Um primeiro filtro que se mostrou necessário durante as leituras foi relativo a referências que apontavam fatores que induziam uma ou outra fase de diapausa. Com um pouco mais de cuidado na leitura fica evidente uma contradição nessas afirmações: uma diapausa verdadeira não é induzida, pois acontece independentemente de outros fatores. O único caso em que pode haver indução é o caso da diapausa I, que não é uma diapausa
verdadeira, mas uma quiescência, conforme a definição de Shelford (1929 apud Danks,
1987). Esse filtro crítico foi essencial para triar e organizar a enorme quantidade de informações dispersas na bibliografia.
No processo de modelagem, foi dado destaque maior àqueles fatores que apresentam mais significância segundo a bibliografia, e que estariam efetivamente ligados a um padrão cíclico ambiental, como o fotoperíodo e a pluviosidade, por exemplo.
Parâmetros como o pH e o oxigênio dissolvido na água, por exemplo, apesar de serem citados com certa frequência, geralmente estão sujeitos a variações relativamente intensas, mesmo no decorrer de um único dia, dificultando a inclusão dessas variáveis no modelo. Podrabsky et al. (1998) já alertara para o fato de que, baseado na grande variação apresentada pelas poças para parâmetros como pressão de oxigênio, pH, composição iônica e temperatura, é de se esperar que peixes anuais possam tolerar grandes variações ambientais associadas a processos fisiológicos, ainda que alguns desses fatores tenham influência no crescimento dos peixes (Markofsky e Matias, 1977; Levels e Denucé, 1988). Por essa razão, esses fatores não foram trabalhados no processo de modelagem.
A não inserção da temperatura no modelo, em particular merece esclarecimentos. A temperatura é citada em diversos trabalhos como influência sobre diversas variáveis. Mas como no caso do oxigênio dissolvido na água e do pH, esse parâmetro também pode sofrer grandes oscilações no decorrer de um dia. Chegou-se a pensar em inserir quantidades médias, como temperaturas mínimas, ou máximas, que apresentam variações cíclicas ao longo das estações. No entanto é facilmente observável na bibliografia que a principal influência apontada para a temperatura refere-se ao seu efeito no tempo de desenvolvimento de embriões ou peixes. Em modelagem qualitativa, porém, o tempo é representado pela transição dos
estados em uma simulação (Bredeweg et al., 2008), e essa representação, na abordagem
adotada neste trabalho, não permite inferências sobre o tempo necessário para essa transição. A respeito do estágio final da embriogênese, em nenhum trabalho foi possível associar a eclosão especificamente a um fator ou outro, mas diversas hipóteses foram observadas tanto em trabalhos científicos (Wourms, 1972a; 1972c; Podrabsky, 1999) como em experimentos amadores levados a cabo por aquaristas (Katz, 2004), incluindo a variação do oxigênio dissolvido, da pressão atmosférica ou da umidade do solo.
Nesse contexto, a opção pelo uso da quantidade umidade do solo se deu pela sua neutralidade: as mudanças nessa quantidade são claramente associadas ao balanço entre precipitação e evaporação, ligadas diretamente a fatores cíclicos e climáticos, e podem gerar inúmeras alterações diretas ou indiretas na físico-química do solo e da água. Essa foi a maneira encontrada para escapar à dúvida sobre qual é o real fator indutor da eclosão, ou se o evento pode mesmo ser influenciado por múltiplos fatores. Trabalhos futuros podem incluir experimentos com o modelo para testar hipóteses envolvendo os diferentes fatores indutores da eclosão.
No início dos trabalhos também pairava dúvida quanto à maneira como seria feita a representação nos modelos dos fenômenos da diapausa e da quiescência. Ao final a
atribuição de valor zero para as derivadas no período de diapausa pareceu a melhor representação para o fenômeno.
A representação das etapas de maturidade e desova deve ser retrabalhada em trabalhos futuros, em busca de maneiras de superar as limitações da abordagem qualitativa para representar o tempo, como citado anteriormente.
No âmbito do segundo modelo o trabalho poderia se tornar mais robusto se a escala geográfica fosse menor. A realização de uma análise prévia, através de Sistemas de Informação Georreferenciadas, poderia identificar as áreas úmidas dentro das duas microbacias, e avaliar com mais precisão quais as principais atividades antrópicas no entorno dessas áreas, aumentando o foco sobre as áreas onde existe mais interesse para a conservação do Pirá-Brasília.
Uma discussão comum em modelagem qualitativa parece ser quanto a escolha dos
espaços quantitativos, e seus significados. De fato, muitas questões de interesse em ecologia,
especialmente para os tomadores de decisão, podem ser respondidas em termos de “melhor ou pior”, “mais ou menos”, “curto prazo ou longo prazo”, etc (Rykiel, 1989). Afinal, continua esse autor, predições qualitativas, cientificamente válidas, podem ser feitas mesmo quando predições quantitativas não são possíveis.
Valores de referência utilizados em ecologia tendem a ser conceituais e difíceis de
definir (Noble et al., 2009). Como exemplo, podemos citar “captura máxima sustentável” ou
“capacidade de suporte”. Ainda que alguns desses termos sejam utilizados para se definir metas calculadas quantitativamente, seus valores não são facilmente definidos ou estimados
(Noble et al., 2009).
Para Noble et al. (2009), o espaço quantitativo definido para as principais
quantidades deve ser ordinal e ter um número de intervalos e pontos que reflita valores interessantes para interpretação do sistema. Mas ainda que espaços quantitativos mais simples (como {zero, positivo}) possam gerar simulações mais simples e exigir menor esforço para interpretação dos comportamentos apresentados, podem dificultar a compreensão para usuários inexperientes, pois são visualmente menos intuitivos.
Seguindo essa linha de raciocínio, a maioria das quantidades utilizadas nos modelos descritos neste trabalho, adotava espaços quantitativos do tipo {zero, pequeno, médio, grande}, efetuando-se adequações quanto ao contexto e a características próprias de cada quantidade. Na maioria dos casos, esse tipo de espaço quantitativo reflete apenas três possíveis estados de interesse: zero, pequeno e grande. Como foi muito bem exposto por
Noble et al. (2009), o ponto médio desse tipo de espaço quantitativo reflete apenas um estado momentâneo de transição, de pequeno para grande.
O objetivo de se adotar essa forma básica para espaços quantitativos foi a de propiciar compreensão intuitiva dos grafos obtidos nas simulações, sem contudo aumentar a complexidade dos resultados.