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

Resumo Técnico: DMSTAr – Um Framework R Reproduzível para Hidrologia e Dinâmica de Fósforo em Áreas Úmidas de Tratamento

Definição do Problema
Modelos de qualidade da água em áreas úmidas são essenciais para avaliar a remoção de fósforo (P) e o planejamento de restauração em paisagens geridas, particularmente no Everglades da Flórida. O Dynamic Model for Stormwater Treatment Areas (DMSTA), um modelo legado amplamente utilizado, é implementado como uma planilha de Microsoft Excel com código Visual Basic para Aplicações (VBA). Embora funcional, essa arquitetura baseada em planilhas limita a transparência, a reprodutibilidade e a integração com fluxos de trabalho científicos modernos. A lógica é frequentemente distribuída em fórmulas opacas e dependências de células dispersas, tornando a interrogação sistemática, o controle de versão e a análise de cenários escalável difíceis. O estudo aborda a necessidade de modernizar esta ferramenta legada sem alterar seu comportamento numérico estabelecido ou sua formulação conceitual.

Metodologia
Os autores desenvolveram o DMSTAr, um pacote R de código aberto projetado para reproduzir o comportamento numérico do modelo legado DMSTA, fornecendo simultaneamente um framework modular e testável. O processo de desenvolvimento envolveu uma tradução sistemática da lógica Excel/VBA em funções R explícitas, em vez de uma conversão linha por linha de código.

• Arquitetura: O pacote é estruturado hierarquicamente para refletir a estrutura conceitual original do DMSTA:
  1. Funções Principais (Core): Simulam a hidrologia e a dinâmica do fósforo total (TP) dentro de uma única célula de tratamento, encapsulando balanços hídricos diários, balanços de massa de P e integração numérica subdiária.
  2. Simulações de Nível de Caso: Coordenam múltiplas células com forçamentos e parâmetros compartilhados.
  3. Configurações de Rede: Suportam conectividade de montante-jusante, roteamento de fluxo e transferência de massa entre múltiplos casos.
• Preservação da Fidelidade: O DMSTAr preserva explicitamente as equações governantes originais, os esquemas de integração numérica (suportando tanto métodos Euler quanto Runge-Kutta 4) e os comportamentos específicos de versões (ex: controle de liberação das versões DMSTA 2E vs. 2C2B e períodos de repouso offline).
• Estratégia de Verificação: A implementação foi verificada contra os outputs do DMSTA legado utilizando entradas, parâmetros, condições iniciais e estruturas de rede idênticas de quatro grandes aplicações de planejamento: Restoration Strategies (RS), Central Everglades Planning Project (CEPP) e Western Everglades Planning Project (WERP).
• Métricas: O acordo foi avaliado usando viés assinado, diferença absoluta mediana, erro quadrático médio (RMSE), diferença percentual simétrica e diagnósticos gráficos (gráficos de Bland–Altman). Uma análise de sensibilidade do passo de integração também foi conduzida ao longo de um período de 10 anos para comparar a estabilidade numérica e a convergência entre as duas implementações.

Principais Contribuições

• Implementação de Código Aberto: O DMSTAr é publicado como um pacote R de código aberto no CRAN e no GitHub, fornecendo acesso total ao código-fonte, documentação e vinhetas (vignettes).
• Fluxo de Trabalho Modular: O pacote separa a configuração do modelo, validação e execução de simulação em funções distintas e reutilizáveis (ex: dmsta_flowP_case(), run_network_of_cases()), permitindo que os usuários façam a transição de forma contínua da entrada de dados para a avaliação de cenários.
• Transparência e Extensibilidade: Ao reformular as dependências implícitas da planilha em atualizações de estado explícitas, o framework torna os estados intermediários e os fluxos diretamente acessíveis para diagnósticos e testes.
• Continuidade do Legado: O framework mantém a equivalência numérica estrita com o modelo original, garantindo que os resultados históricos de planejamento permaneçam comparáveis, ao mesmo tempo em que permite extensões futuras.

Resultados

• Equivalência Numérica: O DMSTAr reproduziu o comportamento do DMSTA legado com viés sistemático negligenciável e alto acordo em todas as aplicações testadas. As trajetórias de séries temporais para estados hidrológicos (profundidade, volume, vazão) e métricas de P (concentração, massa, carga) foram quase idênticas.
• Análise de Erro: A análise de Bland–Altman mostrou diferenças agrupadas estritamente em torno de zero, sem divergência dependente de magnitude. A maioria das estimativas de viés e erro específicas de cada caso ficou dentro de 1%.
• Sensibilidade e Estabilidade: A análise de sensibilidade do passo de integração revelou que o DMSTAr e o DMSTA exibiram respostas quase idênticas às mudanças na resolução de integração (1 a 16 passos por dia). Ambas as implementações exibiram convergência sublinear (inclinações de aprox. -0,5), o que os autores atribuem à lógica operacional baseada em limiares do modelo e ao forçamento descontínuo, em vez de instabilidade numérica.
• Fonte de Diferenças: As diferenças residuais entre as duas implementações mostrar-se-iam estáveis através dos passos de integração, sugerindo que derivam de fatores de implementação de nível menor (ex: comportamento de arredondamento, ordem de avaliação condicional) inerentes à tradução de um modelo de planilha/VBA para R, e não de mudanças algorítmicas fundamentais.

Significância e Alegações
O artigo afirma que o DMSTAr converte com sucesso um modelo de área úmida de tratamento amplamente utilizado, mas de difícil auditoria, em um framework de modelagem ecológica transparente, modular e reprodutível. A principal significância reside em alcançar ganhos em transparência, extensibilidade e acessibilidade sem alterar materialmente o comportamento do modelo legado.

Os autores enfatizam que o estudo se limita a demonstrar a paridade entre a implementação original e a tradução em R; ele não avalia o rigor da metodologia subjacente do DMSTA, nem recalibra o modelo. Em vez disso, o DMSTAr serve como um motor de execução fiel adequado para análise de cenários, avaliação diagnóstica e aplicação científica de longo prazo. O framework ilustra como modelos de suporte à decisão ecológica legados podem ser traduzidos em software de pesquisa aberto e testável, mantendo a continuidade com aplicações anteriores, apoiando assim um planejamento de gestão de áreas úmidas mais robusto e reprodutível.