11.8 Discussão e conclusões

Aquaponics são sistemas técnicos e biológicos complexos. Por exemplo, possíveis explicações para peixes que não crescem adequadamente podem ser pequenas rações alimentares, qualidade adversa da água, problemas técnicos que causam estresse, etc. Devido à biologia inerentemente lenta, investigações científicas sobre a validade dessas explicações seriam tediosas e exigiriam vários ensaios experimentais para obter todos os fatores importantes e suas interações, exigindo um monte de instalações, experiência, tempo de pesquisa e ativos financeiros. Por conseguinte, a questão da modelização de sistemas aquapônicos foi abordada neste capítulo. Na aquaponia, a modelização é necessária para diferentes objetivos: (i) perspetiva/compreensão, (ii) análise, (iii) estimativa e (iv) gestão e controlo. Para todos estes objectivos, são necessários modelos adequados. Por exemplo, para atingir os objetivos (ii) e (iii), pode ser utilizada uma abordagem empírica que utiliza modelos estatísticos para analisar dados de ensaios experimentais anteriores com o objetivo de extrair o máximo de informação possível sem realizar novos experimentos. Os modelos estatísticos podem revelar os fatores mais importantes que afetam a produção de peixes e culturas nos sistemas aquapônicos. Experiências futuras poderiam se concentrar nesses fatores, tornando a utilização de recursos de pesquisa caros mais eficaz.

A complexidade dos sistemas aquapônicos, devido ao seu caráter de feedback e às interações entre RAS e sistema hidropônico, tratamento de água e crescimento de peixes, implica que, para cumprir os objetivos (i) e (iv), ou seja, compreender ou otimizar uma planta (configuração, tamanho, peixe, ração, caudais, etc.) com respeito ao custo, estabilidade, robustez e qualidade da água, são necessários modelos teóricos não triviais da maioria dos componentes do sistema descritos neste capítulo. A vantagem destes modelos teóricos apresentados em relação aos modelos estatísticos é a sua maior capacidade de analisar o processo subjacente à aquaponia e a possibilidade de modelar o aspecto temporal (dinâmica). Os modelos estatísticos apenas confirmam ou refutam uma hipótese e em que medida as variáveis covariam, mas não dão evidência dos processos subjacentes. Por outro lado, modelos teóricos permitem simular os processos de acordo com uma hipótese, comparar simulados com dados observados, avaliar tanto a hipótese como o modelo e fazer adaptações. A validade dos modelos estatísticos pode não estar além do alcance operacional para o qual foram treinados, enquanto modelos teóricos podem ser definidos e utilizados para uma ampla gama de ambientes, desde que os modelos sejam validados para esses intervalos antes da aplicação. Por exemplo, o modelo de regressão múltipla usado para avaliar as relações entre o crescimento de peixes com Oreochromis niloticus como espécie de peixe e variáveis ambientais em uma instalação aquapônica na Alemanha não pode ser facilmente aplicado à Espanha com Cyprinus carpio, enquanto que um modelo teórico descrevendo o processos (por exemplo, comportamento dos peixes, aquicultura, ecologia da água doce), uma vez que as equações matemáticas podem ser ajustadas de forma relativamente fácil porque o peixe e o processo ecológico subjacente a esse modelo são basicamente os mesmos para os dois sítios.

No entanto, modelos teóricos também exigem que alguns parâmetros, como constantes de reação e velocidade de sedimentação de substâncias no tanque de assentamento sejam determinados. Isto é conseguido comumente com base no estudo empírico de uma instalação ou muito poucas instalações ou, na maioria dos casos, de estudos publicados anteriormente (fontes secundárias). Estudos baseados em fontes secundárias apresentam limitações impostas pela estrutura e quantidade de dados disponíveis, o que não existe quando os dados provêm de uma configuração experimental concebida ad hoc para o estudo. No entanto, estimar parâmetros do modelo usando dados experimentais de uma instalação aquapônica somente pode ter problemas em relação à generalização e replicação dos resultados devido às condições particulares presentes no estudo. A escassez de dados às vezes impõe fortes restrições aos modelos que limitam sua praticidade. O desenvolvimento de estudos para estimativa de parâmetros com dados primários que utilizem um número maior de instalações aquapônicas do que estudos anteriores ajuda a superar as limitações presentes e fornecer resultados melhores e confiáveis. Este, no entanto, não é um desafio fácil para os pesquisadores da aquapônica.

A simulação da aquapônica com os modelos matemáticos sob uma ampla gama de condições de manejo melhorará a compreensão da aquapônica, verificará diferentes configurações aquapônicas e indicará o caminho para as estratégias mais promissoras para melhorar as instalações aquapônicas. Novamente, isso pode levar a uma maneira mais eficiente de realizar experimentos.

Algumas ferramentas de modelagem também foram apresentadas neste capítulo. Tradicionalmente, diagramas de estoque e fluxo (SFD) têm sido usados para entender processos como ferramentas de suporte para análise quantitativa. Eles são usados para compreender o fluxo e os fluxos de quantidades, mas não têm a capacidade de ilustrar as informações associadas ao fluxo e aos fluxos. Diagrama de loop causal (CLD) pode ser usado para transferir o sistema SFD complexo para estruturas de feedback simplificadas compreensíveis. Juntos, os SFDs e os CLDs definem completamente o sistema de equação diferencial. Se apenas uma compreensão qualitativa simples do sistema for necessária, então CLD e SFD podem ser suficientes, mas se a resposta exigir uma precisão numérica, então o problema pode ser investigado mais com diagramas de ferramentas dinâmicas do sistema (SDTD) e posteriormente ser modelado em uma ferramenta de software para simulação numérica.