ABOUT THE SPEAKER
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.

Why you should listen

Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.

Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.

More profile about the speaker
Barbara Block | Speaker | TED.com
Mission Blue Voyage

Barbara Block: Tagging tuna in the deep ocean

Barbara Block: La marcatura dei tonni nell'oceano profondo

Filmed:
368,018 views

I tonni sono veri atleti oceanici -- predatori veloci che coprono lunghe distanze, i cui comportamenti cominciamo a comprendere solo adesso. La biologa marina Barbara Block applica ai tonni dei dispositivi di localizzazione (completi di transponder) che registrano dati mai raccolti prima su questi meravigliosi pesci a ricshio di estinzione e sugli habitat marini che attraversano.
- Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio

Double-click the English transcript below to play the video.

00:15
I've been fascinatedaffascinato for a lifetimetutta la vita
0
0
3000
Sono sempre stata incantata
00:18
by the beautybellezza, formmodulo and functionfunzione
1
3000
2000
dalla bellezza, dalla forma e dalla funzione
00:20
of giantgigante bluefinBluefin tunatonno.
2
5000
3000
dei tonni pinna blu giganti.
00:23
BluefinBluefin are warmbloodedcorsa like us.
3
8000
3000
I pinna blu sono animali a sangue caldo come noi.
00:26
They're the largestmaggiore of the tunastonni,
4
11000
3000
Sono i tonni più grandi,
00:29
the second-largestseconda fishpesce in the seamare -- bonyossuta fishpesce.
5
14000
3000
al secondo posto per dimensioni tra i pesci a scheletro osseo.
00:32
They actuallyin realtà are a fishpesce
6
17000
2000
Si tratta di pesci
00:34
that is endothermicendotermico --
7
19000
2000
endotermici --
00:36
powerspotenze throughattraverso the oceanoceano with warmcaldo musclesmuscoli like a mammalmammifero.
8
21000
3000
nuotano negli oceani usando i loro caldi muscoli, come i mammiferi.
00:40
That's one of our bluefinBluefin at the MontereyMonterey BayBaia AquariumAcquario.
9
25000
3000
Questo è uno dei nostri pinna blu nell'acquario di Monterey Bay.
00:43
You can see in its shapeforma and its streamlinedrazionalizzato designdesign
10
28000
3000
Potete vedere come la sua forma affusolata
00:46
it's poweredmotorizzato for oceanoceano swimmingnuoto.
11
31000
3000
gli permette di nuotare efficacemente.
00:49
It fliesmosche throughattraverso the oceanoceano on its pectoralpettorali finspinne, getsprende liftsollevamento,
12
34000
3000
Vola nell'acqua poggiandosi sulle pinne pettorali, si solleva,
00:52
powerspotenze its movementsmovimenti
13
37000
2000
imprime energia ai suoi movimenti
00:54
with a lunatelunate tailcoda.
14
39000
2000
con la pinna caudale lunata.
00:56
It's actuallyin realtà got a nakednudo skinpelle for mostmaggior parte of its bodycorpo,
15
41000
3000
La maggior parte del corpo è ricoperta di pelle nuda
00:59
so it reducesriduce frictionattrito with the wateracqua.
16
44000
3000
che riduce l'attrito con l'acqua.
01:02
This is what one of nature'snatura finestmigliori machinesmacchine.
17
47000
3000
Una delle macchine più sofisticate della natura.
01:05
Now, bluefinBluefin
18
50000
2000
I pinna blu
01:07
were reveredriverito by Man
19
52000
2000
hanno goduto di alta considerazione
01:09
for all of humanumano historystoria.
20
54000
3000
per tutta la storia dell'umanità.
01:12
For 4,000 yearsanni, we fishedpescato sustainablyin modo sostenibile for this animalanimale,
21
57000
3000
Per 4000 anni li abbiamo pescati in modo sostenibile,
01:15
and it's evidencedevidenziato
22
60000
2000
come si capisce
01:17
in the artarte that we see
23
62000
2000
dalle raffigurazioni artistiche
01:19
from thousandsmigliaia of yearsanni agofa.
24
64000
2000
realizzate negli scorsi millenni.
01:21
BluefinBluefin are in caveGrotta paintingsdipinti in FranceFrancia.
25
66000
3000
Ci sono pinna blu nei pittogrammi di alcune caverne in Francia.
01:24
They're on coinsmonete
26
69000
2000
Li troviamo su monete
01:26
that dateData back 3,000 yearsanni.
27
71000
3000
di 3000 anni fa.
01:29
This fishpesce was reveredriverito by humankindumanità.
28
74000
3000
Questi pesci erano rispettati dagli uomini.
01:32
It was fishedpescato sustainablyin modo sostenibile
29
77000
2000
La pesca è stata sostenibile
01:34
tillfino all of time,
30
79000
2000
fino a poco tempo fa,
01:36
excepttranne for our generationgenerazione.
31
81000
2000
ma non più ai giorni nostri.
01:38
BluefinBluefin are pursuedperseguiti whereverdovunque they go --
32
83000
3000
I pinna blu vengono inseguiti ovunque.
01:41
there is a goldoro rushcorsa on EarthTerra,
33
86000
2000
C'è una nuova corsa all'oro sulla Terra,
01:43
and this is a goldoro rushcorsa for bluefinBluefin.
34
88000
2000
e l'oro è rappresentato dai pinna blu.
01:45
There are trapstrappole that fishpesce sustainablyin modo sostenibile
35
90000
2000
Esistono sistemi di pesca sostenibili
01:47
up untilfino a recentlyrecentemente.
36
92000
3000
usati fino a poco tempo fa.
01:50
And yetancora, the typetipo of fishingpesca going on todayoggi,
37
95000
3000
Ma il tipo di pesca attuato oggigiorno
01:53
with pensPenne, with enormousenorme stakesposta in gioco,
38
98000
3000
che fa uso di reti immense,
01:56
is really wipingasciugandosi bluefinBluefin
39
101000
2000
sta spazzando via il pinnablu
01:58
ecologicallyecologicamente off the planetpianeta.
40
103000
2000
dall'ecologia del pianeta.
02:00
Now bluefinBluefin, in generalgenerale,
41
105000
2000
Ora il pinna blu, generalmente,
02:02
goesva to one placeposto: JapanGiappone.
42
107000
2000
finisce in un solo mercato, quello giapponese.
02:04
Some of you maypuò be guiltycolpevole
43
109000
2000
Forse qualcuno si sentirà in colpa
02:06
of havingavendo contributedha contribuito to the demisedecesso of bluefinBluefin.
44
111000
2000
per aver contribuito alla sua decimazione.
02:08
They're delectabledilettevole musclemuscolo,
45
113000
2000
Hanno una carne ottima,
02:10
richricco in fatGrasso --
46
115000
2000
ricca di grassi --
02:12
absolutelyassolutamente tastegusto deliciousdelizioso.
47
117000
2000
dal gusto assolutamente delizioso.
02:14
And that's theirloro problemproblema; we're eatingmangiare them to deathmorte.
48
119000
3000
E questo è il loro problema, perché ce li stiamo mangiando tutti.
02:17
Now in the AtlanticAtlantico, the storystoria is prettybella simplesemplice.
49
122000
3000
Ora, per l'Atlantico, la storia è molto semplice.
02:20
BluefinBluefin have two populationspopolazioni: one largegrande, one smallpiccolo.
50
125000
3000
Esistono due popolazioni di pinna blu, una grande e una piccola.
02:23
The NorthNord AmericanAmericano populationpopolazione
51
128000
2000
Di quella del Nord America
02:25
is fishedpescato at about 2,000 tontonnellata.
52
130000
3000
se ne pescano circa 2.000 tonnellate.
02:28
The EuropeanEuropeo populationpopolazione and NorthNord AfricanAfricano -- the EasternOrientale bluefinBluefin tunatonno --
53
133000
3000
Di quella Europea e Nordafricana - il pinna blu orientale --
02:31
is fishedpescato at tremendousenorme levelslivelli:
54
136000
3000
se ne catturano quantità incredibili:
02:34
50,000 tonstonnellate over the last decadedecennio almostquasi everyogni yearanno.
55
139000
3000
circa 50.000 tonnellate l'anno negli ultimi dieci anni.
02:37
The resultrisultato is whetherse you're looking
56
142000
2000
La conseguenza è che per entrambi i gruppi,
02:39
at the WestWest or the EasternOrientale bluefinBluefin populationpopolazione,
57
144000
3000
i pinna blu occidentali e quelli orientali,
02:42
there's been tremendousenorme declinedeclino on bothentrambi sideslati,
58
147000
2000
ha avuto luogo una drastica riduzione,
02:44
as much as 90 percentper cento
59
149000
2000
fino al 90 percento
02:46
if you go back with your baselinelinea di base
60
151000
2000
rispetto ai numeri
02:48
to 1950.
61
153000
2000
del 1950.
02:50
For that, bluefinBluefin have been givendato a statusstato
62
155000
3000
Per questa ragione oggi i pinna blu
02:53
equivalentequivalente to tigerstigri, to lionsleoni,
63
158000
3000
sono equiparati a tigri, leoni,
02:56
to certaincerto AfricanAfricano elephantselefanti
64
161000
2000
ad alcuni tipi di elefanti africani
02:58
and to pandasPanda.
65
163000
2000
e ai panda.
03:00
These fishpesce have been proposedproposto
66
165000
2000
Questo pesce è stato candidato negli ultimi due mesi
03:02
for an endangeredin via di estinzione speciesspecie listingprofilo in the pastpassato two monthsmesi.
67
167000
3000
ad essere inserito nell'elenco delle specie a rischio di estinzione.
03:05
They were votedvotato on and rejectedrespinto
68
170000
2000
Solo che la richiesta non è stata accolta
03:07
just two weekssettimane agofa,
69
172000
2000
appena due settimane fa,
03:09
despitenonostante outstandingeccezionale sciencescienza
70
174000
2000
nonostante le prove scientifiche
03:11
that showsSpettacoli from two committeescomitati
71
176000
3000
fornite da due comitati indipendenti
03:14
this fishpesce meetsIncontra the criteriacriteri of CITESCITA I.
72
179000
3000
che questa specie rientri nei parametri del CITES I.
03:17
And if it's tunastonni you don't carecura about,
73
182000
2000
E se non vi importa dei tonni,
03:19
perhapsForse you mightpotrebbe be interestedinteressato
74
184000
2000
allora vi potrebbe interessare sapere che
03:21
that internationalinternazionale long linesLinee and pursingperseguendo
75
186000
2000
i palangari e reti a circuizione internazionali
03:23
chaseChase down tunastonni and bycatchcatture accessorie animalsanimali
76
188000
3000
sta sterminando tonni ed altre specie marine
03:26
suchcome as leatherbacksliuto, sharkssquali,
77
191000
2000
come le tartarughe liuto, gli squali,
03:28
marlinMarlin, albatrossAlbatross.
78
193000
2000
i marlin, gli albatros
03:30
These animalsanimali and theirloro demisedecesso
79
195000
2000
I pescherecci da tonno fanno strage
03:32
occursverifica in the tunatonno fisheriesdella pesca.
80
197000
3000
anche di queste specie.
03:35
The challengesfida we faceviso
81
200000
2000
La sfida che dobbiamo affrontare
03:37
is that we know very little about tunatonno,
82
202000
3000
è il fatto che ne sappiamo poco di tonni,
03:40
and everyonetutti in the roomcamera knowsconosce what it lookssembra like
83
205000
3000
mentre tutti qui in sala hanno un'idea di come
03:43
when an AfricanAfricano lionLeone
84
208000
2000
un leone africano
03:45
takes down its preypreda.
85
210000
2000
uccida la sua preda.
03:47
I doubtdubbio anyonechiunque has seenvisto a giantgigante bluefinBluefin feedalimentazione.
86
212000
3000
Dubito che qualcuno abbia mai assistito al pasto di un pinna blu gigante.
03:50
This tunatonno symbolizessimboleggia
87
215000
3000
Questo tonno rappresenta
03:53
what's the problemproblema for all of us in the roomcamera.
88
218000
3000
il nostro problema attuale.
03:56
It's the 21stst centurysecolo, but we really have only just beguniniziato
89
221000
3000
Siamo nel 21° secolo, ma abbiamo appena cominciato
03:59
to really studystudia our oceansoceani in a deepin profondità way.
90
224000
3000
a studiare gli oceani in modo più approfondito.
04:02
TechnologyTecnologia has come of ageetà
91
227000
2000
I traguardi raggiunti dalla tecnologia
04:04
that's allowingpermettendo us to see the EarthTerra from spacespazio
92
229000
3000
ci permettono di vedere la terra dallo spazio
04:07
and go deepin profondità into the seasmari remotelyin modalità remota.
93
232000
3000
e perfino le profondità dei mari.
04:10
And we'venoi abbiamo got to use these technologiestecnologie immediatelysubito
94
235000
2000
E dobbiamo usare subito anche noi queste tecnologie
04:12
to get a better understandingcomprensione
95
237000
2000
per comprendere meglio
04:14
of how our oceanoceano realmregno workslavori.
96
239000
3000
il meccanismo del regno oceanico.
04:17
MostMaggior parte of us from the shipnave -- even I --
97
242000
2000
Quando ci troviamo a navigare, tutti noi
04:19
look out at the oceanoceano and see this homogeneousomogeneo seamare.
98
244000
3000
guardiamo l'oceano e vediamo un mare omogeneo.
04:22
We don't know where the structurestruttura is.
99
247000
2000
Non ne percepiamo la struttura.
04:24
We can't tell where are the wateringirrigazione holesfori
100
249000
3000
Non sappiamo dove si trovino le pozze d'acqua
04:27
like we can on an AfricanAfricano plainpianura.
101
252000
3000
come possiamo fare nelle pianure africane.
04:30
We can't see the corridorscorridoi,
102
255000
2000
Non vediamo le tracce del passaggio degli animali
04:32
and we can't see what it is
103
257000
2000
e non riusciamo a capire cosa
04:34
that bringsporta togetherinsieme a tunatonno,
104
259000
2000
faccia raggruppare popolazioni di tonni
04:36
a leatherbackliuto and an albatrossAlbatross.
105
261000
2000
con quelle di tartarughe e albatros.
04:38
We're only just beginninginizio to understandcapire
106
263000
2000
Stiamo scoprendo solo ora, piano piano
04:40
how the physicalfisico oceanographyOceanografia
107
265000
2000
come l'oceanografia fisica
04:42
and the biologicalbiologico oceanographyOceanografia
108
267000
2000
e quella biologica
04:44
come togetherinsieme
109
269000
2000
si uniscano
04:46
to createcreare a seasonalstagionale forcevigore
110
271000
2000
per creare una forza stagionale
04:48
that actuallyin realtà causescause the upwellingupwelling
111
273000
2000
che determina la risalita di acque dai fondali
04:50
that mightpotrebbe make a hotcaldo spotindividuare a hopesperanza spotindividuare.
112
275000
3000
che potrebbero mutare aree depauperate in aree ripopolate.
04:53
The reasonsmotivi these challengessfide are great
113
278000
2000
Il motivo per cui queste sfide sono formidabili
04:55
is that technicallytecnicamente it's difficultdifficile to go to seamare.
114
280000
3000
è che è tecnicamente difficile studiare il mare.
04:58
It's harddifficile to studystudia a bluefinBluefin on its turftorba,
115
283000
2000
E' difficile studiare un pinna blu nel suo elemento,
05:00
the entireintero PacificPacifico realmregno.
116
285000
2000
l'intero Oceano Pacifico.
05:02
It's really toughdifficile to get up closevicino and personalpersonale with a makoMako sharksqualo
117
287000
4000
E' davvero difficile avvicinare uno squalo mako
05:06
and try to put a tagProdotto Tag on it.
118
291000
2000
per innestargli una targhetta.
05:08
And then imagineimmaginare beingessere BruceBruce Mate'sDi Mate teamsquadra from OSUOSU,
119
293000
3000
E immaginate se faceste parte della squadra di OSU di Bruce Mate,
05:11
gettingottenere up closevicino to a blueblu whalebalena
120
296000
2000
di dover avvicinare una balenottera azzurra
05:13
and fixingfissaggio a tagProdotto Tag on the blueblu whalebalena that stayssoggiorni,
121
298000
3000
e fissarvi una targhetta che vi rimanga attaccata,
05:16
an engineeringingegneria challengesfida
122
301000
2000
una sfida ingegneristica
05:18
we'venoi abbiamo yetancora to really overcomesuperare.
123
303000
2000
che non abbiamo ancora risolto.
05:20
So the storystoria of our teamsquadra, a dedicateddedito teamsquadra,
124
305000
3000
La storia della nostra squadra, gente impegnata,
05:23
is fishpesce and chipspatatine fritte.
125
308000
2000
è una storia di 'fish and chips' (pesce e microcircuiti).
05:25
We basicallyfondamentalmente are takingpresa
126
310000
2000
Non facciamo che prendere
05:27
the samestesso satellitesatellitare phoneTelefono partsparti,
127
312000
2000
parti di telefoni satellitari
05:29
or the samestesso partsparti that are in your computercomputer, chipspatatine fritte.
128
314000
3000
e di normali computer, microcircuiti appunto.
05:32
We're puttingmettendo them togetherinsieme in unusualinsolito waysmodi,
129
317000
3000
E unire queste componenti in modo insolito,
05:35
and this is takingpresa us into the oceanoceano realmregno
130
320000
2000
così da poter penetrare nel regno dell'Oceano
05:37
like never before.
131
322000
2000
come mai prima d'ora.
05:39
And for the first time,
132
324000
2000
E per la prima volta
05:41
we're ablecapace to watch the journeyviaggio of a tunatonno beneathsotto the oceanoceano
133
326000
3000
siamo in grado di visualizzare il viaggio di un tonno nell'oceano
05:44
usingutilizzando lightleggero and photonsfotoni
134
329000
2000
per mezzo di luce e fotoni
05:46
to measuremisurare sunriseAlba and sunsettramonto.
135
331000
3000
che effettuano misurazioni dall'alba al tramonto.
05:49
Now, I've been workinglavoro with tunastonni for over 15 yearsanni.
136
334000
3000
Ad oggi sono più di 15 anni che lavoro con i tonni.
05:52
I have the privilegeprivilegio of beingessere a partnercompagno
137
337000
2000
Ho il privilegio di essere una socia
05:54
with the MontereyMonterey BayBaia AquariumAcquario.
138
339000
2000
dell'Acquario di Monterey Bay.
05:56
We'veAbbiamo actuallyin realtà takenprese a sliverscheggia of the oceanoceano,
139
341000
2000
In pratica abbiamo preso una fetta di oceano,
05:58
put it behinddietro a glassbicchiere,
140
343000
2000
l'abbiamo messa dietro a un vetro
06:00
and we togetherinsieme
141
345000
2000
e tutti insieme
06:02
have put bluefinBluefin tunatonno and yellowfinYellowfin tunatonno on displaydisplay.
142
347000
3000
vi abbiamo introdotto tonni pinna blu e pinna gialla.
06:05
When the veilvelo of bubblesbolle liftsascensori everyogni morningmattina,
143
350000
3000
Ogni mattina, quando va via la coltre di bollicine,
06:08
we can actuallyin realtà see a communitycomunità from the PelagicPelagici oceanoceano,
144
353000
3000
vediamo lo spettacolo di una comunità dell'oceano pelagico,
06:11
one of the only placesposti on EarthTerra
145
356000
2000
uno dei pochissimi luoghi sulla terra
06:13
you can see giantgigante bluefinBluefin swimnuotare by.
146
358000
3000
dove si possono ammirare i pinna blu.
06:16
We can see in theirloro beautybellezza of formmodulo and functionfunzione,
147
361000
2000
Li vediamo nella loro bellezza di forma e funzione,
06:19
theirloro ceaselessincessante activityattività.
148
364000
2000
nella loro attività incessante.
06:21
They're flyingvolante throughattraverso theirloro spacespazio, oceanoceano spacespazio.
149
366000
3000
Nuotano nel loro spazio di oceano.
06:24
And we can bringportare two millionmilione people a yearanno
150
369000
2000
E riusciamo ad avere ogni anno due milioni di visitatori
06:26
into contactcontatto with this fishpesce
151
371000
2000
che entrano in contatto con i pesci,
06:28
and showmostrare them its beautybellezza.
152
373000
3000
a cui mostriamo la loro bellezza.
06:31
BehindDietro the scenesscene is a workinglavoro lablaboratorio at StanfordStanford UniversityUniversità
153
376000
3000
Dietro le quinte c'è il lavoro di un laboratorio dell'Università di Stanford,
06:34
partneredha collaborato with the MontereyMonterey BayBaia AquariumAcquario.
154
379000
2000
partner dell'Acquario di Monterey Bay.
06:36
Here, for over 14 or 15 yearsanni,
155
381000
2000
Qui, negli ultimi 14-15 anni
06:38
we'venoi abbiamo actuallyin realtà broughtportato in
156
383000
2000
abbiamo fatto arrivare
06:40
bothentrambi bluefinBluefin and yellowfinYellowfin in captivitycattività.
157
385000
2000
sia pinna blu che pinna gialla.
06:42
We'dAvremmo been studyingstudiando these fishpesce,
158
387000
2000
Li abbiamo studiati.
06:44
but first we had to learnimparare how to husbandryallevamento them.
159
389000
2000
Ma per prima cosa abbiamo dovuto imparare ad allevarli.
06:46
What do they like to eatmangiare?
160
391000
2000
Cosa dar loro da mangiare?
06:48
What is it that they're happycontento with?
161
393000
2000
Che cosa li fa stare bene?
06:50
We go in the tankscarri armati with the tunatonno -- we touchtoccare theirloro nakednudo skinpelle --
162
395000
3000
Entriamo anche noi nelle vasche con loro. Tocchiamo la loro pelle.
06:53
it's prettybella amazingStupefacente. It feelssi sente wonderfulmeraviglioso.
163
398000
3000
E' fantastico. Una sensazione meravigliosa.
06:56
And then, better yetancora,
164
401000
2000
E, meglio ancora,
06:58
we'venoi abbiamo got our ownproprio versionversione of tunatonno whisperersbisbigli,
165
403000
2000
abbiamo collaboratori che riescono a comunicare con i pesci,
07:00
our ownproprio ChuckChuck FarwellFarwell, AlexAlex NortonNorton,
166
405000
2000
i nostri Chuck Farwell, Alex Norton,
07:02
who can take a biggrande tunatonno
167
407000
2000
che riescono a prendere un grande tonno
07:04
and in one motionmovimento,
168
409000
2000
e con una sola mossa
07:06
put it into an envelopeBusta of wateracqua,
169
411000
2000
farlo entrare in una piccola vasca
07:08
so that we can actuallyin realtà work with the tunatonno
170
413000
2000
in modo da consentire di esaminarlo
07:10
and learnimparare the techniquestecniche it takes
171
415000
2000
e apprendere le tecniche
07:12
to not injureferire this fishpesce
172
417000
2000
per non ferire questo pesce
07:14
who never seesvede a boundaryconfine in the openAperto seamare.
173
419000
3000
che non conosce barriere nel suo ambiente naturale.
07:17
JeffJeff and JasonJason there, are scientistsscienziati
174
422000
2000
Jeff e Jason sono gli scienziati
07:19
who are going to take a tunatonno
175
424000
2000
che prendono un tonno
07:21
and put it in the equivalentequivalente of a treadmilltapis roulant, a flumeFlume.
176
426000
3000
e lo fanno entrare in una specie di tappeto mobile fatto d'acqua.
07:24
And that tunatonno thinkspensa it's going to JapanGiappone, but it's stayingstare in placeposto.
177
429000
3000
Qui il tonno crede di nuotare verso il Giappone, mentre in realtà rimane fermo.
07:27
We're actuallyin realtà measuringmisurazione its oxygenossigeno consumptionconsumo,
178
432000
2000
In questo modo ne misuriamo il consumo di ossigeno
07:29
its energyenergia consumptionconsumo.
179
434000
2000
e quello energetico.
07:32
We're takingpresa this datadati and buildingcostruzione better modelsModelli.
180
437000
3000
Con questi dati costruiamo modelli matematici migliori.
07:35
And when I see that tunatonno -- this is my favoritefavorito viewvista --
181
440000
3000
E quando vedo quel tonno -- nel modo che preferisco --
07:38
I begininizio to wondermeravigliarsi:
182
443000
2000
comincio a chiedermi:
07:40
how did this fishpesce solverisolvere the longitudeLongitudine problemproblema before we did?
183
445000
3000
come è riuscito a risolvere il problema della longitudine prima dell'uomo?
07:44
So take a look at that animalanimale.
184
449000
2000
Date uno sguardo a questo animale.
07:46
That's the closestpiù vicina you'llpotrai probablyprobabilmente ever get.
185
451000
2000
Non riuscirete mai ad avvicinarvi più di così.
07:48
Now, the activitiesattività from the lablaboratorio
186
453000
3000
Ora, le attività di laboratorio
07:51
have taughtinsegnato us now how to go out in the openAperto oceanoceano.
187
456000
3000
ci hanno insegnato come comportarci in mare aperto.
07:54
So in a programprogramma calledchiamato Tag-A-GiantTag-A-Giant
188
459000
3000
Abbiamo partecipato al programma Tag-A-Giant (etichetta il gigante)
07:57
we'venoi abbiamo actuallyin realtà goneandato from IrelandIrlanda to CanadaCanada,
189
462000
3000
che ci ha portato dall'Irlanda al Canada,
08:00
from CorsicaCorsica to SpainSpagna.
190
465000
2000
dalla Corsica alla Spagna.
08:02
We'veAbbiamo fishedpescato with manymolti nationsnazioni around the worldmondo
191
467000
3000
Siamo stati aiutati nella pesca da molte nazioni
08:05
in an effortsforzo to basicallyfondamentalmente
192
470000
2000
nello sforzo comune di
08:07
put electronicelettronico computerscomputer
193
472000
3000
attaccare aggeggi elettronici
08:10
insidedentro giantgigante tunastonni.
194
475000
2000
ai tonni giganti.
08:12
We'veAbbiamo actuallyin realtà taggedetichetta 1,100 tunastonni.
195
477000
3000
Siamo riusciti ad etichettarne 1.100.
08:15
And I'm going to showmostrare you threetre clipsclip,
196
480000
2000
Vi mostrerò tre filmati,
08:17
because I taggedetichetta 1,100 tunastonni.
197
482000
3000
1.100 tonni erano davvero tanti.
08:20
It's a very harddifficile processprocesso, but it's a balletballetto.
198
485000
3000
Si tratta di un procedimento impegnativo, ma è come una danza.
08:23
We bringportare the tunatonno out, we measuremisurare it.
199
488000
3000
Tiriamo il tonno fuori dall'acqua, lo misuriamo.
08:26
A teamsquadra of fishersFishers, captainsCapitani, scientistsscienziati and technicianstecnici
200
491000
3000
Una squadra mista di pescatori, comandanti, scienziati e tecnici
08:29
work togetherinsieme to keep this animalanimale out of the oceanoceano
201
494000
3000
lavora insieme per tenere l'animale fuori dall'acqua
08:32
for about fourquattro to fivecinque minutesminuti.
202
497000
3000
dai quattro ai cinque minuti.
08:35
We put wateracqua over its gillsbranchie, give it oxygenossigeno.
203
500000
3000
Facciamo scorrere l'acqua sulle branchie, le ossigeniamo.
08:38
And then with a lot of effortsforzo, after taggingetichettatura,
204
503000
3000
E poi con grande fatica, dopo averlo etichettato,
08:41
puttingmettendo in the computercomputer,
205
506000
2000
inserito i dati nel computer,
08:43
makingfabbricazione sure the stalkgambo is stickingadesivo out so it sensessensi the environmentambiente,
206
508000
3000
esserci assicurati che l'antenna riesca a captare i dati ambientali,
08:46
we sendinviare this fishpesce back into the seamare.
207
511000
3000
rimettiamo il pesce in acqua.
08:49
And when it goesva, we're always happycontento.
208
514000
2000
Appena rientra in acqua siamo sempre felici.
08:51
We see a flickFlick of the tailcoda.
209
516000
2000
Vediamo un guizzo della coda.
08:53
And from our datadati that getsprende collectedraccolto,
210
518000
3000
E dai dati che raccogliamo
08:56
when that tagProdotto Tag comesviene back,
211
521000
2000
quando ci viene riconsegnata la targhetta,
08:58
because a fisherpescatore returnsritorna it
212
523000
2000
perché i pescatori la restituiscono
09:00
for a thousand-dollarmigliaia di dollari rewardricompensa,
213
525000
2000
per una ricompensa di 1.000 dollari,
09:02
we can get tracksbrani beneathsotto the seamare
214
527000
2000
ricostruiamo il percorso del pesce,
09:04
for up to fivecinque yearsanni now,
215
529000
2000
come facciamo da 5 anni a questa parte,
09:06
on a backbonedRicostruiamo animalanimale.
216
531000
2000
il percorso di un animale a scheletro osseo.
09:08
Now sometimesa volte the tunastonni are really largegrande,
217
533000
3000
Dovete sapere che a volte i tonni sono davvero grandi,
09:11
suchcome as this fishpesce off NantucketNantucket.
218
536000
2000
come questo pesce catturato al largo di Nantucket.
09:13
But that's about halfmetà the sizedimensione
219
538000
2000
Ed è solo la metà
09:15
of the biggestmaggiore tunatonno we'venoi abbiamo ever taggedetichetta.
220
540000
2000
del tonno più grande che abbiamo etichettato.
09:17
It takes a humanumano effortsforzo,
221
542000
2000
Ci vuole uno sforzo fisico,
09:19
a teamsquadra effortsforzo, to bringportare the fishpesce in.
222
544000
2000
l'impegno di una squadra per issare a bordo un pesce.
09:21
In this casecaso, what we're going to do
223
546000
2000
In questo caso, stiamo mettendo
09:23
is put a pop-upapparire satellitesatellitare archivalArchivio storico tagProdotto Tag on the tunatonno.
224
548000
3000
sul tonno una targhetta collegata al satellite.
09:27
This tagProdotto Tag ridesgiostre on the tunatonno,
225
552000
2000
La targhetta sul dorso del tonno
09:29
sensessensi the environmentambiente around the tunatonno
226
554000
3000
registra dati dell'ambiente in cui si muove il tonno
09:32
and actuallyin realtà will come off the fishpesce,
227
557000
3000
e alla fine si staccherà da sé
09:35
detachstaccare, floatgalleggiante to the surfacesuperficie
228
560000
2000
e risalirà in superficie
09:37
and sendinviare back to Earth-orbitingOrbita intorno alla terra satellitessatelliti
229
562000
3000
ed invierà ai satelliti orbitanti attorno alla Terra
09:40
positionposizione datadati estimatedstimato by mathmatematica on the tagProdotto Tag,
230
565000
3000
i dati calcolati relativi a posizione,
09:43
pressurepressione datadati and temperaturetemperatura datadati.
231
568000
3000
pressione e temperatura.
09:46
And so what we get then from the pop-upapparire satellitesatellitare tagProdotto Tag
232
571000
2000
Con questo sistema è possibile
09:48
is we get away from havingavendo to have a humanumano interactioninterazione
233
573000
3000
fare a meno delle operazioni necessarie
09:51
to recaptureriacquisire the tagProdotto Tag.
234
576000
2000
al recupero della targhetta.
09:53
BothEntrambi the electronicelettronico tagsTag I'm talkingparlando about are expensivecostoso.
235
578000
3000
Questi due tipi di targhette di cui vi ho parlato sono costosi.
09:56
These tagsTag have been engineeredingegnerizzato
236
581000
2000
Sono stati sviluppati
09:58
by a varietyvarietà of teamssquadre in NorthNord AmericaAmerica.
237
583000
3000
da diversi laboratori in Nord America.
10:01
They are some of our finestmigliori instrumentsstrumenti,
238
586000
2000
Sono alcuni tra gli strumenti più raffinati,
10:03
our newnuovo technologytecnologia in the oceanoceano todayoggi.
239
588000
3000
la nostra nuova tecnologia per lo studio dell'oceano.
10:07
One communitycomunità in generalgenerale
240
592000
2000
Un gruppo di collaboratori in particolare
10:09
has givendato more to help us than any other communitycomunità.
241
594000
2000
ci ha dato il proprio supporto più di tutti gli altri.
10:11
And that's the fisheriesdella pesca off the statestato of NorthNord CarolinaCarolina.
242
596000
3000
Si tratta di due villaggi di pescatori della Carolina del Nord.
10:14
There are two villagesvillaggi, HarrisHarris and MoreheadMorehead CityCittà,
243
599000
3000
Questi due villaggi, Harris e Morehead City,
10:17
everyogni winterinverno for over a decadedecennio,
244
602000
2000
ogni inverno durante gli ultimi dieci anni
10:19
heldheld a partypartito calledchiamato Tag-A-GiantTag-A-Giant,
245
604000
3000
hanno ospitato l'evento Tag-A-Giant
10:22
and togetherinsieme, fishersFishers workedlavorato with us
246
607000
2000
e i pescatori ci hanno aiutato a etichettare
10:24
to tagProdotto Tag 800 to 900 fishpesce.
247
609000
3000
dagli 800 ai 900 pesci.
10:27
In this casecaso, we're actuallyin realtà going to measuremisurare the fishpesce.
248
612000
3000
In questo caso andiamo a misurare il pesce.
10:30
We're going to do something that in recentrecente yearsanni we'venoi abbiamo startediniziato:
249
615000
3000
Facciamo un'operazione che abbiamo cominciato a fare negli scorsi anni:
10:33
take a mucusmuco samplecampione.
250
618000
2000
preleviamo un campione di muco.
10:35
Watch how shinysplendente the skinpelle is; you can see my reflectionriflessione there.
251
620000
3000
Guardate come brilla la pelle; potete vederci la mia immagine riflessa.
10:38
And from that mucusmuco, we can get genegene profilesprofili,
252
623000
3000
Da quel muco riusciamo a ottenere il profilo genetico.
10:41
we can get informationinformazione on genderGenere,
253
626000
2000
Ricaviamo informazioni sul sesso,
10:43
checkingverifica the pop-upapparire tagProdotto Tag one more time,
254
628000
2000
poi ricontrolliamo la targhetta
10:45
and then it's out in the oceanoceano.
255
630000
2000
e lo rimettiamo in acqua.
10:47
And this is my favoritefavorito.
256
632000
2000
Questa è la parte che preferisco.
10:49
With the help of my formerex postdocPostdoc, GarethGareth LawsonLawson,
257
634000
3000
Aiutata dal mio ex compagno di corso, Gareth Lawson,
10:52
this is a gorgeousbellissima pictureimmagine of a singlesingolo tunatonno.
258
637000
2000
ecco la stupenda foto di questo tonno.
10:54
This tunatonno is actuallyin realtà movingin movimento on a numericalnumerico oceanoceano.
259
639000
3000
I tonni si muovono in un oceano fatto di numeri.
10:57
The warmcaldo is the GulfGolfo StreamDiretta streaming,
260
642000
2000
La zona calda è la Corrente del Golfo,
10:59
the coldfreddo up there in the GulfGolfo of MaineMaine.
261
644000
3000
quella fredda corrisponde al Golfo del Maine.
11:02
That's where the tunatonno wants to go -- it wants to forageforaggio on schoolsscuole of herringaringa --
262
647000
3000
E' lì che è diretto il tonno. Va a caccia di banchi di aringhe.
11:05
but it can't get there. It's too coldfreddo.
263
650000
2000
Ancora non ci entra perché l'acqua è troppo fredda.
11:07
But then it warmsriscalda up, and the tunatonno popssi apre in, getsprende some fishpesce,
264
652000
3000
Ma appena diventa più calda, il tonno ci si infila, mangia alcuni pesci,
11:10
maybe comesviene back to home basebase,
265
655000
2000
poi torna al luogo di partenza,
11:12
goesva in again
266
657000
2000
e di nuovo a caccia,
11:14
and then comesviene back to winterinverno down there in NorthNord CarolinaCarolina
267
659000
3000
ed infine va a svernare lungo le coste della Carolina del Nord
11:17
and then on to the BahamasBahamas.
268
662000
2000
ed infine verso le Bahamas.
11:19
And my favoritefavorito scenescena, threetre tunastonni going into the GulfGolfo of MexicoMessico.
269
664000
3000
Ecco la mia scena preferita, tre tonni nel Golfo del Messico.
11:22
ThreeTre tunastonni taggedetichetta.
270
667000
2000
Etichettati tutti e tre.
11:24
AstronomicallyAstronomicamente, we're calculatingcalcolo positionsposizioni.
271
669000
2000
Ne calcoliamo la posizione in base ai dati astronomici.
11:26
They're comingvenuta togetherinsieme. That could be tunatonno sexsesso --
272
671000
3000
Ecco che si incontrano. Forse si accoppiano.
11:29
and there it is.
273
674000
2000
Ecco qui.
11:31
That is where the tunatonno spawnuova.
274
676000
2000
Qui è dove depongono le uova.
11:33
So from datadati like this,
275
678000
2000
Così da dati come questi
11:35
we're ablecapace now to put the mapcarta geografica up,
276
680000
2000
riusciamo a generare mappe,
11:37
and in this mapcarta geografica
277
682000
2000
e in questa mappa
11:39
you see thousandsmigliaia of positionsposizioni
278
684000
2000
vedete migliaia di posizioni registrate
11:41
generatedgenerato by this decadedecennio and a halfmetà of taggingetichettatura.
279
686000
3000
grazie a questa attività ultradecennale di etichettatura.
11:44
And now we're showingmostrando that tunastonni on the westernoccidentale sidelato
280
689000
3000
Qui si vede come i tonni vadano da occidente
11:47
go to the easternorientale sidelato.
281
692000
2000
a oriente.
11:49
So two populationspopolazioni of tunastonni --
282
694000
2000
Quindi due popolazioni di tonni --
11:51
that is, we have a GulfGolfo populationpopolazione, one that we can tagProdotto Tag --
283
696000
2000
parliamo di quella del Golfo, quella che possiamo etichettare
11:53
they go to the GulfGolfo of MexicoMessico, I showedha mostrato you that --
284
698000
3000
-- si dirigono verso il Golfo del Messico, come vi dicevo --
11:56
and a secondsecondo populationpopolazione.
285
701000
2000
e di una seconda popolazione.
11:58
LivingVivere amongsttra our tunastonni -- our NorthNord AmericanAmericano tunastonni --
286
703000
2000
Tra i nostri tonni, quelli del Nord America,
12:00
are EuropeanEuropeo tunastonni that go back to the MedMed.
287
705000
3000
troviamo anche i tonni Europei che arrivano perfino dal Mediterraneo.
12:03
On the hotcaldo spotsmacchie -- the hopesperanza spotsmacchie --
288
708000
2000
Nelle zone calde, le zone della speranza,
12:05
they're mixedmisto populationspopolazioni.
289
710000
2000
ci sono popolazioni miste.
12:07
And so what we'venoi abbiamo donefatto with the sciencescienza
290
712000
2000
E grazie alla nostra ricerca scientifica
12:09
is we're showingmostrando the InternationalInternazionale CommissionCommissione,
291
714000
2000
abbiamo sottoposto alla Commissione Internazionale
12:11
buildingcostruzione newnuovo modelsModelli,
292
716000
2000
i nuovi modelli,
12:13
showingmostrando them that a two-stockdue-stock no-mixingNo-miscelazione modelmodello --
293
718000
2000
dimostrando come il modello basato su due razze distinte --
12:15
to this day, used to rejectrifiutare
294
720000
3000
usato fino ad oggi per giustificare la non adempienza
12:18
the CITESCITA treatytrattato --
295
723000
2000
al protocollo CITES --
12:20
that modelmodello isn't the right modelmodello.
296
725000
2000
non era il modello corretto.
12:22
This modelmodello, a modelmodello of overlapsovrapposizione,
297
727000
2000
E' questo modello, quello della sovrapposizione di specie,
12:24
is the way to movemossa forwardinoltrare.
298
729000
2000
il modello che bisogna usare.
12:26
So we can then predictpredire
299
731000
2000
Con questo modello possiamo stabilire
12:28
where managementgestione placesposti should be.
300
733000
2000
quali siano le aree da proteggere.
12:30
PlacesPosti like the GulfGolfo of MexicoMessico and the MediterraneanMediterraneo
301
735000
3000
Luoghi come il Golfo del Messico e il Mediterraneo
12:33
are placesposti where the singlesingolo speciesspecie,
302
738000
2000
sono luoghi in cui è possibile catturare
12:35
the singlesingolo populationpopolazione, can be capturedcaptured.
303
740000
2000
tonni della stessa specie.
12:37
These becomediventare forthrightschietta in placesposti we need to protectproteggere.
304
742000
3000
Queste sono le aree da proteggere.
12:40
The centercentro of the AtlanticAtlantico where the mixingmiscelazione is,
305
745000
3000
Per il centro dell'Atlantico, dove si mescolano le specie,
12:43
I could imagineimmaginare a policypolitica that letslascia CanadaCanada and AmericaAmerica fishpesce,
306
748000
2000
potrei pensare a un regolamento che favorisca la pesca di Canada e USA,
12:45
because they managegestire theirloro fisheriesdella pesca well,
307
750000
3000
perché lo fanno in modo sostenibile,
12:48
they're doing a good joblavoro.
308
753000
2000
si comportano correttamente.
12:50
But in the internationalinternazionale realmregno,
309
755000
2000
Ma a livello internazionale,
12:52
where fishingpesca and overfishingpesca eccessiva has really goneandato wildselvaggio,
310
757000
2000
dove si pratica una pesca selvaggia senza regole,
12:54
these are the placesposti that we have to make hopesperanza spotsmacchie in.
311
759000
3000
si dovranno creare zone di salvaguardia.
12:57
That's the sizedimensione they have to be to protectproteggere the bluefinBluefin tunatonno.
312
762000
3000
Questa è l'estensione minima per garantire il ripopolamento del pinna blu.
13:00
Now in a secondsecondo projectprogetto
313
765000
2000
Con il nostro secondo progetto,
13:02
calledchiamato TaggingTagging of PacificPacifico PelagicsPesci pelagici,
314
767000
2000
l'etichettatura dei pesci pelagici del Pacifico,
13:04
we tookha preso on the planetpianeta as a teamsquadra,
315
769000
2000
abbiamo agito su scala planetaria come un unico team,
13:06
those of us in the CensusCensimento of MarineMarine Life.
316
771000
2000
affiliato all'organizzazione per il Censimento della Vita Marina.
13:08
And, fundedfinanziato primarilyprincipalmente throughattraverso SloanSloan FoundationFondazione and othersaltri,
317
773000
4000
E grazie alle sovvenzioni di Sloan Foundation ed altri
13:12
we were ablecapace to actuallyin realtà go in, in our projectprogetto --
318
777000
3000
abbiamo dato inizio al progetto --
13:15
we're one of 17 fieldcampo programsprogrammi
319
780000
2000
noi facciamo parte di uno dei 17 programmi sul campo
13:17
and begininizio to take on taggingetichettatura largegrande numbersnumeri of predatorspredatori,
320
782000
3000
e abbiamo cominciato a etichettare grandi quantità di predatori,
13:20
not just tunastonni.
321
785000
2000
non solo di tonni.
13:22
So what we'venoi abbiamo donefatto
322
787000
2000
Perciò siamo andati
13:24
is actuallyin realtà goneandato up to tagProdotto Tag salmonsalmone sharksqualo in AlaskaAlaska,
323
789000
3000
a marcare gli squali salmone in Alaska,
13:27
metincontrato salmonsalmone sharksqualo on theirloro home territoryterritorio,
324
792000
3000
li abbiamo incontrati nel loro ambiente,
13:30
followedseguita them catchingattraente salmonsalmone
325
795000
2000
li abbiamo seguiti mentre cacciavano salmoni
13:32
and then wentandato in and figuredfigurato out
326
797000
2000
e allora abbiamo pensato che
13:34
that, if we take a salmonsalmone and put it on a linelinea,
327
799000
3000
se avessimo usato un salmone come esca
13:37
we can actuallyin realtà take up a salmonsalmone sharksqualo --
328
802000
2000
avremmo potuto catturare uno squalo --
13:39
This is the cousincugino of the whitebianca sharksqualo --
329
804000
2000
Parliamo del cugino dello squalo bianco --
13:41
and very carefullyaccuratamente --
330
806000
2000
e con molta attenzione --
13:43
noteNota, I say "very carefullyaccuratamente," --
331
808000
2000
e intendo con "molta attenzione" --
13:45
we can actuallyin realtà keep it calmcalma,
332
810000
2000
riusciamo a calmarlo,
13:47
put a hosetubo flessibile in its mouthbocca, keep it off the deckponte
333
812000
3000
intubarlo, tenerlo fermo accanto all'imbarcazione
13:50
and then tagProdotto Tag it with a satellitesatellitare tagProdotto Tag.
334
815000
3000
e fissargli sul dorso una targhetta satellitare.
13:53
That satellitesatellitare tagProdotto Tag will now have your sharksqualo phoneTelefono home
335
818000
3000
Quella targhetta è praticamente il telefono di casa dello squalo
13:56
and sendinviare in a messagemessaggio.
336
821000
2000
che ci manda messaggi.
13:58
And that sharksqualo leapingche salta there, if you look carefullyaccuratamente, has an antennaantenna.
337
823000
3000
Se notate, questo squalo porta sul dorso una piccola antenna.
14:01
It's a freegratuito swimmingnuoto sharksqualo with a satellitesatellitare tagProdotto Tag
338
826000
2000
Che non gli impedisce di nuotare liberamente
14:03
jumpingsalto after salmonsalmone,
339
828000
2000
ed inseguire i salmoni,
14:05
sendinginvio home its datadati.
340
830000
3000
mentre ci invia i suoi dati.
14:09
SalmonSalmone sharkssquali aren'tnon sono the only sharkssquali we tagProdotto Tag.
341
834000
2000
Questi non sono gli unici squali che etichettiamo.
14:11
But there goesva salmonsalmone sharkssquali with this meter-levelMisuratore di livello resolutionrisoluzione
342
836000
3000
Ed ecco gli spostamenti degli squali salmone tracciati con precisione
14:14
on an oceanoceano of temperaturetemperatura -- warmcaldo colorscolori are warmerpiù caldi.
343
839000
3000
in un oceano di temperature diverse -- i colori caldi indicano aree più calde.
14:17
SalmonSalmone sharkssquali go down
344
842000
2000
Gli squali scendono
14:19
to the tropicstropici to pupPup
345
844000
2000
fino ai tropici per poi
14:21
and come into MontereyMonterey.
346
846000
2000
arrivare a Monterey.
14:23
Now right nextIl prossimo doorporta in MontereyMonterey and up at the FarallonesFarallones
347
848000
3000
Ora proprio vicino a Monterey dalle parti dei Faraglioni
14:26
are a whitebianca sharksqualo teamsquadra led by ScottScott AndersonAnderson -- there --
348
851000
2000
si trova la squadra degli squali bianchi guidata da Scott Anderson
14:28
and SalSal JorgensenJorgensen.
349
853000
2000
e Sal Jorgensen.
14:30
They can throwgettare out a targetbersaglio --
350
855000
2000
Lanciano in acqua un'esca
14:32
it's a carpettappeto shapeda forma di like a sealfoca --
351
857000
2000
-- un tappeto a forma di foca --
14:34
and in will come a whitebianca sharksqualo, a curiouscurioso critterCritter
352
859000
3000
ed ecco arrivare uno squalo bianco, creatura curiosa
14:37
that will come right up to our 16-ft-ft. boatbarca.
353
862000
3000
che si avvicina alla nostra barca di 4 metri.
14:40
It's a severalparecchi thousand-poundmille-Libbra animalanimale.
354
865000
2000
E' un animale che pesa alcune tonnellate.
14:42
And we'llbene windvento in the targetbersaglio.
355
867000
3000
Recuperiamo l'esca
14:45
And we'llbene placeposto an acousticacustico tagProdotto Tag
356
870000
2000
e applichiamo allo squalo una targhetta acustica
14:47
that saysdice, "OMSHARKOMSHARK 10165,"
357
872000
2000
che dice "OMSHARK 10165",
14:49
or something like that, acousticallyacusticamente with a pingping.
358
874000
3000
o qualcosa di simile, con un breve suono.
14:52
And then we'llbene put on a satellitesatellitare tagProdotto Tag
359
877000
2000
E poi gli fissiamo anche una targhetta satellitare
14:54
that will give us the long-distancelunga distanza journeysViaggi
360
879000
3000
che indicherà i suoi lunghi spostamenti
14:57
with the light-basedbasati sulla luce geolocationGeolocalizzazione algorithmsalgoritmi
361
882000
2000
calcolati con gli algoritmi di geolocazione basati sulla luce
14:59
solvedrisolto on the computercomputer that's on the fishpesce.
362
884000
3000
grazie al computer trasportato sul dorso del pesce.
15:02
So in this casecaso, Sal'sDi Sal looking at two tagsTag there,
363
887000
3000
In questo caso Sal sta controllando le due targhette.
15:05
and there they are: the whitebianca sharkssquali of CaliforniaCalifornia
364
890000
3000
Eccole qui: gli squali bianchi della California
15:08
going off to the whitebianca sharksqualo cafeCafé and comingvenuta back.
365
893000
3000
che vanno a farsi un giretto e tornano indietro.
15:12
We alsoanche tagProdotto Tag makosMakos with our NOAANOAA colleaguescolleghi,
366
897000
2000
Etichettiamo anche i mako con i nostri colleghi del NOAA,
15:14
blueblu sharkssquali.
367
899000
2000
gli squali blu.
15:16
And now, togetherinsieme, what we can see
368
901000
2000
E adesso vediamo insieme
15:18
on this oceanoceano of colorcolore that's temperaturetemperatura,
369
903000
2000
questo oceano di colori che rappresentano le temperature,
15:20
we can see ten-daydieci giorni wormsviti senza fine of makosMakos and salmonsalmone sharkssquali.
370
905000
3000
i tracciati di 10 giorni di spostamenti dei mako e degli squali salmone.
15:24
We have whitebianca sharkssquali and blueblu sharkssquali.
371
909000
2000
Vediamo gli squali bianchi e gli squali blu.
15:26
For the first time,
372
911000
2000
Per la prima volta abbiamo
15:28
an ecoscapeEcoscape as largegrande as ocean-scaleoceano-scala,
373
913000
2000
una mappatura di portata oceanica
15:30
showingmostrando where the sharkssquali go.
374
915000
3000
che mostra dove siano diretti gli squali.
15:33
The tunatonno teamsquadra from TOPPTOPP has donefatto the unthinkableimpensabile:
375
918000
3000
La squadra dei tonni del TOPP ha fatto l'inimmaginabile:
15:36
threetre teamssquadre taggedetichetta 1,700 tunastonni,
376
921000
3000
tre squadre hanno etichettato 1.700 tonni,
15:39
bluefinBluefin, yellowfinYellowfin and albacoretonno bianco
377
924000
2000
pinna blu, pinna gialla e tonno bianco
15:41
all at the samestesso time --
378
926000
2000
tutti nello stesso lasso di tempo --
15:43
carefullyaccuratamente rehearsedrecitati taggingetichettatura programsprogrammi
379
928000
2000
si ripassano tutti i punti del programma,
15:45
in whichquale we go out, pickraccogliere up juvenilegiovanile tunastonni,
380
930000
3000
si va per mare alla ricerca dei tonni più giovani,
15:48
put in the tagsTag that actuallyin realtà have the sensorssensori,
381
933000
3000
si applicano le targhette munite di sensori
15:51
stickbastone out the tunatonno
382
936000
2000
sui tonni,
15:53
and then let them go.
383
938000
2000
e si rimettono in mare
15:55
They get returnedtornato, and when they get returnedtornato,
384
940000
2000
E quando ci vengono riconsegnate le targhette,
15:57
here on a NASANASA numericalnumerico oceanoceano
385
942000
3000
nell'elaborazione numerica dell'oceano fatta dalla NASA
16:00
you can see bluefinBluefin in blueblu
386
945000
2000
si possono vedere le tracce dei pinna blu
16:02
go acrossattraverso theirloro corridorcorridoio,
387
947000
2000
che seguono il loro corridoio
16:04
returningritorno to the WesternWestern PacificPacifico.
388
949000
3000
fino ad arrivare al Pacifico Occidentale.
16:07
Our teamsquadra from UCSCUCSC has taggedetichetta elephantelefante sealsguarnizioni
389
952000
3000
La nostra squadra dell'UCSC ha etichettato le foche elefante
16:10
with tagsTag that are gluedincollati on theirloro headsteste, that come off when they sloughSlough.
390
955000
3000
incollando le targhette sul loro capo, che si staccano quando fanno la muta.
16:13
These elephantelefante sealsguarnizioni covercopertina halfmetà an oceanoceano,
391
958000
3000
Le foche nuotano attraverso mezzo oceano e
16:16
take datadati down to 1,800 feetpiedi --
392
961000
2000
raccolgono dati fino a quai 600 metri di profondità --
16:18
amazingStupefacente datadati.
393
963000
2000
dati incredibili.
16:20
And then there's ScottScott ShafferShaffer and our shearwatersBerte
394
965000
3000
E poi c'è Scott Shaffer con le nostre berte che portano
16:23
wearingindossare tunatonno tagsTag, light-basedbasati sulla luce tagsTag,
395
968000
3000
le stesse targhette dei tonni, basate sulla luce,
16:26
that now are going to take you from NewNuovo ZealandZelanda to MontereyMonterey and back,
396
971000
3000
che ci porteranno dalla Nuova Zelanda a Monterey e ritorno,
16:29
journeysViaggi of 35,000 nauticalnautico milesmiglia
397
974000
3000
viaggi di 35.000 miglia nautiche
16:32
we had never seenvisto before.
398
977000
2000
che non abbiamo mai visto prima.
16:34
But now with light-basedbasati sulla luce geolocationGeolocalizzazione tagsTag that are very smallpiccolo,
399
979000
3000
Ma ora grazie alla geolocalizzazione luminosa consentita dalle targhette
16:37
we can actuallyin realtà see these journeysViaggi.
400
982000
2000
possiamo visualizzare i loro viaggi.
16:39
SameStesso thing with LaysanLaysan albatrossAlbatross
401
984000
2000
Lo stesso per gli albatros di Laysan
16:41
who travelviaggio an entireintero oceanoceano
402
986000
2000
che a volte attraversano tutto l'oceano
16:43
on a tripviaggio sometimesa volte,
403
988000
2000
in un sol viaggio,
16:45
up to the samestesso zonezona the tunastonni use.
404
990000
2000
per arrivare nelle stesse zone dove si radunano i tonni.
16:47
You can see why they mightpotrebbe be caughtcatturato.
405
992000
3000
E potete capire perché vengano catturati.
16:50
Then there's GeorgeGeorge SchillingerSchillinger and our leatherbackliuto teamsquadra out of PlayaPlaya GrandeGrande
406
995000
3000
E George Schillinger e la nostra squadra di Playa Grande
16:53
taggingetichettatura leatherbacksliuto
407
998000
2000
che etichetta le tartarughe liuto
16:55
that go right pastpassato where we are.
408
1000000
3000
proprio qui vicino.
16:58
And ScottScott Benson'sDi Benson teamsquadra
409
1003000
2000
E il gruppo di Scott Benson
17:00
that showedha mostrato that leatherbacksliuto go from IndonesiaIndonesia
410
1005000
2000
che ha dimostrato come le liuto viaggino
17:02
all the way to MontereyMonterey.
411
1007000
2000
dall'Indonesia a Monterey.
17:04
So what we can see on this movingin movimento oceanoceano
412
1009000
3000
Dunque ciò che possiamo osservare in questo oceano in movimento
17:07
is we can finallyfinalmente see where the predatorspredatori are.
413
1012000
3000
sono le zone in cui si trovano i predatori.
17:10
We can actuallyin realtà see how they're usingutilizzando ecospacesecospaces
414
1015000
3000
Possiamo vedere come essi utilizzino ecospazi
17:13
as largegrande as an oceanoceano.
415
1018000
2000
di dimensioni oceaniche.
17:15
And from this informationinformazione,
416
1020000
2000
E con queste informazioni
17:17
we can begininizio to mapcarta geografica the hopesperanza spotsmacchie.
417
1022000
3000
riusciamo a produrre mappe delle zone della speranza.
17:20
So this is just threetre yearsanni of datadati right here --
418
1025000
2000
Qui abbiamo i dati degli ultimi tre anni.
17:22
and there's a decadedecennio of this datadati.
419
1027000
2000
E qui degli ultimi dieci.
17:24
We see the pulseimpulso and the seasonalstagionale activitiesattività
420
1029000
2000
Vediamo la vita e le attività stagionali
17:26
that these animalsanimali are going on.
421
1031000
3000
di questi animali.
17:30
So what we're ablecapace to do with this informationinformazione
422
1035000
2000
Quello che facciamo con queste informazioni
17:32
is boilBollire it down to hotcaldo spotsmacchie,
423
1037000
3000
è individuare le zone critiche,
17:35
4,000 deploymentsdistribuzioni,
424
1040000
2000
circa 4.000 punti,
17:37
a hugeenorme herculeanerculeo taskcompito,
425
1042000
3000
uno sforzo erculeo,
17:40
2,000 tagsTag
426
1045000
2000
2.000 targhette
17:42
in an areala zona, shownmostrato here for the first time,
427
1047000
2000
in una zona, che vediamo qui per la prima volta,
17:44
off the CaliforniaCalifornia coastcosta,
428
1049000
2000
al largo della costa californiana,
17:46
that appearsappare to be a gatheringraduno placeposto.
429
1051000
3000
che sembra essere un luogo di raccolta.
17:50
And then for sortordinare of an encorebis from these animalsanimali,
430
1055000
3000
E dobbiamo ringraziare nuovamente questi animali,
17:53
they're helpingporzione us.
431
1058000
2000
che ci stanno aiutando.
17:55
They're carryingportando instrumentsstrumenti
432
1060000
2000
Portano indosso i nostri strumenti
17:57
that are actuallyin realtà takingpresa datadati down to 2,000 metersmetri.
433
1062000
3000
raccogliendo dati fino a 2.000 metri di profondità.
18:00
They're takingpresa informationinformazione from our planetpianeta
434
1065000
2000
Raccolgono informazioni sul nostro pianeta
18:02
at very criticalcritico placesposti like AntarcticaAntartide and the PolesPoli.
435
1067000
3000
in posti difficili come le zone antartiche e i poli.
18:05
Those are sealsguarnizioni from manymolti countriespaesi
436
1070000
2000
Sono le foche che si trovano nelle acque di diverse nazioni
18:07
beingessere releasedrilasciato
437
1072000
2000
che vengono rilasciate
18:09
who are samplingcampionamento underneathsotto the iceghiaccio sheetslenzuola
438
1074000
2000
per trasmetterci dati raccolti al disotto della banchisa
18:11
and givingdando us temperaturetemperatura datadati of oceanographicoceanografica qualityqualità
439
1076000
3000
sulle temperature, di qualità oceanografica,
18:14
on bothentrambi polespoli.
440
1079000
2000
provenienti da entrambi i poli.
18:16
This datadati, when visualizedvisualizzato, is captivatingaccattivante to watch.
441
1081000
3000
Visualizzare questi dati è davvero affascinante.
18:19
We still haven'tnon hanno figuredfigurato out bestmigliore how to visualizevisualizzare the datadati.
442
1084000
3000
Ancora dobbiamo trovare il modo di rappresentarli al meglio.
18:22
And then, as these animalsanimali swimnuotare
443
1087000
2000
E mentre questi animali nuotano
18:24
and give us the informationinformazione
444
1089000
2000
e ci danno informazioni
18:26
that's importantimportante to climateclima issuesproblemi,
445
1091000
2000
importanti per la climatologia,
18:28
we alsoanche think it's criticalcritico
446
1093000
2000
riteniamo anche che sia indispensabile
18:30
to get this informationinformazione to the publicpubblico,
447
1095000
2000
rendere pubbliche queste informazioni,
18:32
to engageimpegnare the publicpubblico with this kindgenere of datadati.
448
1097000
3000
far sì che arrivino al grande pubblico.
18:35
We did this with the Great TurtleTartaruga RaceGara --
449
1100000
2000
L'abbiamo fatto con la Grande Corsa delle Tartarughe --
18:37
taggedetichetta turtlestartarughe, broughtportato in fourquattro millionmilione hitscolpi.
450
1102000
3000
tartarughe etichettate, quattro milioni di visitatori virtuali.
18:40
And now with Google'sDi Google OceansOceani,
451
1105000
3000
E ora è la volta di Google Oceani,
18:43
we can actuallyin realtà put a whitebianca sharksqualo in that oceanoceano.
452
1108000
2000
possiamo di fatto inserire uno squalo bianco in quell'oceano.
18:45
And when we do and it swimsnuota,
453
1110000
2000
E mentre nuota possiamo
18:47
we see this magnificentmagnifico bathymetrybatimetria
454
1112000
2000
vedere questa incredibile linea batimetrica
18:49
that the sharksqualo knowsconosce is there on its pathsentiero
455
1114000
2000
tracciata dallo squalo mentre
18:51
as it goesva from CaliforniaCalifornia to HawaiiHawaii.
456
1116000
2000
nuota dalla California alle Hawaii.
18:53
But maybe MissionMissione BlueBlu
457
1118000
2000
Ma forse Mission Blue
18:55
can fillriempire in that oceanoceano that we can't see.
458
1120000
3000
può rendere visibile l'oceano che non possiamo ancora vedere.
18:58
We'veAbbiamo got the capacitycapacità, NASANASA has the oceanoceano.
459
1123000
3000
Noi abbiamo la capacità, la NASA l'oceano.
19:01
We just need to put it togetherinsieme.
460
1126000
2000
Dobbiamo solo metterli insieme.
19:03
So in conclusionconclusione,
461
1128000
2000
Concludendo,
19:05
we know where YellowstoneYellowstone is for NorthNord AmericaAmerica;
462
1130000
3000
sappiamo dov'è lo Yellowstone del Nord America;
19:08
it's off our coastcosta.
463
1133000
2000
al largo delle nostre coste.
19:10
We have the technologytecnologia that's shownmostrato us where it is.
464
1135000
2000
La tecnologia ce l'ha fatto vedere.
19:12
What we need to think about perhapsForse for MissionMissione BlueBlu
465
1137000
3000
Forse il compito di Mission Blue
19:15
is increasingcrescente the biologgingmarcatura capacitycapacità.
466
1140000
3000
è di aumentare la nostra capacità di marcatura.
19:18
How is it that we can actuallyin realtà
467
1143000
2000
In che modo possiamo
19:20
take this typetipo of activityattività elsewherealtrove?
468
1145000
3000
esportare questa attività?
19:23
And then finallyfinalmente -- to basicallyfondamentalmente get the messagemessaggio home --
469
1148000
3000
E infine, per far sì che il messaggio giunga a tutti,
19:26
maybe use livevivere linkslink
470
1151000
2000
magari usare link viventi
19:28
from animalsanimali suchcome as blueblu whalesbalene and whitebianca sharkssquali.
471
1153000
2000
di animali come le balenottere azzurre e gli squali bianchi.
19:30
Make killerkiller appsapplicazioni, if you will.
472
1155000
2000
Creare application incredibili, magari.
19:32
A lot of people are excitedemozionato
473
1157000
2000
Molte persone erano ellettrizzate
19:34
when sharkssquali actuallyin realtà wentandato undersotto the GoldenD'oro GateCancello BridgePonte.
474
1159000
3000
al passaggio degli squali sotto il Golden Gate Bridge.
19:37
Let's connectCollegare the publicpubblico to this activityattività right on theirloro iPhoneiPhone.
475
1162000
3000
Colleghiamo la gente alla nostra attività tramite il loro iPhone.
19:40
That way we do away with a fewpochi internetInternet mythsmiti.
476
1165000
3000
Così sfatiamo alcuni miti di internet.
19:44
So we can savesalvare the bluefinBluefin tunatonno.
477
1169000
2000
Così possiamo salvare il tonno pinna blu.
19:46
We can savesalvare the whitebianca sharksqualo.
478
1171000
2000
Possiamo salvare lo squalo bianco.
19:48
We have the sciencescienza and technologytecnologia.
479
1173000
2000
Abbiamo la scienza e la tecnologia.
19:50
HopeSperanza is here. Yes we can.
480
1175000
2000
Abbiamo la speranza. Ce la possiamo fare.
19:52
We need just to applyapplicare this capacitycapacità
481
1177000
2000
Dobbiamo solo intensificare questa capacità
19:54
furtherulteriore in the oceansoceani.
482
1179000
2000
in tutti gli oceani.
19:56
Thank you.
483
1181000
2000
Grazie.
19:58
(ApplauseApplausi)
484
1183000
2000
(Applausi)
Translated by Daniele Buratti
Reviewed by Elena Montrasio

▲Back to top

ABOUT THE SPEAKER
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.

Why you should listen

Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.

Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.

More profile about the speaker
Barbara Block | Speaker | TED.com