Population effects of acute oil spill events on seabirds. Simulations using population models linked with colony-specific non-breeding distribution

Abstract

Erikstad, K.E., Reiertsen, T.K., Layton-Matthews, K., Ballesteros, M., Anker-Nilssen, T., Johansen, M., Lorentsen, S.-H., Sandvik, H., Strøm, H. & Systad, G.H.R. 2023. Population effects of acute oil spill events on seabirds – simulations using population models linked with colony-specific non-breeding distribution. NINA Report 2332. Norwegian Institute for Nature Research. Seabirds are particularly vulnerable to acute population reductions because of their slow pace of life, explaining their limited capacity for population growth and ability to recover from population losses. Acute events like disease, extreme weather or oil spills can cause acute mass mortality events with large impacts on breeding population sizes. In this report, we first propose and compare two modelling approaches to estimate the population impact of an acute population reduction. One approach is based on count data as input to a Brownian population model, the other is based on demographic data as input to a matrix-based population projection model. The comparison of the two approaches is limited to three species from four breeding populations. We then present a case study on the use of geolocation (GLS) data from four common guillemot populations, under two oil spill simulations and during two time periods of the non-breeding season. This case study illustrates how the season an oil spill occurs in can alter the overall impact on seabird populations. Finally, this report also discusses potential challenges and pitfalls regarding e.g., sample sizes of GLS loggers and how this can affect the representativeness of estimates of seabirds’ marine space use. The two modelling approaches differ in both the type of input data needed and the type of output data produced. While matrix-based models rely on more detailed demographic data of fecundity and age-specific survival, the Brownian modelling approach only requires population counts. Both models provide a measure of population recovery time or change in time to reach quasi-extinction. However, an advantage of matrix models is that impacts of acute event on age-spe-cific demographic rates (e.g., immature or adult survival) can be simulated directly. However, demographic data are available for fewer colonies and species, and with fewer years of data, than count data. Both modelling approaches presented here have advantages and disadvantages, but since most time series of demographic data and age-specific survival are short at this stage, we recommend the use of the Brownian modelling approach. The degree of overlap between the simulated oil spill events and seabird population distributions differed between oil spill locations (western versus eastern Barents Sea) and between seasons (autumn versus winter). In autumn, the eastern oil spill simulation affected more guillemot populations compared to the western oil spill simulation, with the biggest impact on Bjørnøya and Hjelmsøya colonies. There was no, or a negligible, overlap with any of the four population distri-butions and the simulated oil spill in the western Barents Sea. In winter, the western oil spill event hit more populations compared to the eastern oil spill event in the same season, with an overlap for Bjørnøya and Hjelmsøya guillemot distributions. In autumn, only the distribution of guillemots from Hornøya overlapped with the eastern oil spill. A test of the representativeness of estimates of birds’ space use given varying sample sizes of GLS locations showed that the size of core areas (50% kernel) varies greatly with the number of loggers, and small samples may be insufficient to capture the total variation in a population’s space use. This applies across species and seasons. An average of 20 loggers needs to be included to achieve representative estimates of space use, capturing at least 95% of the total variance.

Erikstad, K.E., Reiertsen, T.K., Layton-Matthews, K., Ballesteros, M., Anker-Nilssen, T., Johansen, M., Lorentsen, S.-H., Sandvik, H., Strøm, H. & Systad, G.H.R. 2023. Populasjonseffekter av akutte oljesølhendelser på sjøfugl – simuleringer ved hjelp av populasjonsmodeller og helårsutbredelsen hos sjøfugl med kjent kolonitilhørighet. NINA Rapport 2332. Norsk institutt for naturforskning. Sjøfugler er på grunn av sin langsomme livshistoriestrategi og lave bestandsvekst spesielt sårbare for akutte bestandsreduksjoner (massedød). Akutte hendelser som sykdommer, ekstremvær og oljesøl kan føre til akutt massedød og store konsekvenser for sårbare hekkebestander. I denne rapporten foreslår og sammenligner vi to ulike modellerings-tilnærminger for å estimere populasjonseffekter av akutte bestandsreduksjoner. Den ene tilnærmingen er en brownsk populasjonsmodell og baserer seg på å benytte telle-data som inndata, mens den andre er en matrisebasert populasjonsmodell og baserer seg på demografiske data som inndata. Sammenligningen mellom disse modellene er begrenset til tre arter (fra fire hekkepopulasjoner totalt). I tillegg presenterer vi en GLS-basert enkeltstudie fra fire lomvibestander (Bjørnøya, Hornøya, Hjelmsøya og Sklinna) og to simuleringer av oljesøl (i det vestlige og østlige Barentshavet) i to forskjellige tidsperioder utenom hekkesesongen (høst og vinter). Studien viser hvordan oljeut-slipp på ulike årstider påvirker sjøfuglbestander med kjent opprinnelse i ulik grad. Rapporten diskuterer også noen mulige utfordringer og fallgruver når det gjelder antallet GLS-loggere som benyttes. Representativiteten av utbredelsesestimater av sjøfugl til havs avhenger av antallet loggere som brukes. De to modellerings-tilnærmingene er forskjellige i 1) hvilken type inndata som kreves, og 2) hvil-ken informasjon og resultater de gir. Den matrisebaserte modellen er avhengig av mer detaljerte demografiske data, som hekkesuksess og aldersspesifikk overlevelse, sammenlignet med den brownske modelleringsmetoden, som er avhengig av antall hekkende par eller individer. Fra begge modellerings-tilnærmingene vil man få informasjon om effekten på populasjoners evne til å restituere eller endringer i forventet tid til utdøing (kvasi-ekstinksjon). Men fra matrisemodellene er det i tillegg mulig å angi populasjonseffekter av akutte reduksjoner i aldersspesifikk overlevelse eller reproduksjon. Imidlertid eksisterer det færre tidsserier med demografiske data, og disse tidsseriene er ofte kortere enn de tellingsbaserte dataene. Selv om begge modelltilnærmingene har fordeler og ulemper, anbefaler vi at den brownske tilnærmingen benyttes inntil lengden på tidsserier med demografiske data og aldersspesifikk overlevelse blir lange nok. Overlappet mellom de simulerte oljeutslippshendelsene og de fire sjøfuglbestandenes høst- og vinterutbredelse varierte både med oljeutslippets plassering (vest eller øst for den norske øko-nomiske sonen i Barentshavet) og med hendelsens tidspunkt (høst eller vinter). På høsten traff den østlige simuleringen av oljesøl flere lomvibestander sammenlignet med den vestlige simuleringen av oljesøl og hadde størst innvirkning på fugl fra Bjørnøya og Hjelmsøya. Den vestlige simuleringen av oljesøl viste ingen eller kun mindre overlapp med de fire lomvibestandene i au-gust. Om vinteren rammet det vestlige oljeutslippet flere bestander sammenlignet med det østlige oljeutslippet og overlappet med lomvier fra Bjørnøya og Hjelmsøya. Det østlige oljesølet fikk en overlapp med lomvi fra Hornøya, mens ingen av de tre andre lomvibestandene ble rammet av denne hendelsen. Ved å teste hvor representative estimater på utbredelsen av sjøfugler er ut ifra ulike utvalgsstør-relser av GLS-loggere, viser resultatene at størrelsen på kjerneområdene (50 %-kjerne) varierer sterkt med antall loggere. Bruker man for få loggere, kan det gi utilstrekkelig representativitet, slik at den totale variasjonen i lomvienes utbredelse ikke fanges opp. Dette gjelder både for ulike arter og årstider. For å oppnå at utbredelsesestimatet skal representere mer enn 95 % av den totale variansen, er det behov for å inkludere data fra gjennomsnittlig 20 loggere.