SAB2017 – Modelos Baseados em Agentes

A minha apresentação sobre o uso de Modelos Baseados em Agentes em Arqueologia, em 11 de setembro de 2017, durante o XIX Congresso da Sociedade de Arqueologia Brasileira, em Teresina, no glorioso Estado do Piauí. Foi gravada com os meios do bordo. Logo, treme e perde o som. Mas o essencial está aí.

Least-cost path em arqueologia brasileira

Meu amigo Alencar e eu publicamos um – ora excelente – artigo na Revista de Arqueologia Brasileira! O trabalho abra a porta para novos estudos em outras áreas sobre o tema da acessibilidade dos sítios arqueológicos. Aqui, foi possível identificar dois padrões de acessibilidade nos sítios de uma única região, na Chapada do Araripe, Pernambuco.

Resumo: A Arqueologia espacial passou por expressivos desenvolvimentos teóricos e metodológicos nos últimos trinta anos,  perquirindo novas problemáticas, sobretudo com a aplicação de tecnologias como os SIG (Sistema de Informação Geográfica), cujas ferramentas ainda são pouco exploradas nas investigações sobre a mobilidade pretérita. Estudos têm demonstrado a sua relevância na análise do contexto ambiental para a circulação humana. Neste trabalho, buscamos calcular dados vetoriais a partir de um Modelo Digital de Elevação e analisar mapas de acessibilidade entre 21 sítios de grupos da tradição ceramistaTupiguarani alocados em Araripina – PE, na Chapada do Araripe. As configurações da acessibilidade dos sítios indicam um contexto diferente na área fluvial e na área da chapada.

AMARAL, Alencar de Miranda; VAN HAVRE, Gregoire. Acessibilidade dos sítios de grupos da Tradição Tupiguarani na Chapada do Araripe-PE. Revista de Arqueologia, [S.l.], v. 30, n. 1, p. 56-72, jul. 2017. ISSN 1982-1999. Disponível em: <http://www.revista.sabnet.com.br/revista/index.php/SAB/article/view/502>. Acesso em: 09 jul. 2017. doi: https://doi.org/10.24885/sab.v30i1.502.

Figura 8

Arqueologia digital e computadores no Brasil

Em setembro, a Sociedade de Arqueologia Brasileira (SAB) vai se reunir em congresso em Teresina. Geralmente, temos poucas oportunidades de abordar a arqueologia digital e o uso de computadores de forma geral, mas desta vez, há duas propostas de sessões. Sim, duas sessões inteiras! O propósito é o mesmo: reunir o povo da arqueologia que trabalha com computadores, não apenas para digitar seus textos, mas para apoiar a pesquisa e produzir novas informações. A chamada para apresentações vai até o dia 7 de julho. Mais informações no site da SAB2017!

  • Recurso informáticos em Arqueologia: Da Escavação à Análise de Dados
  • IPads na Trincheira – Arqueologia digital no Brasil: Onde estamos?

SAB2017

Seguem os resumos respectivos:

Recurso informáticos em Arqueologia: Da Escavação à Análise de Dados

Computadores ocupam uma posição central na sociedade atual. Não podem mais ser considerados apenas como uma ferramenta para digitação de textos e realização de planilhas. Nos anos 1960, três papeis fundamentais foram identificados para a informática em arqueologia: o registro, o armazenamento, e a análise dos dados. Desde então, o desenvolvimento de novas tecnologias permitiu alcançar novas fronteiras: reconstituição 3D, SIG, modelos baseados em agentes, fotogrametria. Aos poucos, mostram que é possível mesclar aspectos quantitativos e qualitativos. De que maneira são utilizados em arqueologia? Qual são as potencialidades, quais são os problemas?No Brasil, diversas iniciativas já mostraram resultados significativos, com o desenvolvimento de projetos integrados em todas as regiões do país e a constituição de grandes bancos de dados arqueológicos. Este simpósio é uma oportunidade de reunir os arqueólogos que utilizam os recursos informáticos em suas pesquisas, e debater seus riscos, suas dificuldades e, também, suas possibilidades, em escala regional, nacional e internacional. Serão apresentados trabalhos que mapeiam a diversidade das pesquisas realizadas, na forma de estudos de casos ou de abordagens teóricas e metodológicas.

IPads na Trincheira – Arqueologia digital no Brasil: Onde estamos?

Vivemos em uma Era Digital na qual comunidades virtuais se conectam cotidianamente através de redes sociais e onde diferentes audiências interagem e compartilham informações por meio de experiências imersivas e colaborativas. Essa transformação aliada a emergência de métodos e ferramentas de aquisição digitais e ao avanço das tecnologias 3D vem modificando a maneira como acessamos, representamos e experienciamos o passado. Além de alterar a forma como produzimos o conhecimento arqueológico.A realidade nas trincheiras não é mais analógica, ela é também digital. Hoje os relatórios são armazenados nas nuvens, contam com modelos 3D e podem ser acessados online. A escavação considerada um processo destrutivo, com a aplicação destes métodos, passou a digitalizar os contextos e o patrimônio arqueológico. A cada intervenção gigabytes e terabytes de dados e metadados são gerados. Não mais apenas levamos a campo cadernos e peneiras. Hoje as colheres são literalmente ?digitais?. Cada vez mais iPads são usados para registrar estruturas, feições, desenhar malhas, armazenar imagens e aplicativos. Em alguns projetos estações totais trabalham paralelamente a scanners, drones e LiDAR.  Entre os desafios da Arqueologia digital estão: a necessidade de repositórios digitais, sustentabilidade, interoperabilidade, gerenciamento de informações, propriedade intelectual, compartilhamento de dados digitais, consentimento e a reflexão da necessidade da aplicação desses métodos.No Brasil, com algumas exceções, pouco se tem avançado no debate sobre o futuro digital do nosso passado. O presente simpósio tem como objetivo proporcionar um espaço para o diálogo e a contribuição entre pesquisadores que trabalhem com: Arqueologia Digital, Ciberarqueologia, Arqueologia Virtual, modelagem 3D, reconstruções arqueológicas, impressão 3D, repositórios, aplicativos e jogos. Reunindo assim, trabalhos que abordam métodos digitais modernos tais como a estereofotogrametria, scanners a laser, LiDAR, RTI e GIS.

CAA 2017 em Atlanta

CAA2017

Estarei de 13 a 17 em Atlanta, na Georgia, para o Computer Applications in Archaeology 2017, com dois trabalhos:

  • Networks as a theoretical framework for rock art studies in Northeast Brazil, na sessão Archaeological Networks: Uncertainty, Missing Data, and Statistical Inference;
  • The dynamics of Brazilian rock art landscape: an agent-based modelling approach to theories na sessão Data, Theory, Methods, and Models. Approaching Anthropology and Archaeology through Computational Modeling.

 

Adicionar feições no relevo

Por mais interessante que seja um modelo tridimensional de relevo, ele representa apenas uma variável – a elevação. Para torná-lo mais útil ainda, é necessário projetar novas informações, como estradas, rios, áreas ou, até, sítios arqueológicos inteiros. O principal problema está ligado ao fato que um SIG é essencialmente bidimensional. As informações de altitude podem ser representadas com cores diferentes, e a rede hidrográfica visualizada por cima, mas todas continuam sendo imagens planas. Antes de passar tudo isso em 3D, os dados precisamos ser tratados e preparados.

Preparar o terreno

Idealmente, o modelo 3D é montado quando todos os dados vetoriais estão definidos e projetados no QGIS. Isso importa porque precisamos preparar o terreno. Sim, o modelo não é destinado a ser uma reprodução exatíssima da natureza, apenas uma síntese. Alias, como é o caso para todo mapa, toda ilustração. Importante então, é conseguir expôr os parâmetros utilizados. Começamos com uma área de trabalho reduzida, composta por um raster de elevação, um shapefile de hidrografia e outro com um polígono indefinido. Extraimos as curvas de nível do raster.

tutob1

Os dados vetoriais de hidrografia são geralmente compostos por linhas. O primeiro passo consiste em transformá-los em polígonos. Para isso, criamos um tampão (buffer) e definimos a largura, arbitrariamente, em 10 metros. Porque 10 metros, sabendo que pode ser maior ou menor (ou seco)? Porque é necessário determinar alguma forma.

tutob3

 Em seguida, importa efetuar uma limpeza das curvas de nível. QGIS desenha aritmeticamente os dados fornecidos, sem se preocupar com os eventuais resultados tridimensionais. Resultado, em muitos casos, a rede hidrográfica acaba atravessando encostas ou serras laterais. Para isso, asseguramos que o rio sempre passa por terrenos planos no fundo dos vales. Aproveitamos também para retirar as curvas menores, que cobrem áreas muito pequenas.

Projetar

Quando os dados estão prontos, podemos importar os três shapefiles no Blender, com o plugin BlenderGIS. Criamos logo um mesh a partir das curvas de nível, e logo aparece o principal problema: o rio e o polígono são totalmente planos, sem informações de altitude. Para aplicá-los no relevo, devemos fazer uma projeção com um modifier chamado shrinkwrap (em português, envelope).

tutob4

Selecionando o rio, definimos um shrinkwrap com as seguintes opções: Target = TIN, Mode = Project, Axis = Z, Direction = Negative. O resto é deixado em branco ou na opção padrão. Ainda não aplicaremos o modifier.

tutob5

tutob6

Infelizmente, o shrinkwrap não é suficiente. Quando o rio muda de nível, quando ele atravessa uma curva de nível, Blender não consegue acompanhar a declividade porque não há informações suficientes. Para representar o curso d’água, QGIS não precisa de muitos vértices e estes são postos apenas nos meandros (quando o rio vira para esquerda ou direita). As quedas não são calculadas porque tudo é bidimensional. Para nós, no entanto, estas informações são importantes.

Uma primeira solução consiste em selecionar o objeto e passar em modo edição. Podemos subdividí-lo criando novos vértices ao longo das arestas. Isso pode ser feito várias vezes, porém não resolve o problema por completo. Por mais preciso que seja o mesh, mesmo com um milhão de vértices, sempre haverá um intervalo minúsculo entre a curva de nível e o curso d’água. Por isso, vamos ter que fazer terraplanagem.

Geomorfologia digital

Para resolver este tipo de problema, vamos precisar escavar o solo, deixando espaço livre para a passagem do rio – um pouco como o processo natural de formação de vales fluviais. O mecanismo é relativamente simples, mas envolve algumas transformações. Basicamente, vamos criar um volume com o formato do rio e adicionar um modifier boolean no TIN, para retirar a diferença entre este volume e o relevo.

Primeiro, precisamos dar volume ao próprio relevo. O modifier boolean não funciona com o plano que temos atualmente. Em modo edição, selecionando todos os vértices do relevo (as pontas dos triângulos Delaunay), precisamos extrudar (tecla E) para baixo, no eixo Z (tecla Z). Pode ser 10, 100 ou 1.000 metros, pouco importa. Depois, saimos do modo edição.

tutob7

Segundo, vamos duplicar o mesh do rio, deixando ele no mesmo lugar que o original, e extrudar (tecla E) para cima, sempre no eixo Z (tecla Z). Novamente, pode ser 10, 100 ou 1.000 metros, pouco importa. Devemos então rebaixar ele para entrar em contato com o TIN.

tutob8

Quando isso está feito, com o TIN selecionado, aplicamos um modifier boolean, com a opção Difference e o alvo apontando para a cópia do rio em volume. Um vale é cavado no TIN ao longo do percurso do rio. Podemos deixar o volume invisível, sem renderizar. O mesh original (plano) aparece agora normalmente.

tutob10

tutob9

tutob11

Eis o resultado final, aplicando uma rampa de cores com o botão Terrain Analysis do BlenderGIS, no Cycles Render. O rio desliza tranquilamente no seu vale.

 tutob12

Criar um mesh de relevo

Extração das curvas de nível

No QGIS, esta operação é relativamente simples. Carregamos o arquivo raster desejado e extraímos o contorno (Raster > Extração > Contorno). É preciso definir o intervalo desejado e incluir as informações de altitude em uma nova coluna (cujo nome padrão é ELEV). A nova coluna é criada com valores decimais (por exemplo, 20.000 = 20 metros) e precisamos de valores inteiros. Copiamos os dados numa nova coluna com definição de números inteiros.

ASTER

Dados do satélite ASTER em uma região localizada ao norte da cidade de Oeiras (Piauí).

Curvas de nível

Extração das curvas de nível de 20 metros da imagem anterior. Tem 17.066 feições.

Limpeza dos dados

Dependendo dos dados de entrada, as curvas extraídas podem ser muito precisas, e indicar até elevações menores. Isso não ajuda muito a visualização e pode sobrecarregar o computador na hora do cálculo do relevo tridimensional. Por isso, é preciso eliminar as feições menores. Na tabela de dados, vamos incluir uma coluna contendo as informações de comprimento das curvas (que são linhas, e não polígonos: não possuem área). Podemos então definir um tamanho mínimo para as feições. Se um terreno de futebol tem um perímetro de aproximadamente 300 metros, podemos eliminar todas as feições com comprimento inferior a este valor. Naturalmente, este passo vai apagar uma série de detalhes súteis, como afloramentos isolados. Veremos como reintegrá-los depois.

Comprimento

Cálculo do comprimento de todas as curvas de nível.

Resultado

Nova camada simplificada. Reduzimos o volume de dados para 5.199 feições, um terço do original.

Exportação do arquivo shapefile

Finalmente, exportamos o arquivo shapefile de base. O CRS deve ser definido em dados UTM, que tem valores inteiros precisos de 1 metro. Projeções em graus, minutos e segundos só funcionam com muitos decimais que não são bem manipulados com o Blender.

Reprojeção

O arquivo shapefile é exportado com o CRS WGS84/UTM Zone 23, que corresponde à área utilizada.

Importação no Blender

Para trabalhar com 3D, usamos o Blender 2.78a, que tem a imensa vantagem de ser aberto. Ademais, recorremos ao plugin BlenderGIS que permite estabelecer a ponte entre as curvas de nível e o ambiente de trabalho. Importamos o arquivo georreferenciado, estipulando o CRS “Web Mercator” e a elevação no campo recém-criado.

Importação

Ao importar o arquivo shapefile com o BlenderGIS, é preciso definir o sistema de projeção e indicar o campo que contêm os dados de altitude.

Criação do mesh

Com as linhas das curvas de níveis, podemos criar um mesh por triangulação. Ao clicar no botão Delaunay, a tarefas é feita automaticamente. Et voilà! Temos um primeiro relevo 3D, georreferenciado e pronto para o uso!

Delaunay

A triangulação Delaunay permite interligar os vértices e criar um plano que acompanha os dados do relevo.

Wireframe

A complexidade da malha depende do número de feições iniciais. Aqui, um detalhe da área total em wireframe.


Relevo O render final, com hipotéticas nuvens no céu piauiense.

ABM for Brazilian rock art studies

As part of a research project on computer applications in archaeology, we are proposing to use agent-based modelling for Brazilian rock art studies. Here, we want to analyze the mechanisms of landscape construction, when there are various independent agents. The basic idea is that, when a hunter reaches a rockshelter, a random number below a certain threshold results in a new painting on this particular site. At the end of a certain time lapse, we can study the whole dynamics according to simple rules.

abm1

ABM allows us to test a set of hypothesis proposed in the Brazilian literature to explain why some sites are chosen and not others. Brazilian rock art being predominantly an open-air phenomenon, the archaeological literature balances between two tendencies: the first one is purely factual and sees the environment as the main driver for human choices between two individual rockshelters, in terms of geological structure, location or stone quality. Meanwhile the second one is more relativist and considers culture as the main parameter: here, social definition is the motto. For our purpose, we consider the first one defined by [exogenous|global] parameters, and the other as defined by [endogenous|local] criteria.

abm2

The three first versions of our model were dedicated to define these variables. Put together in a single model, they allow us to visualize each specific scenarii and compare the results:

  • In the first one, all shelters hold an equally fixed threshold. As such, it means they all offer equal possibilities for the actors. In this case, the landscape is just like a large set of generic sites;
  • In the second one, the threshold is defined exogenously and globally. Practically, a random value is defined for each shelter, within certain limits, once and for all the hunters. This way, the landscape is scaled between “awsomely-fit” and “definitely-not-fit” sites;
  • Finally, in the third one, an endogenous and local random threshold, still within limits, is defined by each individual hunter for each individual shelter. In this scenario, each hunters is able to define what (s)he considers being fit or not, independently of the others.

With netLogo, we can program a whole set of simple rules and let it runs each specific scenario, or even a combination of them. According to the selected hypothesis, a threshold is defined on a base 100 at the beginning of the run. This value has a direct impact on the interaction between hunters and shelters, producing paintings or not, and we can study the evolution of the graphical landscape.

Generally speaking, a low threshold value makes it slow and complicated for hunters to produce new figures, while a high one isn’t so much of a problem. It is important to note that the exact content or meaning of the threshold is not defined. We only consider broad categories of parameters. It means that an exogenous and global threshold isn’t linked to any specific variable, be it rains, animal migration or rock weathering. Similarly, using a cultural threshold doesn’t mean we favour ritual over social hierarchy or anything. The mechanisms we are studying are determined by the origin: the external environment or the social group itself. In any case, we are studying the landscape construction dynamics, and not to particular set of proposals.

With these definitions, we can analize the distribution of paintings in a set of shelters, both quantitatively and qualitatively. Using tests against random movement and random values, we have an opportunity to study if, where and when non-random distributions occur. The results can then be compared to a series of known archaeological contexts.

Running the first tests, we decided to stop the simulation as soon as a shelter reaches 100 paintings. For each hypothesis, the results show different patterns.

  • In the first case, a generic landscape of equal shelters leads to a normal bell-shaped distribution of figures among these. Both the minimum number of motives and the overal mean are high, indicating that hunters were able to make new paintings in all the shelters. The only differences depend on initial positions and movement.
    abm3
  • In the second case, the shelters are given a randomly set variable, set from the beginning of each run and acknowledged by all hunters. As a result, shelters being given a low threshold have minimal chances of receiving any figures at all. Considering these parameters, we expected the results to be far more clustered around those shelters with high value, regardless the initial positions and movements. Runs showed that the expected dynamics were correct, and the resulting clustering largely depends on the original geographical configuration and distribution.
    abm4
  • Finally, the third scenario showed mixed situations. In this case, each hunter had an individual cognitive map, through which he was able to attribute a random value for each shelter at the beginning of each run. Considering the whole population, chances were that each shelter had a different threshold for each hunter. Due to this diversity, the model generally resulted in normal bell-shaped distributions similar to the first scenario: the greater the number of hunters, the closest to random the general distribution of paintings on shelter. This can be explained by probability: as each shelter is visited by every hunter many times during a run, the low threshold on one’s cognitive map is balanced by another’s high value. It should be noted, though, that in all these three cases, the construction of landscape through time followed a linear progression.
    abm5

While rock art is attested in many parts of Brazil, a few larger sets have been defined with more or less precise geographic boundaries. Among these, a group of figurative collective representations has been characterized in the 1980s in an area stretching east of the São Francisco and Parnaíba river valleys to the northeastern Atlantic coastline. Despite such a large region and a cruel lack of data for the intermediary zones, three main clusters have been identified in the Serra da Capivara (Piauí), Seridó (Rio Grande do Norte) and Chapada Diamantina (Bahia). Between them, hundreds of kilometers only show a limited number of poorly documented sites. Yet, even considering the limits of available archaeological data, clustering seems to be an important behaviour.

abm6

Using clustering as a marker, the second scenario only was able to show adequate behaviour, when the act of painting is a result of the shelters natural properties. Environmental determinism was particulary influencial in Brazilian archaeology during the 1950s, when a National Program of Archaeological Research (Pronapa) was created under the umbrella of Betty Meggers. Yet, another specific situation could be derived from the results of the third scenario. If we consider that cognitive maps are transmitted from group to group, and from one generation to the other, a conjunction of high random value on specific sites would also be able to create clusters. This very particular mechanism has given birth to the concept of Tradition in the 1960s. According to this idea, an initial definition of basic graphic representation principles was generated, probably in these areas where the oldest cases where attested. It would then have expanded to new regions, through gradual new developments, with population growth.

Such a transmission has been identified in the occurrence of complex figurative scenes envolving the same graphic elements in all the main regional clusters. These emblematic scenes have first been attested in the Serra da Capivara and in the Seridó, and later in the Chapada Diamantina.

As a general mechanism, the Tradition has also been used to map the presence of Nordeste motives on many sites. Yet, if we consider population growth and distance, we should also expect a accompanying growth of social and cultural constraints, limiting the development of new and unforseen characteristics. To this day, there is no archaeological evidence of such burdens as hierarchy or political structures. We may then ask ourselves if another mechanism could have been at work.

The ABM model allows us to propose an alternative perspective, one that wouldn’t be altered by population growth and geographical distance. If we consider the rules set for each hypothesis, they were placed on only two elements of the rock art creation process: shelters and hunters. A third element went dramatically neglected, the motives themselves. A new hypothesis could be created that defines the threshold on the presence of previous paintings. In such a non-linear framework, one particular shelter would be more and more attractive as it gets more and more paintings, as a kind of cumulative effect.

abm8

This new hypothesis starts with a minimal threshold for every shelter, in order to allow the probability of the very first motive. The initial conditions would then be very similar to the first hypothesis of complete randomness. As soon as a shelter receives its first paintings, though, it would gain a small benefit added to its threshold value. The larger the number of paintings, the larger the benefit would be, on a regular base. On the model, this was stated through a single rule: the benefit would be equal to the actual number of paintings multiplied by a magnifier between 0.0 and 2.0. A slider was then created to control this value.

The new hypothesis showed interesting results. First, despite initial conditions similar to our most random tests, the magnifier value is able to modify the dynamics. Below 0.5, its effects aren’t sufficient to change the general distribution of paintings in the landscape. Around 0.7, it show a growing clustering of new figures on some specific shelters. Above 1.0, the tendency is inverting, and the benefits of each new paintings become so high that virtually every visit of a hunter in a shelter results in a new figure – even when there is only one single motive on the site. Second, population doesn’t seem to have an effect on the results. In fact, its growth seems to be directly linked to a third effect: the speed at which the landscape is constructed (or at least, at which a first shelter reaches 100 paintings).

abm7

Of course, not every run shows the same results. The initial position of both shelters and hunters, as well as the movements of the latter, are important if we want to understand why a specific site receives paintings. Anyway, this was not our objective, as the model cannot be expected to reproduce real situations. What it clearly shows, though, is that a cumulative effect is able to result in clustering, even when hunters have completely different cognitive maps, and when their number grows larger.

The next question is this: if this really were to have been an effective mechanism, what should we then expect to find on archaeological ground?

This work will be presented at the VIth meeting of the Associação Brasileira de Arte Rupestre, on september 14.

Modelos baseados em agentes para a arqueologia (parte 4)

Deixamos o modelo na sua versão 0.3. Está na hora de resumir o que foi feito e tentar aproximar as etapas com o estado da arte em análise de pinturas rupestres. Para ler os outros posts, veja a parte 1, a parte 2 e a parte 3.

O objetivo inicial era de montar um modelo baseado em agentes (ABM) que possa servir para o estudo da distribuição dos sítios de arte rupestre na paisagem. Começamos, portanto, por criar dois tipos de agentes: os caçadores de um lado, e os abrigos do outro. A regra básica queria que os caçadores se movessem aleatoriamente na paisagem e que, quando um deles encontrasse um abrigo, houvesse uma certa probabilidade de realizar ali uma pintura.

A versão 0.1 foi desenvolvida com um conjunto de regras simples, segundo as quais essa probabilidade seria aleatória. Quando ocorre o encontro entre caçador e abrigo, o resultado de um jogo de dados ou de uma moeda (tipo, cara ou coroa) determina se há ou não realização de pintura. Obviamente, já sabiamos que os vestígios não eram produzidos desta forma (os caçadores pré-históricos não tinham nem dados nem moedas), mas precisavamos observar a forma com a qual as pinturas seriam distribuídas na paisagem com uma regra deste tipo.

Sem surpreza, a distribuição final era bem diferente de tudo que pode ser visto nos vestígios. Todos os abrigos existentes acabam recebendo pinturas e a média é muito elevada. A figura 1 ilustra o resultado de 10 testes com este modelo: o eixo horizontal mostra os dez abrigos criados no mundo, e o eixo vertical a quantidade de pinturas para cada um no final de cada teste. Importa esclarecer que a ordem dos abrigos é diferente para cada teste e que o grafo indica apenas uma distribuição “anônima”.

Figura 1 - 10 testes com a versão 0.1.

Figura 1 – 10 testes com a versão 0.1.

Com este resultado inicial, tornou-se clara a necessidade de definir melhor as regras que levam à realização das pinturas. Uma probabilidade dada somente pela aleatoriedade não era suficiente. Introduzimos então a noção de qualidade para os abrigos. Na versão 0.2, cada abrigo recebeu um valor aleatório que devia dar conta da sua disposição para receber pinturas. Esta disposição podia ser medida pelas características da rocha, pela localização no espaço, pela disponibilidade de água ou qualquer outro motivo e/ou todos juntos. A qualidade simboliza, portanto, um conjunto desconhecido de variáveis ambientais e culturais que resultam – ninguém sabe exatamente como ou porque – no fato que um abrigo era preferido a outro.

A versão 0.2 atribuiu este valor aos abrigos e, por este fato, pode ser considerado à luz da ecologia cultural, segundo a qual o ambiente é definidor das escolhas feitas pelas populações humanas. Aqui, embora desconheçamos os critérios utilizados, há um definidor externo para a escolha. Quando ocorre o encontro entre caçador e abrigo, o jogo de dado é feito contra este valor de qualidade. Logo, alguns abrigos são bem dispostos a receber pinturas enquanto outros não têm condições mínimas. A figura 2 mostra novamente o resultado de 10 testes.

Plot v02

Figura 2 – 10 testes com a versão 0.2.

Comparada com a versão 0.1, os resultados indicam aqui um perfil de distribuição mais interessante: alguns abrigos realmente não tem pinturas, e outros são bem densos. Na verdade, esta versão 0.2 pode ser considerada como o modelo vigente, através do conceito de tradição rupestre: um conjunto de regras culturais transmitidas no tempo que deve explicar as recorrências observadas nas técnicas e nos temas apresentados na produção de pinturas. Embora possa haver diferenças mínimas, os mesmos padrões são utilizados por todos os atores dentro de uma mesma tradição. Nela, os detalhes iniciais são detalhes finais.

A crítica evidente concerne a pré-definição de um horizonte cultural único, que deveria ter sido transmitido quase intacto por gerações e gerações. Quer dizer, cada agente receberia, aceitaria, utilizaria e transmitiria o mesmo pacote para os próximos. Uma perspectiva pós-processual, ou pós-moderna, deveria considerar, no mínimo, que não existe padrões culturais compartilhados de forma idêntica por dois grupos diferentes. Trajetórias diferentes levam necessariamente à conceitos diferentes e, mesmo considerando dois grupos oriundos de um único substrato cultural, as pequenas diferenças vivenciadas por eles (secas mais intensas, matriarcas mais influentes ou vai saber o que) resultam em culturas distintas.

A versão 0.3 foi elaborada nesta base. A definição do que é um abrigo conveniente para a realização de pinturas não é mais dada pelo próprio abrigo, mas por cada caçador. Logo, cada abrigo apresenta uma disposição diferente, dependendo do agente que passa por ele. O resto permanece igual, e um jogo de dado aleatório é utilizado para o eventual incremento de pinturas. A figura 3 mostra o resultado de 10 testes.

Figura 3 - 10 testes com a versão 0.3.

Figura 3 – 10 testes com a versão 0.3.

Esta abordagem mostra, apesar do seu embasamento teórico, resultados contraditórios com a realidade observada em campo. O perfil geral da distribuição das pinturas na paisagem corresponde a uma situação analoga à versão 0.1, com uma densidade extremamente alta de pinturas em cada abrigo. Isso se deve à diversidade dos critérios utilizados, mesmo com apenas dois grupos: quando um avalia um abrigo de forma negativa (um valor de 0 ou 1), outro pode achar positivo e representar pinturas nele.

Mesmo considerando um modelo que mescle as duas abordagens, com uma definição da qualidade dada tanto pelo abrigo (o ambiente) como pelos caçadores (a cultura), não obtemos êxito. Por causa da adição das duas variáveis, o jogo de dados foi feito com base 100 e não 10 – o mecanismo geral, entretanto, permanece o mesmo.

to paint-shelter
ask patches [
ask hunters-here [set quality matrix:get hunter-matrix xpatch ypatch]
ask shelters-here [set environment geology]
if any? hunters-here and any? shelters-here [
if random 100 < ( quality + environment ) [ask shelters-here [set paintings paintings + 1]]
]
]
end

A figura 4 mostra os resultados de 10 testes baseados nesta ideia dupla. O resultado é um pouco melhor, mas ainda têm uma densidade elevada, pela mesma razão apresentada acima: um abrigo com pouca qualidade pode ser avaliado de forma positiva por um dos dois caçadores, permitindo que sejam realizadas pinturas.

Figura 4 - 10 testes com a versão 0.4.

Figura 4 – 10 testes com a versão 0.4.

Se comparamos os quatro modelos, portanto, três estão apresentando resultados diferentes do contexto arqueológico. Como mostra a figura 5, somente a versão 0.2, associada ao conceito de tradição ou de ecologia cultural, indica uma distribuição mais concentrada em certos abrigos.

Figura 5 - média dos testes das 4 versões.

Figura 5 – média dos testes das 4 versões.

Podemos chamar a versão 0.2 de modelo mais satisfatório até o momento. Apesar de suas críticas, ele é o único a apresentar resultados que se aproximam da realidade observada. Sabemos que não é perfeito, que tem falhas teóricas evidentes, mas parece que não há alternativas. Isso explica também a sobrevivência de um modelo que passa por críticas e críticas desde a sua conceitualização, quando as tradições de arte rupestre foram propostas como categorias iniciais de classificação.

Enquanto forma de padrão cultural, elas permitem uma associação rápida dos conjuntos de grafismos com grandes classes, o que não pode ser negligenciado num território onde as pesquisas ainda são extremamente escassas. Considerando também as múltiplas ameaças ao patrimônio rupestre, tanto por pessoas individuais quanto pelos poderes públicos, um mecanismo rápido e eficiente permitia uma forma emergencial de salvaguardar um máximo de informações. Mas ao mesmo tempo, trouxe uma abordagem teórica que permitia dar conta da distribuição dos vestígios. Aqui, um conjunto de grupos realizavam pinturas de acordo com um único sistema de referência. La, outro grupo funcionava da mesma maneira, porém, distinta. Às vezes, intrusões eram observadas, com reutilização dos mesmos locais de pinturas e eventual superposição.

Estes quatro primeiros modelos ABM permitem sintetizar uma série de conceitos presentes nas pesquisas sobre arte rupestre sobre a trajetória dinâmica da formação dos sítios. Se os seus resultados não podem ser utilizados como materialização exata dos processos envolvidos, eles permitem ilustrar mais claramente diversas ideias pouco ou mal formuladas na literatura. Assim, oferecem também a possibilidade, com a inclusão de novos parâmetros, de propôr uma perspectiva alternativa à visão tradicional.