TEDGlobal 2011
Paul Snelgrove: A census of the ocean
Paul Snelgrove: Eine Volkszählung im Ozean
Filmed:
Readability: 4
336,429 views
Der Ozeanograph Paul Snelgrove spricht über die Ergebnisse eines Zehnjahresprojektes mit einem Ziel: Das gesamte Leben im Meer zu zählen. Er zeigt faszinierende Fotos von einigen überraschenden Funden bei der Erfassung marinen Lebens.
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Double-click the English transcript below to play the video.
00:15
The oceans cover some 70 percent of our planet.
0
0
3000
Ozeane bedecken etwa 70 Prozent unseres Planeten.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
Und ich würde sagen, Arthur C. Clarke hatte wahrscheinlich recht,
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
als er sagte, dass wir unseren Planeten vielleicht
00:23
Planet Ocean.
3
8000
2000
Planet Ozean nennen sollten.
00:25
And the oceans are hugely productive,
4
10000
2000
Und die Ozeane sind ungeheuer produktiv,
00:27
as you can see by the satellite image
5
12000
2000
wie Sie in diesem Satellitenbild
00:29
of photosynthesis, the production of new life.
6
14000
2000
der Photosynthese, der Produktion neuen Lebens, sehen können.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
Die Ozeane produzieren täglich die Hälfte des neuen Lebens auf der Erde,
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
wie auch etwa die Hälfte des Sauerstoffs, den wir atmen.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
Zusätzlich beherbergen sie viel der Biodiversität der Erde,
00:40
and much of it we don't know about.
10
25000
2000
und über viel davon wissen wir nichts.
00:42
But I'll tell you some of that today.
11
27000
2000
Aber heute werde ich Ihnen davon ein bisschen erzählen.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Und dabei kommen wir noch nicht einmal zu all den Proteinen,
00:46
that we do from the ocean.
13
31000
2000
die wir aus den Ozeanen gewinnen.
00:48
That's about 10 percent of our global needs
14
33000
2000
Das sind um die 10 Prozent der globalen Bedürfnisse
00:50
and 100 percent of some island nations.
15
35000
3000
und 100 Prozent einiger Inselstaaten.
00:53
If you were to descend
16
38000
2000
Würden Sie in die 95 Prozent
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
der Biosphäre absteigen, in der Leben möglich ist,
00:57
it would quickly become pitch black,
18
42000
2000
würde es schnell pechschwarz um Sie werden,
00:59
interrupted only by pinpoints of light
19
44000
2000
unterbrochen nur von kleinen Lichtpünktchen
01:01
from bioluminescent organisms.
20
46000
2000
biolumineszenter Organismen.
01:03
And if you turn the lights on,
21
48000
2000
Und wenn Sie das Licht anmachen,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
sehen Sie ab und zu vielleicht spektakuläre Wesen vorbeischwimmen,
01:07
because those are the denizens of the deep,
23
52000
2000
denn dies sind die Bewohner der Tiefe,
01:09
the things that live in the deep ocean.
24
54000
2000
die Dinge, die in der Tiefsee leben.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
Und irgendwann kommt der Boden der Tiefsee in den Blick.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
Dieser Lebensraum bedeckt mehr der Erdoberfläche
01:17
than all other habitats combined.
27
62000
2000
als alle anderen Lebensräume zusammen.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
Und doch wissen wir mehr über die Oberfläche von Mond und Mars,
01:21
than we do about this habitat,
29
66000
2000
als über diesen Lebensraum,
01:23
despite the fact that we have yet to extract
30
68000
2000
obwohl es immer noch aussteht, dass wir auch nur
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
ein Gramm Nahrung, einen Hauch Sauerstoff, einen Tropfen Wasser
01:28
from those bodies.
32
73000
2000
von einem dieser Himmelskörper gewinnen.
01:30
And so 10 years ago,
33
75000
2000
Und so begann vor zehn Jahren
01:32
an international program began called the Census of Marine Life,
34
77000
3000
das internationale Programm "Die Erfassung marinen Lebens",
01:35
which set out to try and improve our understanding
35
80000
2000
mit der Absicht, unser Verständnis vom Leben
01:37
of life in the global oceans.
36
82000
2000
in den Weltmeeren zu vergrößern.
01:39
It involved 17 different projects around the world.
37
84000
3000
Es umfasste 17 Projekte auf der ganzen Welt.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
Hier können Sie die Spuren der verschiedenen Projekte sehen.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
Und ich hoffe, Sie wissen das Ausmaß der weltweiten Erfassung,
01:47
that it managed to achieve.
40
92000
2000
das es erreicht hat, zu schätzen.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
Alles begann, als sich zwei Wissenschaftler, Fred Grassle und Jesse Ausubel,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
in Woods Hole, Massachusetts, trafen,
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
als beide zu Gast im berühmten ozeanographischen Institut weilten.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
Und Fred beschwerte sich über den Zustand mariner Biovielfalt,
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
denn um sie stand es nicht gut und nichts wurde dagegen getan.
02:02
Well, from that discussion grew this program
46
107000
2000
Aus dieser Diskussion entwickelte sich das Programm,
02:04
that involved 2,700 scientists
47
109000
2000
das 2.700 Wissenschaftler
02:06
from more than 80 countries around the world
48
111000
2000
aus mehr als 80 Ländern beschäftigte,
02:08
who engaged in 540 ocean expeditions
49
113000
3000
die an 540 Meeresexpeditionen teilnahmen,
02:11
at a combined cost of 650 million dollars
50
116000
3000
um für Gesamtkosten von 650 Millionen Dollar
02:14
to study the distribution, diversity and abundance
51
119000
2000
die Verbreitung, Vielfalt und den Reichtum
02:16
of life in the global ocean.
52
121000
3000
des Lebens in den Weltmeeren zu untersuchen.
02:19
And so what did we find?
53
124000
2000
Also, was fanden wir?
02:21
We found spectacular new species,
54
126000
2000
Wir fanden spektakuläre neue Spezies,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
die schönsten und visuell umwerfendsten Dinge überall,
02:26
from the shoreline to the abyss,
56
131000
2000
von der Küstenlinie bis zum Abgrund,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
von Mikroben bis hin zu Fisch und alles dazwischen.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
Uns schränkte hierbei nicht die unbekannte Vielfalt des Lebens ein,
02:34
but rather the taxonomic specialists
59
139000
2000
sondern die taxonomischen Spezialisten,
02:36
who can identify and catalog these species
60
141000
2000
die diese Spezies identifizieren und katalogisieren können,
02:38
that became the limiting step.
61
143000
2000
wurden zum Engpass.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
Sie sind an sich schon eine bedrohte Art.
02:43
There are actually four to five new species
63
148000
2000
Es gibt vier bis fünf neue Spezies,
02:45
described everyday for the oceans.
64
150000
2000
die jeden Tag im Ozean bestimmt werden.
02:47
And as I say, it could be a much larger number.
65
152000
3000
Und wie gesagt, es könnte eine wesentlich höhere Zahl sein.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Ich komme ja aus Neufundland in Kanada –
02:53
It's an island off the east coast of that continent --
67
158000
2000
das ist eine Insel vor der Ostküste des Kontinents –
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
wo wir eine der schlimmsten Fischereikatastrophen
02:58
in human history.
69
163000
2000
der Menschheitsgeschichte durchlebten.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
Dieses Foto zeigt also einen kleinen Jungen neben einem Kabeljau.
03:02
It's around 1900.
71
167000
2000
Es wurde um 1900 gemacht.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Als ich ein Junge in ungefähr seinem Alter war,
03:06
I would go out fishing with my grandfather
73
171000
2000
ging ich mit meinem Großvater fischen
03:08
and we would catch fish about half that size.
74
173000
2000
und wir fingen Fische von etwa halb dieser Größe.
03:10
And I thought that was the norm,
75
175000
2000
Und ich dachte, das wäre die Norm,
03:12
because I had never seen fish like this.
76
177000
2000
da ich nie solche Fische gesehen hatte.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
Wenn Sie sich heute aufmachen, einen Fisch zu fangen,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
20 Jahre nach dem Fischereikollaps, wäre das schon an sich schwierig,
03:20
it would be half that size still.
79
185000
2000
und der Fisch wäre wiederum nur halb so groß.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Wir erleben hier eine Verschiebung von Referenzpunkten.
03:25
Our expectations of what the oceans can produce
81
190000
2000
Unsere Erwartungen, was der Ozean produzieren kann,
03:27
is something that we don't really appreciate
82
192000
2000
können wir nicht wirklich zu schätzen wissen,
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
denn wir haben es in unserer Lebenszeit nicht gesehen.
03:32
Now most of us, and I would say me included,
84
197000
3000
Viele von uns, ich bin dabei eingeschlossen,
03:35
think that human exploitation of the oceans
85
200000
2000
denken, dass die Ausbeutung der Ozeane durch Menschen
03:37
really only became very serious
86
202000
2000
erst in den letzten 50 oder vielleicht 100 Jahren
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
wirklich ernst wurde.
03:41
The census actually tried to look back in time,
88
206000
2000
Die Erfassung versuchte in der Zeit zurückzublicken,
03:43
using every source of information they could get their hands on.
89
208000
3000
indem sie jede Informationsquelle nahm, die sie auftreiben konnte.
03:46
And so anything from restaurant menus
90
211000
2000
Und so wurde alles von Restaurantkarten
03:48
to monastery records to ships' logs
91
213000
2000
bis hin zu Klosteraufzeichnungen oder Schiffstagebüchern genommen
03:50
to see what the oceans looked like.
92
215000
2000
um zu verstehen, wie der Ozean ausgesehen hatte.
03:52
Because science data really goes back
93
217000
2000
Da wissenschaftliche Daten hauptsächlich nur
03:54
to, at best, World War II, for the most part.
94
219000
2000
bis zum zweiten Weltkrieg zurückgehen, höchstens.
03:56
And so what they found, in fact,
95
221000
2000
Und diese Erfassung fand heraus,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
dass die Ausbeutung schon stark von den Römern betrieben wurde.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
Damals gab es natürlich noch keine Kühlung.
04:03
So fishermen could only catch
98
228000
2000
Also konnten Fischer nur das fangen,
04:05
what they could either eat or sell that day.
99
230000
2000
was sie entweder an diesem Tag essen oder verkaufen konnten.
04:07
But the Romans developed salting.
100
232000
2000
Aber die Römer entwickelten das Pökeln.
04:09
And with salting,
101
234000
2000
Und damit wurde es möglich,
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
Fisch haltbar zu machen und über lange Strecken zu transportieren.
04:14
And so began industrial fishing.
103
239000
3000
Damit begann die Fischerei-Industrie.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
Das sind also die Art von Vermutungen, die wir
04:20
of what sort of loss we've had
105
245000
2000
über die Verluste haben,
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
relativ zu den vormenschlichen Einflüssen auf den Ozean.
04:25
They range from 65 to 98 percent
107
250000
2000
Die Verluste reichen von 65 bis 98 Prozent,
04:27
for these major groups of organisms,
108
252000
2000
für diese riesigen Organismengruppen,
04:29
as shown in the dark blue bars.
109
254000
2000
wie in den dunkelblauen Balken dargestellt.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
Für die Spezies, die wir in Ruhe gelassen haben, die wir beschützen –
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
zum Beispiel Meeressäuger in den letzten Jahren, und Meeresvögel –
04:36
there is some recovery.
112
261000
2000
verbessert sich die Lage ein bisschen.
04:38
So it's not all hopeless.
113
263000
2000
Es ist also nicht alle Hoffnung verloren.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
Aber zum Großteil sind wir vom Pökeln zum Erschöpfen übergegangen.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
Diese andere Beweiskette ist sehr interessant.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
Sie stammt von Trophäen-Fischen vor der Küste Floridas.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
Das hier ist ein Foto aus den 50er Jahren.
04:51
I want you to notice the scale on the slide,
118
276000
2000
Beachten Sie bitte den Maßstab auf der Folie,
04:53
because when you see the same picture from the 1980s,
119
278000
2000
wenn Sie nämlich gleich das gleiche Bild aus den 80ern sehen,
04:55
we see the fish are much smaller
120
280000
2000
merken wir, dass die Fische viel kleiner sind
04:57
and we're also seeing a change
121
282000
2000
und wir sehen auch eine Veränderung,
04:59
in terms of the composition of those fish.
122
284000
2000
was den Bau der Fische betrifft.
05:01
By 2007, the catch was actually laughable
123
286000
2000
2007 waren die Fänge lächerlich,
05:03
in terms of the size for a trophy fish.
124
288000
2000
was die Größe für eine Trophäe betraf.
05:05
But this is no laughing matter.
125
290000
2000
Es ist aber überhaupt nicht zum Lachen.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Die Ozeane haben eine Menge ihrer Produktivität verloren
05:09
and we're responsible for it.
127
294000
3000
und wir sind dafür verantwortlich.
05:12
So what's left? Actually quite a lot.
128
297000
2000
Was bleibt noch? Eigentlich eine ganze Menge.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
Es gibt eine Menge aufregender Dinge, von ein paar möchte ich sprechen.
05:17
And I want to start with a bit on technology,
130
302000
2000
Und ich möchte mit ein bisschen Technologie starten,
05:19
because, of course, this is a TED Conference
131
304000
2000
denn wir sind hier ja auf einer TED-Konferenz
05:21
and you want to hear something on technology.
132
306000
2000
und Sie möchten sicherlich etwas über Technologie hören.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Eines unserer Hilfsmittel, mit dem wir die Tiefsee erforschen,
05:25
are remotely operated vehicles.
134
310000
2000
sind ferngesteuerte Fahrzeuge.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Diese über ein Kabel verbundenen Fahrzeuge sind
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
unsere Augen und Hände für die Arbeit auf dem Meeresboden.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
Vor ein paar Jahren sollte ich auf eine ozeanographische Kreuzfahrt mit
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
und konnte nicht wegen einer Terminüberschneidung.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Aber durch eine Satellitenverbindung konnte ich zuhause im Arbeitszimmer
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
mit meinem Hund zu meinen Füßen und einer Tasse Tee in der Hand sitzen
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
und dem Piloten sagen: "Genau hier möchte ich eine Probe."
05:47
And that's exactly what the pilot did for me.
142
332000
2000
Und genau das tat der Pilot für mich.
05:49
That's the sort of technology that's available today
143
334000
3000
Das ist die Art von Technologie, die heute zur Verfügung steht,
05:52
that really wasn't available even a decade ago.
144
337000
2000
die selbst vor zehn Jahren noch nicht verfügbar war.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
So können wir also diese faszinierenden Lebensräume erkunden,
05:56
that are very far from the surface
146
341000
2000
die sehr weit von der Oberfläche
05:58
and very far from light.
147
343000
2000
und vom Licht entfernt sind.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
Und so war eines der Mittel, mit dem wir den Ozean erkundeten,
06:03
is acoustics, or sound waves.
149
348000
2000
die Akustik, also Schallwellen.
06:05
And the advantage of sound waves
150
350000
2000
Und der Vorzug von Schallwellen ist der,
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
dass sie sich im Gegensatz zu Licht gut durchs Wasser bewegen.
06:09
And so we can send out sound waves,
152
354000
2000
Und so können wir Schallwellen aussenden,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
die von Objekten wie Fischen abprallen und reflektiert werden.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
Hier fuhr ein Wissenschaftler mit zwei Schiffen aus.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
Eines sendete Schallwellen aus, die reflektiert wurden.
06:19
They would be received by a second ship,
156
364000
2000
Das zweite Schiff empfing diese Schallwellen,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
was uns eine sehr genaue Schätzung gab, von in diesem Fall
06:24
of 250 billion herring
158
369000
2000
250 Milliarden Heringen
06:26
in a period of about a minute.
159
371000
2000
in einem Zeitraum von ungefähr einer Minute.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
Das ist ein Gebiet mit der Größe von der Insel Manhattan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
Und diese Fähigkeit ist ein wertvolles Hilfsmittel für die Fischerei,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
denn es ist höchst wichtig zu wissen, wie viel Fisch da ist.
06:36
We can also use satellite tags
163
381000
2000
Wir können auch Satellitenanhänger verwenden
06:38
to track animals as they move through the oceans.
164
383000
2000
um Tiere zu verfolgen, wie sie sich durch die Ozeane bewegen.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
Das ist für Tiere, die zum Atmen an die Oberfläche kommen,
06:42
such as this elephant seal,
166
387000
2000
wie diesen See-Elefanten.
06:44
it's an opportunity to send data back to shore
167
389000
2000
Es ist eine Möglichkeit, Daten zurück ans Land zu schicken
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
und uns genau zu sagen, wo im Ozean er sich befindet.
06:49
And so from that we can produce these tracks.
169
394000
2000
Und daraus können wir diese Spuren generieren.
06:51
For example, the dark blue
170
396000
2000
Zum Beispiel sehen Sie in dunkelblau,
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
wohin im Nordpazifik sich der See-Elefant bewegte.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Jetzt merke ich, falls Sie farbenblind sind, ist diese Folie nicht sehr hilfreich,
06:58
but stick with me nonetheless.
173
403000
2000
aber bitte bleiben Sie trotzdem am Ball.
07:00
For animals that don't surface,
174
405000
2000
Für Tiere, die nicht an die Oberfläche kommen
07:02
we have something called pop-up tags,
175
407000
2000
gibt es sogenannte Pop-up-Anhänger,
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
die Daten über Licht und Sonnenauf- und -untergang sammeln.
07:07
And then at some period of time
177
412000
2000
Und zu einem bestimmten Zeitpunkt
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
kommt er an die Oberfläche und schickt die Daten wieder ans Land.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
Denn GPS funktioniert unter Wasser nicht. Daher brauchen wir diese Mittel.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
Und daraus können wir diese blauen Autobahnen identifizieren,
07:18
these hot spots in the ocean,
181
423000
2000
diese Brennpunkte im Ozean,
07:20
that should be real priority areas
182
425000
2000
die bei marinen Schutzmaßnahmen
07:22
for ocean conservation.
183
427000
2000
absolute Priorität einnehmen sollten.
07:24
Now one of the other things that you may think about
184
429000
2000
Vielleicht denken Sie jetzt auch daran, dass,
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
wenn Sie in einen Supermarkt gehen und Dinge kaufen, diese gescannt werden.
07:29
And so there's a barcode on that product
186
434000
2000
Es gibt also einen Barcode auf diesem Produkt,
07:31
that tells the computer exactly what the product is.
187
436000
3000
der dem Computer genau erzählt, was das Produkt ist.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Genetiker haben ein ähnliches Tool, den genetischen Barcode, entwickelt.
07:37
And what barcoding does
189
442000
2000
Und dieser Barcode
07:39
is use a specific gene called CO1
190
444000
2000
nimmt ein spezifisches Gen namens CO1,
07:41
that's consistent within a species, but varies among species.
191
446000
3000
das innerhalb einer Spezies gleich ist, aber sich zwischen Spezies unterscheidet.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
Das heißt also, dass wir eindeutig identifizieren können,
07:46
which species are which
193
451000
2000
welche Spezies welche sind,
07:48
even if they look similar to each other,
194
453000
2000
selbst wenn sie einander ähnlich sind,
07:50
but may be biologically quite different.
195
455000
2000
aber biologisch recht unterschiedlich sind.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
Eines der schönsten Beispiele, das ich gern erwähne,
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
ist die Geschichte zweier junger Frauen, Schülerinnen in New York City,
07:57
who worked with the census.
198
462000
2000
die bei der Erfassung mitmachten.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Sie zogen aus und sammelten Fisch aus Märkten und Restaurants der Stadt ein
08:02
and they barcoded it.
200
467000
2000
und wandten das Barcode-Tool an.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Was sie fanden, war falsch etikettierter Fisch.
08:06
So for example,
202
471000
2000
Zum Beispiel
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
fanden sie Fisch, der als Thunfisch verkauft wurde, sehr wertvoller Fisch also,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
der eigentlich Tilapia, also wesentlich weniger wertvoll, war.
08:13
They also found an endangered species
205
478000
2000
Sie fanden auch eine bedrohte Art,
08:15
sold as a common one.
206
480000
2000
die als nichtbedrohte verkauft wurde.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
Dieses Barcoding lässt uns also wissen, womit wir arbeiten
08:19
and also what we're eating.
208
484000
3000
und was wir essen.
08:22
The Ocean Biogeographic Information System
209
487000
2000
Das "Ocean Biogeographic Information System"
08:24
is the database for all the census data.
210
489000
2000
ist die Datenbank für alle erfassten Daten.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
Sie ist frei zugänglich, jeder kann rein und die Daten runterladen.
08:29
And it contains all the data from the census
212
494000
3000
Und sie enthält alle Daten der Erfassung
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
und weitere Datensätze, die die Leute beigetragen haben.
08:34
And so what you can do with that
214
499000
2000
Und damit kann man
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
die Verteilung der Arten und ihr Vorkommen in den Ozeanen kartieren.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
Hier habe ich die vorhandenen Daten kartiert.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
Hier haben sich unsere Proben konzentriert.
08:44
Now what you can see
218
509000
2000
Hier können Sie sehen,
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
dass wir den Nordatlantik ziemlich gut erkundet haben,
08:48
in the North Sea in particular,
220
513000
2000
besonders die Nordsee,
08:50
and also the east coast of North America fairly well.
221
515000
2000
und auch die Ostküste Nordamerikas.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
Das sind die warmen Farben, die eine gut erkundete Region zeigen.
08:55
The cold colors, the blue and the black,
223
520000
2000
Die kalten Farben, blau und schwarz,
08:57
show areas where we have almost no data.
224
522000
2000
zeigen Gegenden, von denen wir fast keine Daten haben.
08:59
So even after a 10-year census,
225
524000
2000
Selbst nach einer zehn Jahre dauernden Erfassung
09:01
there are large areas that still remain unexplored.
226
526000
3000
gibt es riesige Gebiete, die unerforscht bleiben.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
Einige Wissenschaftler in Texas, die im Golf von Mexiko arbeiten,
09:07
who decided really as a labor of love
228
532000
2000
beschlossen eher aus Liebe zur Sache,
09:09
to pull together all the knowledge they could
229
534000
2000
alle verfügbaren Informationen über die biologische
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
Vielfalt im Golf von Mexiko zusammenzutragen.
09:13
And so they put this together, a list of all the species,
231
538000
3000
Und so trugen sie alles zusammen, eine Liste aller Arten,
09:16
where they're known to occur,
232
541000
2000
wo sie gemeinhin auftreten,
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
und es schien eine sehr esoterische, wissenschaftliche Übung.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
Aber dann gab es natürlich die Ölkatastrophe "Deep Horizon".
09:24
So all of a sudden, this labor of love
235
549000
2000
Plötzlich also war diese Tat aus Liebe
09:26
for no obvious economic reason
236
551000
3000
aus keinem offensichtlichen wirtschaftlichen Grund
09:29
has become a critical piece of information
237
554000
2000
zu einem entscheidenden Stück Information geworden,
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
in Bezug darauf, wie dieses System sich erholt, wie lange es dauert
09:34
and how the lawsuits
239
559000
2000
und wie die Gerichtsverfahren
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
und Multimilliarden-Dollar-Diskussionen in den kommenden Jahren
09:39
are likely to be resolved.
241
564000
3000
ausgehen können.
09:42
So what did we find?
242
567000
2000
Nun, was fanden wir?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
ich könnte hier mehrere Stunden stehen, aber natürlich darf ich das nicht.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Aber ich möchte mit Ihnen einige meiner liebsten Entdeckungen
09:48
from the census.
245
573000
2000
der Erfassung teilen.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Wir fanden zum einen heraus, wo wir die Brennpunkte der Vielfalt finden.
09:53
Where do we find the most species of ocean life?
247
578000
3000
Wo wir die meisten Arten mariner Lebewesen finden.
09:56
And what we find if we plot up the well-known species
248
581000
2000
Und was wir herausfinden, wenn wir diese bekannten Arten kartieren,
09:58
is this sort of a distribution.
249
583000
2000
ist eine bestimmte Verteilung.
10:00
And what we see is that for coastal tags,
250
585000
2000
Und wir sehen, dass im Falle der küstennahen Erfassung
10:02
for those organisms that live near the shoreline,
251
587000
2000
der Organismen, die in Küstengebieten leben,
10:04
they're most diverse in the tropics.
252
589000
2000
die Vielfalt in den Tropen am größten ist.
10:06
This is something we've actually known for a while,
253
591000
2000
Das ist etwas, das wir bereits seit einer Weile wissen,
10:08
so it's not a real breakthrough.
254
593000
2000
also nicht weiter bahnbrechend.
10:10
What is really exciting though
255
595000
2000
Wirklich aufregend ist aber,
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
dass die ozeanische Erfassung für die küstenfern lebenden Organismen
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
in gemäßigten Gebieten mehr Vielfalt aufweist.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
Das ist die Art von Daten, die Manager verwenden könnten,
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
um die Gebiete im Meer zu priorisieren, die wir konservieren müssen.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
Das kann im globalen Rahmen stattfinden, aber auch in einem lokalen.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
Und daher sind Daten über biologische Vielfalt so wertvoll.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Und während eine Menge der Arten, die wir bei der Erfassung entdeckten,
10:31
are things that are small and hard to see,
263
616000
2000
klein und nur schwer auszumachen sind,
10:33
that certainly wasn't always the case.
264
618000
2000
ist das längst nicht bei allen so.
10:35
For example, while it's hard to believe
265
620000
2000
Zum Beispiel, das ist zwar schwer zu glauben,
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
dass ein Drei-Kilo-Hummer sich der Wissenschaft entziehen konnte,
10:39
it did until a few years ago
267
624000
2000
aber er tat es bis vor ein paar Jahren,
10:41
when South African fishermen requested an export permit
268
626000
3000
als südafrikanische Fischer eine Exportlizenz beantragten
10:44
and scientists realized that this was something new to science.
269
629000
3000
und Wissenschaftler feststellen mussten, dass er ihnen unbekannt war.
10:47
Similarly this Golden V kelp
270
632000
2000
Auch dieser "Golden V"-Seetang,
10:49
collected in Alaska just below the low water mark
271
634000
2000
der in Alaska direkt unter der Niedrigwasserlinie gefunden wurde,
10:51
is probably a new species.
272
636000
2000
ist wahrscheinlich eine neue Spezies.
10:53
Even though it's three meters long,
273
638000
2000
Obwohl er drei Meter lang ist,
10:55
it actually, again, eluded science.
274
640000
2000
hat auch er sich der Wissenschaft entzogen.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Und der hier, der Langarm-Kalmar, ist sieben Meter lang.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Aber um fair zu sein, er lebt in der Tiefe des mittelatlantischen Rückens,
11:03
so it was a lot harder to find.
277
648000
2000
also war er schwieriger aufzutreiben.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Aber es gibt noch viel Raum, große, aufregende Dinge zu entdecken.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
Diese Garnele, wir haben sie Jurassic Shrimp genannt
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
wurde eigentlich für seit 50 Jahren ausgestorben gehalten –
11:13
at least it was, until the census discovered
281
658000
2000
oder wenigstens war sie das, bis die Erfassung sie fand.
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
Sie lebte und ihr ging es vor der Küste Australiens ziemlich gut.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
Und es zeigt, dass die Ozeane aufgrund ihrer Größe
11:21
can hide secrets for a very long time.
284
666000
2000
Geheimnisse für sehr lange Zeit verstecken können.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Also, Steven Spielberg, erblasse vor Neid.
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Wenn wir uns die Verteilungen anschauen, die ändern sich drastisch.
11:29
And so one of the records that we had
287
674000
3000
Und so war einer unserer Rekorde
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
dieser dunkle Sturmtaucher, der eine spektakuläre Wanderung vollzieht,
11:35
all the way from New Zealand
289
680000
2000
den ganzen Weg von Neuseeland
11:37
all the way up to Alaska and back again
290
682000
2000
bis hoch nach Alaska und wieder zurück,
11:39
in search of endless summer
291
684000
2000
auf der Suche nach dem nie endenden Sommer,
11:41
as they complete their life cycles.
292
686000
2000
während er seinen Lebenskreis durchläuft.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
Wir sprachen auch über das Café Weißer Hai.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Es ist ein Ort im Pazifik, wo weiße Haie aufeinandertreffen.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Wir wissen nicht, wieso sie das dort tun, wir wissen es einfach nicht.
11:50
That's a question for the future.
296
695000
2000
Das ist eine Frage für die Zukunft.
11:52
One of the things that we're taught in high school
297
697000
2000
In der Schule wird uns beigebracht,
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
dass alle Tiere Sauerstoff zu ihrem Überleben brauchen.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Das kleine Monster hier ist nur ungefähr einen halben Millimeter groß,
12:00
not terribly charismatic.
300
705000
2000
es steht nicht sonderlich heraus.
12:02
But it was only discovered in the early 1980s.
301
707000
2000
Aber es wurde erst in den frühen 80ern entdeckt.
12:04
But the really interesting thing about it
302
709000
2000
Das Interessante an ihm ist, dass Wissenschaftler,
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
die an der Erfassung teilnahmen, vor ein paar Jahren entdeckten,
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
dass dieser kleine Kerl in sauerstoffarmen Sedimenten
12:11
in the deep Mediterranean Sea.
305
716000
2000
in den Tiefen des Mittelmeers leben kann.
12:13
So now they know that, in fact,
306
718000
2000
Jetzt wissen sie also, dass
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
Tiere ohne Sauerstoff leben können, oder wenigstens einige von ihnen,
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
und dass sie sich an selbst die härtesten Umstände anpassen können.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Würden Sie alles Wasser aus dem Meer ablassen,
12:23
this is what you'd be left behind with,
310
728000
2000
würde das übrig bleiben,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
und das ist die Biomasse des Lebens auf dem Meeresboden.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
Was wir hier sehen, ist eine Riesenmenge an Biomasse an den Polen
12:30
and not much biomass in between.
313
735000
3000
und nicht viel Biomasse dazwischen.
12:33
We found life in the extremes.
314
738000
2000
Wir fanden Leben in den Extremen.
12:35
And so there were new species that were found
315
740000
2000
Und so wurden neue Arten gefunden,
12:37
that live inside ice
316
742000
2000
die im Eis leben
12:39
and help to support an ice-based food web.
317
744000
2000
und eine eisbasierte Nahrungskette aufrechterhalten helfen.
12:41
And we also found this spectacular yeti crab
318
746000
2000
Wir fanden auch diese spektakuläre Yeti-Krabbe
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
in der Nähe kochend heißer hydrothermaler Quellen an den Osterinseln.
12:46
And this particular species
320
751000
2000
Und diese Art erregte wirklich
12:48
really captured the public's attention.
321
753000
3000
die Aufmerksamkeit der Öffentlichkeit.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
Wir fanden auch die tiefsten bis dato bekannten Quellen – 5.000 m –
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
die heißesten Quellen mit 407 Grad Celsius –
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
Quellen im Südpazifik und in der Arktis auch,
12:59
where none had been found before.
325
764000
2000
wo bis dahin keine gefunden worden waren.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
Also befinden sich selbst neue Umgebungen im Bereich des Entdeckbaren.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Was das Unbekannte angeht, so gibt es noch viel.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
Und ich werde einfach einen Teil davon
13:08
very quickly for you.
329
773000
2000
für Sie zusammenfassen.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
Zunächst fragen Sie sich vielleicht, wie viel Fisch gibt's im Ozean?
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
Wir kennen Fische tatsächlich besser als jede andere Art im Ozean,
13:15
other than marine mammals.
332
780000
2000
bis auf Meeressäuger.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
Und so können wir basierend auf den Entdeckungsraten vermuten,
13:20
how many more species we're likely to discover.
334
785000
3000
wie viele weitere Spezies wir noch entdecken können.
13:23
And from that, we actually calculate
335
788000
2000
Und daraus können wir berechnen,
13:25
that we know about 16,500 marine species
336
790000
3000
dass wir um die 16.000 Arten im Meer kennen,
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
und es wahrscheinlich noch um die 1.000 bis 4.000 zu entdecken gibt.
13:30
So we've done pretty well.
338
795000
2000
Wir waren also ziemlich gut.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Wir haben um die 75 Prozent der Fische,
13:34
maybe as much as 90 percent.
340
799000
2000
vielleicht sogar 90 Prozent.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Aber die Fische, wie gesagt, sind uns am besten bekannt.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
Unser Kenntnisstand bei anderen Organismengruppen ist viel niedriger.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Dieses Diagramm basiert auf einem brandneuen Artikel,
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
der in der Fachzeitschrift PLoS Biology erscheinen wird.
13:47
And what is does is predict how many more species there are
345
812000
2000
Und es sagt voraus, wie viele weitere Spezies
13:49
on land and in the ocean.
346
814000
2000
es an Land und in den Meeren gibt.
13:51
And what they found
347
816000
2000
Und sie haben herausgefunden,
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
dass sie glauben, dass wir um die 9 Prozent der Arten im Ozean kennen.
13:56
That means 91 percent, even after the census,
349
821000
2000
Das bedeutet, dass selbst nach der Erfassung noch 91 Prozent
13:58
still remain to be discovered.
350
823000
2000
zu entdecken sind.
14:00
And so that turns out to be about two million species
351
825000
2000
Und das wären um die zwei Millionen Spezies,
14:02
once all is said and done.
352
827000
2000
wenn man alles zusammenrechnet.
14:04
So we still have quite a lot of work to do
353
829000
2000
Also haben wir noch eine Menge Arbeit vor uns,
14:06
in terms of unknowns.
354
831000
2000
was das Unbekannte angeht.
14:08
Now this bacterium
355
833000
2000
Dieses Bakterium
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
ist Teil von Matten, die vor der Küste von Chile liegen.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
Und diese Matten bedecken eine Region von der Größe Griechenlands.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
Dieses Bakterium ist also mit dem menschlichen Auge sichtbar.
14:18
But you can imagine the biomass that represents.
359
843000
3000
Aber Sie können sich die Biomasse vorstellen, die es repräsentiert.
14:21
But the really intriguing thing about the microbes
360
846000
2000
Die wirklich faszinierende Sache an den Mikroben ist,
14:23
is just how diverse they are.
361
848000
2000
wie vielfältig sie sind.
14:25
A single drop of seawater
362
850000
2000
Ein einzelner Tropfen Meereswasser
14:27
could contain 160 different types of microbes.
363
852000
2000
könnte 160 verschiedene Mikrobenarten enthalten.
14:29
And the oceans themselves
364
854000
2000
Und die Ozeane selbst
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
enthalten potenziell eine Milliarde verschiedener Mikrobenarten.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Das ist also wirklich aufregend. Was machen die dort alle?
14:37
We actually don't know.
367
862000
2000
Wir wissen es nicht.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
Die beste Sache, würde ich sagen, an dieser Erfassung,
14:41
is the role of global science.
369
866000
2000
ist die Rolle globaler Wissenschaft.
14:43
And so as we see in this image of light during the night,
370
868000
2000
Und auf diesem Bild, das Lichter bei Nacht zeigt,
14:45
there are lots of areas of the Earth
371
870000
2000
sehen wir viele Gegenden auf der Erde,
14:47
where human development is much greater
372
872000
3000
wo die menschliche Entwicklung riesig ist
14:50
and other areas where it's much less,
373
875000
2000
und andere Gegenden, wo sie viel geringer ist,
14:52
but between them we see large dark areas
374
877000
2000
aber dazwischen sehen wir große dunkle Gegenden
14:54
of relatively unexplored ocean.
375
879000
2000
eines relativ unerforschten Ozeans.
14:56
The other point I'd like to make about this
376
881000
2000
Weiterhin würde ich gern feststellen,
14:58
is that this ocean's interconnected.
377
883000
2000
dass dieser Ozean miteinander verbunden ist.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Meeresorganismen sind die internationalen Grenzen egal,
15:02
they move where they will.
379
887000
2000
sie bewegen sich dorthin, wo sie möchten.
15:04
And so the importance then of global collaboration
380
889000
3000
Und so wird die Wichtigkeit globaler Zusammenarbeit
15:07
becomes all the more important.
381
892000
2000
zunehmend wichtiger.
15:09
We've lost a lot of paradise.
382
894000
2000
Wir haben viel von unserem Paradies verloren.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
Diese Thunfische etwa gab es einst überall in der Nordsee,
15:14
are now effectively gone.
384
899000
2000
und sie sind nun fast verschwunden.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
Schleppnetze wurden durch die Tiefen des Mittelmeers gezogen,
15:19
which collected more garbage than they did animals.
386
904000
2000
welche mehr Müll einsammelten als Tiere.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
Und das ist die Tiefsee, die Umgebung, die wir
15:24
among the most pristine left on Earth.
388
909000
2000
für die unberührteste auf der Erde halten.
15:26
And there are a lot of other pressures.
389
911000
2000
Aber das ist noch längst nicht alles.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
Die Versauerung der Meere ist ein riesiges Problem, das die Leute beschäftigt,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
sowie die Meereserwärmung, und die Effekte, die das auf die Korallenriffe hat.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
In den nächsten paar Jahrzehnten, in unserer Lebenszeit,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
werden wir viel Schaden sehen, der den Korallenriffen widerfahren wird.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
Und ich könnte den Rest meiner Zeit, die viel zu schnell abläuft,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
damit verbringen, diese Probleme über den Ozean durchzukauen,
15:44
but I want to end on a more positive note.
396
929000
2000
aber ich möchte mit einem positiveren Gedanken aufhören.
15:46
And so the grand challenge then
397
931000
2000
Die große Herausforderung also
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
ist zu versuchen, das, was uns bleibt, zu bewahren,
15:50
because there is still spectacular beauty.
399
935000
2000
denn es gibt immer noch spektakuläre Schönheit.
15:52
And the oceans are so productive,
400
937000
2000
Und die Ozeane sind so produktiv,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
es passiert so viel dort, das für Menschen wichtig ist,
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
das wir unbedingt, selbst aus einer eigennützigen Perspektive,
16:00
try to do better than we have in the past.
403
945000
2000
besser machen müssen als bisher.
16:02
So we need to recognize those hot spots
404
947000
2000
Wir müssen also diese Brennpunkte erkennen
16:04
and do our best to protect them.
405
949000
2000
und unser Bestes tun, sie zu beschützen.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Wenn wir uns solche Bilder anschauen, rauben sie uns den Atem,
16:08
in addition to helping to give us breath
407
953000
2000
und erlauben uns zugleich das Atmen
16:10
by the oxygen that the oceans provide.
408
955000
2000
durch den Sauerstoff, den die Ozeane produzieren.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Die Wissenschaftler der Erfassung arbeiteten im Regen, in der Kälte,
16:15
they worked under water and they worked above water
410
960000
2000
unter Wasser und über Wasser,
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
bei dem Versuch, die wundersame Entdeckung zu beleuchten,
16:19
the still vast unknown,
412
964000
2000
das riesige uns noch Unbekannte,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
die spektakulären Anpassungen, die wir im Meeresleben sehen.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
Ob Sie also ein Hirte in den Bergen Chiles sind
16:27
whether you're a stockbroker in New York City
415
972000
3000
oder ein Aktienhändler in New York City,
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
oder ein TEDster aus Edinburgh,
16:32
the oceans matter.
417
977000
2000
die Ozeane sind wichtig.
16:34
And as the oceans go so shall we.
418
979000
2000
Und wir werden mit den Ozeanen verschwinden.
16:36
Thanks for listening.
419
981000
2000
Danke fürs Zuhören.
16:38
(Applause)
420
983000
2000
(Applaus)
ABOUT THE SPEAKER
Paul Snelgrove - Marine biologistPaul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.
Why you should listen
From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.
It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.
He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."
Paul Snelgrove | Speaker | TED.com