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.

Item Metadata

Download

Media
24-ubc_2010_fall_espinosa_maria.pdf [ 3.51MB ]
Metadata
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
24-1.0071248-fulltext.txt
Citation
24-1.0071248.ris

Full Text

      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         1      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.               ii        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     iii       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                               iv        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                                                                         v        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                                            vi        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.       vii        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.                                        viii        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     1       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.      2       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.       3       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).       4       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.      5       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     6       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     7       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.     1.4.4.1 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.     1.4.4.2 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.     8       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.                                                                  9       Figure                                                      Vancouver Clayoquot Sound region  Barkley Sound region Victoria     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.     10        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.     11       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 http://compassonline.org/?q=EBM.21p.  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,     12       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.   http://www.uuathluk.ca/Sea%20Otter%20onepager2%20final[1].pdf.  Uuathluck.   2009.   Sea   Otters   in   Nuu‐chah‐nulth   Ha‐houlthee.   http://www.uuathluk.ca/Uuathluk_Sea_Otters_April_09%20.pdf.  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. http://www.westcoastaquatic.ca.                                        13        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.      14       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     15       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     16       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     17       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     18       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).        19       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).        20        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.       21        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.       22       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    2.3.1.1 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     23       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).      2.3.1.2 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     24       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     25       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.      26       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).    2.3.1.3 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).        27       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.).     2.3.1.4 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.       28       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)?        29       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?     2.3.1.5 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).           30       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.        31       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     32       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.       33       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.                                                                     34       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  • 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   Sustainable  economic  benefits    • 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  ecosystems    • 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    Healthy,  prosperous  and  safe  communities  and waterways  • 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)   First  Nations  reconciliation  and  relationships  • 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   Knowledge,  information  and  technology    • 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   Capacity  building     Good  governance     • Education  for  • Establishment  stakeholders  of priorities  to  participate  • Responsibility  in  aquatic  and  conservation,  accountability  use  and  • Public  management   reporting  • 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                                   35       Table  2‐2  New  structure  of  fundamental  objectives,  attributes  and  indicators  for  a  decision‐making  framework for EBM. CS means constructed scales.  Fundamental  objective  Foster  economic  benefits   Attributes  Benefits    Attributes  components  Net benefits   Performance measures   References    Net present value   (Sumaila and Walters  2005)   Income    Net income per year   Employment    Skilled, unskilled,  temporal and permanent  jobs  Weight   Proportions of benefits  and loss retained by  stakeholder groups  Proportion of benefits  retained across First  Nations   Benefits and loss  distributed in time   (Hobbs and Horn 1997,  McDaniels et al. 2006)  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  WCA criteria  (Philcox 2007)   Goods   Distribution of benefits and  loss across stakeholders   Distribution of benefits and  loss over time  Foster healthy  ecosystems   Minimize  adverse  effects on  ecosystem  integrity   Diversity     Productivity    Marine  environment al quality   Species richness and  evenness within defined  boundaries  Community composition:  Species richness and  abundance of selected  groups   Community composition:  Mean trophic level   (McDaniels et al. 2006)  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  (Jamieson et al. 2001,  O'Neill et al. 2008)  (DFO 2007)   (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)  (DFO 2007)   Community/habitat  diversity  Biomass per trophic level  (Jamieson et al. 2001,  O'Neill et al. 2008)  Target species catch and  (DFO 2007)  biomass  Concentrations of toxics  (Jamieson et al. 2001,  in sediments, water and  DFO 2007, PSP 2009)  biota  Habitat quality (area  (DFO 2007)  impacted, or magnitude  of the activity that impact  the habitat)  Noise  (DFO 2007)  Atmospheric pollution   (DFO 2007)             36       Fundamental  objective  Foster healthy  communities    Foster good  governance   Attributes  Avoid  adverse  effects on  health and  safety   Attributes  components  People   Performance measures   Number of people  exposed, magnitude and  probability of the risk    Illness and death  associated to marine  resources or the  alternative  Private and  Number of private or  public  public property exposed,  property  magnitude and  probability of the risk  Avoid  Cultural  CS: Impacts on identified  adverse  practices  cultural practices   effects on  CS: Is the compensation  vibrancy  fair?  Access to  CS: Are the conditions of  natural  access fair?  resources  CS: Are the conditions of  access impacted?  CS: Is the compensation  fair?  First Nations  CS: Are the treaties and  rights and  rights respected?  title  CS: To what level of  satisfaction?  Aesthetics  CS: Perceived level of the  visual, odor and water  quality impacts  Foster  Representati CS: Were all stakeholders  participatory  veness   represented in the  management   process?  Fairness   CS: Were there  opportunities for the  public and stakeholders  to participate in the  decision‐making  process?  Competence   CS: Was there a capacity  building program and  training opportunities for  locals?  Foster shared responsibilities   CS: Do all members agree  with the distribution of  tasks?  CS: Do all members have  the capacity to do the  work they were tasked  with?  Foster alignment with other  CS: Were synergies and  plans  partnerships made  during the process?   References   (Hobbs and Horn 1997)    (PSP 2009)   (Hobbs and Horn 1997)   (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  (Timko and Satterfield  2008a)  Satterfield pers. comm.  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)   (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  WCA criteria  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  WCA criteria     37       Fundamental  objective  Foster good  governance   Promote  learning  through  adaptive  management    Attributes   Attributes  components  Foster  Resolutions  social  between First  agreements  Nations and  other  governments  Learning from other  participants   Learning from the process   Treating policies as  experiments    Performance measures   References    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?  CS: How did the board  learn from conflict  resolution?  CS: Did stakeholders  learn during the process?  CS: Are the members  satisfied with the process  experience?   CS: Was new information  identified and integrated  to the process?  CS: Were there  opportunities to review  and adjust agreements  and policies?  CS: Were there learning  opportunities over time?  CS: Were key sources of  uncertainty identified?   (Timko and Satterfield  2008b)  (Timko and Satterfield  2008b)   CS: Were opportunities  to reduce uncertainty  identified?  CS: Did members define  means of applying  policies to realize such  opportunities?  Were those policies  implemented?   (McDaniels and Gregory  2004)  (McDaniels and Gregory  2004)  (McDaniels and Gregory  2004)  (Timko and Satterfield  2008a, Timko and  Satterfield 2008b)  (Gregory et al. 2001)  (Walters 1986,  McDaniels and Gregory  2004)  (Walters 1986,  McDaniels and Gregory  2004)  (Walters 1986,  McDaniels and Gregory  2004)  (Walters 1986,  McDaniels and Gregory  2004)                            38        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.     39       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.     40       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 http://compassonline.org/?q=EBM.21p.  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.   http://www.westcoastaquatic.ca/barkleysymposium/content/ecosystem‐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.     41       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. http://www.westcoastaquatic.ca.  WCA.  2009.  AMB  Draft  Goals  for  Aquatic  Management  in  the  WCVI  area   http://www.westcoastaquatic.ca/barkleysymposium/content/key‐documents‐1.                                42        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.     43       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     44       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     45       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     46       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:     TFR(biomass /time) = (  a*i, j  Ai, j ) " Vi, j " P j                      (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     47       (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     48       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     49       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).     50       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     51       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.       52       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     53       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.       54       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     55       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     56       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.                           57       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  Sea otters   Trophic  level  3.49   Lingcod    B(t⋅km­2)   P/B(year­1)   Q/B(year­1)   EE   P/Q   0.127   0.15   75.00         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  Filter feeders    2.55   43.00   1.90   12.70         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.    Functional  groups   Sea otters   Lingcod    Rockfish    Forage fish    Surfperches   Crabs    Benthic invert.   Filter feeders   Sea urchins   Zooplankton    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.   Sea otters                                 Lingcod                                  Rockfish      0.25  0.001                       Forage fish   0.01   0.50  0.02      0.10                   58     Benthic invert.   Filter feeders   Sea urchins   Zooplankton      0.10  0.429     0.70  0.50              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  Kelp detritus                        0.10  0.40              0.10         0.01  0.10  0.15  0.01   Detritus                     0.49  0.15  0.05  0.49   Surfperches      Forage fish       Rockfish       Lingcod       Functional  groups   Sea otters   Crabs       Crabs   0.35      0.25         Benthic  invertebrates  Filter feeders              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  1  2  3  4  5  6  7  8  Total   Cells included  Average  predicted  biomass (t⋅km­2)  1  0.1530  2,3,4,5  0.1510  6,7,8,9  0.0893  10,11,12,13  0.0860  14,15,16,17  0.0917  18,19,20,21  0.0935  22,23,24,25  0.0857  26,27,28,29  0.0786  1‐29  0.0972   Standard  deviation  (t⋅km­2)  0.0136  0.0093  0.0441  0.0392  0.0421  0.0408  0.0361  0.0459  0.0003   Coefficient  of  variation  .0888  .0616  .4938  .4558  .4591  .4364  .4212  .5840  .0309                       59       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.     Lingcod       Sea otter Rockfish    Surfperch     Crabs       Forage fish  Benthic invertebrates (micro and small grazers)  Filter feeders  Sea urchins (red & green)         Zooplankton  Phytoplankton  Understory kelp  Canopy kelp           Detritus  Kelp-derived detritus  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.).     60             PA  Cull     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.                      Detritus  Kelp detritus  Understory kelp  Canopy kelp  Phytoplankton  Zooplankton  Sea urchins  Filter feeders  Benthic invert.  Crabs  Surfperches  Forage fish  Impacting group Sea otters Lingcod Rockfish Forage fish Surfperches Crabs Benthic invert. Filter feeders Sea urchins Zooplankton Phytoplankton Canopy kelp Understory kelp Kelp detritus Detritus  Rockfish     Lingcod      Sea otters     Impacted group      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.                    61                              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.                                   62           0.2  0.055  0.1  0.050 0.045  0  8.3 8.2 8.1  0  44 42  80  0  Years  40  Years  80  0  Years  26 25 24 23 22 21 20 19 0  Canopy kelp  40  40  22.2 22.1 22.0 21.9  16 14 12 10 8  0  40  80  Years  22 20 18 16  0  40  80  Years  25 20 15 10  0  40  Year  80  Years  0  40  80  Years  Zooplankton 68.2 68.0 67.8 67.6 67.4 67.2  40  80  0  Years  40  80  Years  Kelp-derived det. 0.18  24  Biomass(ton/km2)  22.3  30  0  Years  80  Sea urchin  80  Understory kelp  40  1.04 1.02 1.00 0.98 0.96 0.94 0.92  Years  Filter feeders  80       0  22.4 Biomass(ton/km2)     40  46  Phytoplankton       80  Years  Biomass(ton/km2)  8.4     40  48  8.5  1.35  Benthic invert.  Biomass(ton/km2)     0  Crab  Biomass(ton/km2) Biomass(ton/km2)     80  Years        40  1.40  1.30  Biomass(ton/km2)     1.45  17.5 17.0 16.5 16.0 15.5 15.0 14.5  Surfperch Biomass(ton/km2)  0.060  1.50  Forage fish  Detritus  10.10  Biomass(ton/km2)  0.065  0.0     Biomass(ton/km2)  0.3  Biomass(ton/km2)     0.070  Biomass(ton/km2)     Biomass(ton/km2)  0.4     Rockfish  Biomass(ton/km2)  Lingcod  Biomass(ton/km2)  Sea Otter  Biomass(ton/km2)     0.16  10.05  0.14  10.00  0.12 0.10 0  40  80  Years  9.95  0  40  80  Years  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.                            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).  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.                              64        0.055 0.050 0.045          8.25 8.20 8.15 8.10 8.05 0         47 46 45 44  80  22.4 22.3 22.2 22.1  80  15.0 14.5  Years  40  22 21 20  Years  14 12 10 8  0  Years  40 Years  80  1.00 0.98 0.96  40  80  0  Years  40  80  Years  Sea urchin  Zooplankton  30 25 20  67.8 67.6 67.4 67.2  15 0  40  80  0  Years  Canopy kelp  1.02  68.0  23  80  1.04  0.94 0  Filter feeders  Understory kelp 22 20 18 16  40  80  0  40  Year  Years  80  0  Years  40  80  Years  Kelp-derived det.  Detritus  10.12 10.10 10.08 10.06 10.04 10.02 10.00 9.98  0.15 0.14 0.13 0.12 0.11  22.0 40  15.5  80  19 0  Years  0     40  40  16.0  24  48  Phytoplankton Biomass(ton/km2)     0  43  8.00     80  Years  8.35 8.30  40  Benthic invert. Biomass(ton/km2)     Years  1.35 1.30  0  Biomass(ton/km2)     80  Crab  Biomass(ton/km2) Biomass(ton/km2)     40  1.40  16.5  Biomass(ton/km2)  0  1.45  17.0  Biomass(ton/km2)  0.00  1.50  Biomass(ton/km2)  0.05  Surfperch 1.06  Biomass(ton/km2)  0.060  0.10  Forage fish Biomass(ton/km2)  0.065  0.15     Biomass(ton/km2)  0.070  0.20  Biomass(ton/km2)     Rockfish 1.55  Biomass(ton/km2)     Lingcod Biomass(ton/km2)     Biomass(ton/km2)     Sea Otter  Biomass(ton/km2)         0  40 Years  80  0  40  80  Years  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).                       65             0.20           Biomass(ton/km2) otters     0.15 0.10 0.05       0.00  40 60 80 100 Year year  Figure 3‐9 Sea otter recovery with Ecosim, Diffusion and Individual     0  20  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).                                 66        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. (www.sararegistry.gc.ca/status/status_e.cfm).  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.     67       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.  www.fishbase.org, 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.     68       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.   http://www.uuathluk.ca/Sea%20Otter%20onepager2%20final[1].pdf.  Uuathluck.   2009.   Sea   Otters   in   Nuu‐chah‐nulth   Ha‐houlthee.   http://www.uuathluk.ca/Uuathluk_Sea_Otters_April_09%20.pdf.  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.                   69        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     70       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     71       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     72       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.        73        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.         74        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     75       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.     76       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     77       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.               78     

Cite

Citation Scheme:

        

Citations by CSL (citeproc-js)

Usage Statistics

Share

Embed

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"
                            src="{[{embed.src}]}"
                            data-item="{[{embed.item}]}"
                            data-collection="{[{embed.collection}]}"
                            data-metadata="{[{embed.showMetadata}]}"
                            data-width="{[{embed.width}]}"
                            async >
                            </script>
                            </div>
                        
                    
IIIF logo Our image viewer uses the IIIF 2.0 standard. To load this item in other compatible viewers, use this url:
http://iiif.library.ubc.ca/presentation/dsp.24.1-0071248/manifest

Comment

Related Items