DMSTAr: A reproducible R framework for network-based simulation of hydrology and phosphorus dynamics in treatment wetlands

Resumen Técnico: DMSTAr – Un marco de trabajo en R reproducible para la hidrología y la dinámica del fósforo en humedales de tratamiento

Planteamiento del problema
Los modelos de calidad del agua en humedales son esenciales para evaluar la eliminación de fósforo (P) y la planificación de la restauración en paisajes gestionados, particularmente en los Everglades de Florida. El Dynamic Model for Stormwater Treatment Areas (DMSTA), un modelo legado ampliamente utilizado, está implementado como un libro de Microsoft Excel con código Visual Basic para Aplicaciones (VBA). Aunque es funcional, esta arquitectura basada en hojas de cálculo limita la transparencia, la reproducibilidad y la integración con flujos de trabajo científicos modernos. La lógica suele estar distribuida en fórmulas opacas y dependencias de celdas dispersas, lo que dificulta la interrogación sistemática, el control de versiones y el análisis de escenarios escalable. El estudio aborda la necesidad de modernizar esta herramienta heredada sin alterar su comportamiento numérico establecido ni su formulación conceptual.

Metodología
Los autores desarrollaron DMSTAr, un paquete de R de código abierto diseñado para reproducir el comportamiento numérico del modelo DMSTA legado, proporcionando al mismo tiempo un marco modular y testeable. El proceso de desarrollo consistió en una traducción sistemática de la lógica de Excel/VBA a funciones explícitas de R, en lugar de una conversión de código línea por línea.

• Arquitectura: El paquete está estructurado jerárquicamente para reflejar la estructura conceptual original de DMSTA:
  1. Funciones principales (Core Functions): Simulan la hidrología y la dinámica del fósforo total (TP) dentro de una sola celda de tratamiento, encapsulando balances hídricos diarios, balances de masa de P e integración numérica subdiaria.
  2. Simulaciones a nivel de caso: Coordinan múltiples celdas con forzamientos y parámetros compartidos.
  3. Configuraciones de red: Soportan conectividad de aguas arriba-aguas abajo, enrutamiento de flujo y transferencia de masa entre múltiples casos.
• Preservación de la fidelidad: DMSTAr preserva explícitamente las ecuaciones rectoras originales, los esquemas de integración numérica (que admiten tanto los métodos Euler como Runge-Kutta 4) y los comportamientos específicos de versión (por ejemplo, el control de versiones de liberación 2E vs. 2C2B y los periodos de descanso fuera de línea).
• Estrategia de verificación: La implementación fue verificada contra los resultados del DMSTA legado utilizando entradas, parámetros, condiciones iniciales y estructuras de red idénticas de cuatro aplicaciones de planificación importantes: Estrategias de Restauración (RS), Proyecto de Planificación del Centro de los Everglades (CEPP) y Proyecto de Planificación del Oeste de los Everglades (WERP).
• Métricas: La concordancia se evaluó mediante sesgo con signo, diferencia absoluta mediana, error cuadrático medio (RMSE), diferencia porcentual simétrica y diagnósticos gráficos (gráficos de Bland–Altman). También se realizó un análisis de sensibilidad del tamaño del paso sobre un periodo de 10 años para comparar la estabilidad numérica y la convergencia entre las dos implementaciones.

Contribuciones clave

• Implementación de código abierto: DMSTAr se publica como un paquete de R de código abierto en CRAN y GitHub, proporcionando acceso total al código fuente, documentación y guías (vignettes).
• Flujo de trabajo modular: El paquete separa la configuración del modelo, la validación y la ejecución de la simulación en funciones distintas y reutilizables (por ejemplo, dmsta_flowP_case(), run_network_of_cases()), permitiendo a los usuarios la transición fluida desde la entrada de datos hasta la evaluación de escenarios.
• Transparencia y extensibilidad: Al reformular las dependencias implícitas de las hojas de cálculo en actualizaciones de espacio de estados explícitas, el marco hace que los estados intermedios y los flujos sean directamente accesibles para diagnósticos y pruebas.
• Continuidad del legado: El marco mantiene una estricta equivalencia numérica con el modelo original, asegurando que los resultados de la planificación histórica sigan siendo comparables mientras permite futuras extensiones.

Resultados

• Equivalencia numérica: DMSTAr reprodujo el comportamiento del DMSTA legado con un sesgo sistemático insignificante y una alta concordancia en todas las aplicaciones probadas. Las trayectorias de series temporales para los estados hidrológicos (profundidad, volumen, descarga) y las métricas de P (concentración, masa, carga) fueron casi idénticas.
• Análisis de error: El análisis de Bland–Altman mostró diferencias estrechamente agrupadas alrededor de cero sin divergencia dependiente de la magnitud. La mayoría de los sesgos y estimaciones de error específicos de cada caso estuvieron dentro del 1%.
• Sensibilidad y estabilidad: El análisis de sensibilidad del tamaño del paso reveló que DMSTAr y DMSTA exhibieron respuestas casi idénticas a los cambios en la resolución de la integración (1 a 16 pasos por día). Ambas implementaciones mostraron una convergencia sublineal (pendientes de aprox. -0.5), lo que los autores atribuyen a la lógica operativa basada en umbrales del modelo y a la fuerza discontinua, más que a una inestabilidad numérica.
• Fuente de diferencias: Se encontró que las diferencias residuales entre las dos implementaciones son estables a través de los pasos de integración, lo que sugiere que surgen de factores menores de implementación (por ejemplo, comportamiento de redondeo, orden de evaluación condicional) inherentes a la traducción de un modelo de hoja de cálculo/VBA a R, en lugar de cambios algorítmicos fundamentales.

Significancia y afirmaciones
El artículo afirma que DMSTAr convierte con éxito un modelo de humedal de tratamiento ampliamente utilizado pero difícil de auditar en un marco de modelado ecológico transparente, modular y reproducible. La principal significancia radica en lograr ganancias en transparencia, extensibilidad y accesibilidad sin alterar materialmente el comportamiento del modelo legado.

Los autores enfatizan que el estudio se limita a demostrar la paridad entre la implementación original y la traducción a R; no evalúa el rigor de la metodología subyacente de DMSTA, ni recalibra el modelo. En cambio, DMSTAr sirve como un motor de ejecución fiel adecuado para el análisis de escenarios, la evaluación diagnóstica y la aplicación científica a largo plazo. El marco ilustra cómo los modelos de apoyo a la decisión ecológica heredados pueden traducirse a software de investigación abierto y testeable, manteniendo la continuidad con aplicaciones previas, apoyando así una planificación de la gestión de humedales más robusta y reproducible.