman, J., F. El-Baz, 2007):

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.

LiDAR (Light Detection and Ranging).

Es a la fecha, el más potente de los sensores remotos ya 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. Su principio operativo se basa en
determinar la distancia desde un emisor láser a un objeto o superficie utilizando un haz
láser pulsado de hasta 20-100,000 pulsaciones por segundo. Esto permite hacer
reconstrucciones en tercera dimensión del paisaje con gran rapidez y precisión. Su
ventaja más destacada es que puede identificar los más pequeños cambios en el paisaje,
debido a su gran resolución espacial (con píxeles de hasta 3 cm) aunque su costo elevado
constituye su mayor desventaja limitando su uso.

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.

Prospección arqueológica con teledetección o percepción remota.

El origen de la prospección arqueológica se remonta a principios del siglo XX, donde la
excavación fue por excelencia el “trabajo de campo arqueológico” y el objetivo de la
prospección era el de identificar los lugares más adecuados para hacerlo, convirtiéndose
entonces en la fase inicial de todo diseño de investigación arqueológica (García San Juan,
2013; Gallardo, F.A., L.E. Cornejo, 1986).

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:

1. Partir de los recursos económicos y humanos con que se dispone;

2. La ejecución de un diseño de muestreo dependiendo de la escala del área y además
el tiempo proyectado a partir del punto anterior;
3. La definición de las variables que afectan la prospección como: la facilidad o
dificultad del acceso al área de estudio, el riesgo al que pudieran someterse los
arqueólogos por conflictos de diversa índole, las condiciones ecológicas o medio
ambientales como áreas sujetas a inundación, desgaje de cerros, el grado de
sedimentación dependiendo de la pendiente y los tipos de suelos, etcétera.

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).

Posteriormente, también se incorporó la tecnología satelital con el uso de la película infrarroja,

surgida en la década de 1940 (Villa, 2011), siendo las primeras imágenes de satelitales empleadas
con fines arqueológicos, un conjunto de imágenes conocidas como CORONA (realizadas por un
satélite espía norteamericano con dos cámaras que produjeron 800,000 fotos estereoscópicas de
alta resolución de la porción NE de Estados Unidos (Villa, 2011). En el Área Maya, por medio de
una combinación de imágenes satelitales y fotografía aérea, se cubrió un área de más de 250,000
km2 para una mejor comprensión de la distribución de los asentamientos y su relación con
vestigios de agricultura intensiva en Belice y Guatemala. No obstante, la completa integración del
uso de los Sistemas de Información Geográfica y los datos procedentes de sensores remotos no se
dio sino hasta la década de 1990; y fue entonces que se empezó a hablar de una “arqueología
satelital”.

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).

La prospección arqueológica remota en El Tajín, Veracruz

La prospección arqueológica remota en “El Tajín” requirió de principio a fin del uso de
un Sistema de Información Geográfica (SIG) desarrollado para tal objetivo. En este caso
se empleó el datum WGS847 y se usó como unidad territorial la cuenca hidrográfica8. Las
diferentes capas temáticas fueron almacenadas en una geodatabase 9 que incluyó (Zetina
Gutiérrez, 2012):
 Curvas de nivel: cada 100 m, 50 m, 20 m, 10 m, 5 m, 1 m y 0.50 m
 Subcuencas de la Cuenca del Río Tecolutla (RH27B)
7
WGS84son las siglas en inglés deWorldGeodetic System84(que significa Sistema Geodésico Mundial 1984). Se
estima un error de cálculo menor a 2 cm. Y consiste en un patrón matemático de tres dimensiones que representa la
tierra por medio de un elipsoide, un cuerpo geométrico más regular que la Tierra.
8
Que no se debe confundir con la cuenca o subcuenca hidrológica la cual se refieren a unidades territoriales
que además de sus elementos superficiales abarcan también la estructura hidrogeológica. En otras palabras, el
concepto de cuenca hidrográfica hace referencia a la zona de escurrimiento superficial de las precipitaciones, mientras
que el de cuenca hidrológica incluye también a las aguas subterráneas. Dependiendo de la geología del sitio, estas
cuencas pueden ser diferentes, ya que en muchos sitioses normal que el agua subterránea se mueva en direcciones
diferentes que la superficial y aflore en sitios diferentes a la de la cuenca donde cayeron las precipitaciones que la
alimentan. (Ley de Aguas Nacionales - DOF 18-04-2008). En este caso, sólo nos enfocaremos en las corrientes
superficiales y por ende en las cuencas y subcuencas hidrográficas.
9
Una geodatabase es una colección de datasets o conjuntos de datos geográficos de varios tipos contenida en una
carpeta de sistema de archivos común.
45
  Vías de comunicación formales e informales: caminos, carreteras, veredas,
terracería, cuerpos de agua, corrientes de agua.
 Datos procedentes de tres sensores remotos: ortofotos, mosaico del modelo digital
de superficie (MDS) derivado de los datos de LiDAR e imágenes satelitales
pancromáticas y multiespectrales SPOT
 Datos arqueológicos previos: sitios previos en la región de El Tajín, sitios con
arquitectura formal del proyecto regional, mapa de Krotser de “El Tajín” (1969-
1970) ya georeferenciado10 y el polígono del área declarada Patrimonio de la
Humanidad por la UNESCO.
 Todas las capas de nueva información que se fueron generando en el SIG: los
análisis de cuenca visual, el modelo hidrológico, etcétera.

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.

A continuación se analizaron las imágenes satelitales SPOT. Primeramente las pancromáticas a

escala de grises (con resolución de 2.5 m) para identificar la presencia de rasgos que destaquen en
el paisaje y la distribución de éstos. Posteriormente, se analizaron las imágenes satelitales de falso
color (resolución de 2.5 m) y la multiespectral (resolución de 10 m). Con éstas últimas fue posible
destacar las formas artificiales del entorno natural, como se observa en la Figura 4-1 (Zetina
Gutierrez G. , 2012).

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.

La siguiente etapa consistió en analizar el modelo digital de superficie o MDS derivado de

LiDAR, donde se aprecia la topografía en un falso 3D como se observa en la Figura 4-2,
mostrando todos los detalles del terreno con una resolución de 0.20 m y con una capa de
sombreado (hillshade) para destacar los rasgos del paisaje.

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.

Figura 4- 5. Proceso de la prospección arqueológica remota a través de un análisis comparativo de

imágenes de LiDAR y de ortofotos. Imágenes de Zetina Gutiérrez, 2013, Proyecto Mapeo Digital 3D
El Tajín

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.

Con respecto a la eficiencia de los datos procedentes de la tecnología LiDAR aplicados a

la prospección arqueológica y a su manipulación dentro de un SIG, se puede afirmar que
se posibilita una reducción sustancial en tiempos con resultados de muy alta calidad. No
obstante, no hay que olvidar que su confiabilidad no depende exclusivamente del análisis
del MDS dentro del SIG, sino de la eficiencia del plan de vuelo para la adquisición de la
nube de puntos y del pre-procesamiento (filtrado) antes de derivar dicho MDS. Por ello es
importante recalcar que la mejor manera de elevar el porcentaje de fiabilidad de nuestras
interpretaciones es mediante el cruzamiento con datos provenientes de diferentes sensores
si esto es posible; al menos mientras se definen los parámetros óptimos para la aplicación
arqueológica de esta tecnología en diferentes contextos ecológicos y para los objetivos
concretos de cada proyecto.

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:

TRES MODELOS PREDICTIVOS DE POTENCIAL

ARQUEOLÓGICO

Armando Anaya Hernández

César Valentín Hernández Estrada

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.

Los modelos predictivos pueden diseñarse de acuerdo a un acercamiento deductivo o uno

inductivo. El primer método se base en gran medida en la analogía etnográfica o en
teorías del comportamiento humano, haciendo declaraciones a priori con respecto a la
ubicación de los sitios arqueológicos. Por su parte el método inductivo se basa en el
conocimiento empírico del arqueólogo sobre un área específica, bajo la premisa de que
ciertos aspectos del entorno físico están correlacionados con la presencia de sitios.
Ambos acercamientos tienen sus proponentes y detractores.

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.

En este trabajo se aplica un acercamiento mixto, es decir deductivo-inductivo, utilizando

tanto variables culturales, como medio-ambientales sustentadas en interpretaciones
teóricas de la historia cultural. Debe aclararse que, el término potencial arqueológico es
utilizado para describir la probabilidad de la ocurrencia de sitios arqueológicos en una
ubicación dada basada en la distribución conocida de estos y, un conocimiento general de
los patrones de subsistencia y culturales de los grupos humanos del pasado en el área de
estudio. Es importante acotar que el/la arqueólogo(a) no puede afirmar con certeza el
porcentaje de probabilidad de que un sitio ocurra en una localidad dada (por ejemplo 60%
de probabilidad), ya que la ubicación precisa obedece a complejas variaciones
temporales, culturales y geográficas, entre otros factores. Más bien la probabilidad de la
presencia de un sitio se presenta en términos relativos. Por ejemplo, es por lo general más
probable que un sitio de tipo asentamiento se ubique en un valle fluvial (potencial alto),
que en la marcada pendiente de la ladera de un cerro (bajo potencial). Más aun, dado que
todas las partes del paisaje tienen por lo menos algo de potencial, el término “sin
potencial” no es necesariamente aplicable. Por ejemplo, un risco con una pendiente de 60
grados podrá ser potencialmente bajo para la ubicación de un campamento, pero
potencialmente alto para la ubicación de manifestaciones gráfico-rupestres. En este
sentido, de acuerdo a las características de la región, estos modelos deben de ser
exhaustivos, contemplando todas las posibles manifestaciones culturales de la región de
estudio.

Aunque los modelos predictivos de potencial arqueológico han sido ampliamente

utilizados para el manejo de recursos culturales en Norteamérica y Europa (Benson, K.,

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.

El acelerado desarrollo de obras de infraestructura a lo largo y ancho del país obliga a la

arqueología mexicana a desarrollar nuevas técnicas de prospección que sean cada vez
más eficientes, expeditas y coadyuven a la protección y manejo del patrimonio
arqueológico. Es en este contexto que se presenta aqui un estudio de caso en la periferia
de Mazatlán, Sinaloa, preentando tres modelos predictivos de potencial arqueológico
aplicados exitosamente en otros escenarios, estos son: el modelo empírico de agregación
de potencial, el modelo de Regresión Logística y el modelo Dempster-Shafer (Anaya
Hernández, 2006; Anaya Hernández, 2008; Anaya Hernández, S.D. Bond, T. Cardinal,
2009; Anaya Hernández, et al., 2010; Benson, K., R. Vincent, M. Eldridge and M. Bein,
2003; Canning, 2005; Eldridge, M., A. Anaya Hernández, 2005; Eldridge, M., et al.,
2002; Vaughn S., T. Crawford, 2009; White, 2002), mismos que serán evaluados a la luz
de la información arqueológica conocida y su verificación en campo.

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.

Tabla 5- 1. Características generales de los sitios en el área de estudio.

CLAVE NOMBRE TIPO AREA (ha) RANGO

F13A3625004 MR-007 Km. 10 Materiales de Superficie 3.0 5
F13A4525001 MR-EL CASTILLO Materiales de Superficie 6.0 5
F13A4625002 MR-006 LA REVOLCADA Materiales de Superficie 3.8 5
F13A4625003 MR-012 EL CANAL Materiales de Superficie 1.5 5
F13A4625004 MR-013 LA LADRILLERA Materiales de Superficie 1.0 5
F13A4625005 MR-014 LA BIFURCACIÓN Materiales de Superficie 2.0 5
F13A4625006 MR-015 BOMBA No. 14 Conchero 1.0 5
F13A4625007 MR-016 EL MANGAL Materiales de Superficie 2.0 5
F13A4625008 MR-017 EL ESTANQUE Conchero 1.0 5
F13A4625009 MR-018 EL JAGÜEY Sitio con Estructuras 20.0 3
F13A4625010 MR-019 VAINILLO Materiales de Superficie 1.0 5
F13A4625038 MR-055 BASURON I-B Materiales de Superficie 0.0 6
F13A4625048 MR-058 LA URRACA NUEVA Conchero 1.0 5
F13A4625049 MR-059 LA TUNA Materiales de Superficie 0.0 6
F13A4625051 MR-061 LA URRACA VIEJA Sitio con Estructuras 1.0 5
F13A4625053 MR-063 LAS RANAS Materiales de Superficie 0.0 6
F13A4625054 MR-064 LA LADRILLERA DEL Materiales de Superficie 0.0 6
63
 HUANACAXTLA
F13A4625058 MR-069 MADRE RANA Materiales de Superficie 0.0 6

La investigación arqueológica en la región de Mazatlán ha sido escasa, sin embargo, la

información recuperada hasta la fecha indica que, dentro de esta delimitación,
comunidades agrícolas y pesqueras se asentaron desde por lo menos el 900 a. C. (Grave
Tirado 2014). Cabe mencionar que gran parte de los datos sobre a la ocupación
prehispánica en la región de Mazatlán proviene de proyectos de rescate que se han
llevado a cabo principalmente en el sector este de la ciudad y aunque más lejos de la
costa, la evidencia arqueológica recuperada señala una dependencia significativa en
recursos costeros, que complementaron a la agricultura.

Además de conchas, huesos de pescado y otros restos de moluscos, los restos

arqueológicos recuperados de estos proyectos de rescate también incluyeron abundantes
fragmentos de tiestos de pasta fina policroma con patrones geométricos. Los sitios
arqueológicos registrados en el área de Mazatlán consistieron principalmente de pequeñas
aldeas agrícolas / pesqueras dispersas en la parte alta de las colinas bajas, cerca de
arroyos estacionales y perennes, asociados a pueblos chicos asentados en el valle. La
mayoría de los artefactos recuperados fueron tiestos de cerámica y artefactos de piedra
tallada como hachuelas, metates y manos. El material fechable corresponde
principalmente a la última ocupación prehispánica, de 1100 hasta 1531 d.C., (Grave
Tirado, 2014).

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.

Modelos de potencial arqueológico

Reiterando lo mencionado más arriba, el modelado predictivo puede realizarse siguiendo un
enfoque deductivo o uno inductivo. El primero se basa fuertemente en la analogía etnográfica y /
o en las teorías del comportamiento humano haciendo afirmaciones a priori sobre la ubicación de
los sitios arqueológicos. El segundo se basa en el conocimiento empírico que tenga el arqueólogo
sobre un área específica bajo el supuesto de que los aspectos no culturales del medio ambiente se
correlacionan en la predicción de la presencia de un sitio (Ebert 2004; Marshall y Bond 2004;
Wescott, K.L., R,J. Brandon (eds.), 2000).

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).

Modelo empírico de agregación de potencial

Con base en observaciones de campo realizadas en diferentes contextos
medioambientales se ha podido establecer de manera empírica una correlación positiva
recurrente entre las variables medioambientales mencionadas arriba y la presencia de
sitios arqueológicos. Inicialmente estas variables fueron ponderadas estadísticamente para
identificar la contribución que cada una de ellas hizo a la presencia de áreas de potencial
arqueológico mediante la aplicación de un análisis de función discriminante, utilizando el
paquete estadístico SPSS (ver Tabla 2 en Anaya Hernández 2008).

El análisis de función discriminante se usa para determinar qué variables discriminan

entre dos o más grupos naturales (en este caso potencial de sitio- no sitio), es decir para
determinar que variables son los mejores predictores del potencial arqueológico. (Anaya
Hernández , 2006, 2008; Anaya Hernández et al 2009; Anaya Hernández et al. 2010;
Benson, K., R. Vincent, M. Eldridge and M. Bein, 2003; Eldridge y Anaya Hernández,
2005). Con base en estos análisis se ha determinado que la cercanía a fuentes de agua, la
presencia de micro topo formas, pendiente, aspecto y elevación son las variables que más
inciden en el potencial arqueológico en contextos medioambientales diversos.

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).

Figura 5- 2. Distancia coste desde cuerpos de agua.

Tabla 5- 2. Puntajes de potencial asignado a rasgos hidrográficos

0-50m 51-100m 101-250m 251-500m 501-750m 750-1000m

DESCRIPCIÓN PUNTAJE (100%) (90%) (80%) (70%) (60%) (50%)
Ríos perennes 25 25 20 15 10 8 6
Arroyos
perennes 20 20 18 16

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.

Tabla 5- 3. Puntajes de potencial asignado a rasgos topográficos

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).

Tabla 5- 4. Puntajes de potencial asignado a rasgos culturales

RANGO 50m 100m 250m 500m 1000m

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”

El resultado final consistirá en valores continuos que serán clasificados en tres

categorías: Bajo, Moderado y Alto, de acuerdo al método de Segmentación Natural de
Jenks. Este algoritmo determina la mejor disposición de los valores en clases comparando
las sumas de la diferencia cuadrada entre los valores observados dentro de cada clase y
las medias por clase. Esta es una forma de clasificación de minimización de varianzas; se
basa en el supuesto de que el esquema de clasificación más adecuado es el que minimiza
las diferencias entre los valores de datos observados y el promedio de los valores de los
datos. Estos métodos de clasificación son conocidos como métodos de optimización. La
creación de clases óptimas se basa en un criterio estadístico, en este caso un factor de
bondad de ajuste de varianza (GVF) que se calcula de la siguiente manera:

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

Modelo de Regresión Logística

La regresión logística es un método estadístico para analizar un conjunto de datos en el
que hay una o más variables independientes que determinan un resultado. El resultado se
mide con una variable dicotómica. En la regresión logística, la variable dependiente es
binaria o dicotómica, es decir, solo contiene datos codificados como 1 (sitio) o 0 (no-
sitio).

El objetivo de la regresión logística es encontrar el modelo más adecuado para describir

la relación entre la característica dicotómica de interés (variable dependiente) y un
conjunto de variables independientes (predictoras o explicativas). Esta técnica estadística
aplicada a nuestros datos, generó los coeficientes (y sus errores estándar y niveles de
significación) de una ecuación para predecir una transformación logarítmica de la
probabilidad de presencia de la característica de interés:

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:

Tabla 5- 5. Prueba Ómnibus sobre los coeficientes del

Modelo

Chi-cuadrada df Sig.

Paso 1 Paso 13.930 6 .030

Bloque 13.930 6 .030

Modelo 13.930 6 .030

Tabla 5- 6. Resumen del Modelo

-2 Log de la R cuadrado de R cuadrado de

Paso verosimilitud Cox & Snell Nagelkerke

1 38.644a .307 .410

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

Paso Chi-cuadrada df Sig.

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

Paso1 Var. Dep. 0 14 6 70.0

1 6 12 66.7

Porcentaje Global 68.4

a. El valor de corte es .500

La tabla de clasificación indica que de 20 casos que se pronosticaron como no-sitio

resultaron ser sitios, rindiendo un 70% de predicción correcta. Por otra parte, de los 18
sitios conocidos seis no fueron capturados por el modelo, rindiendo un 66.7% de
predicción correcta. En suma, la capacidad global predictiva del modelo es del 68.4%,
que en términos estadísticos representa un buen resultado.

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.

Tabla 5- 9. Variables en la Ecuación

B S.E. Wald df Sig. Exp(B)

Step 1a Dist_Arroyos .001 .001 2.494 1 .114 1.001

Dist_Lagos .000 .001 .097 1 .756 1.000

Topoform 3.133 2.833 1.223 1 .027 22.940

Aspecto -.007 .005 2.151 1 .014 .993

Elev .055 .076 .519 1 .471 1.056

Pend -.464 .298 2.417 1 .012 .629

Constante .701 1.219 .330 1 .565 2.015

a. Variable(s) introducida(s) en el paso 1: Dist_Arroyos, Dist_Lagos, Topoform, Aspecto, Elev, Pend.

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.

Figura 5- 4. Resultados de potencial arqueológico de acuerdo al Modelo de Regresión Logística

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.

La incertidumbre podría estar presente en la base de datos y/o en la regla de decisión.

Incluye cualquier error conocido o desconocido debido a error de medición, inestabilidad
o variabilidad del conjunto de datos, sobre-abstracción, o incluso desconocimiento de los
75
parámetros relevantes. La fuerza de este enfoque radica no solo en reconocer estas
incertidumbres, sino también en proporcionarnos los medios para tratar con ellas. En este
sentido, abandonamos el ámbito de las decisiones "duras" tradicionales por una serie de
procedimientos donde predominan las decisiones "blandas". De tal suerte que la
probabilidad de que ocurra un evento es el parámetro que se mide y a su vez, este nos
llevará a tomar una decisión "dura" (Eastman, 1999).

La teoría de Dempster-Shafer es una variante de la teoría de la probabilidad bayesiana.

Ambas se ocupan de la agregación de datos indirectos para inferir la pertenencia a un
fenómeno específico con cierto grado de incertidumbre. No obstante, a pesar de este
objetivo en común, Dempster-Shafer se diferencia de Bayes en la manera como ambos
lidian con la ausencia de evidencia.

Tomemos, por ejemplo, la probabilidad de la presencia de sitios arqueológicos en lugares

específicos. Para medir esta probabilidad establecemos dos hipótesis de trabajo: la
presencia de un sitio (sitio) y la ausencia del mismo (no-sitio). Mientras que Bayes toma
la ausencia de evidencia en apoyo de la hipótesis no-sitio, Dempster-Shafer no lo hace;
esto debido a que la teoría Dempster-Shafer reconoce como principio de trabajo el
concepto de ignorancia.

Esto implica que estamos conscientes de lo incompleto del conjunto de conocimientos

que tenemos sobre un fenómeno particular, por lo que la evidencia a favor de una
hipótesis específica no constituye automáticamente el soporte a la negación de la
hipótesis alternativa.

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)

Por ejemplo, digamos que estamos estudiando el desarrollo de patrones de asentamiento

en un área determinada utilizando fotografía aérea. Sabemos que la proximidad al agua, a
otros sitios, la elevación, pendiente y aspecto son algunas de las variables relevantes para
la ubicación de sitios y se utilizan para construir nuestra hipótesis de trabajo. Podríamos
también querer distinguir entre los sitios del Preclásico Temprano y del Preclásico Medio,
pero en el examen de la fotografía aérea encontramos que con mucha dificultad podemos
distinguir “sitio” de “no-sitio”. En tal caso, podríamos aplicar esta evidencia en apoyo de
la combinación jerárquica del Preclásico Temprano/Preclásico Medio.

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.

Se aplicó la lógica de Dempster-Shafer al mismo conjunto de datos para evaluar la

probabilidad de la presencia de sitios arqueológicos en el área de estudio. Para esto, se
utilizó el paquete de SIG creado por Clark Labs: Idrisi Selva. Idrisi contiene el módulo
BELIEF que se utiliza para aplicar la lógica de Dempster-Shafer. Este módulo requiere
que las capas raster de probabilidad (APB) para cada línea de evidencia se hayan creado
previamente. Las APB se crearon utilizando el módulo FUZZY. Es menester hacer una
breve descripción de los conjuntos difusos en relación con las imágenes de probabilidad
para comprender la mecánica de la hipótesis de trabajo.

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).

Al agregar declaraciones de probabilidad de diferentes fuentes de evidencia, Dempster-

Shafer emplea la siguiente regla de combinación (Eastman 1999: 44):

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”.

El módulo BELIEF combina información de estas cuatro líneas de evidencia y fue

utilizado para producir las imágenes de creencia, plausibilidad e intervalos de creencia
para la hipótesis [Sitio] como se ilustra en la Figura 5-6. Los valores de 1 o cercanos a 1
en la imagen de creencia señalan las locaciones con alta probabilidad de presencia de
sitios arqueológicos, mientras que la plausibilidad señala aquellos lugares en donde la
presencia de un sitio arqueológico sería factible. La imagen del intervalo de creencia es
particularmente interesante porque nos muestra dónde tenemos incertidumbre
considerable (valores bajos), en otras palabras información insuficiente para apoyar una u
otra hipótesis y requerimos recabar más información. Esto nos da la capacidad de afinar
nuestra estrategia de investigación, recuperando datos adicionales a partir de un muestreo
focalizado en estas áreas a fin de incrementar nuestra base de conocimiento.

Figura 5- 6. Imagen de Creencia en la hipótesis “Sitio”

80
 Figura 5- 7. Imagen de Plausibilidad en la hipótesis “Sitio”

Figura 5- 8. Imagen de Intervalo de Creencia.

Los valores continuos de la imagen de creencia fueron reclasificados utilizando el mismo

algoritmo de segmentación natural de Jenks en tres clases, potencial bajo, moderado y
alto, y se presentan en la Figura 5-9.
81
Figura 5- 9. Resultados de potencial arqueológico de acuerdo al Modelo de Dempster-Shafer

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.

Las concentraciones menores de artefactos tienen en promedio 8 m² y se distribuyen a lo

largo del lecho del arroyo. La cerámica observada en estos sitios consiste en bordes y
cuerpos de vasijas burdas sin engobe. La concentración más grande de artefactos se
encontró hacia la parte suroeste del polígono, en un gran espacio abierto, que se limpió de
vegetación y que se extiende aproximadamente 60 hectáreas. Este consiste de un
conchero de unos 700 m² de largo alcanzando una altura de hasta 1 m. La cerámica
observada consistió en grandes fragmentos de platos policromos y jarrones similares a los
reportados por Grave Tirado (2014), así como hachas de piedra pulida (Figura 5-10).

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.

Las ubicaciones de concentraciones de artefactos fueron registradas con un GPS y se

añadieron como puntos en los tres modelos de potencial arqueológico y son incluidos en
la Figura 5-11.

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.

El recorrido arrojó solo unos pocos hallazgos aislados consistentes principalmente de

materiales líticos de desecho de talla, un par de herramientas de piedra, y una pequeña
concentración de cerámica consistente de tan solo veinte tiestos. Es muy probable que
estos estén fuera de su contexto original siendo arrastrados por el agua de lluvia.

La Figura 5-12 muestra los resultados del reconocimiento de campo en El Polígono II

contrastados en los tres modelos. Se puede observar que a excepción del modelo
85
Dempster-Shafer, los otros dos modelos tipifican a este polígono como esencialmente de
bajo potencial lo que está en concordancia con las observaciones de campo.

Modelo Empírico Modelo de Regresión Logística

Modelo Dempster-Shafer
Figura 5- 12. Resultados de las observaciones de campo en el polígono II comparado en los tres
modelos.

Evaluación del desempeño de los modelos

Los materiales arqueológicos registrados durante el recorrido de campo fueron captados
principalmente en áreas de potencial moderado y alto, aunque como podemos observar en
las figuras 5-11 y 5-12 hay una variación considerable en la magnitud de estas áreas. Por
otra parte, cabe hacer hincapié que a excepción del sitio registrado en la sección suroeste
del Polígono I, los demás puntos parecen ser hallazgos aislados fuera de contexto
arqueológico. Entonces, a fin de comparar de manera más objetiva el desempeño de los
tres modelos se comparó primeramente la cantidad de sitios conocidos y encontrados que
lograron captar. Este resultado es presentado en la Figura 5-13.

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 (%))

Un modelo perfecto daría un resultado de 1, un modelo altamente eficiente tendría una

calificación entre 0.80 y 0.90. La Tabla 5-10 muestra los resultados de este algoritmo.

Tabla 5- 10. Resultados de desempeño de los tres modelos de

acuerdo a la estadística de ganancia Kvamme

MODELO ÁREA % SITIOS % GANANCIA

Empírico 1.49 26.66 0.94

Regresión Logística 2.23 2.23 0.32

Dempster-Shafer 21.8 21.8 0.72

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.

Se ha mencionado como el diseño de los modelos predictivos puede seguir un enfoque

deductivo basado en una interpretación teórica del comportamiento humano para
proponer patrones espaciales de los mismos, o seguir un enfoque inductivo basado en el
conocimiento empírico de los sitios y su entorno físico. En la práctica, el segundo
enfoque es el que tiene preeminencia.

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

Luis Heredia Barrera

Armando Anaya Hernández

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.

Figura 6- 1. Ubicación del área de estudio en la región de Agua Fría, Veracruz.

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.

Con la aplicación de los SIG al universo de datos recuperados en el proyecto de

Salvamento Arqueológicos “Agua Fría 3D” (Heredia, 2004) se tiene la posibilidad no
sólo de proponer planes de manejo que permitan la mejor protección de este recurso
cultural, sino que también se pueden abordar las diversas preguntas que ayuden a
comprender los procesos de integración socio-política de las sociedades prehispánicas
que los construyeron.

En este trabajo se plantea un método para establecer la jerarquía de los

asentamientos de la región de Agua Fría, Veracruz, conducente a la identificación de una
estructura de organización territorial. Con base en lo anterior, se abordará el estudio de la
territorialidad política estableciendo el área de cobertura óptima de cada centro de mayor
jerarquía identificado en relación a los sitios subsidiaros de éstos.

A fin de demostrar el potencial analítico de los SIG, el problema de la definición

de territorialidad de los centros rectores de la región de Agua Fría, se echará mano de
cinco modelos de análisis espaciales comúnmente utilizados en la investigación
arqueológica y dos más que son de factura más reciente (Anaya Hernández 2001; 2006;
Anaya et. al 2011): análisis del vecino más cercano; polígonos de Voronoi; Teoría del
Lugar Central; análisis del territorio óptimamente cubierto; y ruta óptima,

En el análisis del lugar central se incluirán las variaciones en la topografía, a fin de

generar una superficie de coste, partiendo de la premisa de que el esfuerzo implicado en
desplazarse sobre el entorno natural determinará el tamaño del territorio que pueda ser
cubierto y controlado de manera efectiva por un centro. La base de este tipo de análisis es
una superficie topográfica continua conocida como Modelo Digital de Elevación (MDE)
del cual se derivarán las demás superficies de análisis como pendiente, dirección de la
pendiente, fricción y finalmente coste.

El área de estudio comprende aproximadamente 173,869 ha, donde se registraron

mediante un recorrido extensivo, un total de 153 sitios arqueológicos, los cuales van
desde grandes centros cívicos-ceremoniales monumentales hasta montículos aislados. En

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).

Análisis de la Inversión de Trabajo

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):

Tabla 6- 1. Trabajo invertido en la construcción de estructuras

Área del piso (m²) x Altura x 2.25 días persona por m³ = días persona

ACCIÓN TIEMPO/DÍAS

Extracción de tierra y grava (en su caso) m³ .50

Acarreo de materiales m³ .75

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.

Análisis del vecino más cercano

Se llevó a cabo un cálculo del vecino más cercano primeramente incluyendo todos los
sitios y un segunda instancia utilizando los sitios rectores. Los resultados del primero se
presentan en la Figura 6-3. El cálculo arroja un patrón agrupado, donde la distancia media
observada es de casi 1,026m, mientras que la esperada era de 1,238m. Dada la puntuación
z de -4.06, existe una probabilidad menor al 1% de que el patrón agrupado pueda ser el
resultado de una probabilidad aleatoria. Un patrón agrupado puede ser el reflejo de dos
cosas: primero que los recursos básicos tengan una distribución altamente discreta, o que

96
la agrupación se deba a influencias que determinen la localización de los centros basada
en criterios estratégicos (Adams y Jones 1981: 314-315).

Relación de vecino más cercano: 0.828397

puntuación z: -4.060713
Valor p: 0.000049

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).

Figura 6- 5. Demarcación territorial mediante Polígonos de Voronoi.

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.

SITIOS SITIOS SITIOS SITIOS SITIOS

CENTRO 3° 4° 5° 6° 7° TOTAL AREA
ORDEN ORDEN ORDEN ORDEN ORDEN (ha)
ABASOLO DEL
VALLE 0 0 0 1 4 5 18,422
EL MAGUIAL 0 0 4 4 4 12 19,386
EL MAZATE 3 5 8 9 37 62 18,229
RANCHO EL ROCÍO 0 0 0 1 3 4 8,376
SAN RAMÓN -
TIERRA NUEVA 0 0 0 2 7 9 6,847
SANTA MARÍA I 2 1 0 5 7 15 15,632

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.

Análisis del territorio óptimamente cubierto (Teoría del Lugar Central)

A fin de realizar un estudio con mayor detalle se procedió a calcular el territorio
óptimamente cubierto por cada centro rector, pero esta vez en lugar de usar la distancia
euclidiana, se obtuvo la distancia de costo mediante el cálculo de la fricción opuesta por
la superficie al desplazamiento humano. En este caso se toman en cuenta dos tipos de
fricción: la fricción isotrópica y la fricción anisotrópica. La primera es aquélla que es
igual en todas direcciones, es decir la fricción que la superficie ofrece al caminar sobre
una superficie plana de asfalto, arena, hierba, inundada, etcétera; mientras la segunda es
aquélla que tiene tanto dirección como magnitud, por ejemplo, cuando se camina cuesta
arriba o cuesta abajo.

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]

Donde Y = fricción; X = pendiente; y .031 y -.025 son constantes derivadas en el proceso

estadístico de ajustar las observaciones empíricas a la curva de distribución.

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.

Análisis de Ruta Óptima

Finalmente para determinar en qué esfera de influencia quedan cada uno de los sitios se
corrió una rutina Ruta Óptima, que establecerá la conectividad entre cada centro rector y
los demás sitios (Figura 6-8).

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.

Figura 6- 9. Delimitación de cuencas y micro-cuencas hidrológicas en el área de estudio.

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.

Los datos de la región de Agua Fría sugieren un complejo sistema de estructuración

política, en donde los centros con mayor inversión de trabajo tienden a presentar una
tendencia a la nucleación que restringe la presencia de otros centros cívico ceremoniales
en su territorio como se señala en la Tabla 6-1. De particular interés es el caso de Abasolo
del Valle que por su monumentalidad y extensión sobrepasa por mucho a los otros
centros rectores del área de estudio. Es probable que al igual que en el caso de
Teotihuacán durante su fase Miccaotli (150-250 d.C.), la intensa actividad constructiva
del periodo Clásico Tardío (750-1000 d.C.) en la costa veracruzana del Golfo, debió de
requerir todos los recursos de su área de sustentación y en consecuencia inhibió el
desarrollo de otros centros “dentro” o “al interior” de su territorio. Por otro lado, es
posible que Abasolo del Valle haya subsistido de la recaudación de bienes y productos de
los territorios aledaños.

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.

Figura 6- 11. Localización Estratégica de Abasolo del Valle.

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

Alejandro J. Uriarte Torres

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.

Esta percepción se ha modificado en las últimas tres décadas al incrementarse el número

de investigaciones arqueológicas en sitios formativos del norte de Yucatán conformando
109
un conjunto de datos disponibles cada vez mayor (Andrews V 1988, 1989; Andrews V y
Ringle 1992; Andrews V, et al. 1984; Barnes, et al. 1980; Ringle y Andrews V 1988;
Anderson 2005a; Anderson, et al. 2004; Robles y Andrews 2003, 2004a, b; Ligorred
2007-2008; Ligorred, et al. 2006; Maldonado 2006; Quiñones 2001, 2006; Uriarte 2003,
2004; Stanton 2012). Ahora se propone que el establecimiento de una organización
política compleja debió ocurrir más tempranamente desde el Formativo medio (1000-350
a.C.), con evidencia de una destacada arquitectura pública, que incluía entre otros plazas,
basamentos piramidales, juegos de pelota, acrópolis, calzadas y grupos tríadicos, con un
arreglo planificado y encabezando una jerarquía de asentamientos a nivel regional, todos
ellos con una antigüedad y monumentalidad equiparable a la de asentamientos de las
Tierras Bajas del Sur como Nakbé, y contemporáneas de centros olmecas como La Venta
(ver Anderson 2011; Benavides 2007; Gallareta, et al. 2005; May, et al. 2006; Robles
2004; Stanton 2005, 2012; Stanton y Ardren 2005). Hacia el final del Formativo medio,
las características de los patrones de asentamiento y la arquitectura pública, presentan
variantes regionales claramente demarcadas que parecen indicar incluso la existencia de
diferentes entidades políticas o comarcas bajo el control de centros primarios (Robles
2004).

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.

Precisamente, actividades de salvamento arqueológico efectuadas entre 2005 y 2006 en la

primera etapa del desarrollo habitacional conocido como Ciudad Caucel, al poniente de
Mérida, permitieron documentar con amplitud evidencias de una importante ocupación
formativa distribuida en un área aproximada de 8 km2, que incluía varias agrupaciones de
arquitectura publica y residencial correspondientes a sitios de segundo y tercer rango en
la jerarquía regional de asentamientos (ver Anderson 2003). El estudio de este corpus de
datos, mediante la aplicación de una metodología que combinó el análisis estadístico y el
empleo de las herramientas de gestión de datos y análisis espacial provistas por los
Sistemas de Información Geográfica (SIG), permitió revisar problemas relativos a la
complejidad social y la evidencia de estratificación en la arquitectura residencial de los

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.

EL SITIO DE CIUDAD CAUCEL

El poblado de Caucel se localiza aproximadamente 10 km al poniente del centro de
Mérida, siendo cabecera de una de las comisarías integrantes del municipio emeritense
(Figura 7-1). Se trata de una población de la cual se tienen referencias históricas que
remiten a su ocupación durante los periodos Posclásico y Colonial temprano (siglo XVI)
(Roys 1952; Roys 1957), cuando fue una de las poblaciones principales dentro de lo que
Roys (1957) denominó la provincia de Chakán al momento del contacto español. Dada su
importancia en dicho momento histórico, Caucel fue objeto desde mediados del siglo XX
del interés de investigadores como Roys (Roys 1952, 2006 (1949)), Shook (Shook 2006
(1955)) o Thompson (Thompson 2006 (1951)), quienes fueron los primeros en presentar
descripciones de los vestigios arqueológicos que aún se conservan dentro del poblado.
Sin embargo, exceptuando algunas breves intervenciones de salvamento y prospección
llevadas a cabo entre 1997 y 2002, era relativamente poco lo que se sabía de la ocupación
prehispánica del lugar, existiendo evidencias en el asentamiento que se remontaban al
menos hasta el Formativo tardío (350-250 d.C.) (Hernández 2001; Hernández y Góngora
2000; Robles y Andrews 2003; Robles, et al. 2001).

111
 Figura 7- 1. Vista satelital del desarrollo habitacional de Ciudad Caucel (Google Earth, agosto de
2010).

En 2004, el Gobierno del Estado de Yucatán a través de la entonces Comisión

Ordenadora de Uso de Suelo (COUSEY, ahora Instituto de Vivienda de Yucatán IVY),
adquirió cerca de 8 km2 de tierras ejidales inmediatamente al sur de Caucel. Esto con la
finalidad de incrementar la reserva territorial de la ciudad de Mérida e incrementar la
oferta de viviendas mediante la creación de un desarrollo habitacional llamado “Ciudad
Caucel” (Robles, Ligorred, et al. 2006; Yucatán 2004). En respuesta, a finales de 2004 el
Centro Yucatán del Instituto Nacional de Antropología e Historia (INAH-Yucatán), con
la colaboración del Departamento de Patrimonio Arqueológico y Natural del Municipio
de Mérida (DPANM), dio inició a un proyecto de prospección con el objetivo de registrar
los vestigios arqueológicos en el área, a partir del cual se derivó una propuesta de
salvamento ante el comienzo inminente de las obras de infraestructura urbana, que se
llevó a cabo entre 2005 y 2006 (Robles y Ligorred 2008; Robles, Ligorred, et al. 2006).
Como resultado de las actividades de prospección y salvamento arqueológico en el área
de Ciudad Caucel, se registraron 1169 estructuras prehispánicas de diversas clases
(basamentos piramidales, una cancha de juego de pelota, plataformas, cimientos y
112
concentraciones de gravilla conocidas como montículos chiich) (Robles y Ligorred 2005;
Robles, Ligorred, et al. 2006). Al concluir los trabajos se habían excavado 461
estructuras, principalmente de forma horizontal y extensiva por medio de calas sencillas o
cruzadas, que en ocasiones eran complementadas mediante la realización de pozos
estratigráficos (Robles y Ligorred 2008) (Figura 7-2). Posteriormente en 2008, la
proyección de una carretera que uniría la ciudad de Mérida con el poblado de Tetiz y
cuyo trazo seguía en parte el límite sur de Ciudad Caucel, obligó a la realización de un
nuevo trabajo de salvamento arqueológico en el área (Peniche 2010; Robles, et al. 2009).

Figura 7- 2. Distribución de los vestigios arqueológicos de Ciudad Caucel mostrando la ubicación de

las estructuras excavadas.

El análisis de los materiales recuperados durante las excavaciones, mostraron evidencia

de una ocupación prehispánica que se extendía desde el Formativo medio hasta el
Posclásico tardío (ca. 1000 a.C.-1542 d.C.), aunque fue particularmente notable para el
periodo Formativo. De acuerdo a la evidencia estratigráfica y cerámica recuperada, la
ocupación formativa se dividió en dos momentos asociados a la cerámica del complejo

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).

Si bien la mayor parte de las construcciones formativas registradas o intervenidas durante

el trabajo de salvamento parecían corresponder a estructuras de carácter habitacional,
también se identificaron conjuntos mayores con arquitectura pública que por sus
materiales asociados databan entre el Formativo medio y el Clásico temprano. El más
antiguo de ellos parece haber sido el grupo Xanilá, un conjunto de 22 estructuras
distribuidas en un área de 0.05 km2 (Uriarte 2008) (Figura 7-3). La estructura más
sobresaliente en este grupo fue un juego de pelota con características similares a los
reportados en diversos sitios formativos del noroccidente de Yucatán y en el sitio de Paso
del Macho en el Puuc (Gallareta y Ringle 2004; Gallareta, et al. 2005; Medina 2003,
2005; Medina y Lawton 2002). El juego de pelota fue excavado en su totalidad y
consolidado parcialmente durante la temporada 2005 del salvamento. Los materiales
recuperados mostraron una alta frecuencia de cerámica Xanilá (75% de la muestra),
principalmente de la faceta temprana, por lo que su construcción inicial debió iniciarse
durante el Formativo medio, aunque probablemente continuó en uso hasta el inicio del
Formativo tardío. Posteriormente durante el Clásico temprano el área central de Xanilá
fue reocupada y el edificio oeste del juego de pelota fue ampliado (ver Medina 2005;
Robles y Ligorred 2008). En torno al juego de pelota no se observó un área pública con
un arreglo ordenado, sino más bien plataformas de aparente función residencial en un
patrón que parece característico de los sitios secundarios formativos en el noroeste de
Yucatán (Anderson 2003), si bien al oeste de la cancha parece configurarse una posible
gran plaza abierta de 80 m de norte a sur y 40 m de este a oeste.

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.

Figura 7- 4. Xamán Susulá. Grupo principal y estructura 1714 (Peniche 2010).

Otros dos conjuntos destacados asociados a la ocupación formativa de Ciudad Caucel

fueron los grupos Caucel y Anicabil, si bien han sido poco estudiados hasta ahora y su
cronología precisa es poco clara (Figura 7-5). El primero de ellos, Caucel, corresponde a

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.

Como se ha expuesto, las intervenciones de registro y salvamento arqueológicos

motivadas por la construcción de Ciudad Caucel, han provisto de un corpus amplio de
datos de una importante ocupación formativa que incluyó tanto amplias zonas
residenciales como grupos con arquitectura pública que corresponden a sitios secundarios
y terciarios dentro de la jerarquía regional (ver Anderson 2003). Los datos disponibles
señalan también que esta ocupación se extendió temporalmente desde el Formativo medio
hasta el inicio del Clásico temprano, lo que permitió contar con una muestra para analizar
la organización espacial de estos asentamientos de forma diacrónica. Además, dentro del
contexto regional Ciudad Caucel se localiza en un área intermedia entre centros
formativos de primer rango como Xtobó (Formativo medio), Komchén (Formativo
118
tardío) o Th’ó (Formativo medio-Clásico temprano). Estas características hacen de
Ciudad Caucel un área de gran valor para estudiar aspectos de la organización
sociopolítica formativa en el noroeste de Yucatán, como los abordados en este trabajo
centrado en la estratificación residencial y en la organización de los asentamientos,
empleando métodos estadísticos y espaciales auxiliados con el uso de herramientas SIG
(ver Uriarte 2016).

Identificando la estratificación residencial formativa en ciudad caucel:

análisis estadístico y espacial utilizando un SIG
Los SIG se definen como herramientas informáticas que tienen como objetivo principal el
almacenamiento, la manipulación, el análisis y la visualización de datos sobre el espacio
geográfico (Wheatly y Gillings 2002). Esto se logra mediante la combinación de
tecnologías de software que permiten la administración de bases de datos referenciadas
geográficamente (Aldenderfer 1996; Anaya Hernández 2001). El uso cada vez más
habitual de la tecnología SIG en la investigación arqueológica se debe indudablemente a
su capacidad para manejar, acceder, analizar e interpretar grandes cantidades de datos
arqueológicos de forma más ágil y eficiente (Anaya Hernández 2001; Wescott 2000).
Esta posibilidad de integrar múltiples capas de información dentro de una sola base de
datos referenciada geográficamente, ha provisto a los arqueólogos con medios nuevos,
flexibles y eficaces para interpretar los paisajes antiguos, ya sea que se utilicen métodos
intuitivos o matemáticamente complejos (Ebert 2004; Goodchild 1996; Kantner 2008;
Wescott 2000). De esta forma, los SIG como herramientas de análisis espacial, entendido
éste como aquellas técnicas que producen resultados derivados de la ubicación de las
unidades de estudio, no sólo son útiles para organizar la información a gran escala, sino
que también permiten identificar y analizar patrones y tendencias en la organización del
espacio, con el auxilio de métodos estadísticos que permiten ir más allá de la mera
apreciación subjetiva (Goodchild 1996).

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).

En el caso del estudio de la estratificación residencial formativa desarrollado en Ciudad

Caucel, se plantearon objetivos en dos niveles a partir de los cuales se implementó una
metodología que combinó el uso de la estadística y el análisis espacial diacrónico
utilizando un SIG. En el primer nivel, centrado en las estructuras residenciales
individuales, el análisis se enfocó en tres puntos: 1) conformar una muestra adecuada de
estructuras residenciales formativas; 2) determinar la variabilidad en la arquitectura
residencial en términos formales y de costo de construcción; y 3) establecer una medición
adecuada que permitiera dilucidar si la diversidad constructiva era lo suficientemente
significativa como para proponer la existencia de “estratos residenciales”. En el segundo
nivel se analizó la dimensión espacial de la arquitectura residencial mediante: 1) la
identificación de grupos residenciales; 2) el estudio de la distribución de la inversión e
trabajo; y 3) la relación entre la estratificación residencial y los grupos con arquitectura
pública. De esta forma se esperaba obtener resultados que permitieran efectuar
planteamientos acerca de la diferenciación social, la estructura de los asentamientos y la
organización sociopolítica en los sitios formativos secundarios y terciarios en el noroeste
de Yucatán (Uriarte 2016). En particular se esperaba obtener posibles respuestas a las
preguntas: ¿existió una diferenciación social significativa en las comunidades formativas
secundarias o terciarias identificable en las viviendas?, de ser así ¿cómo se relacionaban
espacialmente los diferentes estratos residenciales en relación a los grupos con
arquitectura pública?, ¿existió una nucleación o dispersión de la “riqueza” expresada en
las viviendas?, ¿qué nos dice acerca de la organización sociopolítica al interior de estas
comunidades?, ¿existieron cambios en la organización de los asentamientos entre el
Formativo medio y tardío como parecen sugerir los datos disponibles de los patrones
regionales, tendientes a nucleación poblacional como se ha propuesto (Ringle 1999;
Robles y Andrews 2003).

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

Análisis de las estructuras residenciales

Muestreo e identificación de variables

El primer paso del análisis consistió en seleccionar una muestra de estructuras
residenciales formativas en Ciudad Caucel. Esto implicó establecer una datación para las
estructuras excavadas e identificar aquellas con una posible función residencial. 21
Posteriormente, se procedió a establecer variables constructivas que permitieran clasificar
las estructuras residenciales e identificar diferencias significativas en la calidad e
inversión de trabajo. Toda la información obtenida se sistematizó y organizó dentro de
una base de datos elaborada en Access 2007, e integrada en un SIG empleando para ello
la suite informática ArcGIS 9.3.

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.

Análisis de costo de la arquitectura residencial.

Una vez establecida, datada y clasificada la muestra, se efectuó un cálculo de inversión
de trabajo de la arquitectura residencial. Este análisis se sustenta en el supuesto de que
existe una estrecha relación entre la cantidad de trabajo invertido en las viviendas y el
estatus o posición social de sus ocupantes (ver Abrams 1994; Arnold y Ford 1980; Folan,
et al. 2009; Kurjack 1999).

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.

Identificación de la estratificación residencial: análisis estadístico

A partir de la clasificación y de los resultados obtenidos de los cálculos de costo
constructivo se efectuaron pruebas estadísticas, con el objetivo de determinar si
existieron diferencias significativas en las estructuras residenciales de cada fase, que
pudieran ser interpretadas como marcadores de un estatus o diferenciación social
expresada en las viviendas, o si por el contrario existió una homogeneidad que pudiera
estar relacionada con la inexistencia de inequidad social pronunciada o con restricciones
a la ostentación estatus. Para estos análisis se consideraron cuatro variables
arquitectónicas con altas probabilidades de funcionar como medios de expresión
arquitectónica del estatus: costo constructivo, área, altura, y calidad de la mampostería. 24

La primera parte del análisis estadístico tuvo la finalidad de determinar si existieron

diferencias significativas en la distribución del costo constructivo de las estructuras
residenciales en cada fase, mediante la realización de histogramas, la aplicación de
estadísticas descriptivas y de pruebas de normalidad (Anderson-Darling)25, utilizando
para ello el programa Minitab 15 (Figura 7-6). Esto permitió identificar la existencia de
valores atípicos26 y extremos (outliers)27 en la muestra. Se asumió que una distribución
del costo constructivo asimétrica y con un marcado sesgo positivo, donde el número de
viviendas decrece conforme aumenta su costo, y con valores atípicos o extremos, podía
ser indicador de la existencia de estratificación residencial. En contraste, una distribución
normal o con sesgo negativo indicaría una mayor homogeneidad residencial. El siguiente
paso consistió en establecer rangos de construcción aplicando un análisis de

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).

Figura 7- 6. Estadísticas descriptivas y distribución del costo constructivo de las estructuras

residenciales del Formativo Medio.

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

Tabla 7- 2. Índice de significancia de las variables constructivas analizadas mediante la aplicación de

Prueba T (valor crítico 0.050)

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).

Tabla 7- 3. Índices obtenidos de las variables constructivas analizadas mediante la aplicación de

pruebas de regresión.

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

Formativo medio/tardío 3,836 12.5916 --

Formativo tardío 13,988 16.9190 --

Formativo/Clásico temprano 10,556 15.5073 --

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- 5. Rangos constructivos y estratos residenciales identificados por fase.

Estrato Rango Número de Rango de inversión de

Fase
residencial constructivo estructuras trabajo (días/hombre)
1 1 1525
A 2 4 540.56-669.11
Formativo medio
3 6 311.34-405.81
B 4 66 5.17-223.06
1 1 3771.73
Formativo A 2 2 2585.87-2610.24
medio/tardío 3 5 1181.68-1719.37
B 4 43 38.24-721.42
1 1 2246.14
A
2 4 1323.38-1710.62
Formativo tardío
3 8 726.36-1067.34
B
4 22 5.23-516
1 1 3448
A
2 1 2690
Formativo/Clásico
3 3 1190.32-1302.50
temprano
B 4 3 531.63-834.94
5 4 21.51-278.22

Análisis espacial de los patrones residenciales

Determinación de grupos residenciales

Una vez identificada la diferenciación manifestada en las estructuras residenciales se
procedió a analizar los patrones espaciales, empleando para ello los datos integrados
dentro del SIG. El primer paso consistió en tratar de identificar la existencia de grupos
residenciales en el área de Ciudad Caucel como unidades del análisis espacial para, con
129
base en estos, analizar la distribución de la inversión de trabajo y la estratificación
residencial, y su asociación con los espacios con arquitectura pública formativa (Xanilá,
Xamán Susulá, Caucel y Anicabil).

El primer paso consistió en determinar el índice de nucleación o dispersión de las

estructuras muestreadas mediante un análisis de vecino más cercano (ver Earle 1976;
Mitchell 2005; Morrison 1970), empleando para ello la herramienta de análisis espacial
provista en ArcMap 9.3, mediante la que se obtuvo además del índice de vecino más
cercano el valor de significancia p y el valor z de las estructuras analizadas, mostrando si
la distribución de la muestra era aleatoria o no, y significativa para propósitos del análisis
espacial (Tabla 7-6). Posteriormente, se efectuó un análisis de conglomerados en Minitab
15 para cada fase31, el cual permitió identificar visualmente las agrupaciones
residenciales dentro del área de estudio, empleando como variables de proximidad las
coordenadas UTM, formando así conjuntos con un nivel de similitud (cercanía) del 90%.
Cada grupo fue designado mediante un número y las siglas de la fase correspondiente
(por ejemplo, el grupo 1-Ft corresponde al grupo 1 del Formativo tardío). De esta forma
se identificaron 8 grupos para el Formativo medio, 7 para el Formativo medio/tardío, 8
para el Formativo tardío, y 7 para el Formativo/Clásico temprano (Uriarte 2016).

Tabla 7- 6. Resultados del análisis de vecino más cercano efectuado a la distribución de las
estructuras residenciales muestreadas en cada fase

Estadísticas de vecino más cercano

Fase Distancia Distancia Indice de

media media vecino más Valor Z Valor P
observada esperada cercano
Formativo medio 79.046365 160.907464 0.491254 -8.540388 0.00
Formativo medio/tardío 90.416452 197.713564 0.457310 -7.41425 0.000
Formativo tardío 180.923717 193.236068 0.936283 -0.721137 0.470825
Formativo/Clásico temprano 188.578042 289.495600 0.631762 -2.440342 0.014673

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).

En el caso de la muestra de Ciudad Caucel, el primer paso del análisis gravitacional

consistió en determinar el índice de interacción entre los grupos residenciales para cada
fase. La “población” de cada grupo fue establecida como la suma del costo constructivo
32
Para algunos de los antecedentes de la aplicación de este modelo en el análisis espacial arqueológico ver Anaya
Hernández (2001; Anaya Hernández, et al. 2003), Dunham (1990), Hodder y Orton (1990), Laporte y Mejía (2005),
Tobler y Wineburg (1971) y Ohnersorgen y Varien (2008).
131
de las estructuras residenciales presentes en cada uno de ellos. Este costo acumulado fue
considerado como un indicador de la importancia relativa de cada conjunto y a la vez un
marcador indirecto de la población asociada.33

El segundo paso del análisis consistió en determinar la distancia entre grupos

residenciales. Para esto se trazaron polígonos delimitando cada conjunto en el programa
ArcMap 9.3, para posteriormente obtener el centroide de cada uno de ellos mediante la
herramienta Entidad a punto. Desde estos puntos se midieron las distancias lineales entre
cada grupo residencial.34 La constante (k) requerida por la fórmula gravitacional fue
obtenida mediante un análisis de regresión lineal entre las variables distancia y población
normalizada efectuada con el programa SPSS 19. Una vez adquiridos los datos
necesarios, se aplicó la fórmula gravitacional obteniendo el índice de interacción entre
todos los grupos residenciales de cada fase. De igual forma, se obtuvieron los índices de
los límites espaciales máximos de las interacciones. Los resultados de los cálculos
gravitacionales fueron integrados dentro de la base de datos del SIG, y el límite de
interacción de cada grupo residencial fue representado gráficamente dentro del programa
ArcMap 9.3. Para esto, a partir de los centroides de cada grupo se trazaron círculos que
mostraron los límites de interacción con los conjuntos residenciales circundantes
utilizando la herramienta Buffer, y con base en estos se digitalizaron polígonos que
delimitaban el área de interacción de cada grupo (Figura 7-8).

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.

Posteriormente y con base en los índices de interacción entre grupos, se evaluó su

dirección y la relación entre la inversión de trabajo residencial y los grupos con
arquitectura pública formativos. Para esto se efectuaron dos análisis espaciales en
ArcMap 9.3. El primero consistió en efectuar una interpolación de Distancia
Inversamente Tasada (IDW-Inverse Distance Weighted) para visualizar la distribución de
la inversión de trabajo, e identificar las áreas donde ésta se concentraba con mayor
intensidad y su ubicación en relación a los grupos con arquitectura pública.
Posteriormente, se efectuó un Análisis de tendencia de superficie mediante el cual se
crearon interpolaciones derivadas de los índices de interacción obtenidos en cada grupo
residencial, utilizando para ello una regresión polinomial de grado 2. Este análisis
estableció la dirección más probable de la interacción de cada grupo residencial, y
permitió identificar la posible asociación de estos con los distintos conjuntos con
arquitectura pública.
133
Los resultados de estos análisis permitieron también proponer una posible área de
interacción para cada grupo de arquitectura pública en las distintas fases. Esto fue posible
mediante la aplicación del análisis gravitacional a los grupos con arquitectura pública,
tomando como población de cada uno, la suma de la inversión de trabajo normalizada de
los grupos residenciales asociados según el análisis de tendencia de superficie. La
distancia entre poblaciones se determinó con base en los centroides establecidos en el
área cubierta por la totalidad de grupos residenciales vinculados a un determinado grupo
público. Esto permitió visualizar y analizar los cambios diacrónicos del patrón de
asentamiento en el área de Ciudad Caucel. Las figuras 7-9 y 7-10 ejemplifican el
resultado de estas interpolaciones para el Formativo medio:

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.

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.

Figura 7- 11. Formativo medio. Análisis de dispersión de la arquitectura residencial en torno al

grupo Xamán Susulá.

Resultados del análisis estadístico-espacial

A continuación se presentan resultados generados mediante la aplicación de los métodos
estadísticos-espaciales dentro de un entorno de SIG, para cada una de las fases a las que
pertenecieron las estructuras residenciales muestreadas.

Formativo medio (ca. 1000-400 a.C.)

En Ciudad Caucel esta fase representó la ocupación más temprana y al mismo tiempo la
de mayor presencia en la muestra estudiada. El análisis de los patrones residenciales
mostró que para esta fase existieron dos conjuntos principales con áreas de interacción
bien definidas, que funcionaron como los probables ejes de la actividad sociopolítica en
el área de estudio. De estos, Xanilá fue el grupo con arquitectura pública más notorio. La
presencia del juego de pelota situó con claridad a este conjunto como partícipe de lo que
parece haber sido una extendida forma de organización en el noroeste de Yucatán (Robles
2004). También es en este momento que comenzó el desarrollo de Xamán Susulá con las
primeras construcciones en las plazas Lakín y Chikín (Peniche 2010; Robles, et al. 2009).

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.

Los resultados de la aplicación del modelo gravitacional y de los análisis de tendencia de

superficie, permitieron analizar la distribución de la estratificación residencial
identificada. Por una parte, se identificaron estructuras residenciales de alto rango
constructivo vinculadas con la arquitectura pública, lo cual indica la probable asociación
de ciertos actores sociales privilegiados con estos espacios de significación política. Pero,
al mismo tiempo, también se notó que la inversión de trabajo residencial fue
notablemente dispersa y que era posible encontrar estructuras de alto rango en
agrupaciones residenciales en la periferia de las áreas de interacción de los grupos con
arquitectura pública. Esto podría ser un indicador de una autoridad política poco
centralizada de los actores sociales vinculados a los espacios públicos, quienes fueron
incapaces de evitar el surgimiento de potenciales competidores en los grupos
residenciales periféricos, e incluso es muy probable que algunos de estos constituyeran
asentamientos autónomos aunque con cierta vinculación a los grupos Xanilá o Xamán
Susulá.

La transición entre el Formativo medio/tardío (400-200 a.C.)

El momento transicional entre el Formativo medio y tardío implicó cambios evidentes en
la organización espacial de Ciudad Caucel, aunque en continuidad con la fase precedente.
Los resultados de los análisis espaciales señalan que para este momento Xamán Susulá se
consolidó como el principal grupo público dentro del área de estudio, y las excavaciones
corroboran el incremento de una actividad constructiva importante, particularmente en la
plaza Chikín con la construcción de la estructura 1714a-sub y su trono asociado (Peniche

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)).

Por su parte, el análisis de la arquitectura residencial mostró resultados que indican la

persistencia de una estratificación residencial notoriamente pronunciada. La inversión de
trabajo promedio se incrementó notoriamente (574 días/hombre) y existieron diferencias
significativas en el costo constructivo, la extensión y altura entre los diferentes rangos de
estructuras residenciales. Esto parece indicar que las desigualdades sociales
materializadas en las viviendas continuaron, aunque no parecen haberse incrementado
manteniéndose una proporción similar de estructuras de mayor rango que en el Formativo
medio (15.69% de la muestra).

Por otro lado, el análisis gravitacional y la distribución espacial de la inversión de trabajo

mostraron cambios importantes en la organización de Ciudad Caucel. El más notable fue
la disminución de la dispersión de la inversión de trabajo, con una tendencia hacia la
conformación de un incipiente patrón concéntrico, particularmente claro en el caso de
Xamán Susulá, donde las estructuras de mayor costo constructivo se encontraron
asociadas a los espacios públicos como ya señalaba Peniche (2010). Y aunque en la
periferia del área de interacción de Xamán Susulá se registró cierta arquitectura
residencial de rango alto, la tendencia de superficie mostró que se encontraron
fuertemente vinculadas al grupo público. Estos resultados podrían considerarse un
primer indicio de una tendencia hacia la centralización de los asentamientos y de una
mayor capacidad de los actores políticos asociados a la arquitectura pública para ejercer
control sobre la población periférica.

El Formativo tardío (200 a.C.-250 d.C.)

Durante este momento se consoLiDARon algunas tendencias identificadas previamente.
El grupo Xanilá no parece haber estado significativamente ocupado y la evidencia
arqueológica señala que Xamán Susulá alcanzó su mayor crecimiento, configurándose el
138
arreglo final del espacio público (Peniche 2010). De igual forma, Caucel parece haberse
afianzado como centro secundario en el contexto regional, como lo sugieren las
intervenciones en los vestigios en el poblado moderno, algunos incluso ya destruidos
(Hernández 2001; Hernández y Góngora 2000; 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.

La transición hacia el Clásico temprano (ca. 250 d.C.)

Hacia el final del Formativo, el patrón de asentamiento en el área de Ciudad Caucel se
modificó radicalmente. Por un lado, se redujo notablemente el número de estructuras
ocupadas en la muestra analizada. Por otro, Xamán Susulá perdió su papel como grupo
principal en el área de estudio, aunque continuó con una ocupación importante y durante
el Clásico temprano se continuaron efectuando modificaciones en la arquitectura pública
(Peniche 2010). Los resultados obtenidos del análisis espacial indican que su lugar debió
ser ocupado por el grupo Anicabil, pero hasta ahora las excavaciones en dicho grupo han
sido limitadas, sin intervenciones en sus espacios y construcciones públicas. Al norte del
139
área de estudio, Caucel presenta evidencia de ocupación y construcción de edificios
público-rituales (Hernández 2001), aunque los resultados no aportaron indicios
suficientes como para identificar grupos residenciales vinculados a este sitio.

En el caso particular de Ciudad Caucel, la muestra de estructuras residenciales analizada

para este momento fue limitada. Sin embargo, los resultados señalaron que existió poca
diferenciación residencial. Esto pudo ser consecuencia de los cambios iniciados durante
el Formativo tardío, con una tendencia a la homogenización de las construcciones
residenciales, aunque también pude tratarse de un sesgo producido por la escasa muestra
analizada. En contraste, la inversión de trabajo promedio prácticamente se duplicó en
relación a la fase anterior (1058.8 días/hombre) y a pesar de las limitaciones de la
muestra, se presentó prácticamente la misma proporción de estructuras de mayor rango
que la registrada a lo largo de todo el Formativo (16.66% del total de la muestra). Por
otro lado, los análisis de distribución espacial de la inversión de trabajo confirmaron el
surgimiento de Anicabil como grupo principal. La escasez de datos no permitieron definir
su área de interacción, pero ciertos indicios apuntan a que se trató de un asentamiento
nucleado, con un patrón marcadamente concéntrico con las estructuras de mayor rango en
el área inmediata a la arquitectura pública. A diferencia de las ocupaciones más
tempranas, no se identificaron estructuras de alto rango a distancias mayores desde el
grupo Anicabil, reforzando la opinión del carácter centralizado y nucleado del
asentamiento en Ciudad Caucel al final del Formativo.

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.

Los resultados obtenidos muestran que, en efecto, la variabilidad constructiva en las

estructuras residenciales constituye un marcador adecuado para estudiar la diferenciación
social en estos asentamientos, si bien en Ciudad Caucel existieron variaciones
140
significativas a lo largo del periodo Formativo. Así, la evidencia analizada muestra que
ya desde el Formativo medio (ca. 1000-400 a.C.) las comunidades secundarias y
terciarias mostraban una marcada diferenciación residencial, aunque con un patrón de
asentamiento disperso y donde las estructuras de mayor costo constructivo no se
encontraban exclusivamente vinculadas con los grupos de arquitectura pública como
Xanilá o Xamán Susulá. Esto podría constituir un indicio de que se trató de asentamientos
con poca centralización del poder político, e incluso de posible competencia entre actores
sociales vinculados con la arquitectura residencial de mayor rango.

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.

Aldenefer, M. (1996). Anthropology, Space, and Geographic Information Systems. En H.

M. M. Aldenerfer, Anthropology, Space and Geographic Information Systems
(págs. 3-18). Nueva York: Oxford University Press.

Allison, P. (1999). Introduction. En P. Allison, The Archaeology of Household Activities

(págs. 1-18). Nueva York: Routledge.

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. (2008). Archaeological Overview Assessment TFL 44

Archaeological Potential Model, Port Alberni, B.C. Victoria: Ministry of
Tourism, Culture and the Arts.

Anaya Hernández, A., Hutchcroft, S.D. Bond, T. Cardinal. (2010). Archaeological

Overview Assessment Interim Report, Archaeological Predictive Model, B.C.
Timber Sales, Prince George Forest District. Victoria: Ministry of Tourism,
Culture and the Arts.

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.

Anaya Hernández, A., S.D. Bond, T. Cardinal. (2009). Archaeological Overview

Assessment, Peace River Site C Archaeological Potential Model, Peace River Site
C Reservoir Area, Fort St. John to Hudson's Hope, B.C. Victoria: Ministry of
Tourism, Culture and the Arts.

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. (2003). El asentamiento preclásico en la región noroeste de Yucatán.

Proyecto Costa Maya: Reconocimiento arqueológico en el noroeste de Yucatán,
México. Reporte interino Temporada 2002. Informe presentado al Consejo de
Arqueología, INAH. México D.F.: Instituto Nacional de Antropología e Historia,
National Geographic Society, New College of Florida.

Anderson, D. (2005). Preclassic Settlement Patterns in Northwest Yucatan. Mono y

Conejo 3, 3-22.

Anderson, D. (2011). Xtobo, Yucatán, México, and the Emergent Preclassic of the
Northern Maya Lowlands. Ancient Mesoamerica, 301-322.

Anderson, D., A. Andrews, F. Robles. (2004). The Preclassic in Northwestern Yucatan. .

Ponencia presentada en el 103rd Annual Meeting of the American
Anthropological Association. Atlanta.

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.

Armillas, P. (1964). Condiciones ambientales y movimientos de pueblos. En La Frontera

Septentrional de Mesoamérica, en Homenaje a Fernado Márquez Miranda. (págs.
62-82). Madrid: Publicaciones del Seminario de Estudios Americanistas y el
Seminario de Antropologá Americana, Universidades de Madrid y Sevilla.

Arnold, J., A. Ford. (1980). A Statistical Examination of Settlement Patterns at Tikal,

Guatemala. American Antiquity. 45(4), 713-726.

Arnold, J.E., A. Ford. (1980). A Statistical Examination of Settlement Patterns at Tikal,

Guatemala. American Antiquity, 713-726.

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.

Barnes, P.J., E. Wyllys Andrewa V, N. González. (1980). The Ruins of Komchen,

Yucatán, Mexico. Nuevo Orleans: Middle American Research Institute, Tulane
University, Centro Regional Sureste INAH.

Benavides Castillo, A. (2007). Patrones de asentamiento del sitio arqueológico de

Poxilá, Municipio de Umán, Yucatán . Mérida: Tesis profesional, Facultad de
Ciencias Antropológicas, Universidad Autónoma de Yucatán.

Benson, K., R. Vincent, M. Eldridge and M. Bein. (2003). Archaeological overview of

northeastern British Columbia: year 3 report. Victoria: Ministry of Tourism,
Culture and Arts.

Blanton, R. (1994). Houses and households: a comparative study. Interdisciplinary

contributions to archaeology. Nueva York: Plenum Press.

Brainerd, G. (1951). Early Ceramic Horizons in Yucatan. En S. (ed.), The Civilization of

Ancient America. (págs. 72-89). Chicago: Selected Papaers of the XXIXth
International Congress of Americanists.

Brainerd, G. (1958). The Archaeological Ceramics of Yucatan. Los Angeles:

Anthropological Records, University of California Press.

Braniff, B. (1992). La estratigrafía arqueológica de Villa de Reyes , San Luis Potosí. .

México D.F.: INAH, Colección Científica.

Braniff, B. (2001). De las aldeas primitivas a los grandes poblados. En B. B. (coord.), La

Gran Chichimeca. El Lugar de las Rocas Secas. (págs. 81-112). México D.F.:
CONACULTA.

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.

Cárdenas, E. (1999). La arquitectura de patio hundido y las estructuras circulares en el

Bajío: desarrollo regional e intercambio cultural. En P. W. E. Williams,
Arqueología y etnohistoria en la región del Lerma. (págs. 41-73). Zamora: El
Colegio de Michoacán.

Caretta, N. (2006). Informe técnico de actividades 2005 y propuesta general de trabajo

2006 del Proyecto Arqueológico Cerro de Santiago, Municipio de Pabellón de
Arteaga, Aguascalientes. Aguascalientes.: Informe Técnico en el archivo del
Centro INAH, Aguascalientes. .

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.

Ceballos, T., F. Robles. (2012). as etapas más tempranas de la alfarería maya en el

noroeste de la Península de Yucatán. Ancient Mesoamerica. 23(12), 403-419.

Ceballos, T., F. Robles, N. Quiñones. (2008). La secuencia cerámica preliminar de los

sitios de la Reserva Territorial de Caucel, Municipio de Mérida. Informe del
Proyecto Salvamento Arqueológico en Áreas de Crecimiento Urbano de la
Ciudad de Mérida, Yucatán. Etapa Ciudad Caucel. Informe presentado al
Consejo de Arqueología del INAH. Mérida: Centro INAH Yucatán-DPANAM.

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.

Chisholm, M. (1968). Rural Settlements and Land Use. Londres: Hutchinson.

Chorley, R.J., P. Hagget. (1967). Models in Geography. Londres: Methuen.

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.

Clarke, D. (1977). Spatial Archaeology. Boston: Academic Press.

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.

Earle, T. (1976). A nearest-neighbor analysis of two formative settelement systems. En

K. Flannery, The Early Mesoamerican Village (págs. 196-223). Nueva York:
Academic Press.

Eastman, J. (1999). Idrisi for Windows version 2, User's Manual. Worcester: The Clark
Labs for Cartographic Technology and Geographic Analysis, Clark University.

Ebert, D. (2004). Applications of Archaeological GIS. Canadian Journal of Archaeology

(28), 319-341.

Eldridge, M., A. Anaya-Hernandez. (2005). Archaeological overview of northeastern

British Columbia: year 4 and 5 report and project summary. Victoria: Ministry of
Tourism, Culture and the Arts.

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.

Eldridge, M., D.A. Owens, R. Vincent, L. Seip, P. Dady, K. Benson. (2002).

Archaeological overview of Northeastern British Columbia: year two report.
Victoria: Ministry of Tourism, Culture and the Arts.

Fábregas Álvarez, P. (2004). Poblamiento y territorio de la cultura castreña en la comarca

de Ortegal. CAPA 19, Cuadernos de Arqueoloxía e Patrimonio, Laboratorio de
Patrimonio, Paleoambiente e Paissaxe. (IIT-USC), , 9-77.

Fazal, S. (2008). GIS Basics. New Dheli: New Age International Limited, Publishers.

Fernández Mártinez, G. (2009). Proyecto arqueológico Ojocaliente, informe técnico final

entregado al CONACYT correspondiente a la Segunda Etapa de la Segunda
Temporada septiembre 2004-junio de 2005. . Zacatecas: Unidad Académica de
Antropología, Universidad Autónoma de Zacatecas.

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.

Flores, E. (1996). Geoinformática o Geomática. Origen y Perpectiva. Geoenseñanza, 31-

38.

Flores, E. (1996). Geoinformática o Geomática. Origen y Perspectivas. Geoenseñanza.

No. 1, 31-38.

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.

Gaffney, V. Z. Stančič , H. Watson. (1996). Moving from Catchments to Congnition:

Tentative Steps Toward a Larger Archaeological Context for GIS. En H. M. M.
Aldenderfer, Anthropology, Space and Geographic Information Systems (págs.
132-154). Nueva York: Oxford University Press.

Gallardo, F.A., L.E. Cornejo. (1986). El Diseño de la Prospección Arqueológica: un caso

de estudio. Chungará. No. 16-17, 409-420.

Gallareta, T. (2000). Dzoyilá-Las Granjas. Una importante zona arqueológica de la

ciudad de Mérida. Ichcanzihó. (4), 8-9.

Gallareta, T. W. Ringle, R. May Ciau, J. Ramos Pacheco, R. Carrillo Sánchez. (2005).

Evidencias de ocupación durante el período Preclásico en el Puuc: Xocnaceh y
Paso del Macho. Ponencia presentada en el Segundo Congreso Internacional de
Cultura Maya. Mérida.

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 .

González y Gonzáles, L. (2005). De la múltiple utilización de la historia. En ¿Historia

para qué? (pags. 53-74). México, Siglo XXI.

Goodchild, M. (1996). Geographic Information Systems and Spatial Analysis in the

Social Sciences. En H. M. M. Aldenderfer, Anthropology, Space and Geographic
Information Systems (págs. 241-250). Nueva York: Oxford University Press.

Grave Tirado, L. (2014). Siempre mirando hacia el mar. Arqueología de la ciudad de

Mazatlán. En L. A. Gilberto López Castillo, De las Labradas a Mazatlán,
Historia y Arqueología (págs. 125-145). Sinaloa: INAH.

Haas, J. (2001). Warfare and Evolution of Culture. En D. P. G. Feinman, Archaeology at

teh Millenium, a source book. (págs. 329-350). Nueva York: Kluwer
Academic/Plenum Publishers.

Hagget, P. (1965). Locational Analysis in Human Geography. Londres: Arnold.

Heredia Barrera, L. (1999). Relación de sitios y zonas arqueológicas del estado de

Veracruz, Monografía Licenciatura. Xalapa: Facultad de Antropología de la
Universidad de Veracruz.

Heredia Barrera, L. (2004). Salvamento arqueológico de Agua Fría 3D. Informe Técnico
Final. México D.F.: Archivo Técnico del Consejo de Arqueología del INAH.

Hernández, C. (2001). Trabajo de salvamento arqueológico en Caucel, capital de la

provincia de Chakán en el siglo XVI. Los Investigadores de la Cultura Maya.
Vol.9 (págs. 249-319). Campeche: Universidad Autónoma de Campeche.

Hernández, C., A. Góngora. (2000). Patrimonio arqueológico de Caucel. Ichcanzihó 3, 4-

5.

Hodder, I., C. Orton. (1976). Spatial Analysis in Archaeology. Cambridge: Cambridge

University Press.

Hodder, I., C. Orton. (1990). Análisis espacial en arqueología. Barcelona: Crítica.

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.

Inomata, T., K. Aoyama. (1996). Central-Place Analysis in the Entrada Region,

Honduras: Implications for Understanding the Classic Maya Political and
Economic System. Latin American Antiquity, 7(4), 291-312.

Jelley, J. (1974). Speculations on the Culture History of Northwestern Mesoamerica. En

B. B. (ed.), The Archaeology of West Mexico. (págs. 19-39). Ajijic, Jalisco:
Sociedad de Estudios Avanzados del Occidente de México.

Jenks, G. (1977). Optimal data classification for choropleth maps. Lawrence: University
of Kansas, Department of Geography Ocassional Paper 2.

Jiménes Meneses, G., D.A. Sandoval Chávez. (2012). Estrategias de Explotación de

Campos Petroleros con Características Similares a Chicontepec. México D.F.:
Tesis de Ingeniería, Universidad Nacional Autónoma de México.

Jiménez Betts, P. , A. Darling. (2000). Archaeoogy of Southern Zacatecas. The Malpaso,

Juchipila, and Valparaiso-Bolaños Valleys. En S. G. M.S. Foster, Greater
Mesaomerica. The Archaeology of West and Northwest Mexico. (págs. 155-180).
Salt Lake City: The University of Utah Press.

Joesink-Mandeville, L. (1970). The comparative cultural stratigraphy of formative

complexes in the Maya area: a re-appraisal in the light of new evidence from
Dzibilchaltun, Yucatan. Nuevo Orleans: Doctoral Dissertation, Tulane University.

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.

Kamermans H., V. L. (2009). Archaeologiical prediction and risk management.

Archaeological Studies. Leiden: Leiden University Press.

Kantner, J. (2008). The Archaeology of Regions: From Discrete Analytical Toolkit to

Ubiquitous Spatial Perspective. Journal of Archaeological Research, 16, 37-81.

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.

Krotser, G. (1969-1970). El Tajín, Estado de Veracruz; México. Plano topográfico,

temporada 1969-1970. Instituto Nacional de Antropología. Instituto Nacional de
Antropología e Historia, SEP, Depto. de Monumentos Prehispánicos en
colaboración con la Fundación Wenner-Green para Investigaciones
Antropológicas.

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. (1988). Development and Testing of Quantitative Models. En J. J. (Hrsg.),

Quantifying the Present and Predicting the past: Theory, Method, and Applicatio
of Archaeological Predictive Modelling. (págs. 325-428). Denver: U.S.
Department of the Interior Bureau of Land Management.

Kvamme, K. (1989). Geographic Information Systems in regional archaeological

research and management. En M. Schiffer, Archaeological Method and Theory,
Vol 1 (págs. 139-203). Tucson: University of Arizona press.

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.

Kvamme, K. (1991). Preface. En Z. S. V. Gaffney, GIS approaches to regional analysis:

A case study of the island of Hvar (págs. 4-5). Ljubljana: Research Institute for
the Faculty of Arts and Science.

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. (2005). La organización territorial y política en el mundo Maya

Clásico: El caso del sureste y centro-oeste de Petén, Guatemala. Guatemala:
Universidad de San Carlos, Escuela de Historia, Instituto de Investigaciones
Históricas, Antropológicas y Arqueológicas.

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.

Ligorred, J., E. Puga, E. de Vicente, M. Ceh, R, Canto. (2006). El seguimiento de obras

en el centro histórico de Mérida: hallazgos y procesos. En B. P. (ed.), Memorias II
Anuario de Investigación sobre Conservación, Historia y Crítica del Patrimonio
Arquitectónico y Urbano (págs. 183-188). Mérida: Facultad de Arquitectura,
Universidad Autónoma de Yucatán.

Lillesand, T.M., R.W. Kiefer, J.W. Chipman. (2008). Sensing and Image Interpretation.
Sixth Edition. Madison: John Wiley & Sons, Inc.

López Lujan, L. (1989). Nómadas y sedentarios, el pasado prehispánico de Zacatecas.

México D.F.: INAH, colección regiones de México.

Macias Quintero, J. (2006). Prospección arqueológica en la región sur occidente de

Aguascalientes. Tesis de Licenciatura. Zacatecas: Unidad Académica de
Antropología, Universidad Autónoma de Zacatecas.

Macias Quintero, J. (2009). Fortificaciones prehispánicas en la Cuenca norte del río

Verde-San Pedro. Una evaluación desde la arqueología del paisaje.Tesis de
Maestría. La Piedad, Michoacán.: Centro de Estudios Arqueológicos, El Colegio
de Michoacán.

Macias Quintero, J.I. (2007). La Arqueología de Aguascalientes. Aguascalientes:

Colección Primer Libro, Instituto Cultural de Aguascalientes.

MacKinnon, J. (1981). The nature of residential Tikal: a spatial analysis. Estudios de

Cultura Maya. Vol 13, 223-249.

Madrid Soto, A., L.M Ortíz López. (2005). Análisis y síntesis en cartografía: algunos
procedimientos. . Bogotá: Universidad Nacional de Colombia.

Maldonado, R. (2006). Dzibilchaltún: últimas investigaciones en el sitio. Avance y

perspectivas. En Los Mayas de ayer y hoy . Memorias del Primer Congreso
Internacional de Cultura Maya. Vol.1 (págs. 89-103). Mérida: Gobierno del
Estado de Yucatán; Patronato Cultur, Universidad Autónoma de Yucatán, INAH.

Manzanilla, L. (1986). Introducción. En L. M. (ed.), Unidades habitacionales

mesoamericanas y sus áreas de actividad (págs. 9-18). México D.F.: Instituto de
Investigaciones Antropológicas, UNAM.

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.

Medina González, J. (2000). El paisaje ritual en el Valle de Malpaso. Tesis de

licenciatura. México D.F.: ENAH, SEP.

Medina, E. (2003). Los juegos de pelota de la región noroeste de Yucatán. En A. A. F.

Robles, Reconocimiento Arqueológico en el noroeste de Yucatán, Méxioc.
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.

Medina, E. (2005). El juego de pelota del Preclásico Medio en el noroeste de Yucatán,

México. Tesis profesional. Mérida: Facultad de Ciencias Antropológicas,
Universidad Autónoma de Yucatán.

Medina, E., C. Lawton. (2002). El Juego de Pelota: nuevos hallazgos en el noroeste de

Yucatán. Los Investigadores de la Cultura Maya. Vol. 10 (págs. 278-284).
Campeche: Universidad Autónoma de Campeche.

Mehrer, M. W. y K. L. Wescott. (2006). GIS and Archaeological Site Location Modeling.

(K. L. Mark W. Mehrer, Ed.) Boca Raton, Londres, Nueva York: Taylor &
Francis.

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.

Montané Martí, J. (2002). Francisco Vázquez de Coronado. Sueño y decepción. México

D.F.: El Colegio de Jalisco/Fideicomiso Teixidor.

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.

Nahmad Molinari, D. (2014). Comunicación personal. Papantla, Veracruz.

Neff, H. B. (2003). Nueva evidencia pertinente a la ocupación temprana del sur de

Mesoamérica. En Los Investigadores de la Cultura Maya 11. Vol I (págs. 20-31).
Campeche: Universidad Autónoma de Campeche, Campeche.

Nelson, B. (1993). Outpost of Mesoamerican Empire and Architectural Patterning at La

Quemada, Zacatecas. En J. R. A. Woosley, Culture and Contact, Charles C. Di
Peso's Gran Chichimeca. (págs. 173-190). Albuquerque: American Foundation
Publication, Dragon Arizona, University of New Mexico.

Ohnersorgen, M.A., M.D. Varien. (2008). Arquitectura formal y organización de

asentamientos en el antiguo Occidente de México. En C. B. P.C. Weigand,
Tradición Teuchitlán. Zamora, Michoacán: El Colegio de Michoacán, A.C.,
Secretaría de Cultura del Estado de Jalisco.

Parcak, S. (2009). Satellite Remote Sensing for Archaeology. Londres & Nueva York:
Routledge.

Pelz Marín, A.M., J.J. Jiménez Meza. (2007). La arqueología en Aguascalientes, El

Ocote. En V. G. (coord), La reinvención de la memoria. Ensayos para una nueva
historia de Aguascalientes, tomo I (págs. 83-108). Ciudad de México.

Peniche, N. (2010). The Architecture of Power and Sociopolitical Complexity in

Northwestern Yucatan during the Preclassic Period. Tesis de maestría. San
Diego: University of California.

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.

Porro, J. (2014). La defensa y consolidación de la frontera en el Sptentrión novohispano:

Geografía y desarrollos cartográficos, 1759-1788. Anuario de estudios
Americanos. Vol 68 (1), 19-50.

Quezada, M. (2009). Discursos cartográficos y territorios indígenas en Antofalla.

Intersecciones en Antropología, 155-166.

Quiñones, N. (2001). La cerámica de T'Hó en el Centro Histórico. Ichcanzihó 8, 8.

153
Quiñones, N. (2006). Cerámica en el Centro Histórico de Mérida: huellas de una antigua
ciudad maya. En B. Guerrero (Ed.), Memorias II, Anuario de investigación sobre
conservación, historia y crítica del patrimonio arquitectónico y urbano (págs.
285-292). Mérida: Facultad de Arquitectura, Universidad Autónoma de Yucatán.

Renfrew, C. (1996). Peer polity interaction and Socio-political Change. En R. P. I.

Hodder, Contemporary Archaeology in Theory. (págs. 114-142). Oxford:
Blackwell Publishers.

Richards, J. (1998). Recent Trends in Computer Applications in Archaeology. Journal of

Archaeological Research 6(4), 331-382.

Ringle W., E. Wyllys Andrews V. (1988). Formative Residences at Komchén, Yucatán,

México. En W. A. R.R. Wilk (Ed.), Household and Community in the
Mesoamerican Past (págs. 171-197). Albuquerque: University of New Mexico
Press.

Ringle, W. (1985). The Settlement Patterns of Komchen, Yucatan, Mexico. Doctoral

dissertation. Nuevo Orleans: Tulane University.

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.

Ringle, W., E.W. Andrews V. (1988). Formative Resisdences at Komchen, Yucatan,

Mexico. En W. A. R.R. Wilks, Household and Community in the Mesoamerican
Past (págs. 171-197). Albuquerque: University of New Mexico Press.

Robin, C. (2003). New Directions in Classic Maya Household Archaeology. Journal of

Archaeological Research. (4), 307-356.

Robles, F. (2004). El nuevo paradigma de la cronología e índole de la génesis de la

civilización maya en el norte de la Península de Yucatán. En D. S. W. Saturno,
Origins of Maya Civilization. Bundary End, NC: Center for Maya Research.

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. (2004a). An Archaeological Survey of Northwest Yucatan,

Mexico. Mexicon XXVI(1), 7-14.

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., E. Medina, C. Lawton. (2001). Reporte de la prospección arqueológica

realizada a lo largo de la brecha "Mérida Poniente-Hunucmá" de la CFE.
Mérida: Centro INAH-Yucatán. Informe presentado a la Comisión Federal de
Electricidad.

Robles, F., J. Ligorred. (2005). Proyecto de Salvamento Arqueológico en áreas de

crecimiento urbano de la Ciudad de Mérida, Yucatán. Etapa Ciudad Caucel.
Informe de actividades 2ª Fase. Propuesta de intervenciones Terrenos COUSEY.
Mérida: Mecanoescrito, Centro INAH Yucatán.

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., J. Ligorred, A. Uriarte, E. de Vicente, J.C. Galván. (2006). Salvamento

arqueológico en áreas de crecimiento urbano de la ciudad de Mérida, Yucatán.
Etapa Ciudad Caucel . En B. P. (ed.), Anuario de investigación sobre
conservación, historia y crítica del patrimonio arquitectónico y urbano 2006
(págs. 97-102). Mérida: Facultad de Arquitectura, Universidad Autónoma de
Yucatán.

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.

Robles, F., N. Peniche, A.M. Padilla. (2009). Proyecto Arqueológico Xamán-Susulá.

Informe de las temporadas 2006 y 2008. Mérida: Centro INAH-Yucatán. Informe
presentado al Consejo de Arqueología del INAH.

Rosenswig, R. (2000). Some Political Processes of Ranked Societies. Journal of

Anthropological Archaeology 19(4), 413-460.

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.

Santillán, P. (1986). La vivienda en las tierras bajas mayas . En L. M. (ed.), Unidades

habitacionales mesoamericanas y sus áreas de actividad (págs. 399-422). México
D.F.: Instituto de Investigaciones Antropológicas-UNAM.

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.

Shennan, S. (1997). Quantifying Archaeology. Iowa: University of Iowa 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. (2002). Interacción interregional en Mesoamérica. Una aproximación

a la dinámica del Epiclásico. Tesis de Licenciatura. México D.F.: ENAH-INAH-
SEP.

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. (2005). Formative Maya Causeways: Incipient Internal Site Design at

Yaxuná, Yucatán, Mexico. Mono y Conejo 3, 32-34.

Stanton, T. (2012). The Rise of Formative-Period complex societies in the Northern

Maya Lowlands. En C. P. D.L. Nichols, The Oxford handbook of Mesoamerican
archaeology (págs. 268-282). Nueva York: Oxford University Press.

Stanton, T., T. Ardren. (2005). The Middle Formative of Yucatán in Context. The view
from Yaxuna. Ancient Mesoamerica 16, 213-228.

Sugiura Yamamoto, Y. (2001). La zona del Altiplano central en el Epiclásico. En L. L. L.

Manzanilla, Historia Antigua de México. Vol II: EL Horizonte Clásico (págs. 347-
390). México D.F.: INAH, IIA, Porrúa.

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.

Torreblanca Padilla, C. (2007). El Cóporo Ocampo. Arqueología del Tunal Grande. En

Zonas arqueológicas de Guanajuato. Cuatro casos, Plazuelas, Cañada de la
Virgen, Peralta y el Cóporo (págs. 253-297). México: Ediciones La Rana.

Trombold, C. (1991). Causeways in the Context of Strategic Planning in the La Quemada

Region, Zacatecas, México. En C. T. (ed.), Ancient Roads Network and Settlement
Hierarchies in the New World (págs. 145-168). Cambridge: Cambridge University
Press.

Trombold, C. (2005). A population estimate for the Epiclassic middle Malpaso Valley
(La Quemada), Zacatecas, México. Latin American Antiquity. 16(3), 235-253.

Trujillo Herrada, A. (2099). Un Modelo Predictivo Arqueológico. Zamora, El Colegio de

Michoacán.

Uriarte, A. (2003). Estructuras asociadas a los sacbeob 2 y 5 de Dzibilchaltun. Tesis

profesional. Mérida: Facultad de Ciencias Antropológicas, Universidad
Autónoma de Yucatán.

Uriarte, A. (2004). El Preclásico en Dzibilchaltún: perspectiva desde el sacbé 2. Los

Investigadores de la Cultura Maya, vol. II (págs. 333-363). Campeche:
Universidad Autónoma de Campeche.

Uriarte, A. (2008). Aproximación al estudio de los patrones de asentamiento preclásicos

de Caucel, Yucatán. En Informe del Proyecto Salvamento Arqueológico en Áreas
de Crecimiento Urbano de la Ciudad de Mérida, Yucatán. Etapa Ciudad Caucel.
México D.F.: F. Robles J. Ligorred. Centro INAH Yucatán, DPANAM. Informe
presentado al Consejo de Arqueología del INAH.

Uriarte, A. (2016). Estrategias políticas y organización espacial durante el Formativo en

Ciudad Caucel, Yucatán. Ciudad de México: Colección Arqueología, Serie
Testimonios, INAH, México.

van Leusen, P. (2002). Pattern to Process: methodological investigations into the

formation and interpretation of spatial patterns in archaeological landscapes.
Groninga: Rijksuniversiteit Groningen.

Vaughn S., T. Crawford. (2009). A predictive model of archaeological potential: an

example from northwestern Belize. Applied Geography, 542-555.
157
Verhagen, P. (2007). Testing Archaeological Predictive Models: a rough guide.
Proceedings of the 35th International Conference on Computer Applications and
Quantitative methods in Archaeology (CAA), (págs. 285-291). Berlin.

Villa, P. (2011). Remote Sensing Applications in Archaeology. Archelogia e Calcolatori.

No. 22, 147-168.

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. (2000). Introduction. En R. B. K.L. Wescott, Practical Applications of GIS

for Archaeologists. A Predictive Modeling Toolkit (págs. 1-5). Philadelphia:
Taylor & Francis.

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.

Wheatley, D., M. Gillings. (2002). Spatial Technology and Archaeology. The

archaeological applications of GIS. Londres & Nueva York: Taylor and Francis
Press.

Wheatly, D., M. Gillings. (2002). Spatial Technology and Archaeology. The

archaeological applications of GIS. Nueva York: Taylor & Francis.

White, A. (2002). Archaeological Predictive Modeling of Site Location Through Time:

An Example from the Tucson Basin, Arizona. M.Sc. Thesis . Department of
Geography. The University of Calgary.

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.

Wiseman, J., F. El-Baz. (2007). Introduction. En F. E.-B. James Wiseman, Remote

Sensing in Archaeology (págs. 1-9). Boston: Springer.

Zadeh, L. (1965). Fuzzy Sets. Information and Control 8, 338-353.

Zetina Gutierrez, G. (2012). Informe Anual de Campo de Manejo de Investigación.

Avances como especialista en SIG y Sensores Remotos. El Tajín, Papantla de
Olarte.: Informe en los archivos de la Zona de Monumentos Arqueológicos El
Tajín.
158
Zetina Gutierrez, M. (2007). Ecología humana de las rancherías de Pich, Campeche: un
análisis diacrónico. Tesis de maestría, Ecología Humana. Mérida: Centro de
Investigación y Estudios Avanzados del Instituto Politécnico Nacional.

Zetina Gutierrez, M. G. (2012). Informe Anual de Campo de Manejo de Investigación.

Avances como especialista en SIG y Sensores Remotos. El Tajín, Papantla de
Olarte.: Informe en los archivos de la Zona de Monumentos Arqueológicos El
Tajín.

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

Ejercicios 1 y 2: Introducción a la interface de ArcMap 10.x: Simbolización de la

Distribución de la Cerámica Cauich, Campeche, Simbolización de la Distribución de la
Cerámica de El Cayo, Chiapas

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

Ejercicio 3: Registro geográfico de imágenes.

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 popular 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
Idrisi, sino que también a importar datos en formatos distintos a fin de procesarlos
espacialmente.

Ejercicio 4: Consulta a la Base de Datos Utilizando SQL Análisis Espacial de los

Artefactos de la Cueva Koongine, Sur de Australia.
En este ejercicio nuestro objetivo será el tratar de identificar algún patrón de distribución
espacial que pudiese indicar áreas de actividad específicas, tales como producción o
modificación por talla de herramientas de piedra mediante la consulta de la Base de Datos
de los artefactos recuperados utilizando el lenguaje de consulta SQL.

Ejercicio 5: Estudio del patrón de asentamiento en Cobá, Quintana Roo, México.

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.

Ejercicio 6: Patrón de Asentamiento y Cambios Paleoambientales en el Sitio La Mula-

Sariguá, Panamá.
El sitio de la Mula-Sarigua está ubicado en las inmediaciones de la costa central de
Panamá, tiene una extensión de aproximadamente 2 x 1 kilómetros. Se localiza 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.C.., para el 3000 a.C. La Mula-Sarigua habría de convertirse en el primer gran centro
regional sustentado en una economía agrícola. El sitio fue prácticamente abandonado a
principios del 2000 a.C. y re ocupado hacía el final de ese mismo milenio. El sitio ha sido
objeto de un intenso y extenso recorrido arqueológico, recuperándose una abundante
colección de materiales arqueológicos. 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. Dada la naturaleza espacio-temporal de estos datos, en este ejercicio realizaremos
las siguientes tareas: El establecimiento de la extensión y límites del sitio en general,

162
definiremos donde y cuando el sitio fue ocupado y, definiremos la extensión de cada una
de estas ocupaciones.

Ejercicio 7: Algebra Cartográfica: La Organización Política en el Usumacinta.

El problema que nos atañe en este ejercicio tiene que ver con la definición territorial de
los estados regionales que se asentaron en la región del Alto y Bajo Usumacinta
particularmente de los Estados Regionales de Piedras Negras y Pomoná. La definición de
la extensión territorial de éstos ha sido abordada tradicionalmente por la elaboración de
polígonos de Thiessen, éstos consisten en trazar líneas perpendiculares a la distancia
media entre un centro y otro que al conectarse darán un área que representará la extensión
territorial del centro. Sin embargo, el resultado final es un tanto arbitrario ya que no son
tomadas en cuenta las características del terreno y las limitaciones que este pueda ofrecer
al desplazamiento humano. En este ejercicio trabajaremos con una imagen RASTER que
representa los cambios topográficos, o sea cambios de elevación en la superficie. Estos
tipos de imágenes son conocidas como Modelos Digitales de Elevación (MDE).
Primeramente se creará un MDE a partir de la interpolación de curvas de nivel en formato
vectorial. Posteriormente mediante la aplicación de un método desarrollado en el ámbito
de los SIG, el álgebra espacial, elaboraremos un modelo que dé cuenta del esfuerzo en
tiempo/energía involucrado en el movimiento sobre el entorno físico, este tipo de
modelos son particularmente útiles en la arqueología 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.

163
Ejercicio 1: Composición Cartográfica, Simbolización de la Distribución
de la Cerámica Cauich, Campeche

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

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

Descripción del Proyecto

Necesitas incluir en tu informe de trabajo de campo una serie de mapas que muestren
como se distribuyó la cerámica en el sitio de Cauich, Campeche. Este sitio se encuentra
en el valle de Edzná a 3 km al sureste de la comunidad de Pich, Campeche. El sitio está
formado por dos conjuntos arquitectónicos. El conjunto cívico/ceremonial (denominado
Cauich 1), consiste de una plaza que mide aproximadamente 40 por 44 metros que está
delimitada por plataformas bajas y un montículo principal en su extremo este. El
Conjunto Cauich 2 está formado por tres grupos bien definidos de plataformas bajas que
representan estructuras domésticas.

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.

Se recolectaron un total de 42 bolsas de material cerámico y sólo se cuenta con las

coordenadas de los puntos de recolección obtenidos en campo con GPS y las tablas con
las frecuencias por tipo y por periodo.

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

 Inicia ArcMap haciendo doble clic en su icono, ya sea el que aparece en el

escritorio o en la lista de programas. Enseguida la ventana de aplicación de
ArcMap aparecerá. Lo primero que tenemos que hacer es definir el sistema de
coordenadas y proyección que se va a utilizar. En este caso utilizaremos el sistema
de coordenadas proyectadas UTM (WGS 1984 Zona 15N).

 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).

 Abre la carpeta de Predefinidos y de la carpeta de Sistemas de Coordenadas

Proyectadas (Projected Coordinate Systems) selecciona la carpeta UTM y de ésta
selecciona WGS 1984-North Hemisphere-WGS 1984 UTM Zone 15N Que es la
proyección que vamos a utilizar.

 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

rectángulo amarillo . Esto te llevará al navegador de archivos, busca en la

carpeta correspondiente al Ejercicio 1 los archivos “Cauich_Estructuras_linea”,
“Cauich_Estructuras_poly”, ábrelos. Estás capas representan las estructuras
prehispánicas del sitio de Cauich donde se recolectaron los materiales
arqueológicos y nos servirán como fondo para la representación cartográfica. Sin
embargo, el Grupo Cauich 1 no está incluido porque éste lo vas a agregar
digitalizándolo. En este sentido, las capas que servirán de fondo a tu mapa
deberán ocupar los últimos lugares del listado.

 Picando en el mismo icono, agrega la capa “Cauich_Grupo 1.tif”. Está es una

imagen georeferenciada del grupo cívico/administrativo de Cauich 1 que utilizarás
como base para agregar al mapa estas estructuras como polígonos (en otro
ejercicio aprenderás como georeferenciar imágenes).

 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.

 Ahora empecemos a digitalizar iniciando en la esquina noroeste, siguiendo el

contorno de la imagen. Es muy importante que iniciemos la edición con el

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).

 Cuando estás en modo de “Editor” puedes igualmente hacer ediciones en la tabla

de atributos de la capa que estás editando. Esto es muy importante ya que te
permitirá ingresar el identificador (ID) de la entidad (punto, línea o polígono) que
estás creando, lo que a su vez te permitirá ligarlo (unión) a otra tabla como lo
hicimos en la primera parte del ejercicio.

 Termina de digitalizar cada una de las estructuras siguiendo el mismo

procedimiento, guarda los cambios y sal del modo de Editor

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”.

 Vamos ahora a representar las estructuras utilizando un color convencional como

el gris claro. Con el botón derecho del ratón pica sobre la capa
“Cauich_Estructuras_poly” y selecciona la opción de propiedades. Del nuevo
marco que se abre, selecciona la pestaña para definir la simbología (Symbology) y
de las opciones que aparecen en la ventana izquierda selecciona símbolo único
(Unique symbol), pica en el símbolo predeterminado para desplegar un catalogo
de símbolos y de éste selecciona el color gris claro. Has lo mismo para la capa
“Cauich_Estructuras_linea”, solo que en este caso dale un color negro a las líneas.

170
 1

 Ahora agrega las capas WPT_cerámica, . Está representan los puntos de

recolección de materiales arqueológicos que fueron registrados con el uso de un
GPS. Abre la tabla de atributos de la capas Recuerda que para abrir la tabla de
atributos simplemente pica con el botón derecho del ratón sobre el nombre de esta
capa y del menú que aparezca selecciona la opción Open Attribute Table. Además
de los descriptores geométricos, estas tablas contiene la información sobre las
coordenadas geográficas de cada punto. Sin embargo notarás que no contienen
ninguna otra información cuantitativa o cualitativa acerca de los materiales que se
recolectaron. Esta información está contenida en las tablas Excel que se
incluyeron en tu carpeta de trabajo. Agrega la tabla “Cerámica”. Notarás que
cuando la agregas no hay ningún cambio en la ventana del mapa, esto es debido a
que no hay ningún elemento geométrico asociado a la capa.

 A continuación, uniremos la información contenida en la tabla de “Cerámica” con

la capa “WPT _cerámica”. Con el botón derecho del ratón pica sobre el nombre
de la capa “WPT_cerámica” para desplegar el menú y selecciona la opción
“Uniones y relaciones”. En la ventana que aparece selecciona el campo “BOLSA”
como el campo a utilizar para la unión. En la segunda ventana selecciona la tabla
“cerámica”, donde se encuentran los datos que queremos representar, En la tercera

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.

 Vamos ahora a representar la información contenida en esta tabla. Con el botón

derecho del ratón pica sobre la primera capa de “Cauich_Estructuras_poly” y
selecciona la opción de propiedades. Del nuevo marco que se abre, selecciona la
pestaña para definir la simbología (Symbology) y de las opciones que aparecen
selecciona Cantidades/Símbolos-graduados (Quantities/Graduated symbols). Así,
representaremos la información contenida de uno de los campos de la tabla de
atributos, en este caso la frecuencia total de la cerámica recolectada de superficie.
Selecciona como valor a simbolizar el campo “TOT_F”, dejando todos los demás
parámetros sin cambiar.

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.

 En consecuencia, normalizaremos la frecuencia considerando el peso. Vuelve a

abrir el módulo de Propiedades y en la ventana de “Normalización” selecciona
“TOT_W”, que es el campo que contiene los valores de peso en gramos.

¿Dónde tenemos más concentración de materiales cerámicos?

 Ahora representaremos la distribución de la cerámica por periodos cronológicos

generales. Para esto, agregaremos la tabla “crono_gral_ceram”, que tiene la
cronología general de la cerámica desde el periodo Preclásico hasta el histórico.

Pica el icono de agregar datos y agrega la tabla de la cronología general. De

igual manera, vuelve a agregar la capa “WPT_cerámica”.
 De nueva cuenta vas a unir esta tabla a la tabla de atributos de la capa
“WPT_cerámica” siguiendo el mismo procedimiento descrito en el paso (15).

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.

¿Qué periodo está más representado en el Grupo 1?

¿Qué periodo está más representado en el Grupo 2?

 Finalmente vamos a simbolizar como están representadas los distintos periodos

del Cásico. Agreguemos de nueva cuenta la capa “WPT_Cerámica” y en esta
ocasión la tabla “crono_clásico_ceram”. Repetiremos el mismo procedimiento del
paso anterior para unir los datos de esta tabla con la tabla de atributos de nuestro
archivo shape “WPT_Cerámica”. En la ventana de propiedades de la capa
174
 seleccionamos en la pestaña de “Simbología” la opción “Gráficos/Gráficos de
sectores (Pie charts) y posteriormente ingresamos los campos “C_TEMP”,
“C_TARD” y “C_TERM”, desechando cualquier otro campo que pudiera estar
incluido. Picamos aceptar.

 Acércate al Grupo 1 y luego al Grupo 2.

¿Qué periodo del Clásico está más representado en ambos grupos?

¿Qué diferencias existen entre ambos grupos?
¿Qué interpretación puedes hacer de estos resultados?

Bibliografía de consulta recomendada

Anaya Hernández A. y Faust Wammack B.B. (2013). Cauich, Campeche, una

Aproximación Arqueoecológica a la Historia de Una Comunidad Rural. Informe Técnico
presentado al Consejo de Arqueología, INAH, México

175
 Ejercicio 2: Composición Cartográfica: Simbolización de la
Distribución de la Cerámica de El Cayo, Chiapas

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

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

Descripción del Proyecto

El sitio de El Cayo se ubica sobre el margen izquierdo del río Usumacinta en la frontera
entre México y Guatemala. Con base a la evidencia arqueológica y epigráfica sabemos
que El Cayo fue durante el Clásico Tardío un importante centro subsidiario de Piedras
Negras, capital regional ubicada en el margen derecho del Usumacinta, Esta misma
evidencia revela que El Cayo tiene una larga historia ocupacional que data desde el
Preclásico, llegando hasta el Clásico Terminal-Posclásico Temprano (Mathews y Aliphat
Fernández 2003, 2004). A fin de visualizar el comportamiento de los materiales
cerámicos necesitas incluir en tu informe de trabajo de campo una serie de mapas que
muestren la densidad y distribución por periodos de la cerámica recuperada durante la
excavación de diez unidades de exploración en el sitio
176
Archivos de trabajo
 Archivo shape: Grupo_E5_1_línea.shp
 Archivo shape: Grupo_E5_1.shp (polígonos)
 Archivo shape: Operaciones_Excavaciones.shp (Polígono)
 Archivo shape: Operaciones_Excavaciones.shp (Polígono)
 Tablas Excell cerámica_cronología (Preclásico-Clásico Terminal/Posclásico
Temprano)
 Imagen JPG de la unidad de excavación (OP 1) sin georeferenciar
 Tabla en formato Excel de puntos de control de Op1

 Inicia ArcMap haciendo doble clic en su icono, ya sea el que aparece en el

escritorio o en la lista de programas. Enseguida la ventana de aplicación de
ArcMap aparecerá. Una vez abierto el programa pica en el menú de Archivo y
navega a la carpeta donde guardaste el Ejercicio 1/El Cayo para que abras el
documento “El Cayo 1”. Este es un archivo mxd, que es un documento
cartográfico que además de las distintas capas, tiene definida la proyección y la
simbolización de las capas

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.

 Pica en el icono de agregar datos para agrega la Tabla Excel “Op_1_wpts”

que se encuentra en la carpeta EJERCICIO 1/El Cayo. Con el botón derecho del
ratón pica en el nombre de la tabla para desplegar un menú y selecciona la opción
“Abrir” (Open). La tabla contiene 16 registros con las coordenadas UTM de los
vértices de la Operación 1.

 Cierra la tabla y picando nuevamente con el botón derecho despliega el menú y

selecciona la opción “Mostrar datos X Y” (Display X Y data). Aparecerá una
ventana indicando los campos de Este (X) y Norte (Y), así como el tipo de
proyección y el datum. Asegúrate que en efecto los campos X y Y estén
correctamente seleccionados.

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.

 Selecciona la capa “op_1_wpts$Events” y abre el menú con el botón derecho para

seleccionar la opción “Exportar datos (Export data)” asignándole el nombre
OP1_vert. En la ventana emergente mantendremos la misma proyección y
guardaremos el archivo en la carpeta del ejercicio. Acepta agregar la capa.

 Ahora agregaremos la imagen JPG “Operación 1” misma que utilizaremos como

imagen de fondo para digitalizar esta operación. Nuevamente pica en el icono de

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.

El proceso de georeferenciación es similar al ajuste de una hoja de hule que se

estira y sujeta con alfilres a manera de puntos ancla a fin de que se conforme a
179
 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. El procedimiento de
georeferenciación puede resumirse de la siguiente manera:

El usuario identifica las coordenadas X Y de una serie de puntos (mínimo 4)

ubicadas en el mismo lugar tanto en el “inicial” como en el “nuevo” sistema de
coordenadas, por ejemplo, de coordenadas arbitrarias como las de un plano a
UTM. Las coordenadas del nuevo sistema se pueden tomar de una carta, otra
imagen ya georeferenciada, un archivo vectorial, o inclusive puntos tomados con
un GPS. Éstas son las que van a ser utilizadas a manera de ancla arrastrando los
puntos de la imagen inicial a su correspondiente en la imagen georeferenciada.

 Ahora vamos a trabajar con la herramienta de Georeferencing, éste modulo está

compuesto por tres secciones:

El menú, la ventana de la imagen a procesar y las herramientas. Asegúrate

que la imagen Operación 1 esté seleccionada como la imagen a
procesar. Vamos a comenzar a georeferenciar la fotografía aérea, para ello
iremos punto por punto de manera ortogonal (es decir esquinas opuestas) y
alternando del archivo shape de puntos OP1_ pts a la imagen de la
“Operación 1” . Abre la tabla de atributos de la capa “OP1_pts ” para
ver las coordenadas X Y. Comenzaremos con los puntos extremos (1, 9, 2
y 10). Acércate al punto 1 en la imagen, selecciona la herramienta de

Georeferencing para agregar los puntos de control , pica con el botón

izquierdo del ratón en la imagen justo en el punto 1 de la imagen (punto verde) y
sin mover el ratón vuelve a picar ahora con el botón derecho, aparecerá un
menú con tres opciones, en este caso seleccionaremos la primera opción que nos
permitirá agregar las coordenadas X—Y, para ese punto.

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

fueron ingresados. Abre la tabla de los puntos de control que se encuentra en

la barra de herramientas de Georeferencing. Los valores resiuales representan
la desviación (en este caso en unidades métricas), de la ubicación UTM real.
Un punto con alto valor residual sugiere que las coordenadas ingresadas para el
mismo no están bien definidas en las coordenadas iniciales, en las nuevas, o
en ambas, es por esto que es de suma importancia que registres el nivel de
confiabilidad para cada punto.

El RMS total describe la desviación general de los puntos de control en su

totalidad. Un RMS de 0.5m te indica que tu imagen estará desviada 0.5m en
cualquier dirección de la ubicación geográfica verdadera. Para nuestros
propósitos una desviación de 0.5 metros es aceptable. Si tus resultados te
indican que hay algún punto con un RMS mayor a 0.5 m tienes dos opciones:
(a) reexaminar las coordenadas del punto y corregir la entrada en la tabla de
correspondencia, o (b) eliminar el punto en la ventana de resultados y volver a
calcular el RMS. Si optas por lo último es posible que, dependiendo del tamaño
de tu área de estudio, una disminución en la cantidad de puntos de control
mermará la confiabilidad de tus resultados. 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.

 Finalmente vamos a rectificar de manera permanente la imagen. Pica en el menú

de Georeferencing y selecciona la opción “Rectificar” (Rectify). Acepta todos
los valores pre-establecidos y cuando termine el proceso agrega la capa a tu

181
 composición cartográfica.

 Una vez que tenemos la imagen georeferenciada procederemos a digitalizar la

Operación 1. 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).

En la ventana que se abre, asegúrate de seleccionar que la capa a editar sea

“Operaciones” y selecciona como herramienta de construcción “polígono”.
Acércate a la imagen de tal suerte que puedas ver completamente el punto de
vértice 15. Ahora empecemos a digitalizar iniciando en la esquina noroeste,
siguiendo el contorno de la imagen en dirección de las manecillas del reloj.

Cuando estás en modo de “Editor” puedes igualmente hacer ediciones en la tabla

de atributos de la capa que estás editando. Esto es muy importante ya que te
permitirá ingresar el identificador (ID) de la entidad (punto, línea o polígono) que
estás creando, lo que a su vez te permitirá ligarlo (unión) a otra tabla como lo
hicimos en la primera parte del ejercicio.
182
 Termina de digitalizar cada una de las estructuras siguiendo el mismo
procedimiento, guarda los cambios y sal del modo de Editor

 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).

 Notarás que la capa sólo contiene información acerca de las características

geométricas, así como el identificador para cada una de las Unidades de
excavación (OPERACION), pero nada sobre la naturaleza de los materiales
recuperados durante la excavación. Esta información está contenida en una serie
de tablas Excell que a continuación agregaremos.

 Oprime el botón de Agregar Datos para agregar la tabla

“ceramica_cronologia/F X PERIODOS”, que contiene un campo con el total de la
frecuencia de los tiestos cerámicos. Abre la tabla para que examines los datos.
Notarás que esta tabla de atributos contiene un campo en común con la tabla de
183
 atributos (OPERACIÓN), vamos a utilizar este campo en común para unir los
datos de frecuencias cerámicas con las unidades de excavación.

 Con el botón derecho del ratón pica sobre el nombre de la capa

“Operaciones_excavación” para desplegar el menú y selecciona la opción
“Uniones y relaciones”. Esta opción nos permitirá añadir los datos de frecuencia a
la tabla de atributos de las operaciones.

 En la primera ventana selecciona el campo “OPERACION” como el campo a

utilizar para la unión. En la segunda ventana selecciona la tabla “F x
PERIODOS”, donde se encuentran los datos que queremos representar, En la
tercera ventana selecciona “OPERACION” como el campo de la tabla que vas a
utilizar para la unión. Deja todos los registros y pica en aceptar.

 Abre la tabla de atributos de “Operaciones_excavación” para que cheques los

datos que fueron agregados.

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).

Entidades: solo te permite utilizar un símbolo único (Single symbol) ésta es la

opción preestablecida que representará todos los elementos (polígonos, líneas, o
puntos) utilizando el mismo color y símbolo. Este es el tipo de leyenda utilizado
por lo general para representar los rasgos de fondo, como por ejemplo océanos,
continentes, países etcétera

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

Cantidades: La opción de cantidades contiene cuatro tipos de simbolización:

 Colores graduados (Graduated colors): esta es la opción que se utiliza
cuando estamos produciendo un mapa de polígonos cuya coloración
cambiará gradualmente de acuerdo a los valores de un atributo específico,
como por ejemplo mapas de densidad de población, o mapas de
temperatura. Este tipo de mapas son de gran utilidad para representar datos
jerarquizados u ordinales, por ejemplo 1 a 10, o bajo-alto, o datos que
tienen algún tipo de progresión numérica (rangos, porcentajes). En esta
opción se tiene que definir el campo que se va a utilizar para simbolizar y
en su caso el campo que se utilizará para “normalizar” los datos (por
ejemplo si utilizamos población normalizado por el área obtendremos la
densidad de población).
 Símbolo graduado (Graduated symbols) estos son similares a la opción
anterior excepto que es utilizado cuando los elementos geográficos son
puntos o líneas y el tamaño de estos variará de acuerdo al valor del
atributo al cual están ligados. Al igual que el anterior este tipo de mapas
son de mayor utilidad para simbolizar una progresión en el valor del
atributo, por ejemplo tamaño de los poblados, tipo de caminos o carreteras,
ríos primarios o tributarios, etcétera
 Puntos de densidad (Dot density) Este tipo de simbolización se utilizan
cuando queremos representar el valor de un atributo en un polígono
mediante la representación de concentración de puntos que se representan
al interior del mismo. El valor de los puntos puede especificarse, por

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.

Gráficos: Esta opción utiliza una gráficas de círculos o de columnas para

simbolizar los datos. La utilidad en este tipo de mapas radica en la posibilidad de
simbolizar simultáneamente múltiples atributos en un mapa a la vez de que se está
comunicando las relaciones entre estos. Por ejemplo, podríamos utilizar este tipo
de mapas para comparar la presencia de diferentes tipos cerámicos en varias
unidades de excavación. Sin embargo, dado que un mapa de gráficas contiene
mucha información, el análisis visual requiere un buen conocimiento del
fenómeno que se está estudiando.

Atributos Múltiples: La opción con atributos múltiples permite simbolizar hasta

tres atributos simultáneamente utilizando colores graduados y símbolos de tamaño
progresivo.

 Comencemos ahora a utilizar el Módulo de propiedades/simbología para

representar nuestros datos de manera significativa. Pica en la opción “Cantidades”
(Quantities) y selecciona la opción “color graduado” (Graduated color), fíjate
como cambia el Módulo, aparecerán 2 ventanas que sirven para definir el campo
que contiene los valores a representar (Value) y la segunda donde se definirá si
hay algún campo de valores que se utilizará para “normalizar” los datos. De la
ventana de valores a representar selecciona “TOTAL”, este campo contiene la
frecuencia total de tiestos cerámicos por unidad de excavación sin distinción de
cronología. Fíjate como estos valores son asignados un color específico. A la
derecha esta una pequeña ventana donde se especifica el número de clases y el
método de clasificación, en este caso se utilizarán los valores predeterminados, es
187
 decir 5 clases y el método clasificatorio de Jenks ó Segmentación Natural, más
adelante trabajarás con los otros métodos. Pica en el botón “Aceptar”.
 Las unidades de excavación aparecen coloreadas en diferentes tonos que
simbolizan la cantidad de tiestos cerámicos por unidad. Existen cinco métodos de
clasificación que pueden ser aplicados: Segmentación Natural, Cuantil, Áreas
Iguales, Intervalos Iguales y Desviación Estándar. En términos generales estas
son las características de cada uno de estos métodos de clasificación:

Segmentación Natural (Natural Breaks): 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 una complicada rutina estadística (la formula de Jenk), la variación
al interior de cada clase es minimizada.

Cuantil: En este método a cada clase se le asigna un número similar de

elementos, es decir los datos son repartidos en igual cantidad por clase, por
ejemplo para el caso de la población mundial representada en clases las cinco más
bajas son asignadas a la primera, las cinco siguientes a segunda, las cinco
siguientes a la siguiente y así sucesivamente. La desventaja obvia es que para este
tipo de datos, este método no tomará en cuenta la posibilidad de que algunos
países en ambos lados del límite de una clase tengan casi la misma población.
Este método es más recomendable para datos que están distribuidos de manera
lineal, es decir, que no tengan un número desproporcionado de elementos con
valores similares.

Áreas Equivalentes: Este método clasificará polígonos de acuerdo a su área

mediante la identificación de la segmentación natural de tal suerte que el área total
de los polígonos pertenecientes a una clase sea aproximadamente la misma.

Intervalos Equivalentes: Este método divide el rango de valores de los atributos

en sub-rangos de igual tamaño. Por ejemplo, sí los elementos en tu mapa tienen
valores que van del 12 al 351, el rango total de estos valores será 339 (351 – 12 =

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.

 El mapa de colores graduados que hemos producido hasta ahora aunque

informativos no nos proporciona una representación visual de lo que es la
frecuencia de cerámica en términos del área, es decir la densidad de cerámica. Ya
he mencionado la posibilidad de incluir en el mapa otro de puntos de densidad,
aunque una alternativa a este puede ser mediante la normalización de nuestros
datos. Cuando normalizamos un atributo, en este caso la población, ArcMap
divide cada uno de sus valores entre otra cifra para obtener valores a razón de la
relación matemática que existe entre ambos, para posteriormente representar estos
valores en el mapa.

 Primeramente vamos a añadirle a cada unidad su etiqueta. Abre nuevamente el

Módulo de propiedades de “Operaciones_excavación”, pica en la pestaña
“Etiquetas” (Label) y selecciona la opción “Etiquetar entidades en esta capa”,
definiendo el campo de la etiqueta como “OPERACION”. Ahora pica la pestaña
de simbolización. En la ventana de “Normalización” selecciona el campo AREA
y oprime el botón de Aceptar. La imagen resultante reflejará la densidad de
cerámica.

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

forma de una hoja de papel con la esquina superior derecha doblada .

 Cambia al modo de Diseño de página y en la ventana de escala escribe 350, para

que el mapa abarque todas las operaciones, si es necesario centra el mapa

utilizando la herramienta de desplazar (icono en forma de mano abierta ). A

continuación agregaremos los demás elementos cartográficos (Leyenda, escala
gráfica, escala texto, norte) para su presentación final. Del menú de “Insertar”
(Insert) vas a seleccionar la opción insertar “Leyenda” (Legend), y selecciona la
capa “Operaciones_excavación”. En el modulo que se abre únicamente deja la

190
 capa de las operaciones y saca todas las demás picando en el botón de
“flecha/fuera” como se muestra en la imagen.

 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. Pica en el botón
para proseguir (Next). En la ventana que aparece deberás escribir el título de la
leyenda: “DENSIDAD DE CERÁMICA POR OPERACIÓN”, una vez escrito
esto pica en el botón para proseguir. La ventana siguiente sirve para definir las
características del contorno de la leyenda (Contorno, Fondo y Sombreado), define
la línea del contorno a “ninguno”, el fondo (Background) mantenlo blanco Las
siguientes dos ventanas sirven para definir características secundarias del rotulado
de la leyenda y los dejaremos con sus valores predefinidos.

 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”.

 Nuevamente del menú de Insertar agrega el Norte, selecciona el estilo que

quieras. Una vez incluido en tu mapa puedes reacomodar estos elementos
cartográficos arrastrándolos con el botón izquierdo del ratón a la posición
deseada.

 Ahora exportaremos el mapa a un formato que podamos añadir a nuestro informe

(jpg, bmp, png, tiff). Pica en “Archivo” (File) y selecciona la opción de exportar
mapa. Selecciona un formato “JPG” y define la resolución de píxel en 300 dpi
para darle nitidez óptima. Pica el botón de aceptar y una vez exportado el mapa
ábrelo para que lo visualices.

192
 Finalmente vamos a comparar la frecuencia cerámica por periodo (Preclásico al
Clásico Terminal/Posclásico Temprano). Para esto añadiremos la capa

“Operaciones_excavación” picando en el icono de agregar datos para cada

uno de los cuatro periodos y las uniremos con la tabla “F x PERIODOS” a fin de
simbolizar los totales por cada periodo.

 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?

Bibliografía de consulta recomendada

Mathews P. L. y Aliphat Fernández M. (1993). Informe Técnico Parcial de la Primera

Temporada de Campo del Proyecto Arqueológico El Cayo. Informe entregado al Consejo
de Arqueología del INAH, México.

Mathews P. L. y Aliphat Fernández M. (1994). Informe Técnico Parcial de la Segunda

Temporada de Campo del Proyecto Arqueológico El Cayo. Informe entregado al Consejo
de Arqueología del INAH, México.

194
 Ejercicio 3: Registro Geográfico de Imágenes

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

En este ejercicio aprenderás a:

 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
 Exportar archivos shape a Google Earth

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.

Descripción del proyecto:

Con la aparición de software cada vez más popular para obtener fotografía aérea o
imágenes satelitales en forma digital nos vemos posibilitados a realizar estudios
regionales más amplios en donde podemos incluir en nuestro análisis los diferentes
elementos que conforman el paisaje en relación con nuestros sitios arqueológicos. Sin
embargo, la más de las veces estas imágenes no tienen definida la proyección geográfica
y se torna difícil agregarles nuestras lecturas obtenidas con GPS de las áreas o sitios
arqueológicos registrados en campo.

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.

 Primero utiliza el módulo de propiedades (Properties) para definir el sistema de

coordenadas como UTM NAD83 zona 10N. De la carpeta del ejercicio 2 vamos a
agregar el archivo raster NTS93P13.tif. Este archivo está georeferenciado y
corresponde a un mapa topográfico escala 1:50,000. Ahora importaremos a
ArcMap la imagen (BMP) llamada 93P082, está es una fotografía aérea del área
de estudio. Se abrirá un aviso indicándote que el sistema de coordenadas no está
definido, esto es lo que vamos a resolver.

 El primer paso en el proceso de georegistro es el de identificar puntos que sean

fáciles de ubicar en la imagen y en un mapa ya georeferenciado (por ejemplo la
carta NTS93P13). En este caso se tomaron seis puntos con GPS en intersecciones
196
 de caminos y veredas bien identificables tanto en la fotografía aérea como un
mapa topográfico. Estos puntos fueron ingresados a una tabla de base de datos en
formato dBase IV, vamos a importar esta tabla a nuestro proyecto, así es que pica
en el icono de Add Data y agrega la tabla “PTS_GPS” (fíjate que la pestaña en la
parte inferior de la ventana de contenidos cambia de Display a Source).

 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.

 Para facilitar la identificación de los puntos en el mapa activaremos las

“etiquetas” (labels) de cada punto desde el módulo de propiedades, así es que con
el botón derecho del ratón pica en el nombre de la capa “puntos_gps” y abre las
propiedades. Pica en la pestaña de Labels (etiquetas) y checa el cuadro de Label
197
 features in this layer (“etiqueta los elementos de esta capa”), seleccionando el
campo PTO, que contiene el identificador del punto y pica OK. Con la
herramienta de información (la “I” en un círculo azul), escribe en la siguiente
tabla las coordenadas X Y de los seis puntos:

PTO X Y
1
2
3
4
5
6

 Ahora vamos a comenzar a georeferenciar la fotografía aérea, para ello iremos

punto por punto de manera ortogonal (es decir esquinas opuestas) y alternando del
mapa georeferenciado a la fotografía aérea. Comenzaremos con los puntos que
están pegados al lago (6, 4 y 5, respectivamente), que son los más fáciles de
ubicar. Fíjate bien donde está localizado en el mapa el punto 6 y con la
herramienta de zoom acércate al mismo pero no tanto que la imagen se vea
pixelada (entre una escala de 15,000 y 20,000). Notarás que en ese punto hay una
intersección de caminos. Una vez que estás a una escala adecuado vamos a fijar
este acercamiento para que podamos regresar al mismo fácilmente.

 De la barra de menús pica en el menú que dice Bookmarks y selecciona la opción

Create para fijar esta ubicación. Dale el nombre de “punto6”. Ahora vamos a
enfocarnos a la fotografía aérea picando en su nombre con el botón derecho del
ratón y seleccionando del menú zoom to layer. Con la herramienta de zoom,
aproxímate a la misma área que en el mapa (más o menos en la parte media de la
orilla norte del lago) y trata de encontrar la misma intersección de caminos, si es

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:

El menú, la ventana de la imagen a procesar y las herramientas. Asegúrate que la imagen

93P082.bmp esté seleccionada como la imagen a procesar. Pica en la herramienta Add
control points (que es la que tiene el icono de dos cruces unidas por una línea
perpendicular) y luego con el botón izquierdo del ratón pica en el punto de intersección
de caminos en la imagen. Sin que muevas el cursor pica el botón derecho del ratón y te
aparecerá un menú con tres opciones, selecciona la primera: input X Y data, que te
permitirá ingresar las coordenadas X y Y del punto 6, una vez que lo hayas hecho pica
Enter. Notarás que la imagen desaparece, esto es porque la misma está siendo “jalada” a
su nueva ubicación, para que la puedas ver en su nueva ubicación pica en su nombre y
selecciona la opción zoom to layer.

 Ahora enfoca nuevamente el mapa NTS93P13 y acércate al punto 4 hasta que

veas que el mismo se ubica en el cruce del puente sobre el río. Ubica ese punto en
la fotografía aérea y como en el paso anterior marca el punto y escribe las
coordenadas X Y. En esta ocasión la imagen no desaparecerá, solo se moverá
ligeramente ya que nos estamos aproximando cada vez más a su posición
georeferenciada.

 Repite el proceso para los puntos 5 y 2 respectivamente, por lo general si tienes

cuidado, no necesitarás más de cuatro puntos para georeferenciar la imagen
correctamente. Podrás verificar visualmente la precisión de tu georeferenciación

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.

 Finalmente vamos a rectificar de manera permanente la imagen. Pica en el menú

de Georeferencing y selecciona la opción Rectify. Acepta todos los valores pre-
establecidos y cuando termine el proceso agrega la capa a tu composición
cartográfica.

 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.

 Necesitamos establecer un área de protección alrededor de los sitios, pero dado

que los mismos están definidos tan solo por puntos crearemos una zona de
amortiguamiento de 250m. Pica el icono de Toolbox (el que tiene forma de una
caja de herramientas de color rojo). Una vez que se abra la ventana de Toolbox
abre la Analysis Tools, selecciona Proximity y finalmente selecciona la
herramienta Buffer haciendo doble clic sobre la misma.

En la primera ventana del módulo (Input Feature) selecciona la capa de sitios

arqueológicos que creaste. La segunda ventana es para que selecciones la carpeta donde
guardarás la capa de buffer, asegúrate de guardarla en la carpeta del ejercicio 2.
Finalmente en la tercera ventana vas a definir la distancia de la zona de amortiguamiento
que quieres crear, en este caso 250 metros (de radio). Pica el botón de OK.

Vamos a cambiar la simbología de las zonas de amortiguamiento de sólido a transparente

con orilla roja. Pica con el botón izquierdo del ratón sobre el símbolo de la capa del
200
buffer. Se abrirá un módulo de selector de símbolo. Selecciona el símbolo Hollow
(hueco), en la parte derecha central del módulo (Options) verás tres secciones Fill color,
Outline width, y Outline color (color del relleno, grosor de la orilla y color de la orilla),
cambia el grosor de la orilla a 1.5 y el color de la orilla a rojo (para cambiar el color pica
en el cuadro para abrir la paleta de colores).

 Ahora vamos a exportar la capa de sitios y de buffer para exportarlos a Google

Earth. De la caja de herramientas (Toolbox), abre la caja Conversion Tools y
selecciona To KML, (este es el tipo de archivo con lo que trabaja Google Earth),
selecciona la herramienta Layer to KML y selecciona la capa de sitios
arqueológicos como la capa a exportar. En la ventana inferior Output file, navega
hasta tu carpeta de ejercicio 2 y nombra al archivo “sitios.kmz” (es muy
importante que escribas la extensión “kmz” para que lo puead leer Google Earth).
En la tercer ventana (Layer output scale) vas a definir la escala a la que quieres
trabajar en este caso 5000. Pica el botón OK para procesarlo.

 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”.

 Del menú de “Archivo” selecciona la opción abrir y navega hasta tu carpeta de

ejercicio 2 para seleccionar el archivo “sitios.kmz”. Los veinte sitios con la misma
simbología de ArcMap deberán de aparecer en la imagen. Repite el procedimiento
del paso 14 para exportar las zonas de amortiguamiento a Google Earth. Acércate
a cada uno de los sitios y sus zonas de amortiguamiento para que evalúes si estos
han sido afectados o todavía pueden ser protegidos.
201
1. ¿Cuántos y cuáles sitios han sido afectados por el desarrollo urbano?
2. ¿Cuántos y cuáles sitios aún pueden ser protegidos?

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

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

Definición del Problema

Entre los principales objetivos de las excavaciones realizadas en la Cueva Koongine, en
Australia Meridional estaba el de diseñar una estrategia de excavación que permitiera
recuperar los datos arqueológicos que posibilitaran descubrir algún patrón de
distribución espacial de los artefactos que pudiese reflejar las prácticas de aseo y
mantenimiento del sitio y/o la definición de áreas de actividades. Con esto en mente se
colocó sobre un área de 3.5 x 6.5 m una retícula con unidades de excavación de 25 x 25
cm, aplicándose una estrategia de excavación horizontal, o de área. Esta técnica de
excavación dio como resultado varios miles de artefactos cuya proveniencia por unidad
de excavación fue registrada en una tabla de Excel. La tabla contiene la información de
dos tipos de materiales arqueológicos recuperados lítica y hueso. Éstos fueron divididos
a su vez en dos categorías quemados y no-quemados y nuevamente separados en 7
diferentes clases para la lítica y 9 clases para el hueso. Los artefactos fueron
cuantificados para obtener frecuencia y peso para cada una de estas clases y los totales
por categoría resultando en una tabla de 72 campos de información para 209 registros,
es decir un total de 15,048 entradas, lo que haría la consulta de una simple tabla de
Excel sumamente difícil.

La tabla original fue reorganizada en una base de datos Access y la colección de

artefactos se simplificó reclasificando los artefactos líticos a cuatro clases de acuerdo a
su tamaño reduciéndose considerablemente a 836 entradas (Clases). Esta información
está contenida en forma sumaria en la tabla 1.

205
 Tabla 1. Frecuencia y porcentaje de artefactos por clase

Tipo de Artefacto Clase 1 Clase 2 Clase 3 Clase 4 TOTAL

(>16mm) (7.5-16mm) (3.5-7.5mm) (<3.5mm)

f % f % f % f %

Desecho de talla 76 8.9 331 38.8 426 49.9 21 2.5 854

Lascas/fragmento de lasca 34 6.5 202 38.5 272 51.8 17 3.2 525

lasca retocada/utilizada 6 50.0 3 25.0 3 25.0 0 0.0 12

Núcleo 1 100 0 0.0 0 0.0 0 0.0 1

TOTAL 117 8.4 536 38.5 701 50.4 38 2.7 1392

En este ejercicio nuestro objetivo será el tratar de identificar algún patrón de

distribución espacial que pudiese indicar áreas de actividad específicas, tales como
producción o modificación por talla de herramientas de piedra. Es importante hacer
hincapié en que el objetivo de este ejercicio es ilustrar algunas de las funcionalidades de
ArcMap, y que un análisis espacial más formal deberá de tomar en cuenta los diversos
factores involucrados en la formación del registro arqueológico.

Archivos de trabajo

 Archivo shape: K_retícula.shp

 Archivo shape: K_retícula_exc.shp
 Tabla de datos CLASES_L, contiene las frecuencias por clase de artefactos
líticos por unidad de excavación
 Inicia ArcMap, en esta ocasión en lugar de definir el sistema de coordenadas y
agregar capas de manera individual abrirás un proyecto pre-existente: koongine

(estos son documentos de ArcMap que se distinguen de los archivos

shape ya que guardarán todas las capas, los datos y las modificaciones realizadas).
Las capas “K_retícula_exc.shp” y “K_retícula.shp” deberán aparecer en la

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.

 Si abres la tabla de atributos de “K_retícula_exc”, notarás que incluye un campo

(EXCAVATED) que indica si la unidad fue excavada o no. Ahora oprime el botón de

Opciones (Options) que se encuentra en la esquina inferior derecha .

Selecciona del menú la opción SQL Select by Attributes, vamos a seleccionar las
celdas excavadas utilizando comandos de Lenguaje de Consulta Estructurado

(SQL). Alternativamente puedes abrir el mismo módulo picando en el icono

(“seleccionar por atributos” Select by Attributes). El Módulo que se abre contiene
tres ventanas principales la primera (Method), te da la opción de crear a partir de los
atributos contenidos en la tabla:

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.

 Primeramente oprime nuevamente el botón de Opciones y esta vez

selecciona la opción Add Field para agregar un nuevo campo que llamarás
F_TOTAL, mantén el tipo de dato (Type) como Integral Corto (Short Integer),
oprime el botón OK. Ahora para calcular los totales selecciona el campo F_TOTAL
(este se pondrá azul), pica con el botón derecho de ratón sobre el nombre del
campo. Selecciona la opción Calculate Values para abrir el Módulo de Calculadora
de Campos (Field Calculador). Este Módulo tiene dos ventanas principales, en la
primera se encuentran todos los campos con valor numérico que puedes utilizar en
el cálculo, en la segunda los campos y/o valores que vas a utilizar van a ir
apareciendo. En este caso vamos a sumar los campos de la clase 1 a la clase 4
utilizando el operador matemático +. Pica en OK, los resultados aparecerán en el
campo F_TOTAL, cierra 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.

"CLASES_L.CLASS_3_F" >=40 AND "CLASES_L.CLASS_2_F" >=20

Crea un nuevo campo llamado “C2_C3_TOT” donde sumaras las frecuencias de la

clase 3 y clase 4, como lo hiciste más arriba.

¿Cuántas unidades de excavación cumplen con este requisito?

¿Cuáles son los totales de estas dos clases por unidad seleccionada?

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.

¿Transcribe la expresión SQL que aplicaste?

¿Cuántas unidades fueron seleccionadas esta vez?

 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.

¿Qué expresiones utilizaste para crear las clases 3 máxima y mínima?

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).

 Ahora compararemos la distribución espacial entre la presencia máxima y mínima

de la clase 3 de artefactos líticos. Selecciona la capa clase3_max, abre el Modulo de
“Propiedades/Simbología/Cantidades” para representar las frecuencias de la clase 3

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.

¿Puedes discernir algún patrón espacial?

 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.

 A fin de obtener esta información utilizando K_retícula_exc02, crearemos otra

expresión SQL definiendo el criterio que seleccione únicamente aquellas unidades
de excavación donde la frecuencia de artefactos pertenecientes a las clases 3 sea
mayor o igual a 52 y al mismo tiempo la clase 2 sea mayor o igual a 20.

¿Cuál fue la expresión SQL que utilizaste?

215
¿Cuántas unidades de excavación fueron seleccionadas?
¿Cuántos artefactos de la clase 3 y 4 tienen cada una de estas unidades?

Las unidades seleccionadas pueden estar reflejando un área de actividad específica

aunque aún no estamos completamente seguros. Veremos ahora si existe algún
significado estadístico a estas observaciones. Esto lo podemos lograr obteniendo las
estadísticas descriptivas para cada una de estas áreas.

 Pica el botón de “Mostrar registros seleccionados” que aparece

en la parte inferior del marco de la tabla (último icono a la derecha), para reducir los
registros únicamente a los que fueron seleccionados. Selecciona el campo
“CLASS_3_F” y luego con el botón derecho abre el menú y selecciona la opción ∑
Statistics, esto iniciará el Modulo de estadísticas que te proporcionará el conteo de
casos, valores mínimo y máximo, la sumatoria, la media y la desviación estándar,
además de una gráfica de barra mostrando esta la distribución de frecuencias. Anota
los resultados para que los puedas comparar.

Estadística Clase3 Class2 Clase3 Clase2

selec selec global global
Conteo
Mínimo
Máximo
Suma
Media
Desviación
Estándar

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

en forma de cuadro blanco ) y vuelve a correr ∑ Statistics para este campo y

apunta las estadísticas.

Recuerda que nuestro principal objetivo es el determinar si podemos discernir algún

patrón de distribución espacial que pudiese atribuirse a alguna actividad humana
específica (por ejemplo producción de herramientas líticas). Compara los resultados
globales con los de las unidades seleccionadas como posibles locus de producción
poniendo especial atención a las diferencias entre media y desviación estándar. En
términos generales lo que la media te va a indicar es cuál es el valor “típico”, es decir
que tan representativo es en tu conjunto de datos. Por otra parte, la desviación estándar
te indicará realmente que tan “típico” es ese valor, es decir que tanto se aleja o está
cerca de lo “típico”. A fin de ayudarte a discernir si existe o no un patrón espacial
considera esta regla general que nos dice: si la desviación estándar es relativamente
grande con respecto a la media, entonces esto indica que el conjunto de datos estará
reflejando inconsistencias, por consiguiente es más probable que la distribución de
artefactos sea producto del azar, por lo que no nos permitirá inferir patrones de
actividades específicas, como la producción de artefactos líticos.

De acuerdo a los resultados de las estadísticas descriptivas ¿Es posible discernir algún
patrón de distribución con estas dos clases de artefactos líticos?

Con base en lo anterior intentaremos un análisis un poco más sofisticado: realizaremos

un método de interpolación conocido como Análisis de Tendencia de Superficie. Éste
nos indicará si existe una tendencia global de distribución de nuestros artefactos para
que a partir de la misma, podamos identificar las “fuerzas espaciales” responsables de
esta distribución.

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.

 Ahora de ARC Toolbox selecciona la caja de herramientas Spatial Analyst –

Interpolation y la herramienta “Técnica de Tendencias” Trend. En la primera
ventana del modulo que se abre selecciona la capa “K_ret_centr” y en la segunda
ventana que te pide definas el campo donde se encuentran los valores que vas a
interpolar selecciona C3_2_TOT, que es donde guardaste el total de las clases 3 y 2.
Deja la ventana de resolución de pixel con su valor predeterminado y en la ventana
de “Orden de polinómico” escribe 1. Este último dato define el grado de la ecuación
polinomial a utilizar que a su vez definirá en el nivel de complejidad de la
superficie, entre más alto el grado de la ecuación, más compleja la superficie. En
este caso utilizaremos una ecuación polinomial de primer grado. Deja todos los
demás valores sin cambiar y pica el botón de Aceptar. Repite el procedimiento para
crear superficies con ecuaciones polinomiales de 2º y 3º orden.

 El resultado de lo anterior será una superficie con valores clasificados que te

indicarán hacía donde tienden a concentrarse. Abre el modulo de propiedades de la
capa para cambiar la simbología. Pica con el botón derecho del ratón en la ventana
de escala de colores (color ramp) para cambiar del modo “gráfico” al modo de

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).

¿Qué tendencia observas en el patrón de distribución de los artefactos de clase 3 y

2?
Considerando la lectura asignada ¿A qué crees tú que se debe este patrón?

Ojo, ten en cuenta que la superficie que generaste es un reflejo de la tendencia de

distribución de los materiales, no una indicación de donde hay una mayor
concentración. En consecuencia, como se adelantó más arriba, te ayudará a identificar
las causas que motivaron esa tendencia.

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.

Bibliografía de consulta recomendada

Frankel, D. (1989). “Koongine Cave Excavations 1986-7: Investigating Spatial
Patterning.” Australian Archaeology, no. 28, 1989, pp. 3–13

222
 Ejercicio 5: Estudio del Patrón de Asentamiento en Cobá, Quintana Roo

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

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.

Las estructuras habitacionales de la elite se distinguen por que además de la presencia de

plataformas y basamentos de mampostería contienen uno o más edificios
abovedados. Cobá fue mapeado por Folan y colaboradores de 1974 a 1976 (Folan,
Kintz y Fletcher 1983). El sitio está dividido por los sacbes en 13 zonas, Folan y
colaboradores notaron que los conjuntos habitacionales de la elite de mayor estatus
se ubicaron más cercanos al 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. Sin embargo, en un trabajo publicado en 1980
Arnold y Ford con base en su análisis del mapa de la porción central de Tikal de 9

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.

Definición del Problema

Aunque hubo una réplica de Folan et al. y contrarréplica de Arnold y Ford, ambos
grupos mantienen en gran medida sus conclusiones. Sin embargo, el trabajo de los
segundos ha puesto de manifiesto la necesidad de establecer una metodología analítica
que sea más objetiva que la simple interpretación visual de los datos para proponer
patrones espaciales. Esto se puede lograr mediante la manipulación matemático-
estadística de los datos, problemática para lo cual los SIG representan la mejor
herramienta analítica. En este contexto nuestro objetivo será poner 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. Nuestro
análisis se centrará en las estructuras comprendidas dentro de las zonas 1, 6 y 13. Para
ello se digitalizaron a partir de los planos levantados por Folan y colaboradores casi
2400 estructuras cuyas características se resumen en la Tabla 1.
TIPO DE CLAVE f ALTU DESCRIPCIÓN
ESTUCTURA RA*
Plataforma 1000 655 0.50m Estructura de mampostería con relleno de piedra
amorfa y tierra.
Abovedado 2000 149 2.25m Estructura de mampostería asentada sobre
subestructura de
0.60 m de altura.
Cuadrangular 3000 393 1.75m Estructura de muros bajos de mampostería con
paredes y techumbre de materiales perecederos.
Circular oval 4000 1183 0.50m Plataformas de tierra apisonada con
superestructura a base de materiales
perecederos.
Cenote 5001 12 N/A Depósito de agua.
Piramidal 9000 1 4.00m Basamento piramidal de mampostería con núcleo
de piedra amorfa y tierra, asentada sobre
subestructura de 0.50 m de
alto.
224
 Cabe aclarar que por falta de datos no se están considerando plazas, terrazas o
nivelaciones de terreno. Los componentes estructurales que serán cuantificados son:
relleno, mampostería, acabados y construcción de bóveda, preparación del piso y
construcción de superestructuras de materiales perecederos (por ejemplo, bajareque y
techumbre de palma). En la cuantificación de estos componentes se han
considerados las diferentes etapas del proceso de producción que se resumen en la
Tabla 2 (para mayores detalles en esto se recomienda consultar la fuente original: J. E.
Arnold y A. Ford 1980 A Statistical Examination of Settlement Patterns at Tikal
Guatemala. American Anitiquity, Vol. 45, No. 4, pp. 713-726).

Relleno Mampostería Muros Acabados y bóveda Preparación de piso Superestructura

Plataformas extracción y acarreo únicamente está únicamente está estimación basada en estimación basada en
1. Muros de retención de desde cantera 4.5 considerada la considerada la la preparación de construcción de
Perímetro (m) x Altura ( construcción ya que construcción ya que mezcla de una parte estructura de
2. Relleno: extracción y acarreo los materiales ya han los materiales ya han de cal por tres de materiales
Área del piso (m²) x Altude piedra para cal .25 sido obtenidos y sido obtenidos y grava por metro perecederos por
Abovedados preparados en la fase preparados en la fase cuadrado metro cuadrado
1. Muros de retención de producción de cal 3.5 de mampostería de mampostería
Perímetro (m) x altura_Su
2. Relleno de subestructu construcción 4.0
extracción
total* tierra
Área del piso (m²).25
x altutotal*
2.25 12.25 total° 7 total° 30 total° .05 total° 1.0
Tabla 2: Estimaciones de cantidad de días/persona necesarias para las diferentes fases constructivas. *valores expresados en días por
persona por metro cúbico. ° valores expresados en días por persona por metro cuadrado

A continuación se presentan las fórmulas que fueron adaptadas de Arnold y Ford y

que utilizaremos para calcular la cantidad de mano de obra necesaria para las distintas
fases de construcción de las estructuras de Cobá arriba relacionadas:

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 cambiemos la etiqueta de numérico a texto, en la parte de Etiqueta

(Label) pica sobre cada uno de los números y cámbialos por su respectivo tipo
de estructura: 1000 = Plataforma, 2000 = Abovedado, 3000 = Cuadrangular,
4000 = Oval, 5001 = Cenote y 9000 = Piramidal. Haz clic en el campo de
conteo (Count) para obtener los totales por cada tipo de estructuras, anótalos al
margen de la hoja de ejercicio y pica en “Aceptar”.

¿Cuántas estructuras abovedadas hay?

¿Cuántas Ovales?

Vamos a guardar esta simbología de manera permanente en nuestra carpeta, así si

llegáramos a cambiar la simbología, podemos revertir a la anterior. Pica sobre el nombre
de la capa y con el botón derecho del ratón selecciona la opción Save as Layer File...
Navega hasta tu carpeta de trabajo y guárdala como “Estructuras”. Notarás que este no
es un archivo shape propiamente dicho, se trata de una especie de comando que le indica
a ArcMap como representar la capa Estructuras_Z1_6_13. Cuando quieras regresar a
esta simbología del modulo de Propiedades—Simbología selecciona la opción de
importar y navega en el directorio hasta la carpeta donde guardaste el archivo.

 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.

 Primeramente vamos a calcular el área, abre la tabla de atributos y selecciona el

campo ÁREA y pica con el botón derecho del ratón para seleccionar la opción
Calculate Geometry, selecciona “ÁREA” en la ventana superior del módulo que se
abrió, a continuación en la ventana de unidades asegúrate que la opción
seleccionada sea metros cuadrados y oprime OK. Ahora vamos a calcular el
perímetro, selecciona este campo y repite el mismo procedimiento solo que esta
vez seleccionarás la opción para perímetro en metros.

 Comenzaremos a calcular los valores de mano de obra de un tipo de

estructura a la vez. Primeramente entra en el modo de edición iniciando el
modulo del editor asegurándote que el “target” será “Estructuras_Z1_6_13”.
Abre la tabla de atributos de esta capa y oprime el botón Options para iniciar
el Módulo SQL Select by Attributes. Define la expresión SQL que seleccione todos
los registros correspondientes a plataforma (1000). Oprime el botón Selected
para asegurarte que únicamente vas a editar los registros seleccionados. Ahora
selecciona el campo Labor1 y abre el módulo Calculadora de Campos. Vamos a
escribir la fórmula 1 de plataformas.

[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.

 Cambia al campo Labor2 y vuelve a oprimir el botón Selected para calcular

ahora el relleno de la plataforma abre el calculador de campos, asegúrate que
no haya nada escrito en la ventana de cálculos e ingresa los valores
correspondientes para realizar este cálculo de acuerdo a la fórmula 2:

[Área] * Altura * 2.25

Calcularemos la mano de obra total para plataformas. Selecciona el campo

Labor_fin y abre el módulo calculador de campos, borra cualquier
expresión que haya en la ventana de cálculo. En este caso vas a sumar
únicamente los campos de Labor donde tengas valores calculados (Labor1 +
Labor2). Recuerda guardar regularmente tus ediciones picando en el menú de
Editor y seleccionando Save edits.

 Calcularemos la labor invertida en edificios abovedados que es un poco más

compleja. Este tipo de estructuras comprenden 5 fases constructivas diferentes,
por lo que tendremos que calcular los valores para los campos “labor 1” a
“labor5”. Iniciaremos con los muros de retención37. En la tabla de atributos
nuevamente oprime el botón Options, para iniciar el Módulo SQL Select by
Attributes. Define la expresión SQL que seleccione todos los registros
correspondientes a edificios abovedados (2000). Pica el botón de Selected de la
tabla de atributos, para que únicamente modifiques los campos de las estructuras
abovedadas. Selecciona el campo “Labor 1” y abre la calculadora de campo.
Selecciona “Perimetro”, multiplícalo por “altura_Sub” y luego nuevamente
multiplícalo por 7 y pica en OK.

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.

Pásate al campo “Labor 3”, vamos a calcular el trabajo implicado en el

acabado de la superestructura. Una vez seleccionado el campo abre la
calculadora de campo, borra cualquier expresión que aún permanezca y pica dos
veces en “Perímetro” multiplica por “Altura” y multiplica por 30

Ahora al campo “Labor 4” para calcular la construcción de la bóveda. Abre la

calculadora de campo y multiplica área por 30 (asegúrate de borrar la fórmula
anterior). Pásate al campo “Labor 5” para calcular la preparación del piso.
Multiplica área por .05. Finalmente pásate al campo “Labor_fin” y con la
calculadora de campo, suma los campos 1 al 5.

 Repite el procedimiento para los demás tipos de estructuras (excepto cenotes)

tomando en cuenta el número de fases constructivas delineadas en la Tabla 3.
Es muy importante que no olvides tener seleccionado única y exclusivamente los
registros pertenecientes al mismo tipo de estructura cada vez que vayas a ingresar
una nueva fórmula borres cualquier otra expresión que haya quedado del cálculo
anterior y de que cuando estés calculando para las subestructuras utilices el
campo “altura_Sub” y no “Altura”. Si bien es cierto que estos mismos cálculos
puedes realizarlos fuera del modo de edición, la ventaja de hacerlos en edición
es que si te equivocas puedes recuperar los resultados originales saliendo del
modo sin guardar cambios (siempre y cuando hayas guardado después de cada
cálculo.

 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?

 Aunque de alguna manera esta selección denota un patrón concéntrico

necesitamos obtener una apreciación más objetiva que la simple visual. Para
esto lo ideal será interpolar los valores de “Lab_fin” para obtener una
superficie continua que refleje, a manera de superficie topográfica, los “picos y
valles” que reflejarán donde hubo mayor inversión de mano de obra. Sin
embargo, una limitante que tenemos es que el módulo de interpolación
únicamente procesa puntos y no polígonos. Para resolver esto lo que haremos es
calcular la posición del centroide de cada polígono (el centroide es el punto de
gravedad central de un cuerpo geométrico) en coordenadas UTM y a partir de
éste utilizar la información que tenemos respecto a trabajo invertido (valor T) para
interpolar estos datos en la búsqueda de algún patrón espacial.

 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”).

 ArcMap tiene cinco métodos de interpolación: Topo to Raster, IWD, Spline y

Kriging y Trend. Cada una sirve a propósitos bien específicos, por ejemplo, la
rutina Topo to Raster es ideal para producir superficies que enfatizan las redes
hidrológicas. El Segundo método, que es el que aquí utilizaremos es el de Inverse
230
 Weighted Distance (IDW) Distancia Inversamente Tasada que utiliza un método
de vecino más cercano que calcula el valor de un espacio no muestreado a
partir de los valores encontrados en su proximidad. Los valores son tasados con
la finalidad de reducir la influencia de los valores más alejados y de esta manera
poner énfasis en la cercanía de los valores más elevados como es el caso de
los conjuntos habitacionales de la elite, donde se espera encontrar mayor
inversión de mano de obra en la construcción.

 Algunas de las herramientas de Spatial Analyst se pueden iniciar también desde el

menú del mismo, que se encuentra en la barra de herramientas de ArcMap.
Selecciona la capa “Estructuras_Z1_6_13_pts” y abre el menú de Spatial
Analyst, selecciona la opción Interpolate- Inverse Distance Weighted. La
primera ventana de este módulo contiene el nombre de la capa de puntos de
valores que va a ser interpolada, en este caso “Estructuras_Z1_6_13_pts”. En la
ventana de abajo (Z value field) vas a especificar que los valores a interpolarse
se encuentran en el campo “Labor_fin”, deja las siguientes cuatro ventanas con
los valores predeterminados y en la ventana de resolución de píxel (Output cell
size) cámbialo a 10. La ventana de Output raster es para que definas dónde vas a
guardar la imagen resultante y como la vas a llamar, en este caso guárdala en
tu carpeta de trabajo y llámala “Labor_IWD”. El tiempo de procesamiento
dependerá de la capacidad de tu computadora. Una vez terminado explora los

valores utilizando la herramienta de información. La imagen ahora nos

muestra un patrón con una altísima concentración de inversión de mano de obra
que tiende hacia el centro aunque, no sorprendentemente, esta concentración
también se da hacía las terminales de los sacbe, que sin embargo, refuerza la
hipótesis del patrón concéntrico para Coba.

 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

cuatro flechitas. Esta herramienta te servirá para girar y cambiar el ángulo de

visión de la imagen.

 Vamos a agregar ahora las capas de estructuras (Estructuras_Z1_6_13) y de sacbes.

En este caso las vas a dejar planas, es decir no vas a definir elevaciones ya que
solo las usaremos como auxiliar gráfico. Simplemente en el módulo de
propiedades para “Estructuras_Z1_6_13”, cambia la simbología de manera similar
a como lo hiciste en la interface de ArcMap para diferenciar el tipo de estructura.
Juega nuevamente con la herramienta de ángulo de visión para que veas cómo
se relacionas los picos de “Labor_IWD” con los conjuntos de elite. Guarda el
proyecto 3D en tu carpeta y sin cerrar ArcScene regresa a ArcMap.

 A pesar de que en términos generales la distribución de las unidades

habitacionales de la elite y la superficie de inversión de trabajo nos indican un
232
 patrón concéntrico, aun nos falta explicar a qué se debe la presencia de espigas en
las partes centrales y periféricas de las Zonas I y XIII. A continuación vamos a
generar tres superficies de tendencia (1 °, 2 ° y 3 ° orden) para tratar de dar
explicación a lo anterior.

De ARC Toolbox, selecciona la caja de herramientas Spatial Analyst-

I n t e r p ol at i on y la herramienta Trend. En la primera ventana del módulo
selecciona la capa “Estructuras_Z1_6_13_pts” y en la segunda ventana que te
pide definas el campo donde se encuentran los valores que vas a interpolar
selecciona “Labor_Fin”, que es donde guardaste los valores T de inversión de
trabajo. Define la resolución de pixel en 10 m en la ventana de la polinomial
escribe 1, nombra a la capa “Trend_1”. Repite este proceso para las otras dos
superficies (2° y 3° orden). Cambia la simbología de las tres capas a la de
“Spectrum Full Bright” (recuerda que para cambiar la ventana de escalas de colores
de gráfica a texto hay que picar sobre la misma con el botón derecho del ratón), en
la parte inferior derecha del módulo de simbología hay un cuadrito que dice
“Invert”, selecciónala para invertir el orden de la escala de colores
 Finalmente, regresa a ArcScene y agrega la capa Trend_1, abre su módulo de
propiedades para que cambies la simbología a la de “Spectrum Full Bright” y
nuevamente invierte el orden de la escala de colores. Pica en la pestaña de
Display y asígnale un nivel de transparencia de 20. Ahora define la altura base
de esta capa, picando la pestaña “Base Heights”. Selecciona la opción “Obtain
heights for layer from surface:” para seleccionar “Trend_1” como la fuente de
donde se van a tomar las alturas. Deja el factor de exageración Z en 1 y pica OK.
Con la herramienta de ángulo de visión examina las imágenes Labor_IWD y
Trend_1. Apaga Trend_1 y repite el proceso para Trend_2 y Trend_3.

 Aunque en ArcScene no podemos hacer composiciones cartográficas, si podemos

exportar la imagen 3D y agregarla a ArcMap, donde junto con las capas originales
podemos elaborar la composición cartográfica. Para hacer esto y una vez que
encontraste el ángulo deseado en tu imagen, selecciona la capa Trend_1 y del
233
 menú File selecciona la opción Export scene y luego 2D. Guárdala en tu carpeta de
trabajo con el nombre de Trend_1 en formato jpg.

 Finalmente regresa a ArcMap y elabora una composición cartográfica donde

incluirás además de la capa “Trend_1”, la imagen jpg creada. Para hacer esto
simplemente selecciona del menú de Insert la opción “Picture” y navega hasta tu
carpeta donde guardaste la imagen. El tamaño de la imagen puede ajustarse
seleccionándola y arrastrando los márgenes. Te recomiendo que ajustes el
tamaño de la hoja para que te quepan todos los elementos.

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

Arnold, J. E., Ford A. (1980). A Statistical Examination of Settlement Patterns at Tikal,

Guatemala. American Antiquity 45:713–726.

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

Elaboró: Armando Anaya Hernández ©

armandoanaya777@gmail.com

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).

Los primeros habitantes en la región fueron grupos de cazadores recolectores del

Pleistoceno Terminal, identificados arqueológicamente con el término de
Paleoindios. En el sitio de La Mula-Sarigúa se ha identificado un taller de
producción de puntas Clovis, que junto con una fecha de Radiocarbono de cerca de
11,000 A.P., producto de la quema intencional de vegetación, representan la
evidencia más clara de la presencia de estos grupos Paleoindios. Después del 8600
A.P. la evidencia de aumento de quema de vegetación se vuelve más consistente con
la técnica de rosa-tumba y quema (RTQ). Este incremento coincide con la aparición de
los primeros cultígenos y herramientas de piedra para el procesamiento de alimentos de
origen vegetal.

Para el Periodo Precerámico Tardío (7000-5000 A.P.) el patrón de subsistencia de

agricultura de RTQ y el aprovechamiento de recursos estuarios por poblaciones
trashumantes ya estaba bien establecido. Se da un gran incremento en el número,
235
 tamaño e intensidad ocupacional de sitios. Hacía la parte final de este periodo la
cerámica hace su aparición dando inicio al Cerámico Temprano. Además del incremento
en la frecuencia de los artefactos líticos asociados a la producción y procesamiento de
alimentos de origen vegetal, análisis de isótopos estables en restos óseos y evidencia
microfósiles revelan un aumento significativo en el consumo de maíz.

El rasgo más distintivo a principios del Periodo Cerámico Medio es el cambio en

los tipos cerámicos, sin embargo, para la parte tardía (2500-2200 A.P.) se comienza a
dar la transición hacía el surgimiento de aldeas agrícolas grandes. Estos cambios en los
patrones de subsistencia y asentamiento estuvieron acompañados del surgimiento de la
producción artesanal especializada, intercambio a distancia y diferenciación social.
Después del 2200 A.P. se da un nuevo cambio en el patrón de asentamiento y de
subsistencia que se concentrarán entonces en los valles bajos de los ríos que atraviesan la
planicie costera. Aldeas permanentes de más de 6 Ha se vuelven comunes, restos
carbonizados de maíz dominarán el registro macrobotánico, y el análisis de isótopos
estables en restos óseos revelan un alto consumo de maíz. En lo referente a los artefactos
se observa también un incremento en la presencia de hachas de piedra pulida, que
seguramente fueron de gran importancia para la tumba de árboles en la preparación
de campos de cultivo. Finalmente, la información arqueológica sugiere que para el
1400 A.P. los patrones culturales reportados por los exploradores españoles del siglo
XVI ya estaban bien establecidos.

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.

Para estudiar los cambios ocurridos a lo largo de 11,000 años de ocupación en La

Mula-Sarigúa, la colección de materiales arqueológicos recuperados a lo largo de la
investigación de este sitio ha sido incorporada a una base de datos georeferenciada
(coordenadas UTM zona 17N). Esta variabilidad espacio/temporal puede ser
interpretada de manera óptima mediante la utilización de técnicas de análisis propios a los
SIG.

Definición del Problema

Para optimizar la obtención de datos que permitiera establecer los parámetros de
definición del sitio tales como tamaño, cronología y variabilidad al interior del
mismo se implemento un programa de recorrido de superficie en dos fases. En la
primera fase se aplicó una estrategia de muestreo probabilístico mediante la
ejecución de transectos de 100 m a 2 Km de largo con 100 metros de separación
entre uno y otro, y muestreando en intervalos de 25 m. El muestreo se hizo por
recolección de superficie o sondeos (pruebas de pala de 30 cm de diámetro). La
segunda fase se realizo con base en los resultados de la fase anterior, donde se
recuperaron materiales arqueológicos se llevó a cabo un muestreo más intensivo.

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.

1. La Tabla de transectos contiene la ubicación geográfica en coordenadas

UTM de 756 unidades de muestreo, 469 de las cuales rindieron materiales
arqueológicos.
2. La Tabla de cerámica consiste de 4636 registros especificando la proveniencia
de los diferentes tipos cerámicos identificados.
3. La Tabla de artefactos líticos consiste de 1339 registros especificando la
proveniencia de los diferentes tipos diagnósticos identificados.

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).

 Inicia Arc Toolbox oprimiendo el botón que tiene una caja de

herramientas roja. Se abrirá un directorio con varias cajas de herramientas
rojas, pica sobre el signo de + de 3D Analyst Tools. A continuación abre la caja
Raster Interpolation y selecciona la herramienta Topo to Raster, esta
herramienta sirve para interpolar a partir de puntos, líneas o polígonos un Modelo
Digital de Elevación (MDE) con superficie hidrológicamente correcta (esta
misma herramienta se encuentra en Spatial Analyst en la caja Interpolation,
cabe mencionar que existen otros métodos de interpolación en Spatial Analyst
pero únicamente manejan puntos de datos y no curvas de nivel).

 En el Módulo Topo to Raster selecciona en la primera ventana la capa

La_Mula_cotas como la capa a procesar. Ésta aparecerá en la siguiente ventana,
en el campo Field pica en la celda y especifica que el campo ZVAL contiene los
valores de elevación. Asegúrate de que en el campo Type este seleccionada la
opción Contour que define que es una capa con curvas de nivel. A
continuación guarda la superficie raster resultante en tu carpeta de trabajo y dale
el nombre de La_Mula_MDE. Especifica que la resolución de píxel sea de 5m y
pica en OK. El proceso puede llevarse algunos minutos dependiendo de la
velocidad de tu procesador.

 En este ejercicio el MDE nos servirá únicamente para fines de visualización y

no de análisis, aunque cabe aclarar que estas superficies pueden utilizarse para
llevar a cabo análisis mucho más complejos como la extracción de superficies de

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”.

 Ahora vamos a combinar estas tres imágenes. Éstas deberán aparecer en

el siguiente orden: sombreado, MDE y pendiente. Abre el Módulo de
propiedades de La_Mula_MDE y pica la pestaña de simbología, escoge la
opción “stretched” y selecciona la escala de colores “Elevations #2”. Ahora
pica en las pestaña de Display y dale un porcentaje de transparencia de 50, acepta
los cambios. Para la imagen de pendiente dejaremos la simbolización
predeterminada que es “clasificada” y debe de consistir en 9 clases. Cambia
display a 60% de transparencia y acepta. Finalmente para la imagen de sombreado
utilizaremos la escala de colores de grises (la predeterminada) y cambiaremos en
Display la transparencia a 30 y el contraste a 20. Deselecciona la capa
de cotas y agrega las capas Río_Parita y Arroyos y dales una simbología azul
(haz clic con el botón izquierdo del ratón sobre el símbolo de cada uno de
estos y del modulo de símbolos que aparece selecciona “River” y “Lake”
respectivamente).

 Ahora vamos a agregar nuestros datos arqueológicos, aunque no contamos con

capas de datos propiamente dichos (archivos con extensión shp), tenemos tres
tablas con los registros de las coordenadas UTM de cada uno de los puntos de
recolección. Podemos a partir de estas crear las capas con toda la información

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.

 Vamos a utilizar la herramienta de polígono de la barra de Dibujo,

selecciónala del menú. Para digitalizar coloca el apuntador en donde quieras
iniciar el polígono (si lo juzgas necesario acércate con la herramienta de zoom) y
simplemente oprime una sola vez el botón izquierdo del ratón, vas a ir colocando
los nodos del polígono siguiendo los límites marcados por la presencia de
materiales arqueológicos (no consideres los puntos aislados que se
encuentran al noreste y sureste de la imagen). Para cerrar el polígono pica
dos veces una vez que esté cubierta toda el área de concentración de puntos.
Cambia la simbología a “hueco” (Hollow).

 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.

 Antes de trabajar con la distribución espacio/temporal de los datos vamos a

asignarlos a su periodo temporal, para esto utilizarás la información contenida en
la Tabla 2. Apaga la capa Transectos y abre la tabla de atributos de “lítica_UTM”.
Agrega un nuevo campo numérico (Short Integer) que llamarás PERIODO. Has
lo mismo con la tabla de “cerámica_UTM”. Para escribir el identificador de
242
 cada periodo (ID de la Tabla 2) al cual corresponde cada tipo lítico.
Comienza con la tabla de Lítica asignado el identificador correspondiente a cada
periodo. Abre el modulo SQL Select by Attribute para que seleccionemos los
tipos diagnósticos por periodo. Por ejemplo, para selecciona mediante la
siguiente expresión SQL: "TIPO" = 'FLUTEGRID', todos los registros donde
el tipo sea puntas de proyectil con acanaladura. Una vez seleccionados oprime
el botón de Selected que se encuentra en la parte inferior de la tabla, con esto se
editaran exclusivamente los registros seleccionados. Selecciona el campo de
PERIODO y con la calculadora de campo (Field Calculator) escribe el
identificador para el periodo “1” y oprime OK. El identificador 1 aparecerá
exclusivamente en los registros que contengan al tipo FLUTEGRID. Repite el
mismo proceso con los demás tipos líticos y cerámicos. Una vez que hayas
concluido guarda las ediciones y cierra el editor.

PERIODO ID TIPO CERÁMICO TIPO

PALEOINDIO 1 N/A LÍTICO
FLUTEGRID
(11,000-10,000
A.P.)
PRECERÁMICO 2 N/A BIFRAG
TEMPRANO (10,000-
7000 A.P.)
PRECERÁMICO 3 N/A UNIFACE
TARDÍO (7,000-
5,000 A.P.)
CERÁMICO 4 MONAGRIL EDGIE
TEMPRANO LO
(5,000-3,000
CERÁMICO A.P.)
MEDIO 5 AGUADULCE-
EARL BREADBOA
(3,000-1,400 A.P.) LADRONES R
SARIGÚ BARMANO
LAMUL PEARCE
A LT
TONOSI SCRAPL
CERÁMICO 6 ARISTID
CONT AN
TRAPCE
TARDÍO (1,400- E LT
300 A.P.) LATE METATE
Tabla 2. Cronología de materiales cerámicos y líticos MAN

 Definiremos primeramente las ocupaciones más tempranas, de acuerdo a la

Tabla 2 tenemos tres periodos precerámicos y tres cerámicos, para los primeros
podremos crear las capas directamente de la tabla de lítica pero para los últimos
tendremos que combinar los datos de cerámica con lítica en una sola capa. Abre
la tabla de atributos de “lítica_UTM” y oprime el botón Options para seleccionar
el Módulo SQL Select by Attributes. Define la expresión SQL que seleccione
todos los registros que pertenezcan al periodo Paleoindio. Una vez seleccionados
pica con el botón derecho sobre la capa “lítica_UTM” y selecciona la opción
243
 Data-Export Data. En el Módulo que aparece asegúrate que los elementos que se
están exportando sean únicamente los seleccionados, navega en el directorio hasta
tu carpeta de trabajo y nombra tu nueva capa “Paleoindio”, oprime OK y acepta
agregar Paleoindio al proyecto. Sigue el mismo procedimiento para crear la capa
para el Precerámico Temprano y para el Precerámico Tardío. Asigna a cada
periodo un color diferente: amarillo para el Paleoindio, verde para el Precerámico
Temprano, rojo para Precerámico Tardío.

 Comencemos ahora con los periodos cerámicos. Nuevamente de la tabla de

atributos de Lítica oprime el botón de Opciones para seleccionar por atributos
(Select by Attributes) todos los registros correspondientes al Periodo
Cerámico Temprano. Una vez seleccionados los registros expórtalos (Data—
Export Data…) a tu carpeta de trabajo con el nombre de “Lítica_Cerámico
Temprano” y acepta agregarlos al proyecto. Repite el proceso para crear las
capas “Lítica_Cerámico Medio” y “Lítica_Cerámico Tardío” (recuerda agregar
siempre el prefijo “lítica” para evitar confusión). Nuevamente asigna a cada
periodo un color diferente: marrón para el Cerámico Temprano, azul para
Cerámico Medio y violeta para Cerámico Tardío.

 Vamos a repetir el procedimiento anterior con la tabla de cerámica. Abre la

tabla de atributos de Cerámica y nuevamente oprime el botón de Opciones
para seleccionar por atributos (Select by Attributes) todos los registros
correspondientes al Periodo Cerámico Temprano. Una vez seleccionados
los registros expórtalos (Data—Export Data…) a tu carpeta de trabajo con el
nombre de “Cerámico Temprano” y acepta agregarlos al proyecto. Repite el
proceso para crear las capas “Cerámico Medio” y “Cerámico Tardío”.

 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.

Finalmente, la distribución de materiales arqueológicos para los periodos

Cerámico Medio y Tardío muestran que para estos tiempos la ocupación de
La Mula-Sarigúa llega a su apogeo con una población bien establecida

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.

 En este caso, lo que definirá nuestros agrupamientos (clusters) es la distancia que

guardan nuestros puntos de recolección entre sí, así que lo primero que tenemos
que hacer es identificar a todos aquellos puntos que estén a una distancia máxima
de 50m, para esto vamos a crear una tabla de distancias. Abre Toolbox y selecciona
la caja Proximity y la herramienta Generate Near Table. Esta herramienta generara
una tabla de distancias entre los puntos que cumplan el criterio de selección (en este
caso todos aquellos puntos que se encuentren en un radio <= a 50m entre sí). En el
módulo de la herramienta selecciona en la primera ventana
(Input Features) la capa “lítica_precerámico_tardío”. En la siguiente
ventana (Near Features), vuelve a seleccionar la misma capa ya que queremos que
la medición se lleve a cabo entre los mismos puntos. Guarda en tu carpeta de
Ejercicio 5 la tabla con el nombre de “lítica_pct_Near” y establece el radio de
búsqueda (Search Radius) en 50m. Pica OK y una vez que tengas la tabla ábrela junto
con la tabla de atributos de “lítica_precerámico_tardío” para compararlas.

 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.

 Vamos a determinar el área de agrupamientos (clusters) de acuerdo a la tendencia

de los datos de distancia. Nuevamente en ArcTools selecciona la caja de
herramientas Spatial Statistics Tools y la caja Measuring Geographic
Distributions (Mapeo o medición de distribuciones geográficas) y la
herramienta Directional Distribution—Standard Deviation Ellipse (Distribución
Direccional: Elipse de Desviación Estándar). Esta herramienta además de englobar
los puntos que están agrupados, medirá si existe una tendencia direccional,
calculando primeramente la posición media de los puntos agrupados y a partir
de ahí calculará los ejes X y Y de la elipsoide definiendo su dirección tendencial.

Abre la herramienta y en la ventana “Input Feature Class” selecciona la capa a

procesar (lítica_precerámico_tardío). Guardala en tu carpeta como “elipse_pct”. En
la ventana “Weighted <field” selecciona el campo “lítica_pct_Near.NEAR_DIST”.
Deja todos los demás valores predeterminados y pica en OK. Utiliza una
simbología que te permita ver los puntos de la capa de análisis y que sea del
mismo color. Repite el proceso para las tres capas de los periodos cerámicos
contestando la misma pregunta y calculando el área para cada una de ellas.

¿Cuál es la dirección que toma la elipse?

Abre la tabla de atributos de ésta y calcula el área en hectáreas.
Tomando en consideración la lectura y la introducción de este ejercicio
referente a cambios paleoecológicos, ¿Qué explicación le puedes dar a
la dirección y área de las diferentes

247
 elipses por periodo?

 La determinación de la poligonal del sitio dependerá de las observaciones de

campo, sin embargo, en el área del manejo de recursos arqueológicos a veces nos
vemos imposibilitados de recorrer los sitios en su totalidad o de plano solo
tenemos su ubicación como meros puntos. En estos casos lo que procede es
crear un área de amortiguamiento alrededor del sitio o de los puntos donde se
registró presencia de materiales arqueológicos. Esto es lo que haremos para
cada una de las capas por periodo.

 Abre ArcToolbox y selecciona de la caja de herramientas Analysis Tools—

Proximity la opción Buffer. En la primera ventana vas a especificar que
quieres procesar la capa “Lítica_Paleoindio”. En la segunda ventana definirás
que quieres guardar el resultado en tu carpeta de trabajo con el nombre de
“área_paleoindio”. A continuación establece la distancia en 100 metros. En la
ventana Dissolve Type selecciona la opción ALL para que se disuelvan en una
todas las zonas de amortiguamiento donde haya traslape. Oprime OK. Para
mayor claridad visual cambia el símbolo de las capas creadas a la de polígono
hueco con el borde del color correspondiente a cada uno de los periodos como
los definiste más arriba (Amarillo para el Paleoindio, etcétera).

 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.

Bibliografía de consulta sugerida

Hansell P.K. (1997). Reconstructing the Settlement History of La Mula-Sarigua, Central

Pacific Panama: Exercises for Studying the Past. Archaeological Applications of GIS:
Proceedings of Colloquium II, UISPP XIIIth Congress, Forli, Italy, September 1996
Johnson, I. & North, M. (eds) 1997. Sydney University Archaeological Methods Series 5.

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.

En este ejercicio, a partir de las características físicas del paisaje, se desarrollará un

modelo de organización política en donde las fronteras entre los diferentes reinos del
Alto y Medio Usumacinta adquieren una estructura fluida que se conformaron a las
vicisitudes de las alianzas políticas derivadas de las estrategias expansionistas de
Calakmul a lo largo de este periodo como se vio en la lectura asignada.

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.

Antes de iniciar el proceso de interpolación es importante apuntar

algunas de las características y limitantes que este proceso puede
presentar. En primer lugar está la definición de la resolución del pixel. Éste
dependerá de nuestro problema de investigación y el nivel al cual estamos
trabajando. Por ejemplo, si necesitamos estudiar la distribución de las
estructuras arquitectónicas en relación a su posición vertical y conexión
visual y nuestras curvas de nivel fueron tomadas con un intervalo de 1m, una
252
 resolución de pixel de 10m será inadecuada, necesitaríamos una resolución de
1 metro. De igual manera, en un estudio regional de más de 10,000 km² una
resolución de 1m o inclusive de 50m, no solo demandaría demasiada memoria,
sino que además dicha resolución no garantizaría una mejor exactitud si el
intervalo de las curvas de nivel, estarían digamos a cada 100m.

En segundo lugar, el método utilizado para interpolar puede resultar en

superficies que aunque en apariencias similares pueden contener diferencias
sutiles aunque importantes para nuestro problema de investigación. Los métodos
más comúnmente aplicados son los llamados métodos globales. Éstos aplican
una función polinomial para rasterizar las curvas de nivel procesando las
curvas de nivel siguiendo un procedimiento de “vecino más cercano”
produciendo superficies “suaves” que no necesariamente reflejarán los cambios
abruptos en la topografía (ver el método IWD utilizado en el ejercicio 4). En
ArcMap se pueden producir MDE que destaquen la topografía hidrológica del
paisaje, enfatizando los cambios significativos en la topografía, a un nivel
análogo al del desplazamiento del agua sobre el entorno natural.

 Inicia Arc Tool Box y selecciona la caja de Spatial Analyst Tools—

Interpolation—Topo to Raster. Se abrirá un modulo dónde vas a definir la capa a
procesar y los parámetros a seguir. En la ventana Input feature data, selecciona la
capa curvas_de_nivel. La capa aparecerá en la ventana inferior, notarás que hay
tres columnas: Feature layer donde debe de aparecer el nombre de la capa que
vas a procesar, Field y Type. ES MUY IMPORTANTE que definas en Field que
el campo a procesar va a ser el de “CONTOUR” que es el que contiene los valores
de las elevaciones. La ventana de abajo define en donde será guardado el resultado.
En este caso navega hasta la carpeta del Ejercicio 6 y guarda la imagen como
“USU_MDE”. A continuación define la resolución de pixel a 50 metros. El área
de estudios es de 7575 km², aunque ésta no es demasiado grande prefiero no
forzar tu máquina, idealmente podrías utilizar una resolución de pixel de 20x20
m. Para delimitar el área que deberá interpolarse usaremos el polígono

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.

 Una vez que el proceso de interpolación haya terminado la imagen aparecerá en

una rampa de grises, vamos a cambiar la rampa de colores para comenzar a
preparar nuestro producto cartográfico final. Con el botón derecho del ratón
pica en el nombre del MDE (USU_MDE), aparecerá un menú del cual vas a
seleccionar la última opción que es la de Propiedades (Properties…). La
ventana que aparece es la que tiene la definición de todas las propiedades de la
imagen raster. De las pestañas que se encuentran en la parte superior, pica la que
dice Symbology y cambia la escala de colores a Stretched, “Elevation # 2”.
Ahora pica la pestaña de la parte superior que dice “Display”. De las diversas
opciones que te aparecen escribe 50 en el cuadro que dice Transparency, esto le
dará un 50% de transparencia a la imagen del MDE y por último pica el botón de
“aceptar”.

 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:

 Selecciona del menú de herramientas de Spatial Analyst “Superficie—

Pendiente” (Surface Analysis—Slope) para crear la pendiente. En la primera
ventana selecciona USU_MDE como el raster a procesar. En la segunda ventana

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”.

 Ahora agregaremos el archivo “cuerpos de agua” para incluir al río Usumacinta y

demás cuerpos de agua. Finalmente representa esta capa utilizando la simbología
para cuerpos de agua (Lake). Con el botón izquierdo del ratón pica sobre el
símbolo de “cuerpos de agua” (es el cuadrángulo con el color con que
actualmente está representada esta capa). De la ventana que aparece,
selecciona el símbolo color azul claro (Lake).

Álgebra Cartográfica: Derivando Superficies de Costo-Distancia

Recordarán que en la lectura discutida en clase hablamos de que para calcular el costo
de caminar sobre el terreno natural en energía o tiempo se necesitan obtener las
superficies de fricción, es decir la resistencia que ofrece el terreno para el
desplazamiento sobre este. Existen dos tipos de fricción: fricción isotrópica y fricción
anisotrópica. La primera es la fricción que es igual en cualquier dirección, por ejemplo
caminar en un terreno plano pero pantanoso, con arena, con nieve, etcétera La segunda
es el tipo de fricción que tiene dirección y magnitud, como cuando caminamos pendiente
arriba o pendiente abajo.

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.

A partir de estos datos podemos estimar que la fricción en el desplazamiento en una

pendiente de 20º es aproximadamente 13 veces mayor que el desplazamiento en una
pendiente de 0º. Debemos estar conscientes también que la relación entre
desplazamiento y pendiente no es una relación lineal. Las mismas observaciones nos
han indicado que conforme la pendiente se va aproximando a los 40º y 50º estas se
vuelven casi prohibitivas para el desplazamiento humano. Con base a estas
observaciones, como ya lo vimos en clase se ha derivado la siguiente fórmula:

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.

 Para llevar a cabo la manipulación matemática de nuestra imagen de

pendiente vamos a utilizar el modulo llamado Raster Calculator (calculadora de
raster), que se localiza en la barra de menús. Cuando realizas operaciones de
álgebra cartográfica con Raster Calculator se crean varias imágenes intermedias
que serán almacenadas en la carpeta de archivos temporales, ten cuidado entonces
que el producto final (la superficie de fricción) se archive en la carpeta del
Ejercicio 6, más adelante te indicaré como. Abre Raster Calculator picando en su
nombre que se localiza en la barra de menús. La calculadora se abrirá y notarás
que el modulo parece una calculadora dividida en siete (7) secciones. La primera
(Layers), es la ventana que enlista el número de capas raster que pueden ser
manipuladas. La segunda corresponde a los operadores matemáticos, lógicos
(booleanos) y botones de dígitos, seguidos por los botones de funciones
aritméticas, trigonométricas, logarítmicas y exponenciales. La parte inferior es
donde las expresiones algebraicas aparecerán de acuerdo a las selecciones hechas.

A continuación vamos a ejecutar la ecuación arriba formulada sobre la superficie

de pendiente. Pica en el botón “Sqr” de los operadores exponenciales. En la
ventana inferior aparecerá la función Sqr() y el cursor estará parpadeando entre
los paréntesis. De la ventana de Layers selecciona “pend_MDE” haciendo
doble clic sobre su nombre con el botón izquierdo del ratón, (“pend_MDE” debe
de aparecer en la ventana inferior del modulo), pica el botón evaluate para iniciar
el proceso. La imagen resultante aparecerá con el nombre “Calculation”, para
evitar confusiones cámbialo a “pendsqr” haciendo clic en su nombre de la misma
manera en que se pueden cambiar los nombres de un archivo o carpeta en

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”.

 Para procesar la segunda parte de la ecuación vuelve a abrir Raster

Calculator selecciona nuevamente “pend_MDE” y multiplícalo (*) por -.025,
cambia el nombre a “temp”. Para completar esta parte de la ecuación vuelve a
abrir Raster Calculator pero esta vez selecciona “temp” y súmale 1 (uno) y al
producto dale el nombre “temp2”.

 Por último para completar la ecuación sumaremos con Raster Calculator

“pendsqr2” con “temp2”. El resultado de esta suma representa la superficie
de fricción a partir de la cual obtendremos la superficie que reflejará el costo
(energía-tiempo) en desplazarse a través del entorno físico (nota, sin embargo,
que en este ejercicio únicamente estamos considerando la fricción anistrópica y
no la isotrópica). Dale el nombre de “friccion” (sin acento) a esta capa. Recuerda
que todas las capas creadas hasta el momento son archivadas en la carpeta
temporal, así es que vamos a tener que convertir ésta en una capa permanente.
Pica en el nombre de la capa “friccion” con el botón derecho del ratón. Del menú
que se abre selecciona las siguientes opciones: Data—Make permanent… y
navega hasta la carpeta del ejercicio 7 donde guardaras esta capa como
“friccion”. elimina las capas temporales, ya que no las vamos a usar más.

 Procederemos ahora a calcular el área óptimamente cubierta por cada una de

nuestras cuatro capitales regionales a fin de crear el modelo base que nos
ayudará a definir la extensión territorial de estos reinos a lo largo del Clásico
Tardío. Agrega la capa “Capitales_regionales”, de la ventana de Toolbox,
selecciona Spatial Analyst tools—Distance—Cost Distance. Esta herramienta
calculará la distancia costo acumulada para cada pixel desde un punto de origen,
sobre una superficie de costo (fricción). Se abrirá un modulo con cuatro
ventanas. En la primera ventana (Input raster or feature source data) vamos

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.

 La imagen resultante aparecerá simbolizado en clases. Para darle un efecto

visual más impactante haremos algunos cambios a la simbología. Primeramente
cambiaremos a valores continuos utilizando la rampa de colores llamada
“spectrum full bright”. Cambia la rampa siguiendo el mismo procedimiento
descrito arriba en el paso 3, pero aun no piques en “aceptar”. Cuando hallas
cambiado la rampa de colores checa el cuadrito de la parte inferior derecha que
dice “Invert” para invertir los colores. Pica ahora la pestaña que dice “Display”
para poner el nivel de transparencia a 40% y ahora si pica el botón “Aplicar”.

“Apaga” las capas de fricción, pendiente, dirección y la del MDE y

selecciona la capa de sombreado, abre su modulo de propiedades (recuerda, esta
se abre haciendo clic en el nombre de la capa con el botón derecho del ratón).
Pica en la pestaña de Display y cambia el nivel de transparencia a “0” y el nivel
de contraste a “50”. Pica el botón de “Aceptar” y observa el efecto de estos
cambios.

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.

 Agrega ahora la capa de los centros secundarios. Vamos a cambiar el símbolo de

las Capitales regionales a una estrella roja, y la de los centros secundarios a un
triangulo negro. Primero, con el botón izquierdo del ratón pica sobre el símbolo
de capitales regionales. Se abrirá el modulo selector de símbolos (Symbol
Selector), con el deslizador recorre hacia abajo hasta encontrar el símbolo “Star
3” que es una estrella verde. En la parte derecha del modulo aparecerá el
nuevo símbolo, vamos a cambiar el color a rojo picando en el cuadro verde y
seleccionando ese color. Ahora vamos a cambiar el tamaño de la estrella de
18 a 12 y finalmente pica en “OK”. Repite el procedimiento para cambiar el
símbolo de los centros secundarios a triangulo negro de tamaño 10. Vamos a
incluir el nombre de los centros primarios a la composición cartográfica.

 Abre el modulo de propiedades de “Capitales_regionales” y pica la pestaña que

dice Labels. Checa el cuadrito localizado en la parte superior izquierda (Label
features in this layer). En la ventana que dice Label Field asegúrate que el
campo seleccionado sea “ENTIDAD”. Pica en “Aceptar”. Podríamos hacer lo
mismo para los centros secundarios pero entonces nuestro mapa se vería saturado
de texto.

Como se recalcó en la lectura asignada nota como algunos de los centros

secundarios se ubican en la periferia de los territorios óptimamente controlados
(en las zonas azul claro). Es interesante recalcar que estos a su vez están
ubicados en puntos estratégicos del paisaje, ya sea donde se tiene que
desembarcar del río para evitar los rápidos, o en los pasos naturales tierra

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.

Los resultados obtenidos concuerdan con la información arqueológica y

epigráfica correspondiente a la mitad del octavo siglo d.C. y nos muestran como
los SIG pueden ser una herramienta de gran utilidad para estudiar la composición
geopolítica de sociedades complejas del pasado.

Bibliografía de consulta sugerida

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