TEDGlobal 2011
Paul Snelgrove: A census of the ocean
بول سنيلجروف: إحصاء رسمي للمحيط.
Filmed:
Readability: 4
336,429 views
يشارك عالم المحيطات بول سنيلجروف نتائج المشروع الذي استمر لعشرة سنوات لهدف واحد وهو إحصاء كل الكائنات الحية بالمحيط. و يشارك أيضاً بصور خلابة لبعض الإكتشافات المدهشة لإحصاء الكائنات البحرية.
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
تشكل المحيطات 70%من كوكبنا.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
واعتقد أن آرثر سي كلارك ربما كان على حق
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
عندما قال أنه ربما ينبغي علينا أن نطلق على كوكبنا
00:23
Planet Ocean.
3
8000
2000
اسم "الكوكب المحيط".
00:25
And the oceans are hugely productive,
4
10000
2000
تنتج المحيطات إنتاجًا هائلاً
00:27
as you can see by the satellite image
5
12000
2000
كما ترون فى الصورة المأخوذة بالقمر الصناعي
00:29
of photosynthesis, the production of new life.
6
14000
2000
للتخليق الضوئي الذي يعني إنتاج حياة جديدة.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
في الواقع تنتج المحيطات كل يوم نصف الكائنات الحية الجديدة الموجودة على كوكب الأرض
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
بالإضافة إلى نصف الأكسجين الذي نستنشقه.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
كما أنها تحافظ على التنوع البيولوجي على الأرض
00:40
and much of it we don't know about.
10
25000
2000
و الذي نجهل الكثير حوله.
00:42
But I'll tell you some of that today.
11
27000
2000
لكني سأخبركم عنه اليوم.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
هذا أيضاً لا يشمل استخراج البروتين الكامل
00:46
that we do from the ocean.
13
31000
2000
الذي نستخرجه من المحيط.
00:48
That's about 10 percent of our global needs
14
33000
2000
الذي يمثل 10% من احتياجاتنا العالمية
00:50
and 100 percent of some island nations.
15
35000
3000
و 100% من احتياجات بعض البلدان الجزرية.
00:53
If you were to descend
16
38000
2000
لو نزلت إلى
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
أعماق المحيط الحيوي الصالح للعيش,
00:57
it would quickly become pitch black,
18
42000
2000
سرعان ما سيتحول إلى ظلام دامس,
00:59
interrupted only by pinpoints of light
19
44000
2000
يقطعه فقط بعض الضوء بحجم رؤوس الدبابيس
01:01
from bioluminescent organisms.
20
46000
2000
من الإضاءة الحيوية المنبعثة من الكائنات الحية.
01:03
And if you turn the lights on,
21
48000
2000
و إذا قمت بإشعال الضوء,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
قد ترى كائنات مدهشة تسبح بشكل دوري
01:07
because those are the denizens of the deep,
23
52000
2000
لأن تلك الكائنات مقيمة في القاع,
01:09
the things that live in the deep ocean.
24
54000
2000
الكائنات التي تعيش في أعماق المحيط.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
و في النهاية, قاع البحر العميق سيظهر للعيان.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
هذا النوع من الأحياء يغطي سطح الأرض أكثر من
01:17
than all other habitats combined.
27
62000
2000
كل الكائنات الآخرى مجتمعين.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
ومع هذا, نحن نعرف عن سطح القمر وسطح المريخ
01:21
than we do about this habitat,
29
66000
2000
أكثر مما نعرف عن هذا المقيم,
01:23
despite the fact that we have yet to extract
30
68000
2000
بالرغم من حقيقة أننا بحاجة لاستخراج
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
غرام من الطعام, أو نفس أوكسجين, أو قطرة ماء
01:28
from those bodies.
32
73000
2000
من تلك الأجسام.
01:30
And so 10 years ago,
33
75000
2000
لذا, بدأ منذ عشر سنوات,
01:32
an international program began called the Census of Marine Life,
34
77000
3000
برنامج دولي يُسمى بـ " تعداد الكائنات الحية البحرية "
01:35
which set out to try and improve our understanding
35
80000
2000
الذي وُضع لمحاولة تحسين فهمنا
01:37
of life in the global oceans.
36
82000
2000
للحياة في المحيطات العالمية.
01:39
It involved 17 different projects around the world.
37
84000
3000
اشتمل البرنامج على 17 مشروع مختلف حول العالم.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
وكما ترون هذه مواقع المشاريع المختلفة.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
و أتمنى أن يعجبكم مستوى التغطية العالمية
01:47
that it managed to achieve.
40
92000
2000
الذي عملوا على تحقيقه.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
بدأ البرنامج عندما التقى العالمان فريد قراسيل و جيس اوسوبل
01:51
met in Woods Hole, Massachusetts
42
96000
3000
في معهد وودز هول في ماساشوستس
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
حيث كان كلاهما ضيفان في المعهد الشهير لعلوم المحيطات.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
وكان فريد يشعر بالأسى لحال التنوع البيولوجي البحري
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
و حقيقة أنه كان يعاني من مشكلة و لم يتم فعل شئ حيال ذلك.
02:02
Well, from that discussion grew this program
46
107000
2000
و من تلك المناقشة نما هذا البرنامج.
02:04
that involved 2,700 scientists
47
109000
2000
الذي يضم 2,700 عالم
02:06
from more than 80 countries around the world
48
111000
2000
من أكثر من 80 دولة حول العالم
02:08
who engaged in 540 ocean expeditions
49
113000
3000
الذين شاركوا في 540 رحلة للمحيط
02:11
at a combined cost of 650 million dollars
50
116000
3000
بتكلفة مرّكبة تبلغ 650 مليون دولار
02:14
to study the distribution, diversity and abundance
51
119000
2000
لدراسة التوزيع والتنوع و الوفرة
02:16
of life in the global ocean.
52
121000
3000
للكائنات الحية في المحيطات العالمية.
02:19
And so what did we find?
53
124000
2000
فماذا وجدنا؟
02:21
We found spectacular new species,
54
126000
2000
وجدنا أنواع جديدة مذهلة,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
أجمل و أروع الأشياء من كل مكان بحثنا فيه --
02:26
from the shoreline to the abyss,
56
131000
2000
من الشاطئ إلى القاع,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
من الميكروبات صعوداً إلى الأسماك وما بينهما.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
و "الخطوة البطيئة" هنا لم تكن تنوع الحياة المجهول,
02:34
but rather the taxonomic specialists
59
139000
2000
بل كانت المتخصصين في مجال التصنيف
02:36
who can identify and catalog these species
60
141000
2000
الذين يحددون ويصنفون هذه الأنواع
02:38
that became the limiting step.
61
143000
2000
التي أصبحت "الخطوة البطيئة".
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
في الواقع , هي نفسها كائنات مهددة بالإنقراض.
02:43
There are actually four to five new species
63
148000
2000
هناك أربعة إلى خمسة أنواع جديدة
02:45
described everyday for the oceans.
64
150000
2000
توصف يومياً للمحيطات.
02:47
And as I say, it could be a much larger number.
65
152000
3000
و كما أقول, قد يكون العدد أكبر بكثير.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
الآن, أتيت من جزيرة نيوفاوندلاند في كندا --
02:53
It's an island off the east coast of that continent --
67
158000
2000
و هي جزيرة تقع قبالة الساحل الشرقي لتلك القارة --
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
التي شهدنا فيها واحدة من أسوأ كوارث صيد السمك
02:58
in human history.
69
163000
2000
في التاريخ الإنساني.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
و يظهر في هذه الصورة طفل صغير يجلس بالقرب من سمك القد.
03:02
It's around 1900.
71
167000
2000
مأخوذة حوالي عام 1900 تقريباً.
03:04
Now, when I was a boy of about his age,
72
169000
2000
الآن, عندما كنت طفل بنفس سنّ هذا الطفل تقريباً,
03:06
I would go out fishing with my grandfather
73
171000
2000
كنت أذهب لصيد السمك مع والدي
03:08
and we would catch fish about half that size.
74
173000
2000
و كنا نصطاد سمك بنصف ذلك الحجم.
03:10
And I thought that was the norm,
75
175000
2000
و كنت أظن أن ذلك كان الحجم الطبيعي,
03:12
because I had never seen fish like this.
76
177000
2000
لأنني لم أرى سمكة كهذه من قبل.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
إن كنتم ستذهبون إلى هناك في الوقت الحالي, بعد عشرين سنة من انهيار مصائد الأسماك,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
إذا استطعت اصطياد سمكة, وهذا سيكون تحدياً نوعاً ما,
03:20
it would be half that size still.
79
185000
2000
فسيكون حجمها نصف ذلك الحجم.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
ما نشهده هو شيئٌ يُسمى بـ تغيير خط الأساس.
03:25
Our expectations of what the oceans can produce
81
190000
2000
توقعاتنا لما يمكن أن تنتجه المحيطات
03:27
is something that we don't really appreciate
82
192000
2000
هو أمر لا نقدره كثيراً
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
لأننا لم نراه في حياتنا.
03:32
Now most of us, and I would say me included,
84
197000
3000
غالبيتنا الآن , و أنا من ضمنكم,
03:35
think that human exploitation of the oceans
85
200000
2000
يعتقد أن الاستغلال البشري للمحيطات
03:37
really only became very serious
86
202000
2000
أصبح بالفعل خطيراً للغاية
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
في الخمسين سنة الأخيرة لـ ربما مئة سنة أو نحو ذلك.
03:41
The census actually tried to look back in time,
88
206000
2000
العاملين على التعداد في الواقع حاولوا أن ينظروا للوراء في الوقت المناسب,
03:43
using every source of information they could get their hands on.
89
208000
3000
مستخدمين كل مصدر للمعلومات يمكن أن تقع أيديهم عليه.
03:46
And so anything from restaurant menus
90
211000
2000
أي شيء , بدءاً بقوائم المطاعم
03:48
to monastery records to ships' logs
91
213000
2000
حتى سجلات الدير و سجلات السفن.
03:50
to see what the oceans looked like.
92
215000
2000
ليروا كيف كانت تبدو المحيطات.
03:52
Because science data really goes back
93
217000
2000
لأن البيانات العلمية في معظم الأحوال تعود للوراء
03:54
to, at best, World War II, for the most part.
94
219000
2000
حتى الحرب العالمية الثانية, في أحسن الأحوال.
03:56
And so what they found, in fact,
95
221000
2000
و ماوجدوه في الحقيقة,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
أن الإستغلال بدأ بشكل كبير مع الرومان.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
و بطبيعة الحال, لم يكن هناك تبريد في ذلك الوقت.
04:03
So fishermen could only catch
98
228000
2000
فكان صيادو السمك يصطادون فقط
04:05
what they could either eat or sell that day.
99
230000
2000
ما يمكنهم أكله أو بيعه في ذلك اليوم.
04:07
But the Romans developed salting.
100
232000
2000
لكن الرومان طوروا التمليح.
04:09
And with salting,
101
234000
2000
و مع التمليح,
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
أصبح من الممكن تخزين السمك ونقله إلى مسافات بعيدة.
04:14
And so began industrial fishing.
103
239000
3000
و من ثم بدأ صيد السمك الصناعي.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
و هذه أنواع التقديرات التي حصلنا عليها
04:20
of what sort of loss we've had
105
245000
2000
لأنواع الخسائر لدينا
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
المتعلقة بآثار ماقبل الإنسان على المحيط.
04:25
They range from 65 to 98 percent
107
250000
2000
وهي تتراوح ما بين 65 إلى 98 بالمئة
04:27
for these major groups of organisms,
108
252000
2000
بالنسبة لمجموعات الكائنات الحية الرئيسية تلك.
04:29
as shown in the dark blue bars.
109
254000
2000
كما هو موضح في الشريط الأزرق الغامق.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
و بالنسبة للكائنات الحية التي قررنا تركها, التي نقوم بحمايتها --
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
مثل الثدييات البحرية في السنوات الأخيرة و طيور البحر --
04:36
there is some recovery.
112
261000
2000
هناك بعض الإصلاح.
04:38
So it's not all hopeless.
113
263000
2000
لذا فليست كل الأنواع ميؤوسٌ منها
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
لكننا انتقلنا ,إلى حدٍ كبير, من التمليح إلى الإستنفاد.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
هذه المسار الآخر للأدلة هو بالفعل مثير للإهتمام.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
إنه من هذا السمك الغنيمة الذي تم اصطياده قرب ساحل كندا
04:48
And so this is a photograph from the 1950s.
117
273000
3000
وهذه صورة من الخمسينات.
04:51
I want you to notice the scale on the slide,
118
276000
2000
أريدكم أن تلاحظوا الحجم على الشريحة,
04:53
because when you see the same picture from the 1980s,
119
278000
2000
لأنكم إذا رأيتم نفس الصورة من الثمانينات,
04:55
we see the fish are much smaller
120
280000
2000
فسترون السمك بحجم أصغر بكثير.
04:57
and we're also seeing a change
121
282000
2000
ونرى أيضاً تغيير
04:59
in terms of the composition of those fish.
122
284000
2000
يتعلق ببنية تلك الأسماك.
05:01
By 2007, the catch was actually laughable
123
286000
2000
بحلول عام 2007, كان الصيد بالفعل مثير للضحك
05:03
in terms of the size for a trophy fish.
124
288000
2000
فيما يتعلق بحجم السمكة الغنيمة.
05:05
But this is no laughing matter.
125
290000
2000
لكن هذه المسألة لا تستدعي الضحك.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
فقدت المحيطات الكثير من انتاجيتها
05:09
and we're responsible for it.
127
294000
3000
و نحن مسؤولون عن ذلك.
05:12
So what's left? Actually quite a lot.
128
297000
2000
ماذا بقي إذن؟ في الواقع, كثير جداً.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
هناك الكثير من الأشياء المثيرة, و سأخبركم قليلاً عنها.
05:17
And I want to start with a bit on technology,
130
302000
2000
و أريد أن أبدأ بجزء عن التكنولوجيا,
05:19
because, of course, this is a TED Conference
131
304000
2000
طبعاً لأن هذا مؤتمر TED
05:21
and you want to hear something on technology.
132
306000
2000
و تريدون أن تسمعوا شيئاً يتعلق بالتكنولوجيا.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
إحدى الأدوات التي استخدمناها لأخذ عينات من أعماق المحيط
05:25
are remotely operated vehicles.
134
310000
2000
هي عربات يتم تشغيلها عن بعد.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
هذه العربات المربوطة التي نقوم بإنزالها إلى قاع البحر
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
حيث كانت تحل محلنا للعمل في قاع البحر.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
كان من المفترض أن أذهب في رحلة بحرية لدراسة المحيطات منذ عدة سنوات
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
ولم أتمكن من الذهاب بسبب تضارب المواعيد.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
لكن من خلال الأقمار الصناعية تمكنت من إجراء الدراسة من منزلي
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
مع كلبي الملتف على قدمي, و كوب الشاي في يدي,
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
و يمكنني أن أقول للربّان " أريد عيّنة من هناك."
05:47
And that's exactly what the pilot did for me.
142
332000
2000
وهذا بالضبط ما فعله الربّان لي.
05:49
That's the sort of technology that's available today
143
334000
3000
هذا هو نوع التكنولوجيا المتوفرة اليوم
05:52
that really wasn't available even a decade ago.
144
337000
2000
هذا لم يكن متوفراً حتى منذ عشر سنوات.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
لذا، فقد مكّنتنا هذه التقنية من أخذ عيّنات لأولئك الأحياء الرائعين
05:56
that are very far from the surface
146
341000
2000
البعيدين جداً عن السطح.
05:58
and very far from light.
147
343000
2000
و البعيدين جداً عن الضوء.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
و إحدى الأدوات التي يمكننا استخدامها لأخذ عينات من المحيط
06:03
is acoustics, or sound waves.
149
348000
2000
هي السمعيات أو الموجات الصوتية.
06:05
And the advantage of sound waves
150
350000
2000
و فائدة الموجات الصوتية
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
أنها تخترق الماء على عكس الضوء.
06:09
And so we can send out sound waves,
152
354000
2000
و يمكننا إرسال موجات صوتية,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
إنها ترتد من كائنات مثل الأسماك و هي موجات منعكسة.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
وفي هذا المثال, أخرج عالم إحصاء سفينتين.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
واحدة تُرسل الموجات الصوتية التي سترتد.
06:19
They would be received by a second ship,
156
364000
2000
و سوف تستقبلها السفينة الأخرى,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
وهذا سوف يعطينا تقدير دقيق جداً, في هذه الحالة,
06:24
of 250 billion herring
158
369000
2000
لـ 250 بليون سمكة رنجة
06:26
in a period of about a minute.
159
371000
2000
خلال دقيقة واحدة تقريباً.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
وهذه منطقة بحجم جزيرة مانهاتن تقريباً.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
و لنتمكن من هذا, هذه أداة هائلة لمصائد السمك,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
لأن معرفة عدد الأسماك هناك هو بالفعل أمر بالغ الأهمية.
06:36
We can also use satellite tags
163
381000
2000
يمكننا أيضاً استخدام أجهزة التتبع بالأقمار الصناعية
06:38
to track animals as they move through the oceans.
164
383000
2000
التي تتتبع الحيوانات عندما تتحرك في المحيط.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
و هكذا بالنسبة للحيوانات التي تأتي إلى السطح لتتنفس,
06:42
such as this elephant seal,
166
387000
2000
مثل الفقمة الفيل,
06:44
it's an opportunity to send data back to shore
167
389000
2000
فهي فرصة لإعادة إرسال البيانات إلى الشاطئ
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
و لإخبارنا عن مكان تواجدها في المحيط بالتحديد.
06:49
And so from that we can produce these tracks.
169
394000
2000
و من خلال ذلك يمكننا انتاج هذه المسارات.
06:51
For example, the dark blue
170
396000
2000
على سبيل المثال, الأزرق الغامق
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
يظهر لكم مكان انتقال الفقمة الفيل في شمال المحيط الهادي.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
أدرك الآن أن هذه الشريحة غير مفيدة جداً بالنسبة لمن هو مصاب منكم بعمى الألوان.
06:58
but stick with me nonetheless.
173
403000
2000
لكن واصلوا معي رغم ذلك.
07:00
For animals that don't surface,
174
405000
2000
بالنسبة للحيوانات التي لا تظهر على السطح,
07:02
we have something called pop-up tags,
175
407000
2000
لدينا ما يُسمى بـ أجهزة تتبع منبثقة,
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
التي تجمع معلومات عن الضوء و عن وقت شروق و غروب الشمس.
07:07
And then at some period of time
177
412000
2000
و بعد فترة من الوقت
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
تخرج إلى السطح و مرة أخرى تنقل تلك البيانات إلى الشاطئ.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
لأن نظام تحديد المواقع العالمي لا يعمل تحت الماء , فنحن بحاجة لمثل هذه الأدوات.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
لذا يمكننا تحديد هذه المسارات الزرقاء من خلال تلك الأداة,
07:18
these hot spots in the ocean,
181
423000
2000
و هذه المناطق المعرضة للخطر في المحيط,
07:20
that should be real priority areas
182
425000
2000
التي يجب أن تكون مناطق ذات أولوية حقيقية
07:22
for ocean conservation.
183
427000
2000
من أجل الحفاظ على المحيط.
07:24
Now one of the other things that you may think about
184
429000
2000
والآن أحد الأشياء التي قد تفكروا بها
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
هو أنكم عندما تذهبون إلى المتجر و تشترون بعض الأشياء, فإنه يتم فحصها.
07:29
And so there's a barcode on that product
186
434000
2000
و هناك رقم كودي على المنتج
07:31
that tells the computer exactly what the product is.
187
436000
3000
يخبر الكمبيوتر بدقة ماهو هذا المنتج.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
طوّر علماء الوراثة أداة مشابهة تدعى أداة الترميز الوراثي.
07:37
And what barcoding does
189
442000
2000
وما يقوم به الترميز
07:39
is use a specific gene called CO1
190
444000
2000
هو استخدام جين محدد يسمى بـ CO1
07:41
that's consistent within a species, but varies among species.
191
446000
3000
,وهذا جين ثابت في النوع لكنه يتنوع بين الكائنات.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
و هذا يعني أننا بشكل لا لبس فيه يمكننا تحديد
07:46
which species are which
193
451000
2000
نوع الكائنات
07:48
even if they look similar to each other,
194
453000
2000
حتى لو كانت مشابهة لبعضها,
07:50
but may be biologically quite different.
195
455000
2000
لكنها قد تكون مختلفة جداً من ناحية بيولوجية.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
الآن واحد من أجمل الأمثلة التي أود أن أذكرها حول هذا الموضوع
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
هو قصة لشابتين, طالبتين في الثانوية في مدينة نيويورك,
07:57
who worked with the census.
198
462000
2000
اللتان تعملان مع فريق التعداد.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
خرجتا وقامتا بجمع أسماك من الأسواق و المطاعم في مدينة نيويورك
08:02
and they barcoded it.
200
467000
2000
و قامتا بترميزها.
08:04
Well what they found was mislabeled fish.
201
469000
2000
و ما وجدتاه كان أسماك لم تُصنف بشكل صحيح.
08:06
So for example,
202
471000
2000
على سبيل المثال,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
وجدتا نوع يُباع كسمك التونة وهو سمك ذات قيمة عالية,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
كان في واقع الأمر سمك البلطي وهو سمك أقل قيمة.
08:13
They also found an endangered species
205
478000
2000
وجدتا أيضاً أنواع مهددة بالإنقراض
08:15
sold as a common one.
206
480000
2000
تُباع كأنواع منتشرة.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
لذا فالترميز يتيتح لنا معرفة على ماذا نعمل
08:19
and also what we're eating.
208
484000
3000
و كذلك ماذا نأكل.
08:22
The Ocean Biogeographic Information System
209
487000
2000
نظام المعلومات البيوجوغرافية للمحيطات
08:24
is the database for all the census data.
210
489000
2000
هو قاعدة البيانات لكل بيانات التعداد.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
وهو ذات وصول مفتوح حيث يمكنكم الدخول وتحميل البيانات كما تريدون.
08:29
And it contains all the data from the census
212
494000
3000
ويحتوي على كافة البيانات من التعداد
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
بالإضافة إلى مجموعة بيانات أخرى كان الناس على استعداد للمساهمة فيها.
08:34
And so what you can do with that
214
499000
2000
وما يمكنكم فعله بخصوص ذلك
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
هو تعيين تصنيف الكائنات و أين تتواجد في المحيط.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
ماقمت بتعيينه هنا هي البيانات التي نملكها.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
وهذا هو المكان الذي تركزت عليه جهودنا لأخذ العينات.
08:44
Now what you can see
218
509000
2000
وما ترونه الآن
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
أننا قمنا بمعاينة المنطقة في شمال المحيط الهادي,
08:48
in the North Sea in particular,
220
513000
2000
في بحر الشمال بالتحديد,
08:50
and also the east coast of North America fairly well.
221
515000
2000
و أيضاً الساحل الشرقي لأمريكا الشمالية بشكل جيد إلى حدٍ ما.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
الألوان الدافئة تلك تُظهر المنطقة التي تمت معاينتها جيداً.
08:55
The cold colors, the blue and the black,
223
520000
2000
الألوان الباردة, الأزرق و الأسود,
08:57
show areas where we have almost no data.
224
522000
2000
تُظهر مناطق لا نملك عنها أي بيانات تقريباً.
08:59
So even after a 10-year census,
225
524000
2000
حتى بعد تعداد استغرق عشر سنوات,
09:01
there are large areas that still remain unexplored.
226
526000
3000
لازال هناك مناطق كبيرة لم يتم استكشافها بعد.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
الآن هناك مجموعة من العلماء يعيشون في تكساس و يعملون في خليج المكسيك
09:07
who decided really as a labor of love
228
532000
2000
والذين قرروا أن يتطوعوا
09:09
to pull together all the knowledge they could
229
534000
2000
ليجمعوا معاً كل المعرفة التي يمكنهم الحصول عليها
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
عن التنوع البيولوجي في خليج المكسيك.
09:13
And so they put this together, a list of all the species,
231
538000
3000
ووضعوا هذه معاً, قائمة لكل الأنواع
09:16
where they're known to occur,
232
541000
2000
المعروفة أماكن تواجدها.
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
وبدى فعلاً كإجراء من النوع العلمي و المقصور على فئة معينة.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
ثم بعد ذلك, حدثت حادثة التسرب النفطي من منصة "ديب هورايزون".
09:24
So all of a sudden, this labor of love
235
549000
2000
و فجأة, هذا العمل التطوعي
09:26
for no obvious economic reason
236
551000
3000
الذي لم يكن من أجل أي سبب اقتصادي واضح
09:29
has become a critical piece of information
237
554000
2000
أصبح مصدراً لمعلومات مهمة
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
تتعلق بكيف سيُستعاد هذ النظام, وكم سيستغرق هذا
09:34
and how the lawsuits
239
559000
2000
وكيف سيتم حل
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
الدعاوى ومناقشات المليارات التي ستحدث
09:39
are likely to be resolved.
241
564000
3000
في السنوات المقبلة.
09:42
So what did we find?
242
567000
2000
فماذا وجدنا؟
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
حسناً, أستطيع أن أقف هنا لأربع ساعات لكن طبعاً لا يُسمح لي فعل ذلك.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
لكني سأخبركم عن بعض اكتشافاتي المفضلة
09:48
from the census.
245
573000
2000
من التعداد.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
أحد الأشياء التي اكتشفناها هو أين توجد الأماكن التي تعاني من قلة التنوع
09:53
Where do we find the most species of ocean life?
247
578000
3000
و أين نجد أكثر الكائنات في المحيط؟
09:56
And what we find if we plot up the well-known species
248
581000
2000
و ماذا نجد إذا قمنا بتعيين الكائنات المعروفة
09:58
is this sort of a distribution.
249
583000
2000
في هذا النوع من التوزيع.
10:00
And what we see is that for coastal tags,
250
585000
2000
وما رأيناه فيما يتعلق بالكائنات التي تعيش عند السواحل,
10:02
for those organisms that live near the shoreline,
251
587000
2000
تلك الكائنات الحية التي تعيش بالقرب من الشاطئ,
10:04
they're most diverse in the tropics.
252
589000
2000
أنها تكون أكثر تنوعاً في المناطق الإستوائية.
10:06
This is something we've actually known for a while,
253
591000
2000
في الواقع, هذا شيء معروف لدينا منذ زمن
10:08
so it's not a real breakthrough.
254
593000
2000
فلم يكن اكتشافاً حقيقياً
10:10
What is really exciting though
255
595000
2000
ما كان مثيراً حقاً
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
أن كائنات المحيط, أو الكائنات التي تعيش بعيداً عن الساحل,
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
هي في الواقع أكثر تنوعاً عند خطوط العرض المتوسطة.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
هذا نوع البيانات التي , مرة أخرى, يمكن للمسؤولين استخدامها
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
إذا أرادوا تحديد مناطق المحيط ذات الأولوية التي تتطلب منا المحافظة عليها.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
يمكن أن نفعل ذلك على نطاق عالمي, لكن يمكننا أيضاً فعل ذلك على نطاق إقليمي.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
لهذا السبب يمكن لبيانات التنوع البيولوجي أن تكون قيّمة جداً.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
و الأن, بالرغم من أن الكثير من الكائنات التي اكتشفناها في التعداد
10:31
are things that are small and hard to see,
263
616000
2000
هي كائنات صغيرة و لا يمكن رؤيتها بسهولة,
10:33
that certainly wasn't always the case.
264
618000
2000
إلا أنه بالتأكيد لم تكن كذلك دائماً.
10:35
For example, while it's hard to believe
265
620000
2000
على سبيل المثال, بالرغم أنه يصعب تصديق
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
أن سرطان البحر البالغ حجمه 3 كيلوغرام يمكن أن يضلل العلماء,
10:39
it did until a few years ago
267
624000
2000
إلا أنه فعل ذلك حتى قبل بضع سنوات
10:41
when South African fishermen requested an export permit
268
626000
3000
عندما طلب صيادين من جنوب أفريقيا تصريح تصدير
10:44
and scientists realized that this was something new to science.
269
629000
3000
و أدرك العلماء أن ذلك كان شيئاً جديداً على العلم.
10:47
Similarly this Golden V kelp
270
632000
2000
على نحو مشابه, أعشاب البحر الذهبية هذه
10:49
collected in Alaska just below the low water mark
271
634000
2000
المجموعة في ولاية آلاسكا تحت علامة المياه المنخفضة
10:51
is probably a new species.
272
636000
2000
هي كائنات جديدة على الأرجح.
10:53
Even though it's three meters long,
273
638000
2000
على الرغم من أن طولها يبلغ ثلاثة أمتار,
10:55
it actually, again, eluded science.
274
640000
2000
إلا أنها في الوقع ضللت العلماء مرةً أخرى.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
الآن هذا الكائن, الحبار ذو الزعانف الطويلة, طوله سبعة أمتار.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
لكن لكي نكون منصفين, هو يعيش في مرتفع وسط المحيط الأطلسي,
11:03
so it was a lot harder to find.
277
648000
2000
لذا كان من الصعب جداً العثور عليه.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
لكن لا يزال هناك إمكانية لاكتشاف أشياء كبيرة ومثيرة.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
هذا القريدس الإستثنائي, الذي أطلقنا عليه اسم القريدس الجوراسي,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
كان يُعتقد أنه انقرض قبل خمسين عاماً --
11:13
at least it was, until the census discovered
281
658000
2000
على الأقل كان منقرضاً, حتى اكتشف التعداد
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
أنه كان يعيش براحة وهدوء بالقرب من ساحل استراليا.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
و يتضح أن المحيط , نظراً لاتساعه,
11:21
can hide secrets for a very long time.
284
666000
2000
يمكن أن يحمل بداخله أموراً خفية لمدة طويلة جداً.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
إذن يا ستيفن سبيلبيرغ, مِت في غيظك!
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
لو نظرنا إلى التوزيع, فإن التوزيع -في الواقع- يتغير بشكل كبير.
11:29
And so one of the records that we had
287
674000
3000
و أحد السجلات التي لدينا
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
كانت طيور الـ ( سوتي شيرووتر ) التي تكابد هذه الهجرات المذهلة
11:35
all the way from New Zealand
289
680000
2000
من نيوزلندا
11:37
all the way up to Alaska and back again
290
682000
2000
إلى آلاسكا و تعود مرة أخرى
11:39
in search of endless summer
291
684000
2000
في رحلة بحث عن صيف لا ينتهي
11:41
as they complete their life cycles.
292
686000
2000
كي تكمل دورة حياتها.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
تحدثنا أيضاً عن مقهى القرش الأبيض.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
هذا موقع في المحيط الهادئ حيث تلتقي فيه أسماك القرش الأبيض.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
نحن لا نعرف لما تلتقي تلك الأسماك هناك, نحن ببساطة لا نعرف.
11:50
That's a question for the future.
296
695000
2000
هذا سؤال للمستقبل.
11:52
One of the things that we're taught in high school
297
697000
2000
أحد الأشياء التي تعلمناها في المدرسة الثانوية
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
أن كل الحيوانات تحتاج إلى الأوكسجين لكي تعيش.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
الآن هذا المخلوق الصغير البالغ حجمه نصف ملليمتر,
12:00
not terribly charismatic.
300
705000
2000
ليس جذاباً بشدة.
12:02
But it was only discovered in the early 1980s.
301
707000
2000
لكنه لم يُكتشف إلا في أوائل الثمانينات.
12:04
But the really interesting thing about it
302
709000
2000
لكن الشيء المثير حوله بالفعل
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
أن علماء التعداد اكتشفوا قبل عدة سنوات
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
أن هذا الكائن يمكن أن يعيش في رواسب خالية من الأكسجين
12:11
in the deep Mediterranean Sea.
305
716000
2000
في أعماق البحر المتوسط.
12:13
So now they know that, in fact,
306
718000
2000
في الواقع, هم الآن يعرفون أن
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
بإمكان الحيوانات أن تعيش من دون أوكسجين, على الأقل بعضاً منها.
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
و يمكنها أن تتكيف حتى مع أقسى الظروف.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
لو قمتم بشفط كل الماء من المحيط,
12:23
this is what you'd be left behind with,
310
728000
2000
هذا ما سيتبقى لكم,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
و هذه هي الكتلة الحيوية في قاع البحر.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
ماترونه الآن هو كتلة حيوية ضخمة باتجاه القطبين
12:30
and not much biomass in between.
313
735000
3000
و بينها كتلة حيوية ليست كبيرة.
12:33
We found life in the extremes.
314
738000
2000
وجدنا حياة في الأماكن المتطرفة.
12:35
And so there were new species that were found
315
740000
2000
وبالتالي تم اكتشاف كائنات جديدة
12:37
that live inside ice
316
742000
2000
تعيش داخل الجليد
12:39
and help to support an ice-based food web.
317
744000
2000
وتساعد على دعم شبكة غذائية قائمة على الجليد.
12:41
And we also found this spectacular yeti crab
318
746000
2000
و اكتشفنا أيضاً السلطعون الليتي المذهل
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
الذي يعيش بالقرب من ثقوب المياة الحارة عند جزيرة ايستر.
12:46
And this particular species
320
751000
2000
و هذا الكائن الإستثنائي
12:48
really captured the public's attention.
321
753000
3000
استرعى حقاً اهتمام الناس.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
وجدنا أيضاً أعمق الثقوب المعروفة حتى الآن -- على عمق 500 متر --
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
الثقوب الأكثر حرارة بدرجة حرارة تصل لـ 407 درجة مئوية --
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
هذه الثقوب في جنوب المحيط الهادي و كذلك في القطب الجنوبي
12:59
where none had been found before.
325
764000
2000
حيث لم يكتشفها أحد من قبل.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
فـ حتى البيئات الجديدة لا تزال ضمن نطاق الأماكن القابلة للإكتشاف.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
و فيما يتعلق بالأشياء المجهولة, فهناك العديد منها.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
و سألخص لكم بعضاً منها
13:08
very quickly for you.
329
773000
2000
بشكل سريع.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
بدايةً قد نسأل , كم عدد الأسماك الموجود في البحر؟
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
نحن في الواقع نعرف عن الأسماك أكثر من أي مجموعة أخرى في المحيط
13:15
other than marine mammals.
332
780000
2000
بغض النظر عن الثدييات البحرية.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
و في الحقيقة يمكننا استنتاج , بناء على معدلات الإكتشاف
13:20
how many more species we're likely to discover.
334
785000
3000
عدد الكائنات المُحتمل اكتشافها.
13:23
And from that, we actually calculate
335
788000
2000
ومن خلال ذلك أحصينا
13:25
that we know about 16,500 marine species
336
790000
3000
أننا نعرف مايقارب 16.500 كائن بحري
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
و يوجد على الأرجح من 1.000 إلى 4.000 كائن بحري آخر سيتم اكتشافه.
13:30
So we've done pretty well.
338
795000
2000
و قد أنجزنا ذلك بشكل جيد جداً.
13:32
We've got about 75 percent of the fish,
339
797000
2000
لقد حصلنا على 75% من الأسماك,
13:34
maybe as much as 90 percent.
340
799000
2000
و قد تصل إلى 90 بالمئة.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
لكن الأسماك ,كما قلت, هي أكثر كائن بحري معروف.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
لذا فإن مستوى معرفتنا هو أقل بكثير بالنسبة لمجموعات الكائنات الحية الاخرى.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
هذا الشكل البياني مبني في الواقع على مقالة جديدة
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
سيتم نشرها في مجلة بلوس لعلوم الإحياء.
13:47
And what is does is predict how many more species there are
345
812000
2000
ويقوم هذا الشكل بالتنبؤ بعدد الكائنات الأخرى الموجودة
13:49
on land and in the ocean.
346
814000
2000
على اليابسة وفي المحيطات.
13:51
And what they found
347
816000
2000
وما وجدوه
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
أننا باعتقادهم نعرف ما يقارب 9% من الكائنات الموجودة في المحيط .
13:56
That means 91 percent, even after the census,
349
821000
2000
هذا يعني أن 91 % من الكائنات , حتى بعد الإحصاء ,
13:58
still remain to be discovered.
350
823000
2000
لاتزال غير مكتشفة.
14:00
And so that turns out to be about two million species
351
825000
2000
و من هذا يتبين أن حوالي 2 مليون من الكائنات
14:02
once all is said and done.
352
827000
2000
تم الإنتهاء منها.
14:04
So we still have quite a lot of work to do
353
829000
2000
لذلك لايزال أمامنا الكثير من العمل
14:06
in terms of unknowns.
354
831000
2000
فيما يخص الكائنات المجهولة.
14:08
Now this bacterium
355
833000
2000
الآن هذه البكتيريا
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
هي جزء من الكتلة التي وُجدت بالقرب من ساحل تشيلي.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
وهذه الكتل تغطي منطقة بحجم اليونان.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
وحقيقةً, هذه البكتيريا الإستثنائية يمكن رؤيتها بالعين المجردة.
14:18
But you can imagine the biomass that represents.
359
843000
3000
و يمكنكم أن تتخيلوا الكتلة الحيوية التي تمثلها.
14:21
But the really intriguing thing about the microbes
360
846000
2000
لكن الشيء الذي يدعو حقاً للفضول حول الميكروبات
14:23
is just how diverse they are.
361
848000
2000
هو مدى تنوعها.
14:25
A single drop of seawater
362
850000
2000
قطرة واحدة من ماء البحر
14:27
could contain 160 different types of microbes.
363
852000
2000
قد تحتوي على 160 نوع مختلف من الميكروبات.
14:29
And the oceans themselves
364
854000
2000
و المحيطات نفسها
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
يُعتقد أنها قد تحتوي على مايصل إلى مليار نوع مختلف.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
وهذا مثير بالفعل. ماذا تفعل كل تلك الميكروبات هناك؟
14:37
We actually don't know.
367
862000
2000
نحن في الواقع لا نعلم.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
أود أن أقول أن الشيء الأكثر إثارة حول هذا التعداد
14:41
is the role of global science.
369
866000
2000
هو دور العلوم العالمية.
14:43
And so as we see in this image of light during the night,
370
868000
2000
و كما نرى في هذه الصورة للضوء أثناء الليل,
14:45
there are lots of areas of the Earth
371
870000
2000
هناك الكثير من المناطق في كوكب الأرض
14:47
where human development is much greater
372
872000
3000
حيث يكون التطور الإنساني فيها كبير جداً
14:50
and other areas where it's much less,
373
875000
2000
و مناطق أخرى يكون فيها التطور أقل بكثير,
14:52
but between them we see large dark areas
374
877000
2000
لكن بينهما نرى مناطق كبيرة مظلمة
14:54
of relatively unexplored ocean.
375
879000
2000
في المحيط غير مكتشفة نسبياً.
14:56
The other point I'd like to make about this
376
881000
2000
النقطة الأخرى التي أود تناولها حول هذا الموضوع
14:58
is that this ocean's interconnected.
377
883000
2000
أن هذا المحيط مترابط.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
الكائنات البحرية لا تلقي بالاً للحدود الدولية;
15:02
they move where they will.
379
887000
2000
إنها تتنقل كما تشاء.
15:04
And so the importance then of global collaboration
380
889000
3000
فأهمية التعاون العالمي إذن
15:07
becomes all the more important.
381
892000
2000
تصبح بالغة الأهمية.
15:09
We've lost a lot of paradise.
382
894000
2000
لقد فقدنا الكثير من النِعم.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
على سبيل المثال, أسماك التونة هذه التي كانت متوفرة بكثرة في بحر الشمال
15:14
are now effectively gone.
384
899000
2000
هي الآن مفقودة تماماً.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
كان هناك شباك الصيد المأخوذة من أعماق البحر في منطقة البحر المتوسط,
15:19
which collected more garbage than they did animals.
386
904000
2000
التي جمعت نفايات أكثر من جمعها للحيوانات.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
وهذا هو عمق البحر, تلك البيئة التي نعتبرها
15:24
among the most pristine left on Earth.
388
909000
2000
من بين أكثر البيئات العذراء الباقية على كوكب الأرض.
15:26
And there are a lot of other pressures.
389
911000
2000
و يوجد هناك الكثير من الضغوط الاخرى.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
تحمّض المحيطات هي بالفعل قضية كبيرة يشعر الناس بالقلق تجاهها,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
بالإضافة إلى ارتفاع درجة حرارة المحيطات, والآثار التي ستصيب الشعاب المرجانية.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
على مدى عقود, في حياتنا,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
سنشهد الكثير من الدمار للشعب المرجانية.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
ويمكن أن أقضي بقية وقتي, الذي أصبح محدوداً جداً,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
أدعو من أجل المخاطر التي تعاني منها المحيطات,
15:44
but I want to end on a more positive note.
396
929000
2000
لكن أريد أن أختم بنقطة أخرى إيجابية.
15:46
And so the grand challenge then
397
931000
2000
التحدي الأكبر إذن
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
أن نحاول و نتأكد من أننا نحافظ على ما تبقى,
15:50
because there is still spectacular beauty.
399
935000
2000
لأن جمالاً أخاذاً لايزال هناك.
15:52
And the oceans are so productive,
400
937000
2000
و المحيطات منتجة جداً,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
هناك الكثير من الأمور تجري هناك لها صلة بالبشر
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
و التي نحتاج إليها حقاً, فـ حتى من منظور أناني,
16:00
try to do better than we have in the past.
403
945000
2000
فلنحاول أن تتصرف بشكل أفضل من الماضي.
16:02
So we need to recognize those hot spots
404
947000
2000
علينا أن نشعر بتلك المناطق المعرضة للخطر
16:04
and do our best to protect them.
405
949000
2000
و أن نفعل ما بوسعنا لحمايتها.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
عندما ننظر إلى صور كهذه, فإنها تبهرنا,
16:08
in addition to helping to give us breath
407
953000
2000
بالإضافة إلى أنها تساعدنا على التنفس
16:10
by the oxygen that the oceans provide.
408
955000
2000
من خلال الأوكسجين الذي توفره المحيطات.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
خبراء التعداد عملوا تحت المطر, و في الطقس البارد,
16:15
they worked under water and they worked above water
410
960000
2000
عملوا تحت الماء و فوق الماء
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
في محاولة لإلقاء الضوء على الإكتشاف الخارق,
16:19
the still vast unknown,
412
964000
2000
للكائنات الهائلة التي لاتزال مجهولة,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
و حالات التكيف المذهلة التي نراها في حياة المحيطات.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
فسواء كنت راعي قطاس تعيش في جبال تشيلي,
16:27
whether you're a stockbroker in New York City
415
972000
3000
سواء كنت سمسار بورصة في مدينة نيويورك
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
أو كنت TEDster تعيش في أدنبره,
16:32
the oceans matter.
417
977000
2000
فالمحيطات مسألة مهمة.
16:34
And as the oceans go so shall we.
418
979000
2000
و بما أن الحديث عن المحيطات انتهى, فلنختم.
16:36
Thanks for listening.
419
981000
2000
شكراً لاستماعكم.
16:38
(Applause)
420
983000
2000
( تصفيق )
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