Open Collections

UBC Theses and Dissertations

UBC Theses Logo

UBC Theses and Dissertations

Towards ecosystem-based management : integrating stakeholder values in decision-making and improving… Espinosa Romero, Maria Jose 2010

Your browser doesn't seem to have a PDF viewer, please download the PDF to view this item.

Notice for Google Chrome users:
If you are having trouble viewing or searching the PDF with Google Chrome, please download it here instead.

Item Metadata


24-ubc_2010_fall_espinosa_maria.pdf [ 3.51MB ]
JSON: 24-1.0071248.json
JSON-LD: 24-1.0071248-ld.json
RDF/XML (Pretty): 24-1.0071248-rdf.xml
RDF/JSON: 24-1.0071248-rdf.json
Turtle: 24-1.0071248-turtle.txt
N-Triples: 24-1.0071248-rdf-ntriples.txt
Original Record: 24-1.0071248-source.json
Full Text

Full Text

  1      Towards ecosystem­based management: Integrating  stakeholder values in decision­making and improving  the representation of ecosystems in ecosystem models   by   Maria Jose Espinosa Romero   B.Sc., Universidad Marista, 2002   A THESIS SUBMITED IN PARTIAL FULFILMENT OF THE REQUIREMENTS FOR THE DEGREE OF   Master of Science   in   The Faculty of Graduate Studies   (Resource Management and Environmental Studies)   The University of British Columbia   (Vancouver)   August 2010   © Maria Jose Espinosa Romero 2010        ii  Abstract   Ecosystem‐based management  (EBM)  is  increasingly  seen as  the new paradigm  for managing the  use  of  marine  resources  and  ecosystems.  Although  EBM  has  been  defined  in  theory,  its implementation  has  faced  challenges  worldwide.  This  research  aims  to  examine  two approaches to contribute to the operationzalization of EBM by incorporating stakeholder values in  the decision‐making process, and by better representing ecosystem dynamics  in ecosystem models. First, I illustrate a decision‐making framework for EBM rooted in structured decision‐making  (SDM),  a well‐known  systematic  approach  for  planning  and  stakeholder‐consultation processes.  SDM  helps  to  identify  the  values  of  the  constituents  and  define  objectives  and indicators that are consistent with those values. I demonstrate how SDM can enable managers to evaluate the performance of management alternatives using indicators specifically chosen to reflect  values.  This  can  help  managers  make  more  systematic,  transparent  and  informed decisions  with  respect  to  the  use  of  marine  resources.  As  a  case  study,  I  apply  SDM  to  the marine planning process on the west coast of Vancouver Island (WCVI). Second, as ecosystem models  play  an  important  role  in  EBM,  I  strive  to  improve  the  representation  of  marine ecosystems  using  ecosystem models  in  Ecopath with  Ecosim  (EwE).  I  focus  on  incorporating mediating  effects  and  species  reintroductions,  both  common  situations  that  can  strongly influence  ecosystem  dynamics.  These  considerations  are  essential  when  applying  holistic approaches to management but they are not generally included in EwE. I use EwE to model the reintroduction of sea otters (Enhydra lutris) and the mediating effects provided by kelp forests in nearshore ecosystems of the WCVI. Because EwE does not have the functionality to represent reintroductions,  I  created  two  scenarios  to work  around  the  assumptions of Ecospace on  the initial  state  of  the  ecosystem.  In  addition,  I  demonstrate  how  mediating  effects  can  be represented using the ‘mediation’ function in Ecosim. These methods and results can contribute to  advance  EBM  on  the  WCVI  and  offer  insights  to  other  marine  planning  processes.  Both strengths and limitations of this work are presented and analyzed.           iii  Table of contents Abstract.................................................................................................................................................................................. ii Table of contents .............................................................................................................................................................. iii List of tables..........................................................................................................................................................................v List of figures...................................................................................................................................................................... vi Acknowledgements ........................................................................................................................................................ vii Co‐authorship statement ............................................................................................................................................viii Chapter 1  Introduction............................................................................................................................................ 1 1.1  Problem statement.......................................................................................................................................... 1 1.2  Research objectives......................................................................................................................................... 2 1.3  Thesis outline .................................................................................................................................................... 3 1.4  Background......................................................................................................................................................... 4 1.4.1  Study area ................................................................................................................................................... 4 1.4.2  Marine planning process on the WCVI........................................................................................... 6 1.4.3  Decision‐making process for EBM ................................................................................................... 6 1.4.4  Ecosystem models for EBM: Ecopath with Ecosim (EwE)..................................................... 7 1.5  References.........................................................................................................................................................11 Chapter 2  Using structured decision‐making for ecosystem‐based management......................14 2.1  Introduction .....................................................................................................................................................14 2.1.1  A need to improve decision‐making processes........................................................................15 2.1.2  The structured decision‐making process....................................................................................16 2.1.3  Some considerations for the implementation of SDM for EBM.........................................19 2.1.4  Case study: Marine spatial planning for the west coast of Vancouver Island .............20 2.2  Methods..............................................................................................................................................................21 2.2.1  Applying SDM to design a decision‐making framework for EBM ....................................21 2.3  Results and discussion.................................................................................................................................22 2.3.1  New structure: Fundamental objectives, attributes and indicators................................23 2.3.2  Insights from the process and applicability for EBM.............................................................31 2.4  Conclusions.......................................................................................................................................................33 2.5  References.........................................................................................................................................................39      iv  Chapter 3  Representing mediating effects and species reintroductions in Ecopath with Ecosim…………....................................................................................................................................................................43 3.1  Introduction .....................................................................................................................................................43 3.1.1  Case study.................................................................................................................................................44 3.2  Methods..............................................................................................................................................................46 3.2.1  Ecopath parameterisation .................................................................................................................46 3.2.2  Modeling benefits provided by kelp forests: using Ecopath and Ecosim......................46 3.2.3  Spatial representation of sea otter reintroduction and expansion: Ecospace structure ...................................................................................................................................................................48 3.3  Results and discussion.................................................................................................................................50 3.3.1  Ecopath results.......................................................................................................................................50 3.3.2  Benefits provided by kelp forests over time..............................................................................51 3.3.3  Spatial representation of sea otter reintroduction and expansion..................................53 3.4  Conclusions.......................................................................................................................................................55 3.5  References.........................................................................................................................................................67 Chapter 4  Conclusions ...........................................................................................................................................70 4.1  Discussion .........................................................................................................................................................70 4.2  Strengths, limitations and improvements...........................................................................................72 4.3  References.........................................................................................................................................................74    Appendices  Appendix A. Parameters estimation and model balancing …………………………………………………….75                   v  List of tables Table  2‐1  Original  set  of  objectives  and  attributes  of  WCA,  based  on  draft  goals  for  aquatic management on the west coast of Vancouver Island (WCVI). ..........................................................35 Table  2‐2  New  structure  of  fundamental  objectives,  attributes  and  indicators  for  a  decision‐making framework for EBM.............................................................................................................................36 Table 3‐1 Basic inputs for Ecopath. .........................................................................................................................58 Table 3‐2 Diet compositions.......................................................................................................................................58 Table 3‐3 Results from 100 runs of the Individual‐based model (IBM)..................................................59                                        vi  List of figures  Figure 1‐1 West Coast Aquatic (WCA) management area. ............................................................................10 Figure 3‐1 Reintroduction site, current range and sites with optimum habitat for sea otters based on intertidal complexity similarity with the reintroduction site .......................................60 Figure 3‐2 Food web of the nearshore ecosystem on the WCVI.  ...............................................................60 Figure 3‐3 Culling scenario, with one suitable habitat....................................................................................61 Figure 3‐4 Mixed trophic impacts. Relative impacts between species due to predation and competition.. ...........................................................................................................................................................61 Figure 3‐5 Results of kelp‐derived detritus biomass for the two scenarios..........................................62 Figure 3‐6 Results with and without the ‘mediation’ function. Species biomass over a 100‐year period.. .......................................................................................................................................................................63 Figure 3‐7 Spatial distribution of sea otters using the Culling scenario and the two types of movement models: diffusion and individual based model (IBM)....................................................64 Figure 3‐8 Populations dynamics in a 100 year period..................................................................................65 Figure 3‐9 Sea otter recovery with Ecosim, Diffusion and Individual based Model (IBM).  ...........66                           vii  Acknowledgements  I want to thank my supervisor Kai Chan for  inviting me to be part of his  lab and this amazing project  and  for  supporting me  in many ways  during my  studies.  I  also  thank my  committee members, Villy Christensen for explaining with patience all about ecosystem modeling and for facilitating  the  improvements  in  the  software  so  I  could  do my model;  Tomas  Tomascik  for providing a practical perspective  to my  research and valuable  contributions about  the  region and the ecosystem; and Rashid Sumaila for always giving practical advise as well as motivation to complete my studies.   I also thank West Coast Aquatic (WCA), especially to Denise Dalmer for her time and important contributions  to my structured decision‐making chapter,  and  to Tom Okey  for his  interest on my work, time and invitations to share this work with the staff and stakeholders in the Island.  I feel grateful to have had the opportunity to collaborate with my professors Carl Walters and Tim McDaniels for the main two chapters of my thesis. Their classes and comments on my work were fundamental.  I would like to appreciate Steve Martell and Terre Satterfield for having the disposition to help and answer all my questions and from whom I learnt a lot.  I  am  very  thankful  to  Ed  Gregr,  Russ  Markel,  and  Becca  Martone  who  supported  my  whole process with  time,  interesting  discussions,  information,  and  good  advise;  to Andres  Cisneros, Jordan Levine and Megan Bailey for kindly reading and commenting on my documents,  to the my  lab  colleagues  for  their  support  and  feedback on my work,  and  to Villy Christensen’s  lab, specially Jeroen Steenbeek and Sherman Lai who helped me with the software.  I also thank the IRES department and my sponsors –Consejo Nacional de Ciencia y Technologia (CONACYT), World Wildlife Fund (WWF), The Nature Conservancy and the Faculty of Graduate Studies (FoGS) for making this research possible.  Finally  and  most  importantly,  I  want  to  thank  and  dedicate  this  research  to  my  family  and friends, who were always there, in good and stressful times. Their love and support encourage me to successfully complete this process.      viii  Co­authorship statement  Maria Espinosa Romero designed and performed the research and data analysis of this thesis, prepared the text for the manuscripts, and will be the first author on the publications derived from  this  work.  Several  colleagues  have  contributed  to  the  chapters  and  the  preparation  of manuscripts.  A  version  of  Chapter  2  will  be  submitted  for  publication  with  Kai  Chan (supervisor) and Tim McDaniels, who provided significant contributions regarding Ecosystem‐based  Management  (EBM)  and  decision‐making,  respectively.  A  version  of  Chapter  3  was presented at the “Ecopath 25 Years” conference and published in the Proceedings with Edward Gregr,  Villy  Christensen,  and  Kai  Chan.  The  final  version  of  Chapter  3  will  be  submitted  for publication  with  Edward  Gregr,  Villy  Christensen,  Carl  Walters,  and  Kai  Chan  as  coauthors. Edward  Gregr  assisted  in  the  development  of  the  first  versions  of  the  theoretical model  and contributed  to  the  preparation  of  the  manuscript;  Villy  Christensen  (graduate  research committee)  and  Carl  Walters  participated  in  model  development,  results  analysis  and manuscript  revision;  and  Kai  Chan  provided  important  thoughts  for  the  representation  of ecological  dynamics  and  the  implications/limitations  of  the  model  and  helped  with  the manuscript revisions.                       1  Chapter 1                 Introduction                                                                        1.1 Problem statement Ecosystem‐based  management  (EBM)  has  been  suggested  as  a  promising  new  approach  to management, which generally has focused separately on single species and single sectors with insufficient treatment of the challenges facing by marine ecosystems (Lester et al. 2010). EBM considers the linkages between all elements of the ecosystem, including humans (McLeod et al. 2005),  as well  as  the  underlying  processes  that  produce  the  services  people want  and  value (Guerry  2005,  Arkema  et  al.  2006),  and  the  meaningful  involvement  of  stakeholders  in management efforts (Guerry 2005, Leslie and McLeod 2007).   Although the principles, key elements and guidelines for EBM have been defined (e.g., McLeod et al. 2005, Leslie and McLeod 2007, Lester et al. 2010) there is still a gap between theory and practice (Arkema et al. 2006, Ruckelshaus et al. 2008, Lester et al. 2010). This is at least partly a symptom  of  insufficient  attention  being  paid  to  stakeholder  values  and  decision‐making processes  for  marine  management.  Some  studies  suggest  that  the  main  challenges  for  EBM include:  1)  building  a  collective  vision  and  set  of  objectives  for  EBM;  2)  defining metrics  to evaluate  the  accomplishment  of  objectives;  3)  designing  governance  frameworks  (Leslie  and McLeod  2007);  and  4)  translating  theoretical  concepts  to  operational  goals  (Arkema  et  al. 2006). Even when EBM has been explicitly accepted at the management  level (Rosenberg and Sandifer  2009),  managers  still  face  political,  legal,  social  and  scientific  difficulties  in implementing the complex academic concepts of EBM, which have come to be seen as daunting and  expensive  (Arkema  et  al.  2006,  Lester  et  al.  2010,  Tallis  et  al.  2010).  Managers  require practical  conceptual  frameworks  to  develop  policies,  objectives  and  goals  for  effectively implementing EBM (Rosenberg and Sandifer 2009).   As  we  shift  to  ecosystem‐based  approaches  to  management,  the  use  of  tools  capable  of representing the possible outcomes of management policies becomes essential (Plagányi 2007). In  this  sense,  ecosystem models  play  a  fundamental  role  for  EBM,  as  they  can  integrate  and display  information  pertaining  to  how  ecosystems  work  (including  multiple  species  and      2  habitats)  and  respond  to  anthropogenic  and  natural  disturbances  (Christensen  and  Walters 2004a, 2004b). Ecopath with Ecosim (EwE)  is  the most widely used  tool  to represent marine ecosystems  (Christensen and Walters 2004a, 2004b).  It  has been mainly used  for  ecosystem‐based fisheries management (EBFM) to explore fishing impacts and policy scenarios related to fisheries  (Plagányi  and  Butterworth  2004).  To  expand  its  use  for  EBM,  EwE models  need  to represent  other  ecosystem  dynamics  such  as  indirect  species  interactions  called  ‘mediating’ effects1 provided by species and the effects caused by species (re)introductions, both of which have shown to have strong influence on ecosystem dynamics (e.g., Grosholz et al. 2000, Dill et al. 2003). Mediating effects can, for example,  intensify or reverse trophic interactions, create and expand niches and affect several species (Dill et al. 2003). If such effects are overlooked, as they usually  are  (Dill  et  al.  2003,  Heithaus  et  al.  2008)2,  ecosystem models  will  fail  to  accurately represent the ecosystem (Dill et al. 2003).   Another important aspect that needs to be incorporated into EwE models is the range of human activities  that  take place  in  the ocean—not only  fishing—which  can  cause or be  impacted by changes in ecosystems.    In  light  of  the  recent  adoption  of  EBM  as  a  central  management  paradigm,  as  well  as  the challenges facing its implementation, more research is needed to better formalize how EBM can be  successfully  used  for  decision‐making.  My  research  intends  to  contribute  to  this  gap  by demonstrating:  (1) how to  incorporate EBM into  the decision‐making process and (2) how to improve the performance of ecosystem models to advise EBM. As a case study,  I use the EBM initiative  on  the  west  coast  of  Vancouver  Island  (WCVI).  A  multiple‐stakeholder  body,  West Coast Aquatic (WCA), is currently leading a marine planning process with an EBM approach in the region. Collaboration with this group has constituted an excellent opportunity to explore the central aspects, and real‐world applications, of my research.   1.2 Research objectives  This  project  aims  to  help  bridge  the  gap  between  theory  and  practice  by  investigating  and                                                         1“When a change in a property of one species (the initiator) causes a change in the behavior of a second  species (the transmitter) and this change in the transmitter has an effect on a third species in the community  (the receiver)” (Dill et al. 2003).  2 Heithaus et al. (2008) is specifically on risk effects of mediation impacts on top predators.       3  testing how the EBM approach can be applied to decision‐making for marine management. The two main objectives of this research are as follows:    • Demonstrate how to develop a decision‐making framework for EBM, which can be used to set policy in a systematic and transparent way. This framework integrates the values of the constituents and scientific  advice  in  the evaluation of management alternatives. As a  case study, I have used the ongoing marine planning process on the WCVI led by WCA.   • Demonstrate how to incorporate mediating effects and species reintroductions into EwE to improve  the  representation  of  ecosystem  dynamics–which  is  essential  for  EBM.  To represent  such  dynamics  I  have modeled  nearshore  ecosystems  on  the WCVI,  where  sea otters  (Enhydra  lutris)  have  been  reintroduced  and  kelp  forests  are  providing mediating effects  to  species  in  the  ecosystem.  In  addition,  I  have  assed  the  scale  of  the  impacts  (on population biomass) of such dynamics on the ecosystem and the ability of EwE to represent them.   This project intends to support the marine planning process on the WCVI and to shed insight for marine  planning  processes  and  EBM  elsewhere.  In  addition,  this  research  is  part  of  a  bigger project called “British Columbia Coastal Ecosystem Services”, the main objective of which is to develop interdisciplinary research on ecosystem services to assist decision‐making and EBM in coastal  British  Columbia.  The  main  components  of  this  research  include  fieldwork, characterization  of  ecosystem  services,  modeling,  valuation  and  the  integration  of  all  these components into decision‐making processes. This broader project is done in collaboration with stakeholders and in connection with ecosystem‐services research in North America.    1.3 Thesis outline To address the two main objectives, my research is organized into four chapters. Chapter 1 (this chapter)  gives  an  introduction  to  the  problem,  my  research  objectives,  background  on  the region where this project is applied, and the regional marine planning process. It also explains what structured decision‐making (SDM) is and why it can be used to facilitate EBM. To finalize, as I focused on EwE, I address its strengths and limitations to represent how ecosystems work.       4  Chapter 2 suggests how SDM can be used to create a decision‐making framework for EBM. This chapter  shows  the  importance  of  having  a  systematic  process  to  identify  the  values  of  the constituents  and  bring  consistency  between  these  values,  objectives  and  indicators  for  the evaluation  of  management  alternatives.  This  process  was  applied  to  the  marine  planning process on the WCVI. As WCA had already stated its objectives, I show how to re‐structure these objectives, without  losing or distorting  their  intended meanings  and purposes,  to make  them operational  for managers.  In  addition,  I  demonstrate  how  to  define  adequate  indicators  that reflect fundamental objectives and values.  Chapter  3  shows  how  to  incorporate  mediating  effects  and  species  reintroduction  into ecosystem models in EwE. EwE already has the capacity to represent mediating effects through a  function  called  ‘mediation’.  Because  these  effects  have  been  often  overlooked  in  ecosystem models,  I explain how to use this  function for more thorough results. As EwE does not have a function for representing species reintroductions and range expansion, I create two strategies to represent these phenomena in Ecospace, the spatial module of EwE.   For this latter objective, I develop a model for nearshore ecosystems of WCVI where sea otters have  been  reintroduced  and  have  altered  the  ecosystem.  This  represents  an  excellent  case study,  as  newly  regenerated  kelp  forests  provide  mediating  effects  to  some  prey‐predator interactions.    Chapter 4 focuses on the findings of this research, the strengths and limitations of the approach, and future avenues for the application of SDM and the use of ecosystem models for EBM.   1.4 Background  1.4.1 Study area  Ecosystems on  the WCVI  support multiple human activities,  such as  commercial,  recreational and  subsistence  fisheries,  aquaculture,  tourism  and  transportation  (Gislason  2007).  Multiple and  conflicting  objectives  characterize  the  use  of  natural  resources  in  the  region.  Given  that ecological  and  social  systems  are  coupled,  changes  in  the  ecosystem  affect  the  provision  of benefits to humans (Ostrom 2009).       5  An  important  issue  in  the area has been  the reintroduction of sea otters.  In British Columbia, sea otters were extirpated between 1929 and 1930 (Watson 1993). Hunting sea otters for their pelts  was  a  traditional  activity  for  First  Nations  (Uuathluck  2007,  2009).  However,  the international fur trade between the 17th and 18th centuries drove sea otters close to extinction (Estes  and  Palmisano  1974).  In  1911,  they were  protected  under  the  International  Fur  Deal Treaty, but the population did not recover (Watson 1993).    Sea otters were reintroduced to the WCVI, British Columbia between 1969 and 1972 (Watson 1993).  After  some  years,  they  have  successfully  re‐established  themselves  (Watson  1993, Nichol et al. 2009) and their expansion continues to suitable habitats3 within the region (Gregr et al. 2008).   Sea  otters  have  altered  ecosystems  and  their  dynamics  in  the  region.  They  have  shifted  an invertebrate‐dominated nearshore system (i.e. urchin ‘barrens’4) into a kelp‐dominated system by releasing macro‐algae (i.e. ‘kelp’ species Macrocystis integrifolia, Nereocystis luetkeana) from grazing pressure. This effect has been observed in other regions of Alaska and California (Estes and Palmisano 1974) and  it has motivated studies to determine the trophic cascade effects of sea  otter  presence  in marine  ecosystems  (Estes  and  Palmisano  1974,  Simenstad  et  al.  1978, Duggins 1980).  The return of sea otters to the WCVI is controversial. On one hand, they have caused the decline of commercially valuable shellfish populations and reduced the size of target species (e.g., sea urchins, geoduck (Panopea abrupt), clams, crabs), which has negatively impacted those people who  depend  on  these  fisheries  (e.g., Watson  2000).  On  the  other  hand,  their  return marks  a change in ecosystem dynamics that might provide diverse benefits to several species (via kelp forests)  as well  as  benefits  to  people,  through  tourism  and  perhaps  finfish  fisheries  (Markel 2006).  Therefore,  as  sea  otters  continue  their  expansion  along  the WCVI,  potential  effects  in terms of benefits and losses must be anticipated. An EBM approach is essential  for evaluating these effects across species and sectors.                                                           3 Areas with the same sub‐tidal complexity of areas where sea otters were reintroduced and established (Gregr et al. 2008).   4 Urchin dominated communities.       6  1.4.2 Marine planning process on the WCVI The  marine  planning  process  for  the  WCVI  is  being  led  by  WCA,  a  forum  for  coastal communities and those affected by marine management to participate with governments in the management  decision‐making  process  for  the  region  (WCA  2001).  Members  of WCA  include federal,  provincial,  local  and  First  Nations  governments,  representatives  of  commercial  and recreational  fisheries,  conservation  organizations,  and  aquaculture  and  tourism  industries (WCA 2006).   WCA is currently developing an overarching marine plan for their management area (Figure 1‐1) and two spatial plans for the Barkley Sound and Clayoquot Sound regions. WCA is applying an EBM approach to their marine planning processes and have already defined the objectives, as well as the goals and subgoals for achieving those objectives (Denise Dalmer, pers. comm.).   Furthermore, WCA  is also  in  the process of  collecting  information on  indicators of ecosystem health  and  integrity,  as  well  as  developing  decision‐making  support  tools  (e.g.,  EwE models, Marxan) to support their spatial planning process (Tom Okey, pers. comm.).    1.4.3 Decision­making process for EBM At the management level, the operationalization of EBM requires a systematic and participatory decision‐making framework for managers. This framework should integrate a collective vision, operational objectives and indicators for EBM based on the values of stakeholders and the best science  available.  Such  a  framework  would  allow  managers  to  identify  the  concerns  of stakeholders, to build trust in the process as stakeholders can see their values reflected, and to make more  informed  and  systematic,  rather  than  arbitrary  or  excessively  political,  decisions (Gregory et al. 2001).   The idea of a systematic decision‐making process has already been identified and suggested by EBM  proponents  through  the  Integrated  Ecosystem  Assessments  (IEA)—a  decision‐making framework for marine management that has been increasingly seen as central to EBM (Levin et al. 2009, Tallis et al. 2010). This  framework  is  rooted  in  the decision analysis  field. However, IEA implicitly assumes consistency between values, objectives, and indicators—which does not often  happen  in  practice.  It  suggests  but  also  requires  stakeholder  involvement.  It  should  be also noted  that  objectives  and  indicators do not  necessarily  integrate  stakeholder  values  and      7  objectives. Whereas, other  literature argues that stakeholder engagement and the consistency between values, objectives and indicators are essential components for the implementation of EBM (see chapter 2).  I show how SDM—also called ‘value‐focused thinking’—help advance EBM. SDM is a systematic process  that  helps  individuals  and  groups  to  identify  values  and  develop  decision‐making frameworks to best satisfy those values (Keeney 1996d, Clemen and Reilly 2001). As this field has been well explored, there are diverse methodologies that guide the identification of values, objectives, attributes and indicators to evaluate management alternatives.  SDM has enough flexibility that it can be applied even when multiple‐stakeholder groups have already defined their objectives, as in the case of WCA. In such circumstances, a facilitator may need to revise the objectives to ensure that  they are well articulated, non‐redundant and that they  reflect  the  values  of  the  participants  (McDaniels  2000).  For  this  study,  I  worked  in collaboration with the Executive Director of WCA to apply an SDM process to marine planning on the WCVI.   1.4.4 Ecosystem models for EBM: Ecopath with Ecosim (EwE) Ecosystem models play a fundamental role in EBM, as they can improve our understanding of how  complex  systems  work,  enabling  us  to  infer  possible  outcomes  from  policies  and environmental changes (Christensen and Walters 2004a, 2004b). Traditional stock assessments are  insufficient  for  EBM  to  explore  important  management  questions  such  as  the  ecological impacts of spatial management options (Walters 1999).   Ecopath  with  Ecosim  (EwE)  is  the  most  widely  used  tool  to  represent  aquatic  ecosystems (Plagányi 2007).  It has been used  to predict  the  impacts of  fisheries on  target and non‐target species, the effects of marine protected areas and the efficacy of policy interventions (Walters 1999). Advantages of using EwE for decision‐making include its open‐source and user‐friendly interface  (Plagányi 2007),  its  temporal  (Ecosim) and  spatial  (Ecospace) modules,  its  scenario analysis  capabilities  (mainly  for  fisheries  policies),  the  representation  of  age‐structured populations, the option of fitting models to empirical data (Christensen and Walters 2004a) and the sensitivity analysis (Ecoranger) for main input parameters (biomass, production per unit of biomass,  consumption per unit  of biomass)  (Plagányi  and Butterworth 2004). EwE  is  also  an      8  interactive  tool,  which  allows  modelers  to  draw  and  explore  the  effects  of  changes  in topographic features (e.g., climate variations) and policy options (e.g., fishing effort) (Walters et al. 1999). Because there is a growing demand for spatially explicit policies (Walters et al. 1999) such as protected areas, zoning, and fishing areas, Ecospace fills an important niche in marine management.  If we accept McLeod et al. (2005)’s assertion that EBM should account for the whole ecosystem, including humans, it is essential that EwE models incorporate the full range of relevant human activities  and  improve  the  representation  of  ecosystem  dynamics.  For  the  purposes  of  this thesis, with its limited scope, I am focusing only on the latter (ecosystem dynamics), specifically, mediating effects and the (re) introduction of species. Mediating effects The representation of mediating effects in ecosystem models is relevant for EBM because they are always present  in ecosystems and they can change ecological dynamics by  intensifying or reversing  trophic  interactions,  expanding  or  contracting  niches  and  causing  trophic  cascade effects  in  food webs  (Dill  et  al.  2003). When mediating  effects  are not  considered,  ecosystem models can fail the representation of ecosystem dynamics (Heithaus et al. 2008). For this study, I focus on the mediating effects provided by kelp forest to nearshore ecosystems on the WCVI, specifically the effects (i.e. increased feeding areas and food availability for some predators) to some species due to the provision of habitat.  The EwE package already has a function called ‘mediation’ for incorporating mediating effects provided  by  species  (Christensen  2008),  but  it  has  been  used  infrequently.  Therefore,  to incorporate these effects it will be important to understand how this software function can best be used, and to analyze how it represents mediating effects. Spatial representation of species reintroductions The representation of species (re) introductions in ecosystem models is relevant for EBM due to the potentially significant changes that such phenomena can cause to biological populations and communities  (e.g., Watson 1993,  Sakai  et  al.  2001).  For  this work,  I  used  as  a  study  case  the reintroduction of sea otters to the WCVI.      9  There is currently no built‐in EwE function that accounts for species reintroductions and range expansions.  In  addition,  Ecospace  assumes  that  in  year  1,  all  species  in  the  ecosystem  are already  distributed  among  suitable  habitats,  and  for  the  following  years,  that  species  move across  the whole  study  area  avoiding unsuitable habitats, which  is  at  odds with  situations  in which  species  are  new  to  the  ecosystem.  Therefore,  the  representation  of  species  (re) introductions requires the manipulation of the software to work around this assumption of the initial state of the ecosystem.   Although  the  assumptions  of  Ecospace  can  limit  the  spatial  representation  of  ecosystem dynamics, when used appropriately, EwE can be used to complement traditional management tools such as stock assessments, and can support ecosystem based approaches by providing an integrated  understanding  of  ecosystem  structure  and  dynamics  (Plagányi  and  Butterworth 2004). In addition, EwE is not a static tool as it is under continued improvement.                                                                 10  Figure                                                Clayoquot Sound region Barkley Sound region Victoria Vancouver Figure 1‐1 West Coast Aquatic (WCA) management area.  Three management plans are being developed: one for the whole management area and two regional ones for Clayoquot region and Barkley Sound regions.      11  1.5 References  Arkema,  K.  K.,  S.  C.  Abramson,  and  B.  M.  Dewsbury.  2006.  Marine  ecosystem‐based management:  from  characterization  to  implementation.  Frontiers  in  Ecology  and  the Environment 4:525‐532. Christensen,  V.  and  C.  J.  Walters.  2004a.  Ecopath  with  Ecosim:  methods,  capabilities  and limitations. Ecological Modelling 172:109‐139. Christensen, V. and C. J. Walters. 2004b. Trade‐offs in ecosystem‐scale optimization of fisheries management policies. Bull. Mar. Sc. 74(3):549­562. Clemen, R. and T. Reilly. 2001. Structuring Decisions. Pages 43‐110  Making Hard Decisions with Decision Tools. Duxbury Thomson Learning. Dill, L. M., M. R. Heithaus, and C. J. Walters. 2003. Behaviorally mediated indirect interactions in marine communities and their conservation implications. Ecology 84:1151‐1157. Duggins, D. O. 1980. Kelp Beds and Sea Otters: An Experimental Approach. Ecology 61:447‐453. Estes,  J.  A.  and  J.  F.  Palmisano.  1974.  Sea  Otters:  Their  Role  in  Structuring  Nearshore Communities. Science 185:1058‐1060. Gislason, G. 2007. Economic Contribution of the Oceans Sector on the West Coast of Vancouver Island. Report for Canada Department of Justice, Vancouver. Gregory, R., T. McDaniels, and D. Fields. 2001. Decision Aiding, Not Dispute Resolution: Creating Insights  through  Structured  Environmental  Decisions.  Journal  of  Policy  Analysis  and Management 20:415‐432. Gregr,  E.  J.,  L. M. Nichol,  J.  C. Watson,  J.  K.  B.  Ford,  and G. M.  Ellis.  2008.  Estimating  carrying capacity for sea otters in British Columbia. Journal of Wildlife Management 72:382‐388. Grosholz,  E. D.,  G. M. Ruiz,  C. A. Dean, K. A.  Shirley,  J.  L. Maron,  and P. G.  Connors.  2000. The Impacts of a Nonindigenous Marine Predator in a California Bay. Ecology 81:1206‐1224. Guerry, A. D. 2005. Icarus and Daedalus: conceptual and tactical lessons for marine ecosystem‐based management. Frontiers in Ecology and the Environment 3:202‐211. Heithaus, M. R., A. Frid, A. J. Wirsing, and B. Worm. 2008. Predicting ecological consequences of marine top predator declines. Trends in Ecology & Evolution 23:202‐210. Keeney,  R.  L.  1996d.  Value‐focused  thinking:  Identifying  decision  opportunities  and  creating alternatives. European Journal of Operational Research 92. Leslie,  H.  M.  and  K.  L.  McLeod.  2007.  Confronting  the  challenges  of  implementing  marine ecosystem‐based management. Frontiers in Ecology and the Environment 5:540‐548.      12  Lester,  S. E., K. L. McLeod, H. Tallis, M. Ruckelshaus, B.  S. Halpern, P.  S.  Levin, F. P. Chavez, C. Pomeroy, B. J. McCay, C. Costello, S. D. Gaines, A. J. Mace, J. A. Barth, D. L. Fluharty, and J. K. Parrish. 2010. Science  in  support of ecosystem‐based management  for  the US West Coast and beyond. Biological Conservation 143:576‐587. Levin,  P.  S.,  M.  J.  Fogarty,  S.  A.  Murawski,  and  D.  Fluharty.  2009.  Integrated  Ecosystem Assessments: Developing  the Scientific Basis  for Ecosystem‐Based Management of  the Ocean. PLoS Biol 7:e1000014. Markel, R. W. 2006. Sea otter and kelp  forest recovery:  Implications  for nearshore ecosystem, fishes and fisheries. Parks Canada. McDaniels,  T.  L.  2000.  Creating  and  using  objectives  for  ecological  risk  assessment  and management. Environmental Science & Policy 3:299‐304. McLeod,  K.  L.,  J.  Lubchenco,  S.  R.  Palumbi,  and  A.  A.  Rosenberg.  2005.  Scientific  Consensus Statement on Marine Ecosystem‐Based Management. Signed by 221 academic scientists and  policy  experts  with  relevant  expertise  and  published  by  the  Communication Partnership for Science and the Sea at Nichol,  L. M., M.  D.  Boogaards,  and  R.  Abernethy.  2009.  Recent  trends  in  the  abundance  and distribution  of  sea  otters  (Enhydra  lutris)  in  British  Columbia.  Fisheries  and  Oceans Canada. Ostrom,  E.  2009.  A  General  Framework  for  Analyzing  Sustainability  of  Social‐Ecological Systems. Science 325:419‐422. Plagányi,  É.  E.  2007. Models  for  an  ecosystem  approach  to  fisheries.  FAO Fisheries  Technical Paper No. 477 Rome. Plagányi,  É.  E.  and  D.  S.  Butterworth.  2004.  A  critical  look  at  the  potential  of  Ecopath  with ecosim  to  assist  in  practical  fisheries management.  African  Journal  of Marine  Science  26:261‐287. Rosenberg, A. A. and P. A. Sandifer. 2009. What do managers need? Pages 13‐30 in K. L. McLeod and  H. M.  Leslie,  editors.  Ecosystem‐based Management  for  the  Oceans.  Island  Press, Washington, D.C. Ruckelshaus,  M.,  T.  Kingler,  N.  Knowlton,  and  D.  P.  DeMaster.  2008.  Ecosystem‐based management in practice: Scientific and Governance challenges. BioScience 58:59‐63. Sakai,  A.  K.,  F. W. Allendorf,  J.  S. Holt,  D. M.  Lodge,  J. Molofsky,  K.  A. With,  S.  Baughman,  R.  J. Cabin, J. E. Cohen, N. C. Ellstrand, D. E. McCauley, P. O'Neil, I. M. Parker, J. N. Thompson,      13  and  S.  G. Weller.  2001.  The  population  biology  of  invasive  species.  Annual  Review  of Ecology and Systematics 32:305‐332. Simenstad,  C.  A.,  J.  A.  Estes,  and  K. W.  Kenyon.  1978.  Aleuts,  sea  otters,  and  alternate  stable communities. Science 200:403‐411. Tallis, H., P. S. Levin, M. Ruckelshaus, S. E. Lester, K. L. McLeod, D. L. Fluharty, and B. S. Halpern. 2010. The many faces of ecosystem‐based management: Making the process work today in real places. Marine Policy 34:340‐348. Uuathluck.  2007.  Nuu‐chah‐nulth's  Historical  Relationships  with  Sea  Otters.[1].pdf. Uuathluck.  2009.  Sea  Otters  in  Nuu‐chah‐nulth  Ha‐houlthee. Walters,  C.  J.,  D.  Pauly,  and  V.  Christensen.  1999.  Ecospace:  Prediction  of  Mesoscale  Spatial Patterns  in  Trophic  Relationships  of  Exploited  Ecosystems,  with  Emphasis  on  the Impacts of Marine Protected Areas. Ecosystems. Springer New York 2:15:539‐554. Watson,  J.  C.  1993.  The  effects  of  sea  otter  (Enhydra  lutris)  foraging  on  shallow  rocky communities  off  northwestern  Vancouver  Island,  British  Columbia.  University  of California, Santa Cruz. WCA. 2001. West Coast Vancouver Island. Aquatic Management Board. Terms of Reference. WCA. 2006.                       14  Chapter 2                 Using  structured  decision­making  for  ecosystem­based  management5    2.1 Introduction  Ecosystem‐based  management  (EBM)  has  been  called,  by  national  and  international institutions,  the  new  approach  to  managing  marine  resources  and  ecosystems  (Leslie  and Kinzig 2009). This approach goes beyond traditional management based on single species and single sectors (Leslie and McLeod 2007) and recognizes deep connectivity amongst all elements of  the  ecosystem—including  humans  (McLeod  et  al.  2005)—and  the  underlying  processes  of producing  the  services  people need  and want  (Guerry 2005, Arkema  et  al.  2006).  It  is  place‐based and requires a coordinated effort to sustainably manage the human activities that impact ecosystems (Guerry 2005, Leslie and McLeod 2007, Lubchenco and Sutley 2010).  Although  there have been  various  efforts  to  define  the  key  aspects,  principles  and  guidelines (McLeod et al. 2005, Leslie and McLeod 2007, Lester et al. 2010) of what EBM is and requires, there  is  still a gap between  theory and practice  (Arkema et al. 2006, Ruckelshaus et al. 2008, Lester  et  al.  2010).  Managers  face  political,  legal,  social  and  scientific  difficulties  in implementing  the  complex  concepts  of  EBM,  which  has  come  to  be  seen  as  daunting  and expensive (Arkema et al. 2006, Lester et al. 2010, Tallis et al. 2010).  More science will not necessarily lead to the implementation of EBM (Lester et al. 2010). This is reflected in research studies that argue that the main challenges for the implementation of EBM include building  a  collective  vision  and objectives  for EBM, designing metrics  to  evaluate  the accomplishment  of  the  objectives  and  creating  ocean  governance  frameworks  (Leslie  and McLeod 2007),  as well  as  bridging  the  gap between  scientific  concepts  and operational  goals (Arkema et al. 2006). Successful initiatives aimed at implementing EBM (e.g, Great Barrier Reef in Australia, Puget Sound in United States, and Raja Ampat in Indonesia) show that meaningful involvement  of  stakeholders  in  the definition  of  objectives  and  in monitoring processes  have                                                         5 A version of this chapter will be submitted for publication. Espinosa‐Romero M., Chan K., and McDaniels T., Structured decision‐making for Ecosystem‐based Management.       15  been  key  elements  for  success  (Arkema  et  al.  2006,  Tallis  et  al.  2010).  Put  differently, environmental management is never an exclusively science‐based undertaking. Human values, articulated and pursued within appropriate governance processes, are at the heart of why EBM is important and they define what it should achieve (Gregory et al. 2006).  As  management  is  the  process  of  making  decisions  (Walters  and  Martell  2004),  the implementation  of  EBM  requires  a  systematic  and  participatory  framework  to  identify  the values  of  the  constituents with  respect  to  EBM and  to make decisions  that  best  satisfy  those values. With this framework, managers can anticipate and address the concerns of stakeholders and make better informed decisions about the use of natural resources (Gregory et al. 2001). In addition,  if  stakeholders  see  their  values  reflected  they  are  more  likely  to  trust  the  process and/or support its implementation (Gregory et al. 2001).    2.1.1 A need to improve decision­making processes  EBM proponents  have  suggested  the  Integrated Ecosystem Assessments  (IEAs)  developed  by the US National Oceanic and Atmospheric Administration (NOAA) as the most useful decision‐making  framework  for marine management  that  integrates  science  to  assist  decision makers (Levin  et  al.  2009).  This  framework,  increasingly  seen  as  central  to  EBM,  is  rooted  in  the decision  analysis  field  (Levin  et  al.  2009,  Tallis  et  al.  2010),  and  it  implicitly  recognizes  the importance of systematic decision‐making.   The six steps of IEA include the following: 1) definition of objectives, threats to ecosystems and ecosystem  management  drivers;  2)  development  of  indicators  for  ecosystem  state;  3) establishment  of  thresholds  for  each  indicator;  4)  risk  analyses  to  evaluate  how  indicators respond  to  human  and  environmental  disturbances  and  the  probability  that  indicators  will reach or remain in an undesirable state; 5) evaluation of management strategies to predict the effects on the indicators; and 6) monitoring management strategy outcomes (Levin et al. 2009, Tallis et al. 2010).   Although IEA suggests stakeholder involvement (Levin et al. 2009, Tallis et al. 2010), it does not require  it;  and  although  it  suggests  a  systematic  decision‐making  process  it  does  not  pay detailed attention to some aspects of the process (e.g. definition of objectives, and of indicators specifically related to stakeholder values or objectives). Lack of attention to these aspects may      16  contribute  to  the  observed  inconsistency  between  values,  objectives,  indicators  and management decisions. When  stakeholders  are not  involved,  important  values  and objectives can  be  ignored,  and  stakeholders  might  not  trust  the  process  and  might  reject  the implementation of a decision/management plan (Gregory et al. 2001). When stakeholders are involved but there is no systematic process, important objectives can be dismissed (Gregory et al. 2001) or  stated  in a  complex way  that  is not operationalizable and cannot guide decision‐making  (Keeney 1996b). The  lists of  indicators suggested by scientists  to measure ecosystem state  may  not  be  useful  for  managers  to  make  decisions,  or  may  not  even  reflect  the fundamental  management  objectives  and  stakeholders  values  (Failing  and  Gregory  2003, Gregory  et  al.  2006).  A  decision‐making  framework must  identify  objectives  based  on  values and define indicators for those objectives (Gregory et al. 2001).   Structured  decision‐making  (SDM)  refers  to  applied  decision  analysis  conducted  with stakeholders  and  technical  specialists  to  gain  insight  of  and  guide  specific  management decisions;  it  is  a  systematic  process  that  can  help  stakeholders  and managers  to  construct  a framework to create and evaluate alternatives and make more informed decisions to satisfy a collective set of values (McDaniels 2000). It pays special attention to the consistency between values,  objectives,  indicators  and  alternatives.  Since  it  is  a  well‐explored  field  for  multiple stakeholder planning processes, it provides methodologies and approaches for each stage of the process. Therefore, SDM can be used to integrate stakeholder values and science in a decision‐making framework for EBM, oriented to satisfy collective values and objectives.   We  summarize  the  SDM  process  below  and  present  the  case  study  of  West  Coast  Aquatic (WCA)—a multiple‐stakeholder regional management board that is using the SDM approach to implement  EBM  on  the  west  coast  of  Vancouver  Island  (WCVI),  British  Columbia,  Canada. Specifically, we give  insights on how to define operational objectives that reflect the values of the constituents and derive performance measures based on those objectives so as to facilitate the process of decision‐making within an EBM context.   2.1.2 The structured decision­making process As a first step, the decision to be made must be defined (McDaniels 2000). For this context, the decision represents the design of a decision‐making framework for EBM. The second step is to define what matters to stakeholders in this EBM context and why, as well as the objectives that      17  need to be achieved (McDaniels 2000). These can be done by asking stakeholders directly what matters, why, and what objectives are wanted; or indirectly, by asking them what alternatives and  consequences  are  desirable  or  undesirable  and  why,  or  by  reviewing  the  stated  goals, objectives, constraints and guidelines (mission statements, policy guidelines, strategic plans) of the  group  (Keeney  1996d).  Generally,  a  list  of  wants,  desires,  and  concerns  that  reflect stakeholder values and their collective vision on a particular issue or situation is derived at this stage. This list needs to be categorized to identify collective objectives that reflect stakeholder values (McDaniels 2000).   Subsequently, objectives are separated into fundamental and means objectives. Fundamental or end  objectives  are  those  that  are  important  because  they  directly  reflect  the  values  of  the participants, while means objectives are those that are important because they contribute to the achievement of fundamental objectives (Clemen and Reilly 2001). For example, for a company, working  fewer  hours  may  be  seen  as  an  objective,  but  its  importance  relies  on  allowing employees to spend more time with their families, to relax or do hobbies. Therefore, minimizing work  hours would  be  a means  objective  for maximizing  employee’s  spare  time  (Clemen  and Reilly 2001). End objectives should be identified to guide decision‐making as they reflect what is important to the constituents (Keeney 1996c). When means objectives are mistaken for end objectives, the risks are that management may achieve means objectives in a manner that fails to  achieve  the  true  end  objective,  or  constraint  the  creation  of  better  alternatives.    In  the previous example, efforts to minimize work hours might fail to achieve desired end. In addition, other alternatives that could be better for employees, such as flexibility on the work schedule, might not be identified if minimizing the work hours is mistaken as the end objective.  Fundamental  objectives  should  be  non‐redundant  to  be  clear  and  concrete;  measurable  to facilitate  the  evaluation  of  alternatives  and  the  achievement  of  objectives;  and meaningful  to those  who  are  going  to  use  them  to  ensure  their  applicability  for  decision‐making  and  the engagement of stakeholders (McDaniels 2000).    Once  fundamental  objectives  are  defined,  the  next  step  is  to  define  the  attributes  or  specific objectives for each of them. The attributes represent the meanings or the context in which the fundamental objectives are perceived (Failing and Gregory 2003). For example, if the objective is  to  maximize  economic  benefits,  the  attributes  can  be  the  net  profits,  the  distribution  of      18  benefits  and  loss  among  stakeholders,  or  the  local  retention  of  benefits.  In  a  multiple stakeholder process this stage is crucial to have a collective understanding of the fundamental objectives  (McDaniels  et  al.  2006).  The  clear  articulation  of  attributes  is  essential  to  define appropriate indicators for the fundamental objectives (Failing and Gregory 2003).   The  next  step  is  to  define  performance  measures  or  indicators  for  the  attributes  of  the fundamental  objectives.  The  attributes  and  performance  measures  make  the  shift  from fundamental objectives into an operational decision‐making framework (McDaniels 2000). The importance of measuring the achievement of EBM objectives through the use of indicators has been widely recognized (Guerry 2005, Tallis et al. 2010) and great efforts have been made to define multiple  indicators  for ecosystem conservation, not all of which are useful  for decision makers, and which collectively may not reflect stakeholder values and objectives (Failing and Gregory  2003).  In  a  SDM approach,  the  only  indicators  that  are  accepted  are  those  based  on fundamental  objectives  that  can  guide  the  decision‐making  process.  Technical  assistance  and stakeholder  involvement  is  required  for  this  stage  of  the  process  (see  Keeney  and  Gregory 2005).   Once  indicators  are  defined,  the  following  step  in  SDM  is  to  create  alternatives  based  on fundamental  objectives  and  evaluate  the  performance  of  those  alternatives  based  on  the selected indicators. Because choosing between alternatives involves tradeoffs, a key strength of SDM is that such tradeoffs are made explicit (a relevant aspect of EBM); stakeholders are able to understand what tradeoffs each alternative entails. This can contribute to a more transparent decision‐making process. The identification of fundamental objectives, attributes and indicators often spurs participants to create more innovative alternatives that better satisfy the full range of objectives (Gregory et al. 2001).   Stakeholders  often  end  up  choosing  amongst  only  a  small  set  of  alternatives,  as  those  that poorly satisfy  the objectives are quickly eliminated. When there  is disagreement on a group’s preferred  alternative,  stakeholders  could,  for  instance,  be  asked  to  choose  their  preferred alternative, and then present the reasons for choosing it, as well as the expected winners, losers, pros  and  cons  (Gregory  et  al.  2001). After  this,  stakeholders will  likely  be more  amenable  to agree on a preferred alternative. If they do not, the whole SDM process can nonetheless provide managers with good insights about the advantages and disadvantages of the alternatives when      19  making a decision (Gregory et al. 2001). In addition, SDM can help managers identify decision opportunities  to  better  satisfy  the  objectives,  rather  than  just  responding  to  the  problems  as they come (Keeney 1996c).   Decision  makers  face  multiple  and  complex  decisions;  a  decision‐making  framework  can therefore help managers to make consistent decisions oriented to satisfy the same fundamental objectives (Keeney 1996a).   2.1.3 Some considerations for the implementation of SDM for EBM When  organizations  or  multiple  stakeholder  groups  have  already  defined  their  initial  set  of objectives  to  achieve  EBM,  these  objectives  should  be  revised  to  ensure  that  they  reflect  the values  of  the  participants  and  that  they  are  clearly  articulated  to  guide  decision‐making.  If objectives are not appropriate, well defined, and well thought out, decisions may not satisfy the fundamental objectives regardless of the rest of the process.  In  the  case  of  pre‐defined  objectives,  it  will  be  essential  to  verify  with  stakeholders  the attributes of each fundamental objective to define appropriate indicators for the objectives. In SDM,  the  definition  of  indicators  is  usually  a  technical  process,  involving  subsequent consultation with stakeholders to ensure expert‐chosen indicators reflect the objectives and are meaningful to them. In the case of EBM, communication between stakeholders and scientists is essential to define a set of indicators that reflect what matters and but also how the ecosystems work.  Adaptive  management—treat  policies  as  experiments  to  gather  information  on  complex systems in the face of high uncertainty (Walters 1986)—has been identified as a key element of EBM  (Arkema  et  al.  2006,  Tallis  et  al.  2010). With  regards  to  SDM,  it  has  been  suggested  to include adaptive management as an explicit objective to motivate and recognize the importance of learning and flexibility from the beginning of the process (McDaniels and Gregory 2004). This objective  can  help  stakeholders  understand  the  limitations  of  current  knowledge,  recognize opportunities  to  reduce  uncertainties,  and  build  trust  in  the  decision‐making  process (McDaniels and Gregory 2004).        20  2.1.4 Case study: Marine spatial planning for the west coast of Vancouver Island The west coast of Vancouver Island (WCVI)  is a  large and diverse area that supports multiple human  activities  such  as  commercial,  recreational  and  subsistence  fisheries,  aquaculture, tourism  and  transportation  (Gislason  2007).  Therefore,  diverse  and  conflicting  objectives characterize the use of the natural resources in the area.  West  Coast  Aquatic  (WCA)  is  a  forum  for  coastal  communities  and  those  affected  by marine management  decisions  to  participate  with  governments  in  the  decision‐making  process  for managing  the  area  (WCA  2001).  Multiple  stakeholders  are  currently  involved  and  work together  to  develop  long‐term  objectives  and  operational  plans  for  the  use  of  aquatic ecosystems  of  the  WCVI.  Members  of  the  WCA  include  Federal,  Provincial,  Local  and  First Nations governments, representatives of commercial and recreational fisheries, the aquaculture and tourism industries, and conservation organizations, among others (WCA 2006).   The ethical principles under which WCA operates include management based on an ecosystem approach, conservation, precaution, adaptivity, sustainability, shared responsibility, inclusivity, benefits, and flexibility (WCA 2009).   WCA has initiated a planning process for an overarching marine plan and two spatial regional plans,  for  which  they  want  to  apply  the  EBM  approach.  They  have  already  defined  eight objectives that reflect both “what matters” and “what EBM entails” to the stakeholders involved as well as the goals and sub‐goals required to achieve the eight main objectives (Denise Dalmer,  pers. comm.).    The  eight  objectives  are  (1)  integration  and  collaboration;  (2)  sustainable  economic benefits; (3) healthy ecosystems; (4) healthy, prosperous and safe communities and waterways; (5) First Nations,  reconciliation  and  relationships‐strengthening;  (6)  collection  of  knowledge, information and technology; (7) capacity building; and (8) good governance (WCA 2009).        21  2.2 Methods  2.2.1 Applying SDM to design a decision­making framework for EBM The original set of objectives defined by WCA (Table 2‐1) involved important aspects for EBM; however, they were not stated in an operational way to support decision‐making. We therefore review  them  and  suggest  how  to  make  them  operational  without  losing  or  distorting  their meanings.   We separated fundamental from means objectives, using the “why each objective is important” test  defined  by  Clemen  and  Reily  (2001).  When  an  objective  was  important  because  it contributed  to  the  achievement  of  another  objective,  we  defined  that  objective  as  a  means objective. When an objective was important because it represented WCA values we defined it as fundamental objectives.   We looked at the goals and sub‐goals documents (see WCA 2009) to understand the intended meanings or attributes of each of the eight objectives. We then combined any attributes with the same meaning,  and moved any attributes  that better  fit with other  fundamental objectives  to those  respective  objectives.  For  those  objectives  that  were  broadly  described,  we  suggested specific  attributes based on  a  literature  review and other  case  studies  that  expressed  similar objectives.   We  then  suggested  performance  measures  or  indicators  for  the  attributes  of  fundamental objectives.  For  example,  for  ‘distribution  of  benefits  across  stakeholders’,  we  suggest  ‘the percentage  of  benefits  retained  by  each  sector  or  stakeholder’.  For  attributes  that  were  not informative  for  measures,  such  as  ‘vibrancy’  of  communities,  we  reviewed  the  performance measures used in other case studies to measure those attributes. We do not intend to provide an exhaustive  list of  indicators  for each attribute  in this work, but  instead focus on  indicators that reflect fundamental objectives and can be useful for WCA decision‐making processes.  The  Executive  Director  of  WCA  (the  chief  proponent  of  applying  SDM  to  the  organization’s management  strategy)  revised,  complemented  and  confirmed  the  process.  This  helped  to ensure that the new structure reflected the original values and was consistent with their goals, and that performance measures were appropriate and meaningful to them.       22  2.3 Results and discussion From the list of eight main objectives defined by WCA for their marine planning process,  four were  considered  fundamental  objectives:  (a)  foster  economic  benefits;  (b)  foster  healthy ecosystems;  (c)  foster  healthy  communities;  and  (d)  foster  good  governance.  Adaptive management was included as a fifth fundamental objective. It represents an ethical principle for WCA and was part of one fundamental objective (“healthy ecosystems”), but from conversations with WCA it was agreed to include it as a separate objective due to its importance for the whole process rather than only for that particular fundamental objective.  Three of the eight original objectives—‘integration and collaboration’, ‘knowledge, information and technology’, and  ‘capacity building, engagement and communications’—were identified as  means  objectives,  as  their  importance  relies  on  their  contribution  to  the  five  fundamental objectives.  Three  attributes  of  the  ‘integration  and  collaboration’  objective  (i.e.  shared  responsibilities, collaboration  with  other  plans,  and  participatory  management)  were  re‐identified  as  falling under the fundamental objective of ‘good governance’.   The  attributes  of  the  objective  ‘First  Nations  reconciliation  and  relationships  strengthening’ proved to fit within other fundamental objectives. We thus ensured these attributes were made explicit  within  the  other  fundamental  objectives.  For  example,  ‘respect  aboriginal  and  treaty rights’  was  re‐grouped  within  ‘healthy  communities’;  and    ‘participation  in  decision‐making’ was grouped under ‘participatory management’ as part of the ‘good governance’ objective.   Compacting  and  re‐grouping  attributes  of  one  fundamental  objective  into  another  does  not mean  that  some  attributes  are  ignored,  changed  or  left  out,  but  rather  provides  a  way  to organize them to facilitate operationalizing and monitoring of objectives. Attributes may appear in  more  than  one  objective  or  be  stated  as  fundamental  objectives,  sometimes  because stakeholders  strive  to  elevate  particular  interests  as much  as  possible  in  the  objectives.  The result  is  that operationalizing the objectives  is very difficult. When groups of decision‐makers want  to  emphasize  their  preference  for  certain  objectives,  or  attributes  thereof,  they  do  not need to repeat them; instead they can assign higher weights to them.       23  Below,  we  describe  the  new  structure  (Table  2‐2)  of  fundamental  objectives  and  attributes based on the revision of WCA objectives, goals and sub‐goals, the feedback from WCA. We also suggest indicators based on the attributes of fundamental objectives that can help measure the performance of different alternatives.   2.3.1 New structure: Fundamental objectives, attributes and indicators Foster economic benefits This  objective  includes  generating  benefits  derived  from  the  ecosystem  and  their  fair distribution  across  present  and  future  generations.  Benefits  can  include  profits  and employment, but also the goods or services themselves, because trading is a traditional practice in  the  region.  The  retention  of  benefits  by  local  communities,  specifically  First  Nations,  was stated twice in the original document of objectives, goals and sub‐goals, and also emphasized in conversations with WCA representatives.   The WCA representative mentioned as part of this objective the balance of ecological, social and economic  components  as  well  as  sustainable  management;  one  would  think  that  both  are related and represent what the decision‐making process should entail rather than attributes of this  particular  objective.  They  also  mentioned  sustainable  fisheries  and  aquaculture, monitoring, enforcement and regulations, which represent means objectives and may apply not only to this objective. Conservation as the main priority for fisheries management was included here; however this represents a value or preference towards certain alternatives. First Nations access to natural resources was included as part of the ‘healthy communities’ objective.   a) Attributes  Attributes  for  this  objective  include  economic  benefits  (profits,  employment  and  the  goods themselves), and the distribution of benefits and loss across stakeholders and over time.   b) Suggested indicators A  commonly  used  indicator  for  profits  is  the  net  present  value—aggregated  benefits  minus aggregated costs, discounted over time. Discount rates are applied to estimate the present value of future revenues or costs; these rates can vary among individuals or social levels (Sumaila and Walters  2005).  Net  present  value  is  a well‐known  indicator  but  insufficient  alone,  because  it      24  does  not  capture  the  distribution  of  benefits  and  costs  among  stakeholders  (Timko  and Satterfield 2008a).  Income per capita and person‐years of employment (the equivalent to one person employed for a  full  working  year)  have  been  also  used  to  represent  benefits  (Hobbs  and  Horn  1997, McDaniels et al. 2006). For the case of employment, we suggest accounting for skilled, unskilled, temporary  and  permanent  jobs  derived  from  each  alternative  (Timko  and  Satterfield  2008a, Timko and Satterfield 2008b).   The proportion of these benefits (net revenues, income per capita, skilled, unskilled, temporary, and  permanent  jobs)  and  losses  retained  by  each  stakeholder  group  (adapted  from  Philcox 2007) and over  time (Timko and Satterfield 2008a, Timko and Satterfield 2008b) can help  to measure  the distribution of benefits. WCA could  also measure  the proportion of benefits  and losses  retained  among  local  communities  or  First  Nations  to  evaluate  if  the most  vulnerable groups are retaining benefits (e.g., McDaniels et al. 2006). Foster healthy ecosystems To  foster  healthy  ecosystems,  WCA  will  focus  on  the  integrity  of  ecosystems.  Based  on  the approach used by the Department of Fisheries and Oceans Canada (DFO) in the Eastern Scotian Shelf  (DFO  2007),  WCA  defined  the  followings  three  main  aspects  of  integrity:  diversity, productivity  and  environmental  quality.  Because  most  of  the  alternatives  to  be  evaluated represent  changes  in  human  activities,  this  objective  is  to  minimize  the  adverse  effects  of human activities on these aspects of ecosystem integrity.  Resilience was mentioned as part of  this objective. Ecological  resilience  is  a  complex  concept and the ways to measure it are still under research. It  is generally understood as the system’s ability to absorb shocks or disturbances while maintaining its function, structure, identity and feedbacks (Walker et al. 2004). Resilience is often assumed to be good, as people often assume one  desirable  state  and  the  ability  of  the  system  to  maintain  or  go  back  to  this  state  after disturbances.  However,  it  has  been  demonstrated  that  many  systems,  including  marine ecosystems, have multiple states or attractors (e.g. from kelp‐dominated ecosystems to ‘urchin barrens’).  Some  states  may  be  undesirable  for  societies;  maintaining  the  resilience  of  these states may therefore not be desired. In addition, the resilience of an ecosystem is influenced by      25  the feedbacks between social and ecological systems (Leslie and Kinzig 2009), a fact that applies not  only  to  this  objective  but  also  to  others  such  as  ‘economic  benefits’  and  ‘healthy communities’. We consider the appropriate management of resilience to be a means objective for  the  fundamental  objectives,  and  it will  be  important  for  societies  or  group  to  identify  the desirable states for which resilience is sought.  WCA  also  included  as  part  of  this  objective  other means  objectives  such  as  the  protection  of species at risk, the establishment of marine protected areas, development of plans to respond to natural  disturbances,  and  adaptation  to  climate  change.  They  also  mentioned  to  consider conservation  as  a  first  priority,  which  represent  implicit  preferences  towards  objectives  and alternatives.  They  included  EBM  and  the  integration  of  values  in  the  planning  and  decision‐making processes, which represent the overall objective; and adaptive management, which was included  as  a  separate  fundamental  objective.  They  also  included  the  application  of  the precautionary principle, which we moved to the ‘good governance’ objective.     a) Attributes  WCA  will  focus  on  the  three  main  elements  of  integrity:  diversity,  productivity  and  marine environmental  quality.  Diversity  includes  species,  populations  and  communities;  productivity refers  to  primary  and  secondary  productivity,  as  well  as  trophic  structure  and  population productivity; and marine environmental quality involves physical, chemical and habitat quality (DFO 2007, Okey 2009 ).    b) Suggested indicators  • Diversity: species, populations and communities Species  richness—number  of  species—within  defined  boundaries  such  as  communities  or habitats (Gray 1997) and evenness—distribution of species biomass—have been suggested to measure  diversity  However,  the  composition  of  (biological)  communities  and  habitats  is important: while species richness may show a high number of species in the region, this number may also include introduced species, which are not members of the native community and can cause negative impacts to native species and ecosystems.   Because it is very difficult to focus on all species in the community or habitat, it is necessary to select  species  or  groups  whose  characteristics  represent  attributes  of  other  species,  the      26  ecosystem and environmental conditions (Lindenmayer et al. 2000); those groups that play an important role ecologically or culturally such as endemic species, species at risk, etc.  Endemic species for example are important because they only occur in specific places, regions, ecosystems  or  communities  (Reid  et  al.  1993);  and  their  populations  are  usually  small  and vulnerable  to  extinction  (Lamoreux  et  al.  2006).  Some  studies  have  demonstrated  that  the conservation  of  sites  with  high  levels  of  endemism  can  capture  large  proportions  of  all identified species of a region (Lamoreux et al. 2006). Species at risk, can also be useful  in  the sense that it highlights biodiversity components that might be lost, but this measure can also be limited  because  of  the  political  process  of  listing,  and  because  simple  species  counts  are  far removed from ecological integrity. Endangered species lists might be derived from those listed under  the  Species  at  Risk  Act  (SARA)  or  those  proposed  by  the  Committee  on  the  Status  of Endangered Wildlife in Canada (COSEWIC). We suggest the latter, because not all species at risk suggested by COSEWIC are listed under SARA due to political, social and economic factors.   It is advisable to look at species richness and abundance across the selected groups, as well as the historical trends to evaluate if their populations are increasing, stable or declining (Tallis et al. 2010).   The  mean  trophic  level  (TL)  (Pauly  et  al.  1998,  Pauly  and  Watson  2005)  is  a  well‐known indicator  that  can also be used as a proxy  for  the  community  composition.  It  is  calculated by assigning species to trophic levels and using information on species’ catch and diet composition. The TL has been often used  to  indicate  the  impacts  of  fisheries  (Pauly  et  al.  1998, Pauly  and Watson 2005); however, it can be also used to analyze the trophic structure of an ecosystem by including non‐target species abundance and diet composition.  In terms of biodiversity,  it has also been suggested to pay attention to community and habitat diversity (DFO 2007) because their conservation can ensure the conservation of species (Gray 1997).    • Productivity: primary, secondary, trophic level and population productivity.  Abundance  per  trophic  level  can  be  used  as  an  indicator  of  the  productivity  at  trophic  level (Jamieson et al. 2001, O'Neill et al. 2008) as well as for primary and secondary production.       27  Historical  catch  and  biomass  of  target  species  can  also  be  used  to  measure  productivity  of species  and  populations  (DFO  2007)  and  provide  insights  on  the  status  (declining,  stable,  or decreasing) of those species.   • Marine environmental quality: physical, chemical and habitat quality  This  can  be  accounted  by  evaluating  the  concentration  of  toxics  in  the water,  habitats  (DFO 2007,  O'Neill  et  al.  2008)  and  species  (e.g.,  harbour  seals,  pelagic  and  benthic  fish,  clams, mussels and  juvenile  salmon)  (PSP 2009) as well  as  the generation of noise and atmospheric pollution (DFO 2007) derived from each of the alternatives.   For habitat quality, WCA could select those habitats or communities they consider important to conserve, and evaluate the potential impacts of alternatives on those habitats.  This can be done by  assessing  the  total  area  of  ‘selected’  habitat  impacted  (e.g.,  Gregory  et  al.  2001)  or  by identifying  the  main  threats  for  those  habitats  (e.g.  trawlers)  and  the  magnitude  of  the particular threat (e.g., number of trawlers). Foster healthy communities This  objective  refers  to  avoiding  adverse  effects  on  the  health,  safety  and  vibrancy  of  local communities. Vibrancy is understood as those things that make locals stay in their communities as well as the survival of groups and traditions over time.   We  include  as  attributes  of  vibrancy  the  ‘respect  of  First Nations  rights  and  title’, which was part of the original objective ‘First Nations reconciliation and relationships’, and  ‘First Nations access to natural resources’, which was an attribute of the ‘economic benefits’.   a) Attributes Attributes  for  minimizing  the  adverse  effects  on  health  and  safety  can  be  related  to  people, private and public property (McDaniels et al. 1999).   Attributes  for vibrancy can  include cultural practices, access  to natural  resources  (Timko and Satterfield 2008a, Timko and Satterfield 2008b), the maintenance and respect of First Nations treaties (Dalmer, pers. comm.) and aesthetics (adapted fromMcDaniels et al. 2006).        28  b) Suggested indicators Effects on human health and safety, specifically on people, private and public property can be measured by identifying risks, their magnitudes and probabilities, who (or what, in the case of private and public property) is exposed, and to what extent. This can be based on science and stakeholders’ perceptions (Hobbs and Horn 1997). Illness and deaths that could be associated with marine  resources—in  this  case  those  associated  to  the management  alternatives—have been suggested as a health indicator (PSP 2009).  Indicators for the attributes of vibrancy can be evaluated based on constructed scales. For the cultural practices, WCA can identify the traditional and ceremonial practices that are important for  locals  (e.g.,  potlatch,  festivities,  transmission  of  traditional  knowledge,  language)  and evaluate the impacts of different alternatives on these practices (adapted from McDaniels et al. 2006, Philcox 2007, PSP 2009). When a cultural form can be lost or negatively impacted it will be important to evaluate if those who are affected consider the compensation fair (Timko and Satterfield 2008b).   To monitor  access  to natural  resources  including  land, WCA  can  evaluate  if  the  conditions of access  are  perceived  locally  to  be  fair,  if  the  conditions  of  access  to  locals  will  be  impacted (negatively and positively), and when negatively impacted, if the compensation is fair (adapted from Timko  and  Satterfield  2008b).  To  avoid  the  adverse  effects  on  First Nations  ‘rights  and title’, WCA can evaluate  if  the treaties and title are respected and to what  level of satisfaction according to local perception (adapted from Timko and Satterfield 2008b). For aesthetics, WCA could evaluate the visual, odor and water quality impacts in the region (Satterfield, pers. comm.). Foster good governance Good  governance  includes  participatory  management,  shared  responsibilities,  compatibility with  other  plans,  social  agreements,  and  public  accountability.  This  objective  has  been identified as a key element and a challenge for the implementation of EBM (McLeod et al. 2005, Leslie  and  McLeod  2007).  We  included  the  precautionary  principle  as  an  attribute  of  this objective.       29  Other  aspects  originally  included  in  this  objective  were  the  identification  of  priorities,  the responsible  use  of  financial  resources,  and  the  evaluation  of WCA  performance  on  a  regular basis, each of which represent means objectives.    a) Attributes  According  to  WCA,  participatory  management  refers  to  the  meaningful  involvement  of stakeholders.  Attributes  of  participatory  management  include  the  following: representativeness,  fairness  and  competence  (Renn 2004). Representativeness means  that  all stakeholders are represented when making decisions. Fairness refers to the equitable access to participatory processes, equal opportunities to make and reject claims during deliberation, and the consideration of different  sources of  information. Competence means  that all participants have  a  sufficient  level  of  understanding  of  the  consequences  of  each  alternative,  including knowledge, uncertainties and ambiguities (Renn 2004).  Precautionary principle states that one should take action to mitigate possible harmful effects on ecosystem and human health despite scientific uncertainty of those effects.   Shared responsibilities, alignment with other plans through the collaboration with agencies and other  organizations,  social  agreements  between  First  Nations  and  other  governments, precautionary principle and public accountability are also attributes of this objective.   b) Suggested indicators The attributes of this objective can be measured qualitatively using constructed scales (e.g., 1 to 5;  low,  medium,  high)  to  answer  questions  determined  by  WCA.  Here,  we  suggest  some questions  helpful  for  scoring  each  attribute,  considering  the  components  mentioned  in  the previous section.   For the participatory management objective: Were all stakeholders represented in the process? Were there opportunities (e.g., forums, presentations, meetings) for the public and stakeholders to participate in the process? Was there a capacity building program and training opportunities for  locals and other  stakeholders  to  improve  their  competence  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)?        30  For  the responsibilities distribution: Do all  the members agree with  the distribution of  tasks? Do the members have the capacity to do the work they were tasked with?   For alignment with other plans: Were synergies and new partnerships with other organizations made during the process?  For  resolutions  between  First  Nations  and  other  governments:  To  what  extent  is  there  a respectful  relationship  and  agreement  between  First Nations  and  other  governments  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)?  For the precautionary principle: Was there a comprehensive consideration of possible negative effects  of  human  actions  and  activities,  including  those  with  considerable  uncertainty?  Do proponents of potentially actions/activities have responsibility to demonstrate small likelihood of  major  negative  effects?  Were  alternatives  considered  to  reduce  harm  on  ecosystems  and human health? Was a monitoring plan adopted to evaluate the harm on ecosystems and human health?   For public accountability: Was information on financial resources available for all members of the  board?  Was  information  on  the  impacts  of  management  alternatives  in  relation  to  the objectives and attributes available  for all members? Are  there  sufficient measures  in place  to ensure transparency? Foster learning through adaptive management   Adaptive  management  represents  the  ability  to  learn  from  the  process  as  new  information arrives  (McDaniels  et  al.  1999)  and  treating  policies  as  experiments  to  explore  possible outcomes (Walters 1986).     a) Attributes  Adaptive  management  can  include  the  following:  learning  from  stakeholders,  learning  by treating policies as experiments to explore potential outcomes, and learning from the decision‐making process (Walters 1986, McDaniels and Gregory 2004).          31  b) Suggested indicators Most attributes of these objectives can be also qualitatively measured with constructed scales to answer questions defined by WCA. Here, we present some examples.  For learning from other participants: Did the board learn from conflict resolution (adapted from Timko and Satterfield 2008b)? Did stakeholders learn from each other during the process?  For  learning  through  treating  policies  as  experiments:  Were  key  sources  of  uncertainty indentified?  Were  opportunities  to  reduce  uncertainties  identified?    Did  members  consider means for applying such opportunities in policy/management alternatives? Were those means implemented?  For learning from the process: Are members satisfied with the process? Was new information identified  and  integrated  to  the  process?  Were  there  opportunities  to  review  and  adjust agreements  and  policies  (Timko  and  Satterfield  2008a,b)? Were  there  learning  opportunities over time (Gregory et al. 2001)?    2.3.2 Insights from the process and applicability for EBM The implementation of EBM is of interest of scientists, managers and stakeholders; therefore a collective vision of what is wanted from EBM to achieve is very important. Understanding and articulating  in  a  proper  way  our  values  can  help  direct  our  decisions  to  what  we  want. We intend with this work to help WCA articulate the initial set of objectives in an operational way to guide decision‐making processes.   The process of re‐structuring objectives requires the involvement of stakeholders for two main reasons. First, to ensure that stakeholder values are well understood and reflected in the new structure.  And  second,  for  stakeholder  to  understand  the  process  and  realize  that  their objectives  were  not  changed,  left  out  or  ignored,  but  only  re‐structured  to  make  them operational in order to guide the decision‐making for their own benefits. If stakeholders are not involved,  they  may  resist  the  changes  to  the  new  structure.  For  this  particular  case,  we consulted and confirmed the new structure with the Executive Director of WCA. However,  for its implementation, the results will have to be consulted with all WCA members.        32  Little  attention  has  been paid  to  the  definition  of  indicators  for  EBM  that  reflect  stakeholder values and guide decision‐making. Through this work, we emphasize the importance of linking indicators  to  fundamental  objectives  as  well  as  involving  stakeholders  and  scientists  in  the definition of indicators to integrate value judgments and technical information.   The resulting proposed set of indicators for the case study that may seem extensive; however, it reflects WCA fundamental objectives.  It  is essential  that WCA analyze and explore them using particular decisions and select  the most helpful and convenient ones according  to  their goals, priorities and constraints.  EBM  involves  complex  decisions,  conflicting  objectives  and  massive  uncertainties.  This framework (objectives and indicators) has significant potential as it can be repeatedly used for any decision even in the most complex situations (Keeney 1996b) and can encourage integrated and clear thinking of the consequences of each decision based on the values of the participants. However,  this  framework  will  have  to  be  flexible  enough  as  particular  decisions  might  be different  from  each  other,  and  the  weighting  of  objectives  might  require  re‐negotiations  for each decision, in part because the people strongly affected by particular decisions will differ.   The new structure of objectives, attributes and indicators presented here can be considered as a first step in building this framework. Once it  is reviewed and confirmed by all members, WCA could  use  it  for  any  complex  issue  of  concern—from  the  marine  zoning  initiative,  to  the unregulated float homes in Barkley Sound, to the water pollution—in which multiple objectives, emotions  and history  are  involved  (Denise Dalmer, pers.  comm.).  The  framework will  help  to work  (in  a  systematic  way)  through  these  issues  with  stakeholders  (Denise  Dalmer,  pers.  comm.),  create  better  alternatives,  evaluate  between  alternatives,  identify  information  needs and opportunities to reduce uncertainties (Keeney and McDaniels 2001).   SDM  gives  the  opportunity  to  bring  together  stakeholders,  scientists  and  managers  for  the implementation of EBM. Stakeholders need to be able to explicitly state what matters to them in detail and their values must be  incorporated in the decision‐making process; decision‐makers need to be able to express their constraints on management/monitoring; and scientists need to be able to express the differences between metrics and suggest adequate indicators to measure      33  the objectives given the values and management constraints. This can be best done through a communication involving representatives of the three groups.   SDM can also bring consistency to the process as all the decisions are meant to achieve the same fundamental  objectives;  it  can  bring  transparency,  as  tradeoffs  are made  explicit;  and  it  can build  trust  in  the  process  as  stakeholders  and  their  values  are  involved  since  the  beginning. Stakeholders  might  support  decisions  that  they  would  not  have  supported  otherwise,  by understanding  the  trade‐offs and  the benefits of each alternative  in  terms of  the  fundamental objectives.    2.4 Conclusions  This  work  provides  an  example  of  how  to  apply  SDM  for  the  implementation  of  EBM.  We specifically  showed  how  to  restructure  objectives  to  make  them  operational  and  how  to integrate values, objectives and indicators  in a consistent  framework. Managers can use these frameworks  to  create  and  evaluate  alternatives,  to  make  more  informed  and  consistent decisions  based  on  stakeholder  values,  as  well  as  to  identify  data  gaps  and  opportunities  to reduce uncertainties. By no means do we intend to provide the EBM framework to be applied for the WCVI, but rather insights and a first step towards building it. For this case study, WCA will need to explore and decide what is most appropriate for their values, needs and goals.  With this work we demonstrate that stakeholders‐derived objectives and values can help shape a  collective  vision  and  objectives  for  EBM;  however,  a  systematic  process  and  the communication  between  stakeholders,  managers  and  scientists  will  be  required  to  identify fundamental objectives and indicators that are consistent with stakeholder values.    Without a systematic approach, objectives will be often stated in a redundant and complex way making their operationalization very difficult, and indicators may also be defined independently of  stakeholder  objectives  and  the  decision‐making  process.  SDM  should  therefore  result  in decision‐making processes for EBM that are more consistent and transparent.       34  SDM can also help build trust in the process. Stakeholders are likely to feel more engaged with the planning process of EBM and  its  implementation  if  they are  involved and see  their values reflected since the beginning of the process.                                                                   35  Tables    Table 2‐1 Original set of objectives and attributes of WCA, based on draft goals for aquatic management on the west coast of Vancouver Island (WCVI). FN means First Nations.  Ecosystem approach to management  Integration  and  collaboration  Sustainable  economic  benefits    Healthy  ecosystems    Healthy,  prosperous  and  safe  communities  and waterways  First  Nations  reconciliation  and  relationships  Knowledge,  information  and  technology    Capacity  building    Good  governance    • Responsible  and participatory decisions  • Shared responsibilities  • Efficient communication  • Sustainable  and holistic management consistent  with traditional values  • Collaboration with  other  states and global links  • Integrated  and participatory management  • Opportunities for locals  • Sustainable social, cultural  and economic benefits  • Balance ecological, social  and economic aspects  • Future generations  • Conservation first  in fisheries management  • Sustainable management  • FN  access  to natural resources   • Sustainable fisheries  and aquaculture  • Monitoring, enforcement and regulations  • Healthy, diverse  and resilient ecosystems  • Ecosystem productivity  • Genetically diverse  salmon and  other species  • Integrity of fish and habitat  • Water  waste management (water pollution  and disposal management)  • Precautionary principle approach  • Conservation as  a  first priority  • Species  at  risk protection  • Network  of marine protected areas  • Plans  for natural disasters  • Adaptation  to climate change  • EBM  and values  in planning  and decision‐making  • Adaptive management   • Safety (modernized transportation, infrastructure, and  response services)  • Health (ecosystem health  and community health)  • Vibrancy (diversified economies, cultural practices)  • Partnerships   • Integrate traditional knowledge into decision‐making)  • Respect aboriginal treaties  and rights   • Participation of  FN  in decision‐making   • Ensuring benefits  for First Nations  • Dispute resolutions between  First Nations  and other governments  • FN sharing the wealth  with marine resources  • Clear understanding of the needs of FN  • FN  are  the second priority  after conservation  • FN  access  to natural resources  • Integrate information and knowledge  for ecosystem health  • Expertise  and knowledge from  diverse sources  • Training  for users, managers, stewards, community capacity  • Passing  on traditional knowledge  • Stewardship efforts  • Equipment and technology  • Education   • Gather information  • Education  for stakeholders to  participate in  aquatic conservation, use  and management   • New industries  • Strong  First Nations culture  • Improve  First Nations economic  self sufficiency  and community stability   • Safety  and efficiency  of marine transportation and shipping  • Modernize  the Canadian Coast Guard fleet   • Establishment of priorities  • Responsibility and accountability  • Public reporting                     36  Table  2‐2  New  structure  of  fundamental  objectives,  attributes  and  indicators  for  a  decision‐making framework for EBM. CS means constructed scales.  Fundamental  objective  Attributes  Attributes  components  Performance measures  References  Net benefits  Net present value  (Sumaila and Walters 2005) Income   Net income per year  (Hobbs and Horn 1997, McDaniels et al. 2006) Employment   Skilled, unskilled, temporal and permanent jobs  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)  Benefits   Goods   Weight   WCA criteria Proportions of benefits and loss retained by stakeholder groups  (Philcox 2007) Distribution of benefits and loss across stakeholders  Proportion of benefits retained across First Nations   (McDaniels et al. 2006)  Foster economic benefits  Distribution of benefits and loss over time  Benefits and loss distributed in time  (Timko and Satterfield 2008a, Timko and Satterfield 2008b) Species richness and evenness within defined boundaries  (Jamieson et al. 2001, O'Neill et al. 2008) Community composition: Species richness and abundance of selected groups   (DFO 2007)  Community composition: Mean trophic level  (Pauly et al. 1998, Jamieson et al. 2001, Pauly and Watson 2005, O'Neill et al. 2008)(Jamieson et al. 2001, O'Neill et al. 2008)  Diversity   Community/habitat diversity  (DFO 2007) Biomass per trophic level  (Jamieson et al. 2001, O'Neill et al. 2008) Productivity   Target species catch and biomass  (DFO 2007) Concentrations of toxics in sediments, water and biota  (Jamieson et al. 2001, DFO 2007, PSP 2009) Habitat quality (area impacted, or magnitude of the activity that impact the habitat)  (DFO 2007)  Noise  (DFO 2007)  Foster healthy ecosystems  Minimize adverse effects on ecosystem integrity  Marine environmental quality  Atmospheric pollution   (DFO 2007)          37  Fundamental  objective  Attributes  Attributes  components  Performance measures  References  Number of people exposed, magnitude and probability of the risk  (Hobbs and Horn 1997)     People  Illness and death associated to marine resources or the alternative  (PSP 2009)  Avoid adverse effects on health and safety  Private and public property  Number of private or public property exposed, magnitude and probability of the risk  (Hobbs and Horn 1997)  CS: Impacts on identified cultural practices   (Timko and Satterfield 2008a) Cultural practices  CS: Is the compensation fair?  (Timko and Satterfield 2008a) CS: Are the conditions of access fair?  (Timko and Satterfield 2008a) CS: Are the conditions of access impacted?  (Timko and Satterfield 2008a)  Access to natural resources  CS: Is the compensation fair?  (Timko and Satterfield 2008a) CS: Are the treaties and rights respected?  (Timko and Satterfield 2008a) First Nations rights and title  CS: To what level of satisfaction?  (Timko and Satterfield 2008a)  Foster healthy communities   Avoid adverse effects on vibrancy  Aesthetics  CS: Perceived level of the visual, odor and water quality impacts  Satterfield pers. comm. Representativeness   CS: Were all stakeholders represented in the process?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b) Fairness   CS: Were there opportunities for the public and stakeholders to participate in the decision‐making process?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)  Foster participatory management   Competence   CS: Was there a capacity building program and training opportunities for locals?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b) CS: Do all members agree with the distribution of tasks?  WCA criteria Foster shared responsibilities   CS: Do all members have the capacity to do the work they were tasked with?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)  Foster good governance  Foster alignment with other plans  CS: Were synergies and partnerships made during the process?  WCA criteria      38  Fundamental  objective  Attributes  Attributes  components  Performance measures  References  Foster good governance  Foster social agreements  Resolutions between First Nations and other governments  CS: To what extent there is respectful relationship between First Nations and other governments?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)  CS: How did the board solve the conflicts?  (Timko and Satterfield 2008b) CS: How did the board learn from conflict resolution?  (Timko and Satterfield 2008b)  Learning from other participants  CS: Did stakeholders learn during the process?  (McDaniels and Gregory 2004) CS: Are the members satisfied with the process experience?   (McDaniels and Gregory 2004) CS: Was new information identified and integrated to the process?  (McDaniels and Gregory 2004) CS: Were there opportunities to review and adjust agreements and policies?  (Timko and Satterfield 2008a, Timko and Satterfield 2008b)  Learning from the process  CS: Were there learning opportunities over time?  (Gregory et al. 2001) CS: Were key sources of uncertainty identified?  (Walters 1986, McDaniels and Gregory 2004) CS: Were opportunities to reduce uncertainty identified?  (Walters 1986, McDaniels and Gregory 2004) CS: Did members define means of applying policies to realize such opportunities?  (Walters 1986, McDaniels and Gregory 2004)  Promote learning through adaptive management   Treating policies as experiments   Were those policies implemented?  (Walters 1986, McDaniels and Gregory 2004)                 39  2.5 References  Arkema,  K.  K.,  S.  C.  Abramson,  and  B.  M.  Dewsbury.  2006.  Marine  ecosystem‐based management:  from  characterization  to  implementation.  Frontiers  in  Ecology  and  the Environment 4:525‐532. Clemen, R. and T. Reilly. 2001. Structuring Decisions. Pages 43‐110  Making Hard Decisions with Decision Tools. Duxbury Thomson Learning. DFO. 2007. Easter Scotian Shelf Integrated Ocean Management Plan: Strategic Plan. Oceans and Habitat Branch. Fisheries and Oceans Canada. Dartmouth, Nova Scotia. 68 pp. Failing, L. and R. Gregory. 2003. Ten common mistakes in designing biodiversity indicators for forest policy. Journal of Environmental Management 68:121‐132. Gislason, G. 2007. Economic Contribution of the Oceans Sector on the West Coast of Vancouver Island. Report for Canada Department of Justice, Vancouver. Gray, J. S. 1997. Marine biodiversity: patterns, threats and conservation needs. Biodiversity and Conservation 6:153‐175. Gregory, R., L. Failing, D. Ohlson, and T. L. McDaniels. 2006. Some Pitfalls of an Overemphasis on Science in Environmental Risk Management Decisions. Journal of Risk Research 9:717 ‐ 735. Gregory, R., T. McDaniels, and D. Fields. 2001. Decision aiding, not dispute resolution: Creating insights  through  structured  environmental  decisions.  Journal  of  Policy  Analysis  and Management 20:415‐432. Guerry, A. D. 2005. Icarus and Daedalus: conceptual and tactical lessons for marine ecosystem‐based management. Frontiers in Ecology and the Environment 3:202‐211. Hobbs,  B.  F.  and  G.  T.  F.  Horn.  1997.  Building  public  confidence  in  energy  planning:  a multimethod  MCDM  approach  to  demand‐side  planning  at  BC  gas.  Energy  Policy  25:357‐375. Jamieson,  G.,  R.  O'Boyle,  J.  Arbour,  D.  Cobb,  S.  Courtenay,  R.  Gregory,  C.  Levings,  J.  Munro,  I. Perry, and H. Vandermeule. 2001. Proceedings of the National Workshop on Objectives and  Indicators  for  Ecosystem‐based  Management.  Page  142.  FIsheries  and  Oceans Science, Sidney, Bristish Columbia. Keeney, R. L. 1996a. Identifying and Structuring Objectives. Pages 55‐98 in R. L. Keeney, editor. Value‐focused  thinking:  A  Path  to  Creative Decisionmaking. Harvard University  Press, Cambridge, Massachussets.      40  Keeney, R. L. 1996b. The Framework of Value‐Focused Thinking. Pages 29‐52  in R. L. Keeney, editor. Value‐focused  thinking: A Path  to Creative Decisionmaking. Harvard University Press, Cambridge, Massachussets. Keeney, R.  L.  1996c. Thinking  about  values.  Pages 3‐28  in  R.  L. Keeney,  editor. Value‐focused thinking:  A  Path  to  Creative  Decisionmaking.  Harvard  University  Press,  Cambridge, Massachussets. Keeney,  R.  L.  1996d.  Value‐focused  thinking:  Identifying  decision  opportunities  and  creating alternatives. European Journal of Operational Research 92. Keeney, R. L. and T. McDaniels. 2001. A Framework to Guide Thinking and Analysis Regarding Climate Change Policies. Risk Analysis 21:989‐1000. Lamoreux, J. F., J. C. Morrison, T. H. Ricketts, D. M. Olson, E. Dinerstein, M. W. McKnight, and H. H. Shugart.  2006.  Global  tests  of  biodiversity  concordance  and  the  importance  of endemism. Nature 440:212‐214. Leslie,  H.  and  A.  Kinzig.  2009.  Resilience  Science  Pages  55‐73  in  K.  McLeod  and  L.  Heather, editors. Ecosystem‐Based Management for the Oceans. Island Press, Washington. Leslie,  H.  M.  and  K.  L.  McLeod.  2007.  Confronting  the  challenges  of  implementing  marine ecosystem‐based management. Frontiers in Ecology and the Environment 5:540‐548. Lester,  S. E., K. L. McLeod, H. Tallis, M. Ruckelshaus, B.  S. Halpern, P.  S.  Levin, F. P. Chavez, C. Pomeroy, B. J. McCay, C. Costello, S. D. Gaines, A. J. Mace, J. A. Barth, D. L. Fluharty, and J. K. Parrish. 2010. Science  in  support of ecosystem‐based management  for  the US West Coast and beyond. Biological Conservation 143:576‐587. Levin,  P.  S.,  M.  J.  Fogarty,  S.  A.  Murawski,  and  D.  Fluharty.  2009.  Integrated  Ecosystem Assessments: Developing  the Scientific Basis  for Ecosystem‐Based Management of  the Ocean. PLoS Biol 7:e1000014. Lindenmayer,  D.  B.,  C.  R.  Margules,  and  D.  B.  Botkin.  2000.  Indicators  of  Biodiversity  for Ecologically Sustainable Forest Management. Conservation Biology 14:941‐950. Lubchenco,  J.  and  N.  Sutley.  2010.  Proposed  U.S.  Policy  for  Ocean,  Coast,  and  Great  Lakes Stewardship. Science 328:1485‐1486. McDaniels,  T.,  H.  Longstaff,  and  H.  Dowlatabadi.  2006.  A  value‐based  framework  for  risk management  decisions  involving  multiple  scales:  a  salmon  aquaculture  example. Environmental Science & Policy 9:423‐438. McDaniels,  T.  L.  2000.  Creating  and  using  objectives  for  ecological  risk  assessment  and management. Environmental Science & Policy 3:299‐304.      41  McDaniels,  T.  L.  and  R.  Gregory.  2004.  Learning  as  an  objective  within  a  structured  risk management decision process. Environmental Science & Technology 38:1921‐1926. McDaniels, T. L., R. S. Gregory, and D. Fields. 1999. Democratizing risk management: Successful public involvement in local water management decisions. Risk Analysis 19:497‐510. McLeod,  K.  L.,  J.  Lubchenco,  S.  R.  Palumbi,  and  A.  A.  Rosenberg.  2005.  Scientific  Consensus Statement on Marine Ecosystem‐Based Management. Signed by 221 academic scientists and  policy  experts  with  relevant  expertise  and  published  by  the  Communication Partnership for Science and the Sea at O'Neill,  S.,  C.  Bravo,  and  T.  Collier.  2008.  Environmental  Indicators  for  the  Puget  Sound Partnership:  A  Regional  Effort  to  Select  Provisional  Indicators  (Phase  1).  Summary Report‐December 2008. Okey, T. 2009 Abstract: Ecosystem Elements of Barkley Sound and the West Coast of Vancouver Island.  Barkleypedia.‐elements‐barkley‐sound‐and‐west‐coast‐vancouver‐island. Pauly, D., V. Christensen,  J. Dalsgaard, R. Froese, and F. Torres,  Jr. 1998. Fishing Down Marine Food Webs. Science 279:860‐863. Pauly, D. and R. Watson. 2005. Background and interpretation of the ‘Marine Trophic Index’ as a measure  of  biodiversity.  Philosophical  Transactions  of  the  Royal  Society  B:  Biological Sciences 360:415‐423. Philcox, N. 2007. Literature review and framework analysis of non‐market goods and services provided by Bristish Columbia's ocean and marine coastal resources. PSP.  2009.  Identification  of  Ecosystem  Components  and  Their  Indicators  and  Targets.  Puget Sound Partnership. Reid,  W.  V.,  J.  A.  McNeely,  D.  B.  Tunstall,  D.  A.  Bryant,  and  M.  Winograd.  1993.  Biodiversity indicators for policy‐makers. WRI/IUCN/UNEP Global Biodiversity Strategy. Renn,  O.  2004.  The  Challenge  of  Integrating  Deliberation  and  Expertise:  Participation  and Discourse  in  Risk Management.  Pages  289‐366  in  T. McDaniels  and M.  Small,  editors. Risk Analysis and Society. An Interdisciplinary Characterization of the Field. Cambridge University Press, New York. Ruckelshaus,  M.,  T.  Kingler,  N.  Knowlton,  and  D.  P.  DeMaster.  2008.  Ecosystem‐based management in practice: Scientific and Governance challenges. BioScience 58:59‐63.      42  Sumaila, U. R. and C. J. Walters. 2005. Intergenerational discounting: a new intuitive approach. Ecological Economics 52:135‐142. Tallis, H., P. S. Levin, M. Ruckelshaus, S. E. Lester, K. L. McLeod, D. L. Fluharty, and B. S. Halpern. 2010. The many faces of ecosystem‐based management: Making the process work today in real places. Marine Policy 34:340‐348. Timko,  J.  and  T.  Satterfield.  2008a.  Criteria  and  indicators  for  evaluating  social  equity  and ecological integrity in national parks and protected areas. Natural Areas Journal 28:307‐319. Timko,  J.  and T. Satterfield. 2008b. Seeking Social Equity  in National Parks: Experiments with Evaluation in Canada and South Africa. Walker,  B.,  C.  S.  Hollin,  S.  R.  Carpenter,  and  A.  Kinzig.  2004.  Resilience,  adaptability  and transformability in social‐ecological systems. Ecology and Society 9:9. Walters, C. 1986. Adaptive Management of Renewable Resources. New York: John Wiley & Sons. Walters, C. J. and S. J. D. Martell. 2004. Fisheries Ecology and Management. Princeton University Press, Princeton. WCA. 2001. West Coast Vancouver Island. Aquatic Management Board. Terms of Reference. WCA. 2006. WCA.  2009.  AMB  Draft  Goals  for  Aquatic  Management  in  the  WCVI  area‐documents‐1.                   43  Chapter 3                 Representing  mediating  effects  and  species  reintroductions  in  Ecopath with Ecosim6   3.1 Introduction  Ecosystem models  play  a  fundamental  role  in  Ecosystem‐based management  (EBM)  because they improve our understanding of complex systems and allow us to integrate and visualize the trophic  and non‐trophic  interactions  between multiple  species within  an  ecosystem. They do this while  accounting  for  the  impacts  of  environmental  forcing  factors  and  human  activities. They  also  support  scenario  analysis  to  predict  policies  outcomes  and  the  effects  of environmental changes (Christensen and Walters 2004a, 2004b).  Ecopath with Ecosim (EwE)  is widely used  to  represent aquatic ecosystems (Christensen and Walters 2004a,  2004b) because of  its  user‐friendly  interface  and  continued  improvements  to the  software  (Plagányi  2007).  It  remains  the most  popular  tool  for  exploring  the  impacts  of fisheries  on  ecosystems  (Plagányi  2007),  and  has  been  largely  recommended  for  supporting EBM (Kaufman et al. 2009).   To make  ecosystem models  in  EwE widely  applicable  for  EBM,  they must  account  for  those indirect  mediating  effects  that  have  been  shown  to  have  notable  impacts  on  community dynamics  (Dill  et  al.  2003,  Heithaus  et  al.  2008),  sometimes  overshadowing  direct  predation mortality  (Heithaus  et  al.  2008).  Mediating  effects  for  instance  can  amplify  or  counteract predator‐prey relationships, facilitating or inhibiting risk to predation and competition for food and space (Dill et al. 2003, Heithaus et al. 2008). For example, kelp  forests provide refuge for species like juvenile fish, and this reduces their risk to predation (negative effect for predators of  juvenile  fish);  by  providing  increased  feeding  areas,  kelp  forests  may  also  increase  food availability for some predators through prey retention. Such mediating effects have been largely overlooked in ecosystem models (Dill et al. 2003, Heithaus et al. 2008).                                                          6 A version of this chapter has been submitted for publication. Espinosa‐Romero M., Gregr E., Christensen V., Walters C., and Chan K. Representing mediating effects and species reintroductions in Ecopath with Ecosim.      44  Another important process to represent in ecosystem models is the introduction of species (e.g., reintroduction of extirpated species, or the arrival of exotic species) to an ecosystem. When a new species enters an ecosystem, dramatic changes can occur, such as with the re‐introduction of sea otters  (Enhydra  lutris)  to  the west coast of Vancouver  Island (WCVI), British Columbia, Canada (Watson 1993), or the arrival of green crab (Carcinus maenas) to Bodega Bay Harbour, California (Grosholz et al. 2000).   Here, we examine how existing EwE functionality can be used to incorporate the mediating in ecosystem  models.  We  also  explore  how  to  represent  species  reintroductions  and  range expansion in the Ecospace module of EwE, which does not directly allow such representation –Ecospace assumes that all species populations are distributed in suitable habitats in the initial state of the ecosystem (Christensen et al. 2008). We present as a case study, the reintroduction of sea otters to nearshore ecosystems on the WCVI.   3.1.1 Case study Historically, sea otters were part of the nearshore ecosystem throughout the Pacific Northwest (Watson 2000). First Nations people hunted them and dressed in otter pelts to signify authority (Uuathluck  2007,  2009).  Later,  the  pelts  became  highly  prized  in  Asian  markets  and  the international fur trade between the 17th and 18th centuries drove the North Pacific population close to extinction (Estes et al. 1978). In British Columbia, sea otters were extirpated between 1929 and 1930 (Watson 1993).  In  the  1970s,  sea  otters  were  re‐introduced  to  British  Columbia  (Estes  1990, Watson  2000) specifically  to  Checleset  Bay,  WCVI  where  they  have  successfully  re‐established  themselves (Watson  1993,  Nichol  et  al.  2009).  They  have  reached  their  carrying  capacity  in  the  central portion  of  their  range  (Figure  3‐1)  and  their  expansion  continues,  particularly  to  suitable habitats (Figure 3‐2) along the WCVI (Gregr et al. 2008).  Sea  otters  are  widely  regarded  as  a  keystone  species,  able  to  structure  nearshore  marine environments by  releasing macro‐algae  (i.e.,  ‘kelp’  species Macrocystis  integrifolia, Nereocystis  luetkeana) from grazing pressure (Estes and Palmisano 1974). In otter‐free areas, invertebrate grazers—primarily  sea  urchins—are  abundant  and  brown  algae  (which  form  kelp  forests) become rare because of extensive grazing, often leading to so‐called ‘sea urchin barrens’ (Estes      45  and Palmisano 1974, Watson 1993). In many areas where sea otters are present, they regulate grazer invertebrates’ abundance (Estes and Palmisano 1974, Estes et al. 1978, Duggins 1980), leading  to  a  kelp‐dominated  ecosystem,  often  a  more  productive  (Duggins  et  al.  1989)  and diverse system than urchin barrens (Estes and Palmisano 1974, Simenstad et al. 1978).  Kelp  forests provide a number of  important ecological benefits  to nearshore ecosystems (e.g., Duggins  et  al.  1990,  Markel  2006).  They  contribute  significantly  to  primary  and  secondary production (Duggins et al. 1990). Only a small portion of their net production enters the food web through grazing; rather, most of the net production is captured by other organisms in the form of detritus or dissolved organic matter, a high quality source of carbon for many species (Duggins  et  al.  1989,  Duggins  and  Eckman  1997).  The  three‐dimensional  structure  of  kelp forests  provides  a  complex  habitat  (Duggins  et  al.  1989),  which  can  increase  feeding  areas, refuges, and food availability for diverse species (Anderson et al. 1997). By disrupting the water flow,  kelps  can  attenuate high velocity  currents, which has been  suggested  to  facilitate  larval retention,  survival,  and  recruitment  (Duggins  et  al.  1990,  Eckman  and Duggins  1991).  These effects of kelp are important for the consideration of ecosystem changes due to the return of sea otters.   The  recovery  of  sea  otters  along  the WCVI  is  dominated  by  controversy  (Watson  2000).  To some stakeholders, such as shellfish fishers, sea otters represent a threat as voracious predators of species with high commercial (e.g., sea urchins, geoduck, clams) and cultural (e.g., abalone) value  (Watson 2000).  To  others,  sea  otters  provide  ecological  and  social  benefits  in  terms of biodiversity  and  ecosystem  productivity  (because  of  kelp  forest  expansion)  as  well  as opportunities for finfish fisheries (e.g., rockfish) and tourism industries (Markel 2006, COSEWIC 2007).   Thus, as the sea otter populations expand their range along the WCVI, a comprehensive science‐based understanding of the potential effects might be useful for decision‐making. We therefore built an ecosystem model using Ecopath with Ecosim (EwE) to represent potential effects from sea  otter  reintroduction  and  expansion  in  the  area. We  had  three  specific  objectives  for  this model:  to  demonstrate  how  to  represent  a)  the  contribution  of  kelp‐particulate  detritus  to primary  and  secondary  production,  b)  the  mediating  effects  provided  by  kelp  by  increasing feeding  areas  and  food  availability  for  some  species;  and  c)  the  sea  otter  reintroduction  and      46  expansion across the study area to display these effects across space and over time.   3.2 Methods We used three modules (Ecopath, Ecosim and Ecospace) of EwE version 6 (EwE6) to address our three objectives.   3.2.1 Ecopath parameterisation The  conceptual  food  web  contains  14  functional  groups  of  commercially  and  ecologically important species (Figure 3‐3)  living  in  the nearshore ecosystem, which are  likely  to be most affected by sea otter reintroduction. This food web was adapted from Simenstad et al. (1978), Halpern et al. (2006), Markel (2006), and Markel (pers. comm.).  We parameterized our model for the nearshore waters along the Pacific coast of Canada, using data from previous EwE models (Ainsworth et al. 2002) and existing databases (Markel 2006). Because  the models and database  sources had different  spatial  extents and  functional groups than  our  analysis,  we  adjusted  the  reported  parameters  (Table  3‐1  and  3‐2).  Parameter‐estimation and balancing procedures are described in Appendix A.    3.2.2 Modeling benefits provided by kelp forests: using Ecopath and Ecosim We accounted for two effects provided by kelp forests in the model: a) increased primary and secondary  production  via  kelp‐derived  detritus  and  b)  increased  feeding  areas  and  food availability for some species through the retention of prey.   We modeled the contribution of kelp to primary and secondary production by adding a detritus functional group for kelp‐derived detritus. Detritus groups in EwE6 represent the biomass of all the species that are not eaten, but that is retained in the system and decomposed into organic matter. When  a  group  of  detritus  is  added  to  the model  and  linked  to  particular  species,  the organic matter of those species will go directly to the new detritus group.  The  kelp‐derived  detritus  group was  linked  to  the  canopy  and  understory  kelp  biomass  and included  in  the diets  of  filter  feeders  (Duggins  and Eckman 1997),  benthic  invertebrates,  sea urchins  (Duggins  et  al.  1989,  Markel  2006),  forage  fish  (Hand  and  Berner  1881)  and      47  zooplankton (Markel 2006, Markel pers. comm.) as they can feed on drift kelp or kelp‐derived organic matter. In this way, in the model, organic matter derived from kelp goes directly to the new detritus functional group, and it is directly consumed by these species.  The mediating effects of kelp in augmenting feeding areas and food availability for some species due  to  prey  retention  was  modeled  using  the  Ecosim  ‘mediation  function’.  The  mediation function allows the explicit representation of the effects of one species/group in facilitating or inhibiting prey‐predator relationships of two other species. By default, it affects the trophic flow rate (TFR), the biomass per time step consumed by a predator (Christensen et al. 2008), which is defined as follows:                  (1)  where a*i,j is the effective area searched by each unit of predator (Pj) for prey per unit time , Ai,j is the foraging area by predator j on prey i, Vi,j is the vulnerable prey biomass per unit area, and  Pj the effective predator abundance per unit area. The vulnerable prey biomass is defined by an exchange rate v’i,j which defines the proportion of the total prey biomass vulnerable to predator  j (Christensen et al. 2008).   The mediation function uses multipliers from 0 to 1 scale to affect the parameters a*ij, Aij and v’ij of the trophic flow rate. Modelers can graphically define the function in the software or choose the  relation  between  the  multiplier  and  the  biomass  of  the  mediating  organism  from  four different  relationships  (linear,  sigmoid,  hyperbolic  and  exponential).  Up  to  five  mediation functions per prey‐predator relationship are possible (Christensen et al. 2008).   In our model, we applied only one type of mediation where the multiplier was used to change the parameters Ai,j  and v’i,j  together. This  represents  the  concept  that  in  the presence of kelp, some  species  increase  their  foraging  arenas  or  feeding  areas  (Ai,j)  in  which  the  vulnerable biomass  of  some  prey  (V’i,j)  becomes  more  available.  We  assumed  a  sigmoid  relationship between kelp biomass and the multiplier; meaning that increased kelp biomass will increasingly affect the multiplier until a point where kelp biomass will not make significant changes in the multiplier.  To  define  the  trophic  flow  rates  or  prey‐predator  relationships  affected  by  the mediation  function (Figure 3‐3) we consulted with experts  in  the regional nearshore systems  ! TFR(biomass / time) = ( ai, j * Ai, j ) "Vi, j " Pj     48  (Markel and Martone, pers. comm.). To see  the  impacts of  the mediation  in  the ecosystem, we analyzed the results in intervals of 10 years.   Vulnerabilities for each functional group in Ecosim define how the biomass of different groups is controlled  in  the system (top‐down or bottom‐up). Low vulnerabilities (close to 1)  indicate that prey only becomes vulnerable to predation when  it  leaves  its refuge. High vulnerabilities occurs  in  situations  where  prey  has  no  refuge  and  is  easily  encountered  by  its  predator, meaning that predator biomass defines how much is eaten of a prey (top‐down) (Christensen et al. 2008).  We kept the default vulnerability value of 2.0 for most groups, except for sea urchins eaten by sea otter—sea urchins are supposed  to be easier  to capture by sea otters compared with other prey—kelp forests and kelp detritus which were set to 10.0.   3.2.3 Spatial  representation  of  sea  otter  reintroduction  and  expansion:  Ecospace  structure Sea  otters  were  reintroduced  in  one  location  on  the WCVI  and  after  40  years  they  have  re‐established  themselves  in  the  area  of  reintroduction  and  continue  to  expand  along  the  coast (Gregr  et  al.  2008).  To  correctly  represent  this  ecological  history,  we  wanted  our  model  to demonstrate how the reintroduction of sea otters to one specific area (in the model, one cell) can lead to their expansion across the whole study area.  To  explore  how  this  dynamic  can  be  represented  in  Ecospace,  we  began  with  a  linear  map defined by a single row of 30 10x10 km2 cells. This map hypothetically represents almost 300 km2 of  the nearshore ecosystem on the WCVI, a region  that  includes both  the area where sea otters were reintroduced, and the area into which they are expanding.    To configure the Ecospace model, habitats need to be defined for the model cells and suitable habitats assigned to each functional group. Habitat suitability is defined by assigning values to relative dispersal, vulnerability and feeding rates. When set to 1, these parameters are disabled, making all habitats equally suitable.   On initialization, Ecospace automatically calculates the initial biomass per functional group per cell by dividing the Ecopath biomass of each group among the cells within suitable habitats for that group, assuming that all species are already distributed in the ecosystem. After this initial      49  distribution, organisms move across cells according to assigned parameters for dispersal rates, food  availability,  and  vulnerability  to  predation.  Species  avoid  cells  identified  as  unsuitable habitats and/or move out faster when they end up in those cells (Christensen et al. 2008).   We created two scenarios to work around the assumption of  initial species distribution in the system, to represent the range expansion of sea otters following the reintroduction to one site.  In the Habitat­based scenario, we initialized the model with two types of habitat. We assigned the  first  habitat  to  a  single  edge  cell  and  defined  it  as  suitable  for  sea  otters. We  did  this  to concentrate  all  the  biomass  of  this  species  in  cell  1  for  the  first  year,  simulating  the reintroduction to a specific area. We assigned the second habitat to the 29 remaining cells and made  it  equally  suitable  for year 2  to  the end of  the  time period by assigning a value of 1  to parameters for relative dispersal, vulnerability and feeding rates for sea otters. We did this to allow sea otter expansion to the cells of the second habitat after the first year.   In the Culling scenario, we defined the whole area as a single suitable habitat for sea otters.  We then defined  cell  1  as  a marine protected  area  (MPA)  and  culled  sea  otters with  high  fishing effort  for the first 10 years of a 100‐year simulation (Figure 3‐4)  in the remaining 29 cells.  In this way we retained the sea otter biomass in cell 1, and drove the population to 0 in cells 2 to 30. We assumed that after 10 years the population in cell 1 would be the only surviving one, and that it would become the source of the expansion to the other cells.  Ecospace  represents  species  movement  in  two  ways:  Diffusion  and  Individual  based  model (IBM). Diffusion  assumes  functional‐group movement  from one  cell  to  the  four  adjacent  cells per time step according to set dispersal rates, vulnerability to predation and feeding rates. For the  cells  at  the  border  of  the  map,  Ecospace  assumes  diffusion  from  the  outside,  a  logical assumption since  the study area  is not assumed  to be  isolated  from a  larger geographic area. This leakage across the study area boundaries can be avoided by adding land limits to the map. We  thus  explored  both Habitat­based  and  Culling  scenarios  with  and  without  land  limits  to investigate how the diffusion from areas outside affected the spatial representation of sea otter expansion. To analyze the impacts of diffusion, we sampled the results every 10 years.  The IBM requires more than one life history stage (called stanzas in EwE6) to be defined for a      50  species.  It  assumes  that  each  life  history  stage  is  comprised  of  groups  of  organisms  with different  body  masses,  each  of  which  moves  randomly  across  cells.  Because  IBM  involves  a random component, we ran the model 100 times to analyze how this randomization influenced the results. To analyze the variation of the results, we divided the whole area into eight regions and calculated the average biomass, standard deviation and coefficient of variation per region.   We compared both types of movement models, diffusion and IBM, to assess which provided a better  spatial  representation  of  sea  otter  expansion  through  the  study  area.  To  improve comparisons of  the results obtained  from both  types of models, we ran  the models using  two stanzas  (juveniles  and  adults)  for  sea  otters  and  the  same  dispersal  parameters.  The models account  for  stanzas  biomass  in  different  ways,  described  in  Walters  et  al.  (2010).  We  also compared  the  results  obtained  from  Ecosim with  those  from  Ecospace,  to  examine  how  the spatial representation influenced the predicted sea otter recovery.  We defined hypothetical base dispersal  rates  to  run  the  two scenarios: 2 km per year  for sea otters  and  fish  populations  and  1  km  per  year  for  invertebrates  and  primary  producers. We assumed mortalities of sea otter juveniles and adults to be 0.15 and 0.20 respectively. For the  Culling  scenario we  set  the  initial  fishery  landings  to 0.015  ton/km2/year with  a  high  fishing pressure for the first 10 years.   3.3 Results and discussion   3.3.1 Ecopath results The network  analysis  of  our  food web demonstrates  the  interactions between  species within the  ecosystem  (Figure  3‐5).  Sea  otters  had  negative  effects  on  sea  urchins  and  crabs  due  to predation  and positive  effects  on  canopy  and understory kelp by  releasing kelp  from  the  sea urchin  grazing  pressure.  This  sea  otter‐urchin‐kelp  relationship  has  been  demonstrated empirically in the Aleutian Islands, Alaska (Estes and Palmisano 1974, Duggins et al. 1989) and the WCVI (Watson 1993). The negative effects of sea otters on crab abundance have been less explored,  but  there  is  some  evidence  of  crab  population  declines  in  Alaska  as  a  result  of increased  sea‐otter  abundance  (Garshelis  and  Garshelis  1984).  Results  also  suggest  positive impacts  of  sea  otter  abundance  on  lingcod  and  forage  fish,  previously  described  by  Markel (2006).      51  Sea  otters  caused  indirect  positive  effects  on  benthic  invertebrates  and  filter  feeders  by releasing  the  grazing  pressure  on  kelp,  an  important  food  source  for  these  groups.  This  is consistent with empirical information provided by Duggins et al. (1989).  Sea  otters  negatively  affected  themselves  due  to  intra‐specific  competition, which  is  likely  to occur  in regions where they have reached their carrying capacity (Gregr et al. 2008).  Indirect negative effects were shown on surfperches due to  increased predation by  lingcod, consistent with effects described by Markel (2006).   3.3.2 Benefits provided by kelp forests over time To  assess  the  change  in  kelp  abundance  as  otters  recovered, we  compared  the  final  biomass with  the  biomass  at  year  20  (0.39  ton/km2),  the  year  of  lowest  sea  otter  abundance  (.01 ton/km2). Sea urchins in this time period decreased 44% and 69% with the Habitat‐based and  Culling scenario respectively. Canopy kelp increased over 125% and understory kelp by almost 50% after sea otters recovered under the Habitat­based scenario. Under the Culling scenario the increases were higher (142 and 57% respectively).  Including kelp detritus as a functional group allowed us to analyze its contribution to primary and secondary production in the ecosystem. In the presence of sea otters, kelp forests,  largely through kelp‐derived detritus, contribute to the biomass of benthic invertebrates, filter feeders and sea urchins (Figure 3‐4).  The biomass for kelp‐derived detritus increased 66% (from 0.09 to  0.16  ton/km2)  in  the Habitat­based  scenario  and  77%  (from  0.09  to  0.17  ton/km2)  in  the  Culling scenario between year 20 and year 100 (Figure 3‐5). We expected the contribution from kelp forests to primary production to be even higher. However, we realize that the ecotrophic efficiency (the ratio of biomass flow out of a group to the biomass that flows in) of kelp‐derived detritus  was  0.99  in  year  1.  This  means  that  virtually  almost  all  the  kelp‐derived  detritus produced  is  consumed  and  could  explain  the  limited  increase  of  kelp‐derived  detritus  in subsequent years. The inclusion of empirical data would improve the representation of kelp and kelp‐derived  detritus  in  the  model,  and  allow  a  more  accurate  representation  of  kelp contribution to the food web.  An  important dynamic not  represented  in  the model was  that sea urchins  feed on kelp  forest holdfasts often leaving big proportions of the blades available for grazers or decomposition. On      52  one hand, this dynamic intensifies the negative impacts of sea urchins on kelp forest abundance and on the other, contributes to the production of kelp detritus. Because this dynamic was not represented  in  the  model,  the  impact  of  sea  urchins  on  kelp  and  kelp‐derived  detritus abundance may be limited (underestimated).  The  application  of  the  mediation  function  to  represent  kelp‐derived  benefits  (i.e.  increased feeding  areas  for  predator  and  risk  vulnerability  for  prey)  introduced  changes  in  ecosystem dynamics, specifically the biomass of some functional groups (Figure 3‐6). The results with the mediating  effects  show  that  lingcod  and  rockfish  biomasses  increased  as  sea  otters  and  kelp forests  increased.  However,  surfperch  biomass  declined  due  to  lingcod  predation. While  the effects of lingcod on surfperches have been identified (e.g., Markel 2006), it will be important to compare  predicted  results with  observed  data  to  better  characterize  the magnitude  of  these effects. Benthic  invertebrates’ biomass  increased 17% with  the mediation  function due  to  the increased  availability  of  kelp‐derived  detritus  and  decreased  predation  from  rockfish  and lingcod—the first 50 years of time period the biomass of these fish populations were low due to low  biomass  of  kelp  forest  and  sea  otters.  Some  functional  groups  showed  slight  changes  in abundance. For example, crab biomass increased up to 2.8% due to the increased availability of benthic invertebrates (prey) and decreased predation of rockfish. The decrease in zooplankton biomass  (up  to  1.5%)  likely  contributes  to  the  observed  increases  in  phytoplankton  (up  to 2.4%), kelp‐derived detritus (up to 22%) and detritus (up to 1.9 %) biomasses.  Mediation effects under the Habitat­based scenario were not available in Ecosim. Ecosim drives all  the  species  to  equilibrium  in  year  1.  Then,  when  a  model  does  not  have  any  drivers  of dynamic change (e.g., fisheries and fishing effort) or an unstable initial condition (e.g., biomass accumulation  assumed  from  outside  the  map),  Ecosim  shows  no  change  in  the  species biomasses for the subsequent years. In addition, the mediation function is applied after year 1. Thus,  in  the Habitat­based  scenario,  species were driven  to equilibrium and mediation effects could  not  be  observed  because  there  was  no  change  in  kelp  forest  biomass.  The  spatial representation (Ecospace) was necessary to observe mediating effects for this scenario. For the  Culling scenario, which includes a fishery, mediating effects could be observed in both Ecosim and Ecospace.       53  3.3.3 Spatial representation of sea otter reintroduction and expansion With the Habitat­based scenario, neither sea otter reintroduction nor expansion across the area correspond to observations/expectations. Sea otters were supposed to be concentrated in cell 1 (at the edge of the linear region) from which the expansion was intended to proceed. Instead, the population started to expand from the centre to the sides, an unlikely situation given that the dispersal rate would not allow them to move that fast to the centre of the map.   While the use of land limits eliminated the diffusion from the outside, the results demonstrated little  differences  in  the  species  biomass  results  over  time.  Except  for  surfperches  whose biomass  variation was  on  average  1.6% with  the  diffusion,  the  rest  of  the  functional  groups variation was lower than 1%. Despite the land limits, the same spatial dynamic was observed: sea otters expanded from the centre to the sides.   Further analysis revealed that Ecospace,  to  initialize the model, distributes the initial biomass assigned to functional groups in Ecopath not only across the cells with suitable habitat but also across cells with unsuitable habitat. It concentrates high biomass in the former and low biomass in  the  latter  (not  0  as  intended).  The  underlying  assumption  of  the  software  is  that  the  low biomass  in  unsuitable  habitats  will  move  rapidly  to  suitable  habitats  using  a  gradient  in Ecospace,  intended  to make  species  leave  the  unsuitable  habitats  quickly  (Christensen  et  al. 2008). In the Habitat­based scenario, as we made both habitats equally suitable, the low initial biomass  assigned  by  Ecospace  to  the  second  (unoccupied)  habitat  did  not  leave  this  habitat, instead started to increase due to the high food availability. While one might think that species at  low  biomasses  may  not  survive;  in  Ecospace,  species  are  only  driven  to  0  biomass  with predation or fishing pressure.   With  the  Culling  scenario  we  avoided  the  initial  biomass  assignment  to  the  cells  where  we wanted sea otter biomass to be 0 by applying high fishing effort  for sea otters  for the first 10 years.  The  population  retained  in  the  protected  area  established  in  cell  1,  providing  the population for the subsequent expansion to the other cells.   When using  the diffusion model,  the expansion of otters  from year 0  to year 70 was uniform (from  the  first  cell  onwards)  and well  represented. However,  otters  seemed  to  expand  faster than  the dispersal  rates, and dominated  the whole area by year 100 (Figure 3‐7). The reason      54  might be that Ecospace assumes a normal distribution of dispersal rates around the given value, allowing  species  biomass  to  move  faster  and  slower  than  the  given  rate.  Furthermore,  the diffusion model does not distinguish the position that the functional groups have within a cell. Therefore, once a species occupies a cell, it can move to another one in the next time step, even if the cell is considerably larger than the stated dispersal rate.   When  adding  the  two  stanzas  (sea  otters  juvenile  and  adults)  to  compare  diffusion  and  IBM models  under  this  scenario,  we  observed  that  biomass  estimates  with  the  IBM  were  more conservative  than  those  with  the  diffusion  model  (Figure  3‐8).  The  two  dispersal  models represented  the  spatial  expansion  differently  (Figure  3‐7).  The  diffusion  model  showed  a uniform distribution of sea otters while the IBM model showed a random distribution. Contrary to  the  diffusion model,  IBM  does  recognize  the  position  that  species  occupy within  the  cells which makes the sea otter expansion slower.  The diffusion model showed similar dynamics with and without the stanzas. Sea otters started to move across the whole study area after year 70. However, the diffusion model with stanzas showed  that  at  the  end  of  the  time  period  (year  100),  sea  otters  did  not  dominate  the ecosystem. Their biomass was high in the first half of the map and medium to low in the second half of the map (Figure 3‐7).  The  IBM  showed  an  initial  expansion  starting  from  cell  1,  but  after  some  years  the  otter expansion appeared to be random in individual runs. At the end of the simulations, some cells showed  a  high  biomass  of  sea  otters,  while  others  showed  a  low  biomass  or  sometimes  no biomass  at  all  (Figure  3‐7).    The  analysis  of  the  influence  of  the  randomization  in  the  IBM showed high standard deviations and coefficient of variations in most regions (Table 3‐3). The model shows exponential decay in distribution from the source point to the rest of the cells at first  when  sea  otters  are  expanding.  Then,  the  population  in  areas  further  from  the  starting point of expansion should increase until there is a uniform distribution of the biomass, as our model  assumes  homogeneous  habitat  and  primary  production.  Because  our  analysis  only includes a period of 100 years, the predicted otter biomasses are somewhat even in regions 3 to 8, but show a major concentration of biomass in regions 1 and 2. We expect that over a longer period of time, the biomass will be more evenly distributed.       55  Because the distribution of sea otters is driven by food availability and consequently on suitable habitat  (Gregr  et  al.  2008),  the  integration  of  habitat  information  and  habitat  preferences  of each  species will  improve  the  representation  of  sea  otter  expansion with  both models.  If  the ‘patchiness’ of species habitat is included in the model, we expect that the spatial distribution of sea  otters  predicted  by  both models  (diffusion  and  IBM) will  be  patchier  and  perhaps more similar to observations.  Our comparison of the results obtained from the Ecosim and the two Ecospace models showed that the recovery of sea otters with no space (Ecosim) starts in year 30 with rapid population growth from year 40 to year 70. With the spatial representation, the recovery starts in year 10; however, population growth  is  slower with diffusion and slowest with  IBM (Figure 3‐9). This suggests  that models  that  better  represent  exploitation  and depletion  of  the  species  across  a study area (Ecospace models) provide more conservative estimates of population growth and biomass than those models that assume widespread populations with full access to vulnerable food resources (Ecosim models).   3.4 Conclusions  With  this  work,  we  show  how  to  represent  mediating  effects  in  EwE6  and  species reintroductions in Ecospace, as well as their effects on the dynamics of a particular ecosystem.  Our model of nearshore ecosystems on the WCVI represented some trophic cascades effects due to  sea otter  reintroduction and expansion.  In  the presence of otters, kelp  forests,  lingcod and rockfish biomasses increased, while sea urchin and crab biomasses decreased due to sea otter predation. Surfperches were affected negatively due to lingcod predation.  With the model we demonstrated how to account for kelp forest benefits by using an additional detritus functional group and the mediation function available in EwE6. This explicit accounting for  kelp‐derived  detritus  showed  the  contribution  of  kelp  forests  to  primary  production  and primary consumers of kelp‐derived detritus.  The mediation  function  represented  the mediating effects provided by kelp  forests  to  species such  as  finfish  (specifically  to  lingcod,  rockfish  and  forage  fish  groups),  crabs,  and  benthic      56  invertebrates. We  found  that  such mediation  effects  can  only  be  seen  in  Ecosim  if  the model includes  a  fishery  or  an  unstable  initial  condition  (e.g.,  biomass  accumulation).  Otherwise, Ecosim  leads  the  functional  groups  to  equilibrium  in  year  1  showing no  differences  between species  biomass  over  time. Under  such  conditions, mediation  effects  can only  be  observed  in Ecospace, where a spatial representation is required.   We  only  used  one  mediation  function  to  represent  the  increased  feeding  areas  and  food availability  for  some  predator.  A  better  representation  of  the  benefits  provided  by  kelp  will require  the  integration  of  the  other  mediating  effects  caused  by  this  species  such  as  the provision of refuge for some species. We applied the mediation function to hypothetical prey‐predator  relationships  based  on  consultation with  experts.  However,  this mediation  function may apply to other prey‐predator relations in the food web. In addition, more mediating effects caused by other species may take place in the ecosystem.   Our model demonstrates how to incorporate these effects in ecosystem models and the possible implications for the results. The identification of mediating effects and the extent to which these effects  alter  prey‐predator  relations  are  often  hard  to  identify  even  with  relevant  empirical data. In addition, modeling these effects requires numerous assumptions that will be reflected in  changes  of  ecosystem  dynamics  but  that  do  not  stem  directly  from  empirical  data—accordingly,  modelers  should  use  caution  when  applying  and  interpreting  these  effects  in ecosystem models.”  Our  Culling  scenario  presented  a  way  to  model  the  reintroduction  of  a  species  to  a  specific region and its expansion across the whole study area. We found that the definition of habitats and  habitat  suitability  for  species  (i.e.,  Habitat­based  scenario)  does  not  allow  such representation (reintroduction of a species) due to the initial biomass assignment by Ecospace to unsuitable habitats. The Culling scenario helped  to avoid  the assignment of biomass  to  the cells where 0 was intended and showed a coherent representation of the sea otter expansion.  The  two  types  of movement models  (diffusion  and  IBM)  demonstrated  similar  trends  in  the total  biomass  of  functional  groups  for most  cases but  represented  the  sea  otter  expansion  in two different manners. The diffusion model  led to a uniform and more rapid dispersion while the  IBM  result  in  a  more  heterogeneous  distribution  with  slower  dispersion.  Although  the      57  results  of  IBM may  seem  closer  to  reality,  as  some  variability  among  areas  for  high  and  low biomass of sea otters can be expected, such heterogeneity would in any case accompany a more realistic representation with the incorporation of heterogeneous habitat (habitat was assumed homogenously suitable).  The comparison of the results obtained with Ecosim and Ecospace models showed that models that represent species exploitation and depletion spatially provide more conservative estimates of population growth and biomass (being IBM the most conservative) than non‐spatial models, which  assume  widespread  species  with  full  access  to  vulnerable  food  sources  (e.g.,  Ecosim models).  There are several model enhancements necessary to provide a more realistic representation of how  the  nearshore  ecosystem  on  the  WCVI  responded  to  sea  otter  reintroduction.  These include incorporating fisheries information, reviewing functional groups, and fitting the model with empirical  information.  In addition,  the spatial  representation of  the ecosystem would be improved by including habitat types and species habitat preferences, and by accounting for any significant sex‐specific differences, such as dispersal rates between male and female sea otters.  Although  more  information  will  help  to  better  characterize  the  ecosystem,  our  hypothetical model is nevertheless able to represent key ecological dynamics—empirically demonstrated—such as direct and indirect kelp‐derived benefits, spatial expansion of sea otters, and the trophic cascade effects resulting from the re‐introduction of a keystone species.                            58  Tables    Table 3‐1 Basic inputs for Ecopath.  B  means  biomass,  P/B  production  per  unit  biomass,  Q/B  consumption  per  unit  biomass  and  EE ecotrophic efficiency. Parameters were adapted from Ainsworth et al. (2002), Martell (2002), (Preikshot 2005), Heymans (2005a, 2005b) and Froese and Pauly Editors (2010). See Appendix A for details on how parameters were estimated.  Functional  groups  Trophic  level  B(t⋅km­2)  P/B(year­1)  Q/B(year­1)  EE  P/Q Sea otters  3.49  0.127  0.15  75.00     Lingcod   4.00  .0650  1.00  3.30     Rockfish  3.62  1.50  0.26  3.36     Forage fish  2.66    0.60  8.40  0.95   Surfperches  3.42  1.00  0.70  10.82     Crabs  3.36  8.00  3.00      0.275 Benthic invertebrates  2.55  43.00  1.90  12.70     Filter feeders   2.00  20.00   1.20      0.20 Sea urchins  2.00  30.00  0.40      0.25 Zooplankton  2.11  68.00  16.50  62.50     Phytoplankton   1.00  22.00  179.0       Canopy kelp  1.00  9.00   5.30       Understory kelp  1.00  18.00   5.30       Kelp detritus  1.00  0.11         Detritus  1.00  10.00          Table 3‐2 Diet compositions.  Predators  are  listed  in  column  heading,  preys  are  listed  in  rows.  Parameters  were  adapted  from Ainsworth  et  al.  (2002),  Martell  (2002),  (Preikshot  2005),  Heymans  (2005a,  2005b),  and  Markel (unpublished data). See Appendix 1 for details on how parameters were estimated.  Functional  groups  Sea ott ers  Lingco d   Rockfis h   Forage  fish   Surfpe rches  Crabs   Benthi c inver t.  Filter f eeders   Sea urc hins  Zoopla nkton   Sea otters                     Lingcod                      Rockfish    0.25  0.001               Forage fish  0.01  0.50  0.02      0.10              59  Functional  groups  Sea ott ers  Lingco d   Rockfis h   Forage  fish   Surfpe rches  Crabs   Benthi c inver t.  Filter f eeders   Sea urc hins  Zoopla nkton   Crabs  0.35    0.25               Benthic invertebrates    0.10  0.429    0.70  0.50         Filter feeders  0.30          0.20         Sea urchins  0.33                   Zooplankton      0.30  0.60  0.30  0.20  0.50      0.10 Phytoplankton         0.30            0.40 Canopy kelp                0.10  0.40   Understory kelp                0.10  0.40   Kelp detritus        0.10      0.01  0.10  0.15  0.01 Detritus              0.49  0.15  0.05  0.49   Table  3‐3  Results  from  100  runs  of  the  individual‐based  model  (IBM),  indicating  sea  otters  average biomass, standard deviation and coefficient of variation per region.  Each region includes four cells except for region 1 which includes only one cell. Cell 1 represents the area where sea otters where reintroduced.   Region  Cells included  Average  predicted  biomass (t⋅km­2)  Standard  deviation  (t⋅km­2)  Coefficient  of  variation 1  1  0.1530  0.0136  .0888 2  2,3,4,5  0.1510  0.0093  .0616 3  6,7,8,9  0.0893  0.0441  .4938 4  10,11,12,13  0.0860  0.0392  .4558 5  14,15,16,17  0.0917  0.0421  .4591 6  18,19,20,21  0.0935  0.0408  .4364 7  22,23,24,25  0.0857  0.0361  .4212 8  26,27,28,29  0.0786  0.0459  .5840 Total  1‐29  0.0972  0.0003  .0309                       60  Sea otter Sea urchins (red & green) Filter feeders Lingcod Zooplankton Kelp-derived detritus Detritus Rockfish Canopy kelp Crabs Understory kelp Forage fish Surfperch Phytoplankton Benthic invertebrates (micro and small grazers) Figures             Figure 3‐1 Reintroduction  site,  current  range  and  sites with optimum habitat for sea otters based on intertidal complexity similarity with the reintroduction site (Gregr et  al.  2008).  Published  with  the  permission  of  the authors.                            Figure  3‐2 Food  web  of  the  nearshore  ecosystem  on  the  WCVI.  Trophic interactions adapted from Simenstad et al. (1978), Halpern et al. (2006), Markel (2006), and Markel (pers. comm.). Grey arrows represent the hypothetical prey‐predator relationships affected by mediating benefits provided by  kelp forests (i.e. increased feeding areas and food availability through prey retention) based on Markel and Martone (pers. comm.).      61   PA Cull                                              Sea otters Lingcod Rockfish Forage fish Surfperches Crabs Benthic invert. Filter feeders Sea urchins Zooplankton Phytoplankton Canopy kelp Understory  kelp Kelp detritus  Detritus S e a  o tt e rs  L in g c o d  R o c k fi s h  F o ra g e  f is h  S u rf p e rc h e s  C ra b s  B e n th ic  i n v e rt . F ilt e r fe e d e rs  S e a  u rc h in s  Z o o p la n k to n  P h y to p la n k to n  C a n o p y  k e lp  U n d e rs to ry  k e lp  K e lp  d e tr it u s   D e tr it u s  Im p a c te d  g ro u p  Impacting group Figure  3‐3 Culling  scenario,  with  one  suitable  habitat.  To  simulate  the  sea  otter  reintroduction,  we worked around  the Ecospace’s assumption on  the  initial distribution of biomass. Sea otter biomass  (in yellow) was assigned to all the cells in the map, one protected area (PA) was set in the first cell and a cull in  the  form of  high  fishing  effort  for  the  first  10  years  in  the 29  remaining  cells.  The  intention was  to concentrate sea otter biomass in cell 1 and drive the population down to 0 in the rest of the cells.   Figure 3‐4 Mixed trophic  impacts. Relative  impacts between species due to predation and competition. Black bars above a line indicate positive effects, and grey bars below a line indicate negative effects.       62                                                    Figure 3‐5 Results of kelp‐derived detritus biomass  for  the  two scenarios.  The  solid  line  represents  the  results  for  the Habitat­ based  scenario  and  dotted  line  the  results  for  the  Culling scenario.       63  0 40 80 0.0 0.1 0.2 0.3 0.4 Sea Otter Years B io m a s s (t o n /k m 2 ) 0 40 80 0.045 0.050 0.055 0.060 0.065 0.070 Lingcod Years B io m a s s (t o n /k m 2 ) 0 40 80 1.30 1.35 1.40 1.45 1.50 Rockfish Years B io m a s s (t o n /k m 2 ) 0 40 80 14.5 15.0 15.5 16.0 16.5 17.0 17.5 Forage fish Years B io m a s s (t o n /k m 2 ) 0 40 80 0.92 0.94 0.96 0.98 1.00 1.02 1.04 Surfperch Years B io m a s s (t o n /k m 2 ) 0 40 80 8.1 8.2 8.3 8.4 8.5 Crab Years B io m a s s (t o n /k m 2 ) 0 40 80 42 44 46 48 Benthic invert. Years B io m a s s (t o n /k m 2 ) 0 40 80 19 20 21 22 23 24 25 26 Filter feeders Years B io m a s s (t o n /k m 2 ) 0 40 80 10 15 20 25 30 Sea urchin Years B io m a s s (t o n /k m 2 ) 0 40 80 67.2 67.4 67.6 67.8 68.0 68.2 Zooplankton Years B io m a s s (t o n /k m 2 ) 0 40 80 21.9 22.0 22.1 22.2 22.3 22.4 Phytoplankton Years B io m a s s (t o n /k m 2 ) 0 40 80 8 10 12 14 16 Canopy kelp Years B io m a s s (t o n /k m 2 ) 0 40 80 16 18 20 22 24 Understory kelp Years B io m a s s (t o n /k m 2 ) 0 40 80 0.10 0.12 0.14 0.16 0.18 Kelp-derived det. Years B io m a s s (t o n /k m 2 ) 0 40 80 9.95 10.00 10.05 10.10 Detritus Years B io m a s s (t o n /k m 2 ) Year B io m a s s (t o n /k m 2 )                                  Figure 3‐6 Results with  and without  the  ‘mediation’  function.  Species biomass over  a 100‐year period. Solid lines show the results with the mediation function which incorporate the indirect impacts of kelp on other on species, by providing increased feeding areas and more vulnerable prey to some predators.                  64                                              Figure 3‐7 Spatial distribution of sea otters using the Culling scenario and the two types of movement models:  diffusion  and  individual  based  model  (IBM).  Yr  represents  the  years  of  the  results.  Blue represents low biomass and red high biomass. The results of IBM were taken from a one single run.       65  0 40 80 0.00 0.05 0.10 0.15 0.20 Sea Otter Years B io m a s s (t o n /k m 2 ) 0 40 80 0.045 0.050 0.055 0.060 0.065 0.070 Lingcod Years B io m a s s (t o n /k m 2 ) 0 40 80 1.30 1.35 1.40 1.45 1.50 1.55 Rockfish Years B io m a s s (t o n /k m 2 ) 0 40 80 14.5 15.0 15.5 16.0 16.5 17.0 Forage fish Years B io m a s s (t o n /k m 2 ) 0 40 80 0.94 0.96 0.98 1.00 1.02 1.04 1.06 Surfperch Years B io m a s s (t o n /k m 2 ) 0 40 80 8.00 8.05 8.10 8.15 8.20 8.25 8.30 8.35 Crab Years B io m a s s (t o n /k m 2 ) 0 40 80 43 44 45 46 47 48 Benthic invert. Years B io m a s s (t o n /k m 2 ) 0 40 80 19 20 21 22 23 24 Filter feeders Years B io m a s s (t o n /k m 2 ) 0 40 80 15 20 25 30 Sea urchin Years B io m a s s (t o n /k m 2 ) 0 40 80 67.2 67.4 67.6 67.8 68.0 Zooplankton Years B io m a s s (t o n /k m 2 ) 0 40 80 22.0 22.1 22.2 22.3 22.4 Phytoplankton Years B io m a s s (t o n /k m 2 ) 0 40 80 8 10 12 14 Canopy kelp Years B io m a s s (t o n /k m 2 ) 0 40 80 16 18 20 22 Understory kelp Years B io m a s s (t o n /k m 2 ) 0 40 80 0.11 0.12 0.13 0.14 0.15 Kelp-derived det. Years B io m a s s (t o n /k m 2 ) 0 40 80 9.98 10.00 10.02 10.04 10.06 10.08 10.10 10.12 Detritus Years B io m a s s (t o n /k m 2 ) Year B io m a s s (t o n /k m 2 )                                              Figure 3‐8 Populations dynamics in a 100 year period. Solid lines represent the results with the Diffusion model and dotted lines the results with the Individual based Model (IBM).      66  0 20 40 60 80 100 0.00 0.05 0.10 0.15 0.20 year o tt e rs Year B io m a s s (t o n /k m 2 )                                                Figure 3‐9 Sea otter recovery with Ecosim, Diffusion and Individual based  Model  (IBM).  The  solid  line  represents  the  results  with Ecosim which assumes a single homogeneous area. The dashed line represents the results with the Diffusion model, and the dotted line the results with Individual based Model (IBM).      67  3.5 References  Ainsworth, C.,  J.  J. Heymans, T.  J. Pitcher, and M. Vasconcellos. 2002. Ecosystem models of  the Northern British Columbia  for  the  time periods 2000, 1950, 1900 and 1750. Fisheries Center. University of British Columbia, Canada. Anderson,  R.  J.,  P.  Carrick,  G.  J.  Levitt,  and  A.  Share.  1997.  Holdfasts  of  adult  kelp  Ecklonia maxima provide refuges from grazing for recruitment of juvenile kelps. Marine Ecology Progress Series 159:265‐273. Beaudreau,  A.  2009.  The  Predatory  Role  of  Lingcod  (Ophiodo  elongatus)  in  the  San  Juan Archipelago, Washington. University of Washington, Seattle. Christensen,  V.  and  C.  J.  Walters.  2004a.  Ecopath  with  Ecosim:  methods,  capabilities  and limitations. Ecological Modelling 172:109‐139. Christensen, V. and C. J. Walters. 2004b. Trade‐offs in ecosystem‐scale optimization of fisheries management policies. Bull. Mar. Sc. 74(3):549­562. Christensen,  V.,  C.  J. Walters,  D.  Pauly,  and  R.  Forrest.  2008.  Ecopath with  Ecosim  version  6. Lenfest Ocean Futures Project. COSEWIC. 2007. COSEWIC assessment and update status report on the sea otter Enhydra lutris in Canada. Committee on the Status of Endangered Wildlife in Canada. Ottawa.  vii + 36 pp. ( Dill, L. M., M. R. Heithaus, and C. J. Walters. 2003. Behaviorally mediated indirect interactions in marine communities and their conservation implications. Ecology 84:1151‐1157. Duggins, D. O. 1980. Kelp Beds and Sea Otters: An Experimental Approach. Ecology 61:447‐453. Duggins,  D.  O.  and  J.  E.  Eckman.  1997.  Is  kelp  detritus  a  good  food  for  suspension  feeders? Effects of kelp species, age and secondary metabolites. Marine Biology 128:489‐495. Duggins, D. O., J. E. Eckman, and A. T. Sewell. 1990. Ecology of understory kelp environments. II. Effects of kelps on recruitment of benthic invertebrates. Journal of Experimental Marine Biology and Ecology 143:27‐45. Duggins, D. O., C. A. Simenstad, and J. A. Estes. 1989. Magnification of Secondary Production by Kelp Detritus in Coastal Marine Ecosystems. Science 245:170‐173. Eckman,  J.  and  D.  Duggins.  1991.  Life  and  death  beneath  macrophyte  canopies:  effects  of understory kelps on growth  rates and  survival of marine, benthic  suspension  feeders. Oecologia 87:473‐487. Estes,  J. A. 1990. Growth and Equilibrium  in Sea Otter Populations.  Journal of Animal Ecology  59:385‐401.      68  Estes,  J.  A.  and  J.  F.  Palmisano.  1974.  Sea  Otters:  Their  Role  in  Structuring  Nearshore Communities. Science 185:1058‐1060. Estes,  J.  E.,  N.  S.  Smith,  and  J.  F.  Palmisano.  1978.  Sea  Otter  Predation  and  Community Organization in the Western Aleutian Islands, Alaska. Ecology 59:822‐833. Froese,  R.  and  D.  Pauly.  Editors.  2010.  FishBase.  World  Wide  Web  electronic  publication., version (03/2010). Garshelis, D. L. and J. A. Garshelis. 1984. Movements and Management of Sea Otters  in Alaska. The Journal of Wildlife Management 48:665‐678. Gregr,  E.  J.,  L. M. Nichol,  J.  C. Watson,  J.  K.  B.  Ford,  and G. M.  Ellis.  2008.  Estimating  carrying capacity for sea otters in British Columbia. Journal of Wildlife Management 72:382‐388. Grosholz,  E. D.,  G. M. Ruiz,  C. A. Dean, K. A.  Shirley,  J.  L. Maron,  and P. G.  Connors.  2000. The Impacts of a Nonindigenous Marine Predator in a California Bay. Ecology 81:1206‐1224. Halpern,  B.  S.,  K.  Cottenie,  and B.  R.  Broitman.  2006.  Top‐down  vs.  bottom‐up  effects  in  kelp forests ‐ Response. Science 313:1738‐1739. Hand, C. and L. Berner. 1881. Food of the Pacific Sardine (Sardinops caerulea). Fishery Bulletin of the Fish and Wildlife Service 164 60:14. Heithaus, M. R., A. Frid, A. J. Wirsing, and B. Worm. 2008. Predicting ecological consequences of marine top predator declines. Trends in Ecology & Evolution 23:202‐210. Heymans, S. J. J. 2005a. Ecosystem model of the eastern Aleutians and central Gulf of Alaska in 1963.  Pages  83‐105  in  S.  Guenette  and V.  Christensen,  editors.  Food web models  and data  for  studying  fisheries  and  environmental  impacts  on  Eastern  Pacific  ecosystems. UBC Fisheries Center, Vancouver. Heymans, S. J. J. 2005b. Ecosystem models of the Western and Central Aleutian Islands in 1963, 1979 and 1991. Pages 8‐82 in S. Guenette and V. Christensen, editors. Food web models and  data  for  studying  fisheries  and  environmental  impacts  on  Eastern  Pacific ecosystems. UBC Fisheries Center, Vancouver. Kaufman, L., L. B. Karrer, and C. H. Peterson. 2009. Monitoring and Evaluation. Pages 115‐128 in K.  L. McLeod  and H. M.  Leslie,  editors.  Ecosystem‐based Management  for  the  Oceans. Island Press, Washington, D.C. Markel, R. W. 2006. Sea otter and kelp  forest recovery:  Implications  for nearshore ecosystem, fishes and fisheries. Parks Canada.      69  Martell,  S.  J.  D.  2002.  Variation  in  pink  shrimp  populations  off  the  west  coast  of  Vancouver Island:  Oceanographic  and  trophic  interactions.  University  of  British  Columbia, Vancouver. Nichol,  L. M., M.  D.  Boogaards,  and  R.  Abernethy.  2009.  Recent  trends  in  the  abundance  and distribution  of  sea  otters  (Enhydra  lutris)  in  British  Columbia.  Fisheries  and  Oceans Canada. Plagányi,  É.  E.  2007. Models  for  an  ecosystem  approach  to  fisheries.  FAO Fisheries  Technical Paper No. 477 Rome. Preikshot, D. 2005. Data sources and derivation of parameters for generalised Northeast Pacific Ocean Ecopath with Ecosim models  Pages 179‐216  in  S.  Guenette  and V.  Christensen, editors. Food web models and data for studying fisheries and environmental impacts on Eastern Pacific ecosystems. UBC Fisheries Center, Vancouver. Simenstad,  C.  A.,  J.  A.  Estes,  and  K. W.  Kenyon.  1978.  Aleuts,  sea  otters,  and  alternate  stable communities. Science 200:403‐411. Uuathluck.  2007.  Nuu‐chah‐nulth's  Historical  Relationships  with  Sea  Otters.[1].pdf. Uuathluck.  2009.  Sea  Otters  in  Nuu‐chah‐nulth  Ha‐houlthee. Walters,  C.,  V.  Christensen, W. Walters,  and K.  Rose.  2010.  Representation  of multistanza  life histories  in Ecospace models  for  spatial organization of  ecosystem  trophic  interaction patterns. Bulletin of Marine Science 86:439‐459. Watson,  J.  C.  1993.  The  effects  of  sea  otter  (Enhydra  lutris)  foraging  on  shallow  rocky communities  off  northwestern  Vancouver  Island,  British  Columbia.  University  of California, Santa Cruz. Watson,  J.  C.  2000.  The  effects  of  sea  otters  (Enhydra  lutris)  on  abalone  (Haliotis  spp.) populations. Pages 123‐132  NRC Canada. Canadian Special Publications of Fisheries and Aquatic Science.             70  Chapter 4                 Conclusions    4.1 Discussion  Given the broad acceptance of EBM as a paradigm for  the management of marine ecosystems and the need for its implementation, this study contributes to the operationalization of EBM by addressing  two  key  issues:  (1)  the  decision‐making  process  and  (2)  the  improvement  of  the representation of marine ecosystems using ecosystem models.  Successful  experiences  aimed  at  implementing  EBM  have  shown  that  the  meaningful involvement of stakeholders is key in the management process (e.g., Arkema et al. 2006, Tallis et  al.  2010).  This  study  shows  that  the  involvement  of  stakeholders  requires  a  systematic process to identify the collective values, and define fundamental objectives and ecological and socio‐economic  indicators  that  are  consistent  with  those  values  (Chapter  2).  Without  this systematic process,  important values and  information can be dismissed (Gregory et al. 2001), objectives can be stated in a complex way that makes their operationalization very difficult, and selected indicators may not reflect objectives and values nor be useful for the decision‐making process (Failing and Gregory 2003).  In this thesis, I presented a successful example of how to apply SDM to a multiple stakeholder planning process  for EBM,  in order to make values, objectives and indicators consistent. Once this  is  done,  managers  can  use  this  information  as  a  framework  to  create  and  select  the alternative that best satisfies the collective objectives and values (McDaniels 2000). I argue that, in order  to best  represent both  (1) what  ‘matters’  and  (2) how  the ecosystem works,  quality communication  between  scientists  and  stakeholders  is  essential.  This  interaction  between scientists  and  the  public  can  inform  the  process  of  defining  indicators  and  evaluating alternatives  as  a  method  for  the  needed  integration  of  value  judgments  and  technical information (Chapter 2).  Improving  how  ecosystem  models  represent  ecosystem  dynamics  is  important  for  the operationaliztion  of  EBM,  especially  because  these  models  will  more  often  be  used  for representing  marine  ecosystems  and  as  decision‐support  tools.  These  models  can  play  an      71  important  role  on  predicting  the  performance  of  each  alternative  in  terms  of  the  selected indicators during the SDM process.   In  this  study,  I  show  how  to  incorporate  mediating  effects  and  species  reintroductions  to ecosystem models  in  Ecopath  with  Ecosim  (EwE).  Both  these  factors  (mediating  effects  and species reintroductions) have been shown to significantly alter ecosystem dynamics (Grosholz et al. 2000, Dill et al. 2003). For instance, mediating effects can amplify and counteract trophic (prey‐predator) relationships; therefore, when they are not included, ecosystem models can fail in the representation of ecosystem dynamics (Dill et al. 2003). As an example, tuna and seabirds share school fish prey; therefore, one would expect that the sea bird population would benefit from tuna decreases. However,  tuna predation causes schooling pelagic  fish to move closer to the surface, where these fish become more available to sea birds. Therefore, decreases in tuna negatively affect sea bird populations (Dill 2003).   This  study  demonstrates  how  to  use  the  ‘mediation’  function  in  EwE  in  order  to  incorporate mediating  effects.  For  my  case  study—the  nearshore  ecosystems  of  the  WCVI—mediating effects provided by kelp  forests  include  the provision of habitat and  feeding areas, which are relevant  services  the  ecosystem  provide  and which  should  therefore  be  considered  for  EBM. The  incorporation  of  mediating  effects  provided  by  species  (like  kelp  forests)  that  provide habitat  in ecosystem models can give a better understanding  to managers of  the role and  the potential impacts of alterations of these species.   The  assumptions  of  Ecospace  in  EwE  do  not  allow  the  explicit  representation  of  species reintroduction, as the software assumes that species are distributed in suitable habitats in the first  year  of  the  given  time  period.  Therefore,  I  created  one  scenario  to  work  around  this assumption on the initial state of the ecosystem.   I  also  demonstrated  how  both  types  of  movement  models—Diffusion  and  Individual‐based models (IBM)—in Ecospace represent the expansion of the introduced species, which I believe has  not  been  explored  before.  The  diffusion  model  rendered  a  uniform  distribution  of  the introduced  species,  while  IBM  produced  a  random  and  patchy  distribution.    Adding  habitat heterogeneity  to  the  model  (to  better  reflect  reality)  would  show  a  patchier  distribution  of      72  species,  and  perhaps  increase  similarities  in  the  results  obtained  from  each  type  of  model (Chapter 3).   4.2 Strengths, limitations and improvements This  thesis  contributes  to  the  operationalization  of  EBM  through  the  better  integration  of science and stakeholder values in the decision‐making process and through the representation of ecosystems in EwE models. My case study of the marine planning process and models of the nearshore ecosystems on the WCVI is sufficiently connected to the EBM initiatives in the region to be of tangible benefit. The numerous general findings and innovations also offer insight and guidance for marine planning processes elsewhere.  The suggested SDM approach to define the decision‐making frameworks is well‐known, and has been successfully applied to planning and multiple stakeholder processes (e.g., McDaniels et al. 1999, Gregory et al. 2001, McDaniels et al. 2006). Its application to EBM, however, is novel and can be very useful.   In  this  thesis,  I  have  shown how  to  apply  the  SDM  for  a  particular marine  planning  process, demonstrating  how  stakeholder  values  and  science  can  be  integrated  to  evaluate  and  decide amongst management alternatives. This is an essential part of what EBM means, yet the actual translation  from  organizations  stated  values  into  scientifically  appropriate  measures  is currently missing  from much of  the  literature  and practice.  Scientists  generally  develop EBM objectives without making  the  link with stakeholder values,  and performance measures often include long lists of indicators not clearly connected to management objectives. I demonstrated how to deal with complex and non‐informative objectives (when attributes are not clear), and how to choose a manageable number of appropriate indicators among many to enable decision‐making and on‐going management that reflect stakeholder values.  This process was revised and complemented by the Executive Director of WCA and represents a first step  for WCA’s systematic decision‐making  framework. Limitations of  this work are  that, (1)  the  process  was  not  conducted  in  consultation  with  the  full  WCA  board  (which,  ideally, would be required before implementation); and (2) that any framework needs to be applied to see  what  works,  what  does  not  work,  and  what  is  most  appropriate  for  the  constituents      73  depending on their values, objectives and priorities. By no means have I intent to provide a full elucidation  of  the  exact  management  framework  to  be  used  on  the WCVI,  but  rather  I  have provided insights on how to build it.   The ecosystem model I have developed shows ways to address and account for two particularly important drivers of dynamic ecosystem change—mediating effects and species introduction—that  I  believe  are  applicable  beyond  this  particular  case  study,  as  these  factors  often present themselves in diverse ecosystems. I have shown how to include these factors in EwE, which is a widely used tool, with an expanding applicability for EBM.   The ecosystem model provided demonstrates how to represent mediating effects, including the representation of habitat provision, and refuge and feeding areas, which are crucially relevant considerations for ecosystem‐based approaches to management (e.g., Francis et al. 2007). I also explored  the  representation  of  species  recovery  after  introduction  and  compared  the  results that one can obtain with Ecosim (the temporal module of the software) and the two movement models in Ecospace (the spatial component of the software).  Given the numerous assumptions and significant uncertainties involved in ecosystem models, it is  important  to use  them carefully,  they are designed  for broad policy  screening  to  recognize those alternatives  that require  further attention  (Walters et al. 2010).   Ecosystem models are not meant to substitute current single species models, but to complement them.  The model I have built is theoretical. Therefore, the results should not be used directly for the current  planning  process  on  the WCVI.  They  have  to  be  revised  and  fitted  to  empirical  data. Currently, the model does not include all the mediating effects that must occur in the ecosystem, habitats  and  fisheries  information,  which  are  essential  to  better  representing  how  the ecosystems work. In addition, there are numerous important concerns of WCA (e.g. salmon’s life cicle)  as  well  as  diverse  human  activities  that  are  not  incorporated.  Nevertheless,  my contribution constitutes the first model for the region and a crucial foundation for future efforts. It has provided a structure for the integration of empirical information, helped to identify data requirements and evaluated alternative approaches  for dealing with two  important ecological processes not generally addressed by exiting models.         74  4.3 References  Arkema,  K.  K.,  S.  C.  Abramson,  and  B.  M.  Dewsbury.  2006.  Marine  ecosystem‐based management:  from  characterization  to  implementation.  Frontiers  in  Ecology  and  the Environment 4:525‐532. Dill, L. M., M. R. Heithaus, and C. J. Walters. 2003. Behaviorally mediated indirect interactions in marine communities and their conservation implications. Ecology 84:1151‐1157. Failing, L. and R. Gregory. 2003. Ten common mistakes in designing biodiversity indicators for forest policy. Journal of Environmental Management 68:121‐132. Francis,  R.  C.,  M.  A.  Hixon,  M.  E.  Clarke,  S.  A.  Murawski,  and  S.  Ralston.  2007.  Ten Commandments for Ecosystem‐Based Fisheries Scientists. Fisheries 32:217‐233. Gregory, R., T. McDaniels, and D. Fields. 2001. Decision Aiding, Not Dispute Resolution: Creating Insights  through  Structured  Environmental  Decisions.  Journal  of  Policy  Analysis  and Management 20:415‐432. Grosholz,  E. D.,  G. M. Ruiz,  C. A. Dean, K. A.  Shirley,  J.  L. Maron,  and P. G.  Connors.  2000. The Impacts of a Nonindigenous Marine Predator in a California Bay. Ecology 81:1206‐1224. McDaniels,  T.,  H.  Longstaff,  and  H.  Dowlatabadi.  2006.  A  value‐based  framework  for  risk management  decisions  involving  multiple  scales:  a  salmon  aquaculture  example. Environmental Science & Policy 9:423‐438. McDaniels,  T.  L.  2000.  Creating  and  using  objectives  for  ecological  risk  assessment  and management. Environmental Science & Policy 3:299‐304. McDaniels, T. L., R. S. Gregory, and D. Fields. 1999. Democratizing risk management: Successful public involvement in local water management decisions. Risk Analysis 19:497‐510. Tallis, H., P. S. Levin, M. Ruckelshaus, S. E. Lester, K. L. McLeod, D. L. Fluharty, and B. S. Halpern. 2010. The many faces of ecosystem‐based management: Making the process work today in real places. Marine Policy 34:340‐348. Walters,  C.,  V.  Christensen, W. Walters,  and K.  Rose.  2010.  Representation  of multistanza  life histories  in Ecospace models  for  spatial organization of  ecosystem  trophic  interaction patterns. Bulletin of Marine Science 86:439‐459.           75  Appendix A. Parameters estimation and model balancing    1. Parameter estimation    a) Sea otters Sea  otters  are  assumed  to  be  at  their  carrying  capacity  in  some  areas  on  the  west  coast  of Vancouver  Island  (WCVI).  The  biomass  was  arbitrarily  set  to  0.127  ton/km2,  based  on  the carrying  capacity  divided  by  the  300km2  in  the  area.  Sea  otter  mortality  (0.13  year‐1),  Q/B (101.5 year‐1), and diet was adapted from Ainsworth et al. (2002).   The diet was described as 50% epifaunal  inverts, 20% small  crabs, 1%  large  crabs,  and 29% shallow benthic fish, juvenile pollock, and squid. While otters have not yet been observed eating finfish  on  the WCVI,  a  small  level  of  predation  on  forage  fish  (.01)  and  surfperch  (.01)  was introduced to allow diet switching and reduce pressure on other preys.     b) Lingcod  Lingcod’s  parameters  were  adapted  from  Preikshot  (2005)  and  Martell  (2002).  Biomass  of juveniles (0.031 ton/km2) and adults (0.034 ton/km2) were summed. P/B (1 year‐1) was taken from the range 0.8 year‐1 (P/B for adults) to 1.5 year‐1 (P/B for juveniles). Diet composition was adapted  from Preikshot  (2005),  Ainsworth  et  al.  (2002) models  and  from Beaudreau  (2009) Markel (pers. comm.).    c) Rockfish Rockfish  biomass  (1.5  ton/km2) was  estimated  as  the  sum  of  Pacific  Ocean  Perch  and  Other Rockfish groups in (2005). The ratios P/B (0.18 year‐1) and Q/B (3.36 year‐1) were based on the average of Ainsworth et al. (2002) inshore, piscivorous, and planktivorous rockfish groups. The diet composition was taken from Markel (unpublished data) on diet composition for black and copper fish in the area.    d) Forage fish This  group  includes  herring,  hake,  sardines. We  adapted  the  values  from  inputs  parameters were based on herring values used by Ainsworth et al. (2002), using a P/B of 0.6 year‐1 (herring natural mortality)  and  a  Q/B  of  8.4  year‐1  calculated  by  the  average  of  adults  and  juveniles. Following  Ainsworth  et  al.  (2002),  an  EE  of  0.95  was  used  to  estimate  the  biomass  for  this      76  group.  The  diet  composition  based  on  zooplankton  and  phytoplankton  was  adapted  from Ainsworth  et  al.  (2002),  and Preikshot  (2005). We  included  a  small  proportion  (.10)  of  kelp‐derived detritus  in their diet because forage fish are filter feeders with opportunistic  foraging behavior  (Hand  and  Berner  1881),  therefore,  they  feed  on  what  is  available  in  the  water column, such as the decaying kelp.    e) Surfperches Mortality  and  consumption  parameters  were  obtained  for  the  four  species  that  occur  in  BC (Froese and Pauly Editors. 2010) FishBase and averaged them for the functional group (Z = 0.70 year‐1; Q/B = 10.825 year‐1). Biomass (1 ton/km2) was arbitrarily estimated as 2/3 of rockfish biomass. It was assumed they eat both plankton and benthic invertebrates.    f) Crabs Biomass (3.8 ton/km2) was taken from Preikshot (2005) To estimate the initial P/B (2.5 year‐1), large and small  crabs P/Bs  taken  from Ainsworth et al.  (2002) were averaged. Q/B ratio was estimated using a P/Q ratio (0.275). A broad diet was assign to this species based on the same sources.    g) Urchins Initial  urchin  parameters  (B=20  ton/km2;  P/B=0.3  year‐1;  P/Q=0.25  year‐1)  including  diet composition were estimated based on Preikshot (2005) echinoderm’s and benthos’ group.     h) Filter feeders ­ bivalves Abundance (7.7 ton/km2) and ratios (P/B=0.9 year‐1, P/Q=0.2 year‐1) were based on Preikshot (2005)  bivalves  group.  The  diet  was  adapted  from  Preikshot  (2005)  and  Ainsworth  et  al. (2002).    i) Benthic invertebrates Initial estimates of  this group were based on Preikshot (2005) benthos group. After assigning 20 ton/km2 units to urchins, the remaining (from a total benthos of 57.8 ton/km2) 37.8 ton/km2 were used for the biomass of this group. The ratios P/B (1.9 year‐1) and Q/B (12.7 year‐1) were based  on  the  average  of  the  benthos  groups  defined  by  Heymans  (2005a,  2005b).  Diet composition was adapted from the same sources.      77  j) Zooplankton The  biomass  was  estimated  (68  ton/km2)  as  the  sum  of  Preikshot  (2005)  herbivorous, carnivorous, and other zooplankton groups. P/B (16.5 year‐1) and Q/B (62.5 year‐1) ratios were based on  the average of Preikshot  (2005) values  for euphausiids and copepods. The diet was assumed to be composed by zooplankton, phytoplankton and detritus.     k) Phytoplankton Initial phytoplankton biomass (22 ton/km2), P/B (179 year‐1) and diet composition were based on Preikshot (2005).    l) Canopy kelp Canopy kelp biomass (9 ton/km2) and P/B (5.3 year‐1) were estimated from Preikshot (2005) macrophytes group that included bull kelp, giant kelp, seaweeds and sea grasses.    m) Understory kelp Understory kelp biomass was assumed to be 18 ton/km2, double the value of canopy kelp. P/B was assumed the same for canopy kelp.    n) Kelp­derived detritus Detritus kelp biomass was estimated using the ratio of kelp to all biomass in the ecosystem. This proportion (0.11) was moved to this functional group from the detritus group.    o) Detritus We initially used Preikshot (2005) value, but reduced it marginally after adjusting for the kelp detritus pool.   2. Balancing the model The model  did  not  balance when  the  initial  parameters  described  above were  entered.  Basic parameters were adjusted starting with those groups that were the most out of balance.  Balance problems were  related with  the  three otter diet  groups  (crabs, benthic  invertebrates and  filter  feeders).  Sea  otter  mortality  was  increased  from  0.13  year‐1  to  0.15  year‐1  and      78  consumption  (Q/B)  decreased  from  101.5  year‐1  to  75  year‐1.  This  improved  reduced  the predation pressure on those three groups, but they still did not balanced.  Biomass  and  P/B  values  were  changed  first  for  crab,  we  increased  the  biomass  from  3.8 ton/km2 to 8.0 ton/km2, and P/B from 2.5 year‐1 to 3.0 year‐1. This finally created sufficient crab biomass for sea otter diet.  To balance filter feeders, their proportion in the crab diet was reduced to 0.2, the biomass was increased from 7.7 ton/km2 to 20 ton/km2, and P/B was increased from 0.9 year‐1 to 1.2 year‐1. Benthic invertebrates biomass was changed from 37.8 ton/km2 to 43 ton/km2. Similar changes were necessary to balance urchins (biomass changed from 20 ton/km2 to 30 ton/km2; and P/B from 0.3 year‐1 to 0.4 year‐1).  Finally,  to  explore  the  impacts  of  kelp‐derived  detritus  on  the  system,  available  kelp‐derived detritus was  also  added  to  benthic  invertebrates,  filter  feeders,  sea  urchins  and  zooplankton diets.     


Citation Scheme:


Citations by CSL (citeproc-js)

Usage Statistics



Customize your widget with the following options, then copy and paste the code below into the HTML of your page to embed this item in your website.
                            <div id="ubcOpenCollectionsWidgetDisplay">
                            <script id="ubcOpenCollectionsWidget"
                            async >
IIIF logo Our image viewer uses the IIIF 2.0 standard. To load this item in other compatible viewers, use this url:


Related Items