SciELO - Scientific Electronic Library Online

 
vol.18 número1Estudio comparativo de Zonas de Aprovisionamiento y Cantera (ZAC) de Punta de la Peña (Antofagasta de la Sierra, Catamarca): análisis de las actividades de talla en una cantera y cantera-tallerAnálisis tafonómico de conjuntos líticos de superficie en la costa norte del golfo San Matías (Rio Negro, Argentina) índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Intersecciones en antropología

versión On-line ISSN 1850-373X

Intersecciones antropol. vol.18 no.1 Olavarría jun. 2017

 

ARTÍCULOS

Modelo de distribución potencial de locaciones arqueológicas para el periodo Tardío (1200-1500 DC) en el valle de Guandacol (oeste de la provincia de La Rioja)

 

M. Lourdes Iniesta y Facundo Rojas

Instituto de Ciencias Sociales, Humanas y Ambientales (INCIHUSA). Centro Científico y Tecnológico Mendoza. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Av. Ruiz Leal s/n (5500), Mendoza. E-mail: liniesta@mendoza-conicet.gob.ar
Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales (IANIGLA). Centro Científico y Tecnológico Mendoza. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Av. Ruiz Leal s/n (5500), Mendoza. E-mail: frojas@mendoza-conicet.gob.ar

Recibido 21 de abril 2016.
Aceptado 18 de julio 2016


RESUMEN

En este artículo se desarrolla un modelo de distribución potencial de locaciones arqueológicas del período Tardío (ca. 1200-1500 DC) para el valle de Guandacol (oeste de la provincia de La Rioja), a partir de relaciones entre los emplazamientos y algunas variables ambientales significativas para tales instalaciones, como son bosques nativos, precipitaciones, suelos, altimetría y ríos. Esto es llevado a cabo a partir del manejo de un software de máxima entropía (Maxent). Esta metodología proporciona un mejor acercamiento al patrón de asentamiento, y permite evaluar qué variables del entorno físico y en qué grado de contribución fueron priorizadas por las poblaciones para el hábitat. Asimismo, facilita la selección de zonas para las prospecciones y aumenta la probabilidad de hallar áreas de ocupación, particularmente en territorios con condiciones geomorfológicas y antrópicas que afectan la preservación del registro cultural. Las variables que mayor aporte hicieron a nuestro análisis son la estacionalidad de la temperatura, la proximidad a los algarrobales en el fondo de valle y las precipitaciones del mes más lluvioso.

Palabras clave: Modelo de distribución de locaciones; Valle de Guandacol; Sector meridional del Noroeste; Análisis espaciales.

ABSTRACT

Modeling the potential distribution of archaeological locations for the Late period (c. AD 1200-1500) in Guandacol valley (western La Rioja province)

This paper develops a model of potential distribution of archaeological locations during the late Period (c. AD 1300-1500 AD) for Guandacol Valley (western La Rioja Province) based on the relationship between settlements and significant environmental variables that indicate the presence of settlements, such as native forests, precipitation, soil, altimetry and rivers. The model was developed with maximum entropy software (Maxent). This methodology provides an improved approach to settlement patterns, and can assess which variables of the physical environment, and to what degree, were prioritized by the population for their habitat. It also facilitates the selection of zones for prospecting and increases the probability of finding occupation areas, particularly in locations with geomorphological and anthropic conditions affecting the preservation of the cultural record. The variables found to contribute the most in our analysis were seasonal temperature, proximity to the carob forest, location on the valley bottom, and precipitation during the wettest month.

Keywords: Model of potential distribution of locations; Guandacol Valley; Southern sector of the Northwest; Spatial analysis.


 

INTRODUCCIÓN

La aplicación de modelados en las investigaciones arqueológicas ha permitido, desde hace décadas, avanzar en el conocimiento sobre los comportamientos, las conductas y las elecciones hechas por las sociedades para el hábitat en un espacio y tiempo determinados. La formulación de estas metodologías es de gran aporte y utilidad en lo que refiere, entre otros aspectos, a la selección de nuevas áreas para la prospección y localización de asentamientos en contextos macrorregionales (Fernández Cacho 2010). En este sentido, el objetivo de este artículo es generar un modelo de distribución potencial de locaciones arqueológicas en el valle de Guandacol (oeste de la provincia de La Rioja) para el período Tardío (ca. 1200-1500 DC) a partir de un análisis de máxima entropía. Para tal fin utilizamos el software Maxent, en el que se integró información de índole arqueológica, fundamentalmente de registros superficiales, con otras fuentes ambientales e históricas. Las variables introducidas fueron las culturales –áreas residenciales y de actividades pasadas– y ecológicas –bosque histórico, bosque potencial, cursos de agua (permanentes y transitorios), pendiente, subórdenes de suelos, altitud, precipitaciones y temperatura–. Asimismo, en busca de efectuar comparaciones intervalle, incorporamos asentamientos ubicados entre el bolsón de Fiambalá, en el suroeste de Catamarca, y el valle de Iglesia, en el noroeste de San Juan, región considerada como meridional del Noroeste.
Este análisis parte de la baja probabilidad de localizar emplazamientos en la región de estudio debido a las propias características del registro arqueológico –como las viviendas fabricadas con barro y quincha–, afectado notablemente por los agentes erosivos y las amplitudes térmicas. Asimismo, se suman las alteraciones antrópicas como las actividades de desmonte, arado, tránsito de personas y otras. Por estas condiciones, casi la totalidad de los restos se depositan sobre la superficie, en forma de palimpsestos y en avanzado estado de descomposición. Ante lo expuesto, creemos que para abordar zonas con similares condiciones geoambientales, y particularmente para el trabajo de registro superficial, es conveniente explorar otras vías metodológicas, que permitan un acercamiento complementario a los paisajes arqueológicos a mayor escala y superar las limitaciones que exceden a nuestra propia observación de campo. De este modo, y tratando información de variada procedencia empírica, nos resulta válido generar un modelo que nos aportará conocimiento sobre posibles zonas de instalación humana, patrones de asentamiento, uso y formas de ocupación de los espacios y otros.

ESCENARIO AMBIENTAL DEL ÁREA DE ESTUDIO

Guandacol se localiza a una LS 29 º 31 36 y LO 68 º 33 41, a 1050 msnm, en el departamento Felipe Varela, provincia de La Rioja. La zona es bioclimáticamente árida, con promedios anuales de lluvias que no superan los 220 mm (Rosa 2000). Hacia el oriente se ubican depósitos eólicos-fluviales que llegan al área próxima de Pagancillo y a la sierra Morada. Por el sur, el límite lo constituye la provincia de San Juan. En el extremo norte se halla la serranía de Maz, de características pampeanas; y al oeste, la cortina de las altas cumbres de Los Andes (Rosa y Mamaní 2002) (Figura 1). Los cursos fluviales de carácter permanente son La Troya, Los Nacimientos y el Guandacol. Este último nace en la ladera oriental de la sierra de La Punilla y, al llegar al pueblo homónimo, confluye con el río de La Troya; y en San Juan, con el Bermejo. El caudal es aprovechado para riego mediante el sistema de acequias y canales, lo que hace posible la agricultura de vides y frutales. El resto de la red hidrográfica está constituido por ríos de cauce seco o semipermanentes y de importancia secundaria. Entre ellos podemos mencionar el Yanso, el De La Vuelta y el De La Flecha. Asimismo, al ubicarse Guandacol sobre un cono aluvial, es un lugar favorable para la infiltración de agua producto de las lluvias, por lo cual, ante la pobreza de recursos hídricos superficiales, se desarrollan capas freáticas que adquieren relevancia antrópica (Sánchez et al. 2008).


Figura 1.
Ubicación del valle de Guandacol y locaciones arqueológicas mencionadas en el texto dentro del contexto meridional del Noroeste.

En la región se ubican ambientes propios de la acumulación de limos finos y arcillosos como los conocidos barreales; y, en el fondo del valle, geoformas llamadas dunas. Los primeros se definen como superficies que se encuentran erosionadas y surcadas por cárcavas producto de la acción de las lluvias y el desborde de aguas. Sobre estos suelos, de poca sedimentación y pendiente, se originan grietas de desecación y no se desarrolla flora (García Salemi 1985). En cuanto a las dunas, existen diversos tipos y generaciones, lo que evidencia sucesivos episodios de crecimiento del sistema eólico. Estas unidades se encuentran cubiertas por bosques de distintas densidades, intercalados con superficie arbustiva dominada por Larrea sp., lo que ha conducido a la estabilización de las geoformas, mayormente inactivas (Tripaldi y Limarino 2008).

FUNDAMENTOS ARQUEOLÓGICOS PARA LA APLICACIÓN DE MODELADOS EN EL VALLE

El área de estudio forma parte del sector geográfico considerado como meridional del Noroeste, que abarca aproximadamente desde el suroeste de la provincia de Catamarca y hasta al noroeste de San Juan, el cual presenta características arqueológicas particulares respecto de otros núcleos de desarrollo cultural, en especial para el contexto cronológico del Tardío (ca. 1200-1480 DC) (Boman 1927-1932). Ha sido mencionado como "periferia" y zona "marginal" de los centros como la Quebrada de Humahuaca, en Jujuy; los valles Calchaquíes; el valle de Hualfín en Catamarca y otros, categorías que están siendo revisadas dentro de un replanteo general de esquemas y dinámicas poblacionales para esta temporalidad (Nielsen 2006; Acuto 2007).
Los estudios sobre las sociedades Sanagasta- Angualasto, como los realizados en varios sitios del valle de Abaucán, Catamarca; en Las Taperas y El Carmen, en el sector central del valle de Vinchina, La Rioja; en Angualasto y Pachimoco, en el Valle de Iglesias en San Juan; o el valle del río Blanco-Jáchal, y
otros sugieren que las comunidades habrían vivido de forma aldeana, con espacios colectivos y cierta autonomía político-económica. Para el patrón de asentamiento en estos valles precordilleranos, se ha propuesto un núcleo habitacional centrado en el fondo de valle y viviendas dispersas en los alrededores en torno a recursos hídricos y relictos de bosques nativos, con alta visibilidad de los espacios. Estos modos de vida difieren de los grandes conglomerados de las regiones centrales del NOA y parecen prolongar las formas de habitar de las poblaciones del Formativo, de pequeña escala y poblados dispersos (Debenedetti 1917; Gambier 2000, 2003; Spengler y Callegari 2010; Spengler et al. 2013; Ratto 2013, entre otros). No obstante, para la instalación se seleccionaron, en algunos casos, ápices conoidales de la precordillera y zonas altas (Callegari y Gonaldi 2006).
Nuestro sector de estudio responde a dichas consideraciones generales para el contexto de análisis, con base en los antecedentes del yacimiento denominado Tambería de Guandacol y Santa Clara (De la Fuente 1973; Callegari y Gonaldi 2007-2008; Bárcena 2010; Bárcena et al. 2010; Carosio et al. 2012) y de emplazamientos dispersos sobre los márgenes de los ríos Guandacol y La Troya, próximos al pueblo homónimo, en un radio aproximado de 400 km² (Iniesta et al. 2013; Iniesta y Bárcena 2014; Iniesta 2015). Las prospecciones en sectores montañosos "Sierra de Maz, Morada, Punilla y Precordillera" no arrojaron restos arqueológicos.

METODOLOGÍA

Mediante el modelo de distribución potencial de sitios arqueológicos se busca determinar aquellas áreas que podrían haber reunido las condiciones ambientales más favorables para el asentamiento de las poblaciones pasadas. Esto es a partir de la aplicación de un algoritmo de máxima entropía que expresa relaciones entre las locaciones arqueológicas –variables dependientes– y una serie de variables ecológicas –independientes–. En este sentido, se busca identificar el grado de frecuencia en la elección de lugares similares y el porcentaje de contribución de cada variable ambiental, sobre el patrón de distribución espacial de los emplazamientos (Kohler y Parker 1986; Ebert y Singer 2004). En el análisis de Guandacol y sus regiones aledañas, se integraron datos arqueológicos con otros de índole ambiental, climática e histórica obtenidos de diferentes fuentes. Utilizamos el programa QGIS 2.10.1¹, para almacenar y procesar la información espacial. Posteriormente, incorporamos las variables seleccionadas al software Maxent versión 3.3.3 k² (Phillips et al. 2006). Este método, mayormente utilizado para el estudio de las distribuciones de especies animales y vegetales, estima la probabilidad de ocurrencia, teniendo en cuenta la distribución más cercana a la máxima entropía, entendiendo esto como el cálculo de la media empírica de cada variable ambiental en relación con la distribución de asentamientos arqueológicos. Elegimos esta técnica porque, al requerir datos sólo de presencia de la variable dependiente, ha probado tener un buen rendimiento, aún con bajo número de locaciones (Hernández et al. 2006; Tarkesh y Jetschke 2012).
El software permite separar los datos de prueba de los de entrenamiento. De este modo, la precisión del modelo es evaluada de acuerdo con el valor del área bajo la curva ROC –característica operativa del receptor (o AUC)–. Esta curva compara la proporción de los valores de sensitividad o presencia con la de especificidad o ausencia³. Del total de los sitios se utilizó al azar el 70% para generar el modelo y el 30% restante para probarlo (Zaniewski et al. 2002; Wisz y Guisan 2009). El programa, además, permite manejar variables predictoras y estima la importancia relativa de cada una de ellas en la distribución de la especie mediante el procedimiento Jackknife (aporte a la ganancia total) (Guisan y Zimmermann 2000).
Desde el campo arqueológico, no existen estudios en el área que hayan estimado distribuciones potenciales de sitios a partir de un programa de modelado. Las fases para el planteo de nuestro estudio son:
a- Compilación de datos: se reunió información de carácter ambiental de variada procedencia, para seleccionar aquellas variables que se incluirían en el modelo y definir la escala de análisis4. Estas variables fueron elegidas a partir de un corpus de bibliografía sobre estudios ecológicos y climáticos regionales (proxys) y otros datos de análisis espaciales en general (De Feo y Gobbo 2005; Warren y Asch 2005; Grau Mira 2006; Ree 2010; Coll 2013; Spengler y Lentini 2013; Cahiza 2014, entre otros).
b- Prueba y error: sobre un total de 30 variables seleccionadas a priori, se realizaron una serie de pruebas del modelo, en las que se fueron descartando aquellas que eran muy poco significativas (menos de 0,5% de contribución). También se tuvo en cuenta el grado de aporte de cada variable a la ganancia total del modelo (prueba Jackknife). De esa manera se suprimieron: insolación, cobertura vegetal, profundidad de freática, productividad de suelos, morfología, permeabilidad, rugosidad y precipitación del trimestre más frío (bio19). Al igual que las variables ambientales descartadas, resultó que aquellas variables de tipo social –como distancia entre locaciones arqueológicas, intervisibilidad, tamaños de asentamientos y rutas óptimas– fueron desestimadas por el nulo o bajo aporte al modelo. Estas arrojaron valores insignificantes e incongruentes en relación con la contribución de las variables naturales mencionadas. No obstante, se encuentran en proceso de evaluación la correcta agregación al modelado y las pruebas de autocorrelación espacial entre ellas.
c- Ensayos finales: se efectuaron las últimas corridas con las siguientes variables edáficas, altimétricas, hídricas y climáticas: bosque histórico, bosque potencial, cursos de agua (permanentes y transitorios), pendiente, subórdenes de suelo, orientación, altitud, desviación estándar de la temperatura media mensual (bio4), precipitación del mes más seco (bio14), precipitación del mes más lluvioso (bio13), precipitación media anual (bio12), temperatura máxima del mes más cálido-temperatura mínima del mes más frío (bio7).

La variable suborden de suelos fue elaborada a partir del mapa de suelos de INTA (1995). Para la variable altitud se utilizó un ASTERGDEM 2. En cuanto a la variable bosque histórico, se utilizaron resultados de los trabajos de Facundo Rojas et al. (2014) sobre historia ambiental de la región; y para el bosque potencial, los resultados de Perosa et al. (2014). En cuanto a las variables hídricas, cursos de agua permanentes y semipermanentes (superficiales), se utilizó el atlas de la Subsecretaría de Recursos Hídricos de la Nación (2010). Todas las inconsistencias del análisis visual de las variables (y de los resultados de los trabajos de campo) fueron ajustadas y corregidas a partir de imágenes satelitales Landsat 7 y 8, CBERS 2B HRC, Google Earth (Digital Globe) y Cartografía del Instituto Geográfico Nacional (IGN) que respondían a diferentes niveles de resolución espacial.
Por su parte, las variables climáticas se obtuvieron del sitio WorldClim con pixeles de resolución espacial de 30 segundos (1 km2, aproximadamente)5. Estas fueron generadas a partir de interpolaciones de valores mensuales de temperatura y precipitación de estaciones meteorológicas (Hijmans et al. 2005). Para seleccionar los datos referidos a puntos de presencia "locaciones arqueológicas" se tomaron los muestreos de estudios previos y en curso en el valle de Guandacol, mediante la utilización de GPS (Global Positioning System) y antecedentes publicados para el ámbito meridional del Noroeste. Incorporamos un total de 134 asentamientos residenciales y productivos/ agrícolas. En el primer caso, reunimos numerosos emplazamientos relevados por nosotros, localizados en los márgenes de los ríos Guandacol, La Troya, Los Nacimientos, La Flecha y De la Vuelta, y sobre los ambientes de barreales como la Tambería, Santa Clara, San Bernardo y Guandacol norte (N = 82) (Iniesta y Bárcena 2015; Iniesta et al. 2015). Por otra parte, incorporamos varios asentamientos del bolsón de Fiambalá y del valle de Abaucán, en el suroeste de Catamarca (mencionados en Sempé 1980 y Ratto 2013), del sector central del valle de Vinchina en el noroeste de La Rioja y Villa Unión (entre ellos, El Carmen, Las Taperas, Eras Viejas, Gualco) (Raviña y Callegari 1988; Callegari y Gonaldi 2006; Spengler y Callegari 2010), valle de Jáchal (como Puesto Quemado, Las Juntas, Paso del Lámar), valle de Gualcamayo y valle de Iglesia en San Juan (ARQ-43, Angualasto, Pachimoco, Barrealitos, entre otros) (Gambier 2000; Bárcena 2010-2012; Durán et al. 2014).

RESULTADOS

Mapa de distribución potencial de emplazamientos arqueológicos
De un promedio de 100 corridas realizadas, se obtuvo el modelo final y su mapa resultante, el cual nos muestra cercanía o similitud entre los espacios de mayor probabilidad o idoneidad de ubicación de los emplazamientos y las locaciones identificadas previamente en el valle de Guandacol. Un fenómeno similar sucede con el contexto macrorregional (el área de estudio completa). Sin embargo, existen lugares donde Maxent predice la presencia de asentamientos, y estos, hasta el momento, no han sido reconocidos. Si detallamos las mencionadas áreas de probabilidad observamos distintos niveles, estipulados por nosotros de menor a mayor: nula (0-0,08), baja (0,08-0,38), media (0,38-0,85) y alta (0,85-1) (Figura 2). Esto nos muestra una mayor predictibilidad en Guandacol, lo que podría deberse a la mejor incidencia de las variables utilizadas, que favorecieron a su vez la instalación de las comunidades, como también al mayor esfuerzo de muestreo en la zona.


Figura 2.
Modelo de distribución potencial de locaciones arqueológicas para el valle de Guandacol y el sector meridional del Noroeste.

Evaluación del modelo
El promedio de los valores del área bajo la curva (AUC), para los datos de prueba, fue de 0,950, con una desviación estándar de 0,010, lo que nos indica una predicción mucho mejor que el azar (AUC = 0,5) y una clasificación bastante precisa de los datos (Figura 3).


Figura 3.
Curva promedio para el receptor (ROC) y promedio para los datos de prueba. La curva está representada por tres líneas de diferentes colores. La línea roja muestra el "ajuste" del modelo a los datos de entrenamiento y es la prueba de la capacidad que tienen los modelos de predecir. La línea azul representa los datos de prueba; y la línea negra, lo que se espera si la predicción del modelo no es mejor que el azar.

Modelo y aporte de las variables
En cuanto al porcentaje de contribución medio de cada variable al modelo, los más altos fueron las variables "Bio4" (estacionalidad de la temperatura), 27,2%; "Bosque nativo histórico", 17,9%; "Bio13" (precipitación del mes más lluvioso), 14,5%; y "Bosque potencial" (bosque nativo potencial), 14,4%, con valores muy próximos. Por su parte, "Cursos de agua" (ríos permanentes y semipermanentes) presentó valores de 9,7%, mientras en bastante menor medida se observaron los porcentajes de "Altitud", "Pendiente" y "Subórdenes del suelo" (3,2%, 2,9%, 2,1%, respectivamente). Las variables con menos porcentajes de contribución (por debajo de 2%) fueron "Bio7" (temperatura máxima del mes más cálido-temperatura mínima del mes más frío), "Bio14" (precipitación del mes más seco) y "Orientación", con un valor de 1,6%, 1,5% y 0,7% (Tabla 1).

Tabla 1. Contribución relativa (%) y aporte exclusivo de cada variable utilizada en el modelo.

En los resultados de la prueba Jackknife, la variable estacionalidad de la temperatura es la que presenta mayor ganancia cuando se la utiliza aislada, por ello parece ser la que brinda la información más útil al modelo. En el mismo sentido, se destacan la altitud, la diferencia entre la temperatura máxima del mes más cálido y la temperatura mínima del mes más frío, y el bosque nativo potencial. En cambio, la variable que disminuye en mayor porcentaje la ganancia cuando se la omite es la precipitación media anual, por ello se considera que es la que más información aporta al modelo que no está contenida en las demás variables. En el mismo sentido, se puede observar que las variables subórdenes de suelos, orientación y precipitación del mes más seco contienen información con alto nivel de particularidad para explicar la distribución resultante (Figura 4).


Figura 4.
Ganancia del modelo para cada variable predictora por sí sola (barras azules). Disminución en la ganancia del modelo completo cuando la variable es omitida (barras verdes). Ganancia total del modelo, con todas las variables (barra roja).

CONSIDERACIONES FINALES Y DISCUSIÓN

El modelo de distribución potencial aplicado, de acuerdo con los resultados logrados, predice la probabilidad de localizar áreas de ocupación humana en Guandacol y regiones vecinas del Noroeste, y señala espacios óptimos para albergar asentamientos arqueológicos. Esta predicción de emplazamientos en función del mapa logrado nos permite evaluar qué variables del medio físico fueron priorizadas o seleccionadas por las comunidades para la instalación en el contexto temporal del Tardío. La metodología aplicada es un aporte a escala regional y macrorregional, para establecer criterios en la ubicación de locaciones y, asimismo, permite delinear próximas salidas al campo, con el fin de reducir los esfuerzos de muestreos –tanto económicos como de tiempo– en la búsqueda de espacios residenciales y productivos en un contexto geográfico hostil para la recuperación de evidencias culturales.
Observamos un amplio sector idóneo para la distribución de emplazamientos, en el cual los lugares de mayor probabilidad coinciden con los puntos de observación encontrados en el terreno, lo que nos indicaría un correcto funcionamiento de nuestro modelo. A su vez, la distribución concuerda con los espacios de mayor densidad de ocupación de acuerdo con la bibliografía disponible. Encontramos valles con probabilidad alta, que coincide con la de los puntos arqueológicos identificados (valle de Guandacol, valle de Iglesia, norte de valle de Vinchina), y también áreas con probabilidad media, con pocos o ningún asentamiento detectado (entre Villa Unión y valle de Vinchina). Por último, encontramos zonas con baja posibilidad de existencia de emplazamientos, aunque existen sitios reconocidos (Chilecito). Esto último se podría explicar por el bajo número de puntos incorporados al modelo, ante la escasez de trabajos publicados para dicha región. Entre las variables que más aportaron al modelo encontramos la estacionalidad de la temperatura, lo que mostraría una preocupación por instalarse en zonas de valles donde tal estacionalidad es menor que en las alturas mayores (sierras y cordillera). En segundo y cuarto lugar, fue muy importante la existencia de bosque nativo, tanto histórico como potencial. Esto concuerda con nuestras expectativas en cuanto al aprovechamiento de los recursos disponibles –no sólo forestales, como la madera y las semillas de algarroba–, sino también por la fauna y la flora que está concentrada en estos agrupamientos forestales (Iniesta 2014; Iniesta y Bárcena 2014). En tercer lugar, fue importante la precipitación del mes más lluvioso, lo cual está vinculado a la existencia de bosque y demás recursos. Según el procedimiento Jackknife, además de las variables mencionadas, adquieren importancia la altitud y el rango de temperatura anual, muy vinculadas a la estacionalidad de la temperatura.
En este sentido, los asentamientos se ubican en el fondo de valle y piedemonte. Las locaciones identificadas presentan facilidad de acceso a los recursos necesarios para la subsistencia y posibilidad de practicar actividades como la recolección y el almacenaje. Comparando el mapa de distribución potencial con el mapa actual de distribución de asentamientos, se observa que, en general, la mayor parte de los sitios se ubican dentro del área potencial estimada, con alta posibilidad de hallar nuevas instalaciones. En relación con los suelos, suponemos que, si bien no aportan demasiada explicación al modelo, esto es
debido a que constituían una limitante mucho menor que las temperaturas extremas o la disponibilidad de agua. Esto también puede tener que ver con la escala de mapeo de suelos que se utilizó, que no tiene gran detalle (aunque no existe otra fuente más precisa) y por ello generaliza suelos en áreas que pueden ser mayores a los conos aluviales de fondo de valle.
Apreciamos entonces que las zonas de posible dispersión de emplazamientos son aquellas con suelos húmedos, franjas de bosques nativos y cursos hídricos. Este modo de ocupación tiene sentido en regiones desérticas y semiáridas, como son nuestra área de estudio y todo el contexto meridional del noroeste. Los espacios relevados se localizan en gran parte a escasos metros de las fuentes hídricas, con posibilidad de consumo y regadío para las actividades agrícolas (Iniesta 2015). De igual manera, otro de los recursos más valiosos distribuidos en el paisaje y disponibles para su múltiple aprovechamiento son los bosques de algarrobo o especies de Prosopis flexuosa. Con base en estudios de referencia de la región, se tiene conocimiento de la antigua existencia de un tupido bosque que cubría grandes porciones de superficie (Roig y Ruiz Leal 1959). Constituye uno de los elementos más importantes del entorno ambiental, de alto valor socioeconómico, y una significativa fuente nutricional para las comunidades (Vilela et al. 2009)6.
Estas interpretaciones, en cuanto relaciones entre los sitios y recursos disponibles en Guandacol, son sostenidas por el registro arqueológico obtenido en los trabajos de prospecciones y excavaciones, en los que se recuperaron restos de techos carbonizados, vainas y semillas de algarroba, semillas de zapallo y marlos de maíz, y abundantes artefactos líticos de molienda y labranza (Bárcena et al. 2010). Desde el bolsón de Fiambalá (departamento Tinogasta, Catamarca) hasta el valle de Iglesia (San Juan), las formas de asentamiento parecen concordar con lo observado en la región de Guandacol, en contraposición con los modos de vida de los núcleos centrales del NOA. Las formas de hábitat y las elecciones ambientales hechas por las poblaciones asentadas en este territorio reflejarían un patrón planificado de asentamiento, con una disposición espacial en zonas de baja altitud. Estas áreas de residencia y actividad agrícola/productiva resultan significativas a la hora de establecer las relaciones entre lugares ocupados y recursos disponibles.
Más allá de estos aportes, para mejorar este modelo, es necesario acrecentar el corpus de información ambiental, escasa para nuestra área de estudio, como el número de sitios arqueológicos. De igual manera, somos conscientes de la existencia de múltiples variables de tipo social o cultural que deberían ser introducidas en los siguientes análisis y otras tantas imposibles de cuantificar, como las creencias, percepciones y valoraciones de la gente (Rodrigo Cámara y Fernández Cacho 2009).

CONCLUSIONES

Como aporte de esta investigación, se logró confeccionar y procesar una primera base de información espacial y elaborar un modelo de distribución potencial de locaciones arqueológicas en el valle de Guandacol y zonas aledañas para explicar patrones de asentamiento, uso de los espacios y la selección de nuevas áreas de prospección para la búsqueda de bases residenciales. Estos resultados iniciales serán contrastados con los datos obtenidos en los próximos trabajos de campo y ampliados con la incorporación de otras fuentes de información, tanto arqueológica como histórica y geoambiental. Desde la perspectiva de abordaje para este artículo, la importancia de considerar los emplazamientos en vinculación con otros rasgos físicos implica comprender la relación de la sociedad con el ambiente y la configuración del paisaje en ese vínculo dialéctico. A partir de la evaluación del entorno de locaciones ya conocidas, se estudian otros lugares inexplorados intentando identificar hasta qué punto presentan relaciones ecológicas similares. En este sentido, evaluamos qué variables influyen en la elección de los ambientes para el hábitat y cómo habrían influido a partir del grado de contribución de cada una.
Los resultados obtenidos en nuestro modelo contribuyen a resolver problemáticas referidas a los modos de vida de las poblaciones del Tardío en el área dentro del contexto meridional del Noroeste. Los análisis realizados hasta el momento nos permiten indicar zonas que pueden contener emplazamientos del pasado, en ambientes con baja probabilidad de hallar sitios preservados, lo que induce a reducir y potencializar las superficies de búsqueda. En esta línea, es donde los modelados predictivos tienen un categórico valor para proponer escenarios sobre las formas de ocupación de los espacios.

Agradecimientos

Las investigaciones fueron realizadas dentro de los proyectos financiados por el CONICET y la ANPCyT, dirigidos por el Dr. J. Roberto Bárcena. Agradecemos al Dr. Pablo Cahiza y a la Dra. María José Ots por los valiosos comentarios que contribuyeron a mejorar el trabajo. Por último, un agradecimiento especial a los evaluadores, que con sus apreciables observaciones ayudaron a la redacción final de este escrito.

NOTAS

1 Sistema de Información Geográfica libre y de código abierto: www.qgis.org/es/site

2 https://www.cs.princeton.edu/~schapire/maxent/

3 Los valores ausencia no son obtenidos de datos de verdadera ausencia (como un algoritmo bayesiano), sino de datos aleatorios (pseudoausencias), generados por el mismo software en el área de estudio (backgroundpoints). Debido a la particularidad del proceso social, entendemos que ello es más apropiado, pues –a diferencia de ciertas distribuciones de animales y vegetación– no se puede asegurar que existan "zonas de ausencia" para los asentamientos humanos. Los modelos con valores de AUC por encima de 0,75 son considerados aceptables.

4 Para la correcta ejecución del modelo, se eligieron áreas vecinas a Guandacol (entre 160 y 240 km alrededor) con la suficiente heterogeneidad ambiental regional, que incluyera valles, cordones montañosos, cursos de agua de diferentes caudales y diferencias climáticas y de vegetación, aunque siempre en un rango territorial que no excediera la vertiente este de la Cordillera de los Andes, sus valles y cordones próximos. Esta última elección estuvo influida por las características de la información ambiental dispuesta, la cual presentaba una resolución espacial de 1 km2, que limita estudios a una escala de detalle. Con base en nuestra experiencia, sabemos que para obtener mejores resultados en los modelados de este tipo es necesario utilizar una escala media. Por último, la existencia de cierto sesgo de homogeneidad ambiental local en las locaciones identificadas en el valle de Guandacol –debida, posiblemente, a la utilización de información ambiental global y/o actual– nos llevó a buscar áreas de ocupación en otros ambientes con algunas diferencias ecológicas.

5 Los datos del WorldClim (http://www.worldclim.org) utilizados implican un promedio regional entre 1950 y el año 2000. Ante la ausencia de trabajos paleoclimáticos para el período de análisis, en este primer estudio experimental, asumimos que las tendencias y condicionantes climáticas han sido relativamente continuas desde la temporalidad del Tardío con los sucedidos entre la mitad del siglo XX y la actualidad. Estamos reconstruyendo las variables ambientales de la región para los contextos coloniales y el siglo XIX, pero no contamos aún con esa información.

6 En Gualcamayo, los estudios isotópicos arrojaron resultados con valores que significan una dieta proteica generada por el consumo directo/indirecto de recursos C3 para algunos individuos, y para otros, compuesta en forma mixta por recursos C3 y C4. Por su parte, la dieta total –definida por la apatita– señala que está constituida por recursos C3. Los bajos valores en ä15N podrían indicar un fuerte componente vegetal en la dieta de los individuos. En ningún caso hay una importancia significativa de recursos C4, entre los que se encontraría el maíz (Durán et al. 2014: 186).

REFERENCIAS CITADAS

1. Acuto, F. 2007 Fragmentación vs. integración comunal: repensando el Período Tardío del Noroeste Argentino. Estudios Atacameños 34: 71-95.         [ Links ]

2. Bárcena, J. 2010 Investigaciones arqueológicas en la "Tambería de Guandacol" (Departamento Felipe Varela, Provincia de La Rioja). En Arqueología del Centro Oeste Argentino. Aportes desde las IV Jornadas Arqueológicas Cuyanas, editado por J. R. Bárcena, pp. 121-181. Xama, Mendoza.         [ Links ]

3. Bárcena, J. 2010-2012 Grabados rupestres del área de la Quebrada de la Chilca, vertiente occidental de la sierra de Valle Fértil, provincia de San Juan, Argentina. El sitio La Chilca pintada. Anales de Arqueología y Etnología 65- 67: 89-120.         [ Links ]

4. Bárcena, J. R., S. A. Carosio y M. L. Iniesta 2010 La Tambería de Guandacol y el registro arqueológico de vestigios de las poblaciones locales del período de Desarrollo Regionales y de dominación Inka. Síntesis de los análisis e interpretación de la arquitectura y cerámica. En Arqueología Argentina en el Bicentenario de la Revolución de Mayo. XVII Congreso Nacional de Arqueología Argentina, editado por J. R. Bárcena y H. Chiavazza, pp. 1649-1654. Zeta, Mendoza.         [ Links ]

5. Boman, E. 1927-1932 Estudios arqueológicos riojanos. Anales del Museo Nacional de Historia Natural. Antropología 35 (72).         [ Links ]

6. Cahiza, P. 2014 Dinámicas espaciales de las comunidades prehispánicas tardías y modernas de Valle Fértil (San Juan, Argentina). Arqueología 19 (1): 19-40.         [ Links ]

7. Callegari, A. y M. Gonaldi 2006 Análisis comparativo de procesos históricos durante el período de integración regional en valles de la provincia de La Rioja (Argentina). Chungara Revista de Antropología Chilena 38 (2): 197-210.         [ Links ]

8. Callegari, A. y M. Gonaldi 2007-2008 Guandacol. Estructuras arquitectónicas tardías del sudoeste de la Provincia de La Rioja. Arqueología 14: 173-187.         [ Links ]

9. Carosio, S., M. L. Iniesta y J. R. Bárcena 2012 Análisis ceramológicos de la Tambería de Guandacol (dpto. Felipe Varela, provincia de La Rioja). Avances para la conformación de grupos de referencia y el conocimiento tecnomorfológico de recipientes. Comechingonia Virtual 2 (5): 98-128.         [ Links ]

10. Coll, L. 2013 Análisis espacial en arqueología. Lineamientos para modelar el uso del espacio agropastoril en el oeste tinogasteño (Catamarca). En Delineando prácticas de la gente del pasado: los procesos socio-históricos del oeste catamarqueño, compilado por N. Ratto, pp. 449-466. Sociedad Argentina de Antropología, Buenos Aires.         [ Links ]

11. Debenedetti, S. 1917 Investigaciones arqueológicas en los valles preandinos de la Provincia de San Juan. Revista de la Universidad de Buenos Aires XXXII: 61-405.         [ Links ]

12. De Feo, M. E. y D. Gobbo 2005 Diseño de un modelo predictivo para la localización de tramos de vialidad incaica mediante la utilización de SIG. 1er Congreso Argentino de Arqueometría: 421-428.         [ Links ]

13. De la Fuente, N. 1973 El yacimiento arqueológico de Guandacol, Provincia de La Rioja. Revista del Instituto de Antropología IV: 151-167.         [ Links ]

14. Durán, V., P. Novellino, A. Gil, L. Menéndez, V. Bernal e I. Pérez 2014 Estudios arqueológicos y bioarqueológicos en el valle del río Gualcamayo en el norte de San Juan, Argentina. En Arqueología de los ambientes de altura de Mendoza y San Juan (Argentina), editado por V. Cortegoso, V. Durán y A. Gasco, pp. 163-201. Ediunc, Mendoza.         [ Links ]

15. Ebert, D. y M. Singer 2004 GIS, predictive modelling, erosion, site monitoring. Assemblage. The Sheffield Graduate Journal of Archaeology 8. http://www.assemblage.group.shef.ac.uk/issue8/ebertandsinger.html (03 abril 2014).         [ Links ]

16. Fernández Cacho, S. 2010 Bases conceptuales y metodológicas de los modelos predictivos en Arqueología. E-PH Cuadernos. Modelo Andaluz de Predicción Arqueológica XXVII: 8-33 http://www.juntadeandalucia.es/cultura/iaph/html/portal/com/bin/portal/Contenidos/Cuadernos (07 octubre 2013).         [ Links ]

17. Gambier, M. 2000 Prehistoria de San Juan. Ansilta, San Juan.         [ Links ]

18. Gambier, M  2003 Investigaciones arqueológicas en Angualasto. Resúmenes del XII Congreso Nacional de Arqueología Argentina III: 281-287.         [ Links ]

19. García Salemi, M. 1985 Los barreales de la Provincia de La Rioja. Centro de Estudios Regiones Secas II. Tucumán-Catamarca.         [ Links ]

20. Guisan, A y N. Zimmermann 2000. Predictive habitat distribution models in ecology. Ecology Model 135: 147-86.         [ Links ]

21. Grau Mira, I. (Editor) 2006 Transformaciones culturales y modelos espaciales. Aproximación SIG a los paisajes de la romanización. En La aplicación de los SIG en la Arqueología del Paisaje, pp. 211-226. Universidad de Alicante, España.         [ Links ]

22. Hernández, P., C. Graham, L. Master y D. Albert 2006 The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography 29: 773-785.         [ Links ]

23. Hijmans, R., S. Cameron, J. Parra, P. Jones y A. Jarvis 2005 Very High Resolution Interpolated Climate Surfaces for Global Land Areas. International Journal of Climatology 25: 1965-1978.         [ Links ]

24. Iniesta, M. L. 2014 Investigaciones arqueológicas en el Valle de Guandacol (oeste de la provincia de La Rioja): espacialidad y trayectorias tecnológicas cerámicas en el contexto regional (1100-1700 dC). Tesis de Doctorado inédita. Facultad de Filosofía y Humanidades, Universidad Nacional de Córdoba, Córdoba.         [ Links ]

25. Iniesta, M. L. 2015 Arqueología del Valle de Guandacol: Cerámica y emplazamiento en el Río Guandacol/La Troya (dpto. Felipe Varela, oeste de La Rioja). En Arqueología y etnohistoria del Centro Oeste Argentino. Aportes desde las V Jornadas Arqueológicas Cuyanas, editado por J. R. Bárcena (5): 165-178. Xama, Mendoza.         [ Links ]

26. Iniesta, M. L., J. P Aguilar y R. Bárcena 2013 Prospecciones arqueológicas en el Río Guandacol/ La Troya, micro-región del Valle de Guandacol (oeste de La Rioja). Anuario de Arqueología 5: 133-148.         [ Links ]

27. Iniesta, M. L. y J. R. Bárcena 2014 Investigaciones arqueológicas sobre las sociedades tardías del Valle de Guandacol (departamento Felipe Varela, oeste de La Rioja): Espacio, estilos tecnológicos cerámicos y cronología. Arqueología 20 (Dossier): 13-34.         [ Links ]

28. Instituto Nacional de Tecnología Agropecuaria (INTA) 1995 Mapa de suelos. INTA, Buenos Aires.         [ Links ]

29. Kohler, T. A. y S. C. Parker 1986 Predictive models for archaeological resource location. En Advances in Archaeological Method and Theory, editado por M. Schiffer, pp. 397-452. Academic Press, Nueva York.         [ Links ]

30. Nielsen, A. 2006 Pobres jefes: aspectos corporativos en las formaciones sociales pre-Inkaicas de los Andes circumpuneños. En Contra la tiranía tipológica en Arqueología: Una visión desde Suramérica, editado por C. Gnecco y C. Langebaek, pp. 121-150. Universidad de los Andes, Bogotá         [ Links ].

31. Perosa, M., F. Rojas, P. Villagra, M. Tognelli, R. Carrara y J. Álvarez 2014 Distribución potencial de los bosques de Prosopis flexuosa en la provincia biogeográfica del Monte (Argentina). Ecología Austral 24 (2): 238-248.         [ Links ]

32. Phillips, S. J., R. P. Anderson y R. E. Schapire 2006 A maximum entropy modelling of species geographic distributions. Ecological Modelling: 190: 231-259. http://www.cs.princeton.edu/schapire/maxent (05 agosto 2014).         [ Links ]

33. Subsecretaría de Recursos Hídricos de la Nación 2010 Atlas. Subsecretaría de Recursos Hídricos de la Nación, Buenos Aires.         [ Links ]

34. Ratto, N. (Compiladora) 2013 A modo de introducción: la articulación de estudios arqueológicos, paleoambientales e históricos en el oeste tinogasteño (Catamarca). En Delineando prácticas de la gente del pasado: los procesos sociohistóricos del oeste catamarqueño, pp. 17-44. Sociedad Argentina de Antropología, Buenos Aires.         [ Links ]

35. Raviña, M y A. Callegari 1988 Mapa arqueológico de la provincia de La Rioja. Revista del Museo de La Plata (Nueva Serie) IX 67: 19-92.         [ Links ]

36. Ree, J. 2010 A probability model for Prehistoric Archaeology sites in the Chattahoochee-OconeeNationalForests. http://www.gsc.edu/schools/stem/iesa/events/Pages/Gallery.aspx (08 agosto 2013).         [ Links ]

37. Rodrigo Cámara, J. y S. Fernández Cacho 2009 Análisis y valoración de los datos empleados en el Modelo Andaluz de Predicción Arqueológica. E-PH Cuadernos. Modelo Andaluz de Predicción Arqueológica XXVII: 55-93.         [ Links ]

38. Roig, F y A. Ruiz Leal 1959 El bosque muerto de Guandacol. Revista Agronómica Noroeste Argentino 3 (1-2): 139-145.         [ Links ]

39. Rojas, F., M. del R. Prieto, P. Villagra y J. Álvarez 2014 Distribución espacial de los bosques nativos en el norte del Monte argentino, hacia mediados del siglo XIX. Revista Historia 2.0: 31-46.         [ Links ]

40. Rosa, H. 2000 Clima de la Rioja. Catálogo de Recursos humanos e información relacionada con la temática ambiental en la región andina argentina. http://www.cricyt.edu.ar/ladyot/catalogo/cdandes/cap17.htm#inhalt (10 abril 2010).         [ Links ]

41. Rosa, H. y M. Mamaní 2002 Geomorfología de La Rioja. Catálogo de recursos humanos e información relacionada con la temática ambiental en la región andina argentina. http://www.cricyt.edu.ar/ladyot/catalogo/cdandes/cap17.htm#inhalt (03 marzo 2009).         [ Links ]

42. Sánchez, V., G. Salvioli y H. Damiani 2008 Estudio hidrogeológico del área Guandacol- Santa Clara provincia de La Rioja, Argentina. Instituto Nacional del Agua. Centro Regional de Aguas Subterráneas, San Juan.         [ Links ]

43. Sempé, C. 1980 Caracterización de la cultura Abaucán (dpto. Tinogasta, Catamarca). Revista del Museo de La Plata (Nueva Serie) VIII (52): 73-85.         [ Links ]

44. Spengler, G. y A. Callegari 2010 Manifestaciones del período tardío (850-1480 DC) en el noroeste riojano. En Arqueología del Centro Oeste Argentino. Aportes desde las IV Jornadas Arqueológicas Cuyanas, t. 2, editado por J. R. Bárcena, pp. 233-252. Xama, Mendoza.         [ Links ]

45. Spengler, G y F. Lentini 2013 Aplicación de modelos espaciales para la identificación de aldeas prehispánicas tardías (900- 1480 dC) en el oeste de La Rioja. En Arqueología Argentina en el Bicentenario de la Asamblea General Constituyente del año 1813. XVII Congreso Nacional de Arqueología Argentina, t. 2, editado por J. R. Bárcena y S. Martin, pp. 230. Zeta, La Rioja.         [ Links ]

46. Spengler, G., M. Dibernardi, L. Sosa, C. Mobilio y M. García 2013 Basura de unos, tesoro de otros… Análisis de estructuras de descarte del Período Tardío en el Valle de Vinchina, La Rioja. En Arqueología Argentina en el Bicentenario de la Asamblea General Constituyente del año 1813. XVII Congreso Nacional de Arqueología Argentina, editado por J. R. Bárcena y S. Martin, pp. 319. Zeta, La Rioja.

47. Tarkesh, M y G, Jetschke 2012 Comparison of six correlative models in predictive vegetation mapping on a local scale. Environmental and Ecological Statistics: 19: 437-457.         [ Links ]

48. Tripaldi, A. y C. Limarino 2008 Ambientes de interacción eólica-fluvial en valles intermontanos: ejemplos actuales y antiguos. Latin American Journal of Sedimentology and Basin Analysis 15 (1): 43-66.         [ Links ]

49. Vilela, A., M. Bolkovic, P. Carmanchahi, M. Cony, D. de Lamo y D. Wassner 2009 Past, present and potential uses of native flora and wildlife of the Monte Desert. Journal of Arid Environments 73: 238-243.         [ Links ]

50. Warren, R. y D. Asch 2005 A Predictive Model of Archaeological Site Location in the Eastern Prairie Peninsula. En Practical applications of GIS for archaeologists. A predictive modelling kit, editado por K. Wescott y R. J. Brandon, pp. 5-31. Taylor and Francis, Londres.         [ Links ]

51. Wisz, M. y A. Guisan 2009 Do pseudo-absence selection strategies influence species distribution models and their predictions? An information-theoretic approach based on simulated data. BMC Ecology 9: 8-16.         [ Links ]         [ Links ]

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons