Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: Die veränderbaren Normwerte des Ozeans
Filmed:
Readability: 3.8
254,411 views
Im Laufe unseres Lebens geht der Ozean kaputt, wie der Rückgang der durchschnittlichen Fischgröße beweist. Daniel Pauly zeigt uns in einem Vortrag während der Mission Blue, dass wir jedes Mal, wenn sich die Zahlen der Normwerte nach unten bewegen, wir sie als das neue "Normal" bezeichnen. An welchem Punkt hören wir endlich damit auf?
Daniel Pauly - Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to speak
0
0
2000
Ich werde über
00:14
about a tiny, little idea.
1
2000
3000
eine winzige, kleine Idee sprechen.
00:17
And this is about shifting baseline.
2
5000
4000
Es geht um veränderbare Normwerte.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Und weil man diese Idee in einer Minute erklären kann,
00:25
I will tell you three stories before
4
13000
3000
werde ich Ihnen vorher drei Geschichten erzählen,
00:28
to fill in the time.
5
16000
2000
um die Zeit zu nutzen.
00:30
And the first story
6
18000
2000
Die erste Geschichte
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
handelt von Charles Darwin, einem meiner Helden.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Sie wissen wohl, dass er 1835 hier war.
00:38
And you'd think he was chasing finches,
9
26000
2000
Sie mögen denken, dass er Finken jagte,
00:40
but he wasn't.
10
28000
2000
aber das stimmt nicht.
00:42
He was actually collecting fish.
11
30000
2000
Eigentlich sammelte er Fische.
00:44
And he described one of them
12
32000
2000
Er beschrieb einen davon
00:46
as very "common."
13
34000
2000
als sehr "gewöhnlich".
00:48
This was the sailfin grouper.
14
36000
2000
Es war ein Zackenbarsch.
00:50
A big fishery was run on it
15
38000
2000
Bis in die 80er Jahre hinein,
00:52
until the '80s.
16
40000
3000
wurde er in großem Stil gefischt.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Jetzt steht er auf der Roten Liste gefährdeter Arten.
00:58
Now this story,
18
46000
2000
Diese Geschichte
01:00
we have heard it lots of times
19
48000
3000
haben wir viele Male von den Galápagos-Inseln
01:03
on Galapagos and other places,
20
51000
2000
oder von anderen Orten gehört,
01:05
so there is nothing particular about it.
21
53000
3000
sie ist nicht sehr besonders.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Dennoch kommen wir immer noch auf die Galápagos-Inseln.
01:11
We still think it is pristine.
23
59000
3000
Wir denken immer noch, sie seien ursprünglich.
01:14
The brochures still say
24
62000
3000
Die Broschüren beschreiben sie immer noch
01:17
it is untouched.
25
65000
2000
als unberührt.
01:19
So what happens here?
26
67000
3000
Was ist hier passiert?
01:22
The second story, also to illustrate another concept,
27
70000
3000
Die zweite Geschichte soll ein anderes Konzept,
01:25
is called shifting waistline.
28
73000
2000
die veränderbare Taillenweite, verdeutlichen.
01:27
(Laughter)
29
75000
3000
(Lachen)
01:30
Because I was there in '71,
30
78000
2000
Denn ich habe es erlebt, als ich 1971
01:32
studying a lagoon in West Africa.
31
80000
2000
eine Lagune in West-Afrika studierte.
01:34
I was there because I grew up in Europe
32
82000
3000
Ich ging dorthin, denn ich wuchs in Europa auf
01:37
and I wanted later to work in Africa.
33
85000
2000
und wollte später in Afrika arbeiten.
01:39
And I thought I could blend in.
34
87000
2000
Ich dachte, ich könne mich integrieren.
01:41
And I got a big sunburn,
35
89000
2000
Und ich bekam einen schlimmen Sonnenbrand
01:43
and I was convinced that I was really not from there.
36
91000
3000
und war überzeugt, dass ich wirklich nicht von dort stammte.
01:46
This was my first sunburn.
37
94000
2000
Es war mein erster Sonnenbrand.
01:48
And the lagoon
38
96000
3000
Wie Sie sehen, war die Lagune
01:51
was surrounded by palm trees,
39
99000
2000
von Palmen und
01:53
as you can see, and a few mangrove.
40
101000
2000
von ein paar Mangroven umsäumt.
01:55
And it had tilapia
41
103000
2000
Es gab Buntbarsche
01:57
about 20 centimeters,
42
105000
2000
von ca. 20 Zentimetern,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
Schwarzkinnmaulbrüter, eine Unterart der Buntbarsche.
02:01
And the fisheries for this tilapia
44
109000
2000
Die Fischgründe dieser Buntbarsche
02:03
sustained lots of fish and they had a good time
45
111000
3000
waren sehr ertragreich und die Fischer lebten gut davon
02:06
and they earned more than average
46
114000
2000
und verdienten in Ghana
02:08
in Ghana.
47
116000
2000
überdurchschnittlich gut.
02:10
When I went there 27 years later,
48
118000
3000
Als ich 27 Jahre später dorthin zurückkehrte,
02:13
the fish had shrunk to half of their size.
49
121000
3000
war der Fisch auf die Hälfte seiner Größe geschrumpft.
02:16
They were maturing at five centimeters.
50
124000
2000
Ausgewachsen maßen sie fünf Zentimeter.
02:18
They had been pushed genetically.
51
126000
2000
Sie waren genetisch erdrückt worden.
02:20
There were still fishes.
52
128000
2000
Es waren immer noch Fische.
02:22
They were still kind of happy.
53
130000
2000
Die Leute waren immer noch glücklich.
02:24
And the fish also were happy to be there.
54
132000
5000
Und der Fisch hatte auch das Glück, noch da zu sein.
02:29
So nothing has changed,
55
137000
2000
Es hat sich also nichts verändert,
02:31
but everything has changed.
56
139000
2000
und doch hat sich alles verändert.
02:33
My third little story
57
141000
2000
Meine dritte kleine Geschichte
02:35
is that I was an accomplice
58
143000
2000
erzählt von meiner Mittäterschaft
02:37
in the introduction of trawling
59
145000
2000
bei der Einführung der Schleppnetzfischerei
02:39
in Southeast Asia.
60
147000
2000
in Südostasien.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
In den 70ern – eher zu Beginn der 60er –
02:44
Europe did lots of development projects.
62
152000
3000
förderte Europa viele Entwicklungsprojekte.
02:47
Fish development
63
155000
2000
Fischförderung bedeutete Ländern,
02:49
meant imposing on countries
64
157000
2000
die schon 100 000 Fische fingen,
02:51
that had already 100,000 fishers
65
159000
3000
den industriellen Fischfang
02:54
to impose on them industrial fishing.
66
162000
3000
aufzudrücken.
02:57
And this boat, quite ugly,
67
165000
2000
Dieses ziemlich hässliche Schiff
02:59
is called the Mutiara 4.
68
167000
2000
heißt Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Ich fuhr darauf mit
03:03
and we did surveys
70
171000
3000
und wir machten Erhebungen
03:06
throughout the southern South China sea
71
174000
3000
im ganzen südlichen Südchinesischen Meer
03:09
and especially the Java Sea.
72
177000
2000
und besonders in der Javasee.
03:11
And what we caught,
73
179000
2000
Wir hatten keine Worte für das,
03:13
we didn't have words for it.
74
181000
2000
was wir dort fingen.
03:15
What we caught, I know now,
75
183000
3000
Ich weiß jetzt, dass es
03:18
is the bottom of the sea.
76
186000
2000
der Grund des Meeres war.
03:20
And 90 percent of our catch
77
188000
2000
90 Prozent unseres Fangs
03:22
were sponges,
78
190000
2000
waren Schwämme,
03:24
other animals that are fixed on the bottom.
79
192000
3000
andere Tiere, die mit dem Grund verbunden sind.
03:27
And actually most of the fish,
80
195000
2000
Der größte Teil der Fische,
03:29
they are a little spot on the debris,
81
197000
2000
die kleinen Punkte dort auf den Trümmern,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
den Trümmerhaufen, waren Korallenriff-Fische.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Im Wesentlichen kam der Grund des Meeres auf Deck
03:36
and then was thrown down.
84
204000
2000
und wurde dann zurückgeworfen.
03:38
And these pictures are extraordinary
85
206000
3000
Diese Bilder sind außergewöhnlich,
03:41
because this transition is very rapid.
86
209000
3000
denn der Übergang geht sehr schnell.
03:44
Within a year, you do a survey
87
212000
3000
Innerhalb eines Jahres führt man eine Erhebung durch
03:47
and then commercial fishing begins.
88
215000
2000
und beginnt dann mit dem gewerblichen Fischfang.
03:49
The bottom is transformed
89
217000
2000
Der Grund wird verändert.
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
Aus – in diesem Fall – einem harten Grund oder weichen Korallen
03:54
into a muddy mess.
91
222000
3000
wird matschiger Mist.
03:57
This is a dead turtle.
92
225000
2000
Das ist eine tote Schildkröte.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Sie wurden nicht gegessen, man warf sie weg, weil sie tot waren.
04:02
And one time we caught a live one.
94
230000
2000
Einmal fingen wir eine lebend.
04:04
It was not drowned yet.
95
232000
2000
Sie war noch nicht ertrunken.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Dann wollten sie sie töten, denn man konnte sie gut essen.
04:09
This mountain of debris
97
237000
3000
Tatsächlich wird dieser Berg von Trümmern
04:12
is actually collected by fishers
98
240000
3000
jedes Mal von Fischern angesammelt,
04:15
every time they go
99
243000
2000
wenn sie in Bereiche fahren,
04:17
into an area that's never been fished.
100
245000
2000
in denen noch nie gefischt wurde.
04:19
But it's not documented.
101
247000
2000
Es wird aber nicht dokumentiert.
04:21
We transform the world,
102
249000
2000
Wir verändern die Welt,
04:23
but we don't remember it.
103
251000
2000
aber wir erinnern uns nicht daran.
04:25
We adjust our baseline
104
253000
3000
Wir passen unsere Normwerte
04:28
to the new level,
105
256000
2000
dem neuen Level an
04:30
and we don't recall what was there.
106
258000
4000
und rufen uns nicht in Erinnerung, was dort war.
04:34
If you generalize this,
107
262000
2000
Wenn man es verallgemeinert,
04:36
something like this happens.
108
264000
2000
passiert Folgendes.
04:38
You have on the y axis some good thing:
109
266000
3000
Auf der y-Achse sind ein paar gute Dinge:
04:41
biodiversity, numbers of orca,
110
269000
3000
Biodiversität, Anzahl der Orca,
04:44
the greenness of your country, the water supply.
111
272000
3000
das Grün Ihres Landes, den Wasservorrat.
04:47
And over time it changes --
112
275000
2000
Mit der Zeit verändert es sich.
04:49
it changes
113
277000
2000
Es verändert sich,
04:51
because people do things, or naturally.
114
279000
2000
denn für die Menschen sind ihre Taten ganz natürlich.
04:53
Every generation
115
281000
2000
Jede Generation
04:55
will use the images
116
283000
2000
betrachtet die Bilder,
04:57
that they got at the beginning of their conscious lives
117
285000
3000
die sie zu Beginn ihres bewussten Lebens aufnehmen,
05:00
as a standard
118
288000
2000
als Standard
05:02
and will extrapolate forward.
119
290000
2000
und wird alles davon ableiten.
05:04
And the difference then,
120
292000
2000
Der Unterschied wird dann
05:06
they perceive as a loss.
121
294000
2000
als Verlust wahrgenommen.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Aber sie nehmen die vorangegangenen Verluste nicht wahr.
05:11
You can have a succession of changes.
123
299000
2000
Es kann ein Reihenfolge von Veränderungen geben.
05:13
At the end you want to sustain
124
301000
3000
Und am Ende wollen Sie nur
05:16
miserable leftovers.
125
304000
3000
die erbärmlichen Überreste erhalten.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Genau das ist jetzt weitestgehend unser Ziel.
05:22
We want to sustain things that are gone
127
310000
3000
Wir möchten Dinge erhalten, die verschwunden sind
05:25
or things that are not the way they were.
128
313000
4000
oder Dinge, die nicht mehr so sind, wie sie waren.
05:29
Now one should think
129
317000
2000
Man könnte jetzt denken,
05:31
this problem affected people
130
319000
2000
dass das Problem Menschen betraf,
05:33
certainly when in predatory societies,
131
321000
4000
die sicherlich, als sie in räuberischen Gesellschaften lebten,
05:37
they killed animals
132
325000
2000
Tiere töteten
05:39
and they didn't know they had done so
133
327000
2000
und denen erst nach ein paar Generationen bewusst wurde,
05:41
after a few generations.
134
329000
2000
was sie getan hatten.
05:43
Because, obviously,
135
331000
3000
Denn offensichtlich
05:46
an animal that is very abundant,
136
334000
5000
wird ein Tier, das es sehr häufig gab,
05:51
before it gets extinct,
137
339000
3000
erst einmal selten,
05:54
it becomes rare.
138
342000
3000
bevor es ausstirbt.
05:57
So you don't lose abundant animals.
139
345000
3000
Man verliert also keine häufig vorkommenden Tiere.
06:00
You always lose rare animals.
140
348000
2000
Man verliert immer seltene Tiere.
06:02
And therefore they're not perceived
141
350000
2000
Und deshalb wird es nicht
06:04
as a big loss.
142
352000
2000
als großer Verlust wahrgenommen.
06:06
Over time,
143
354000
2000
Mit der Zeit
06:08
we concentrate on large animals,
144
356000
2000
konzentrieren wir uns auf die großen Tiere
06:10
and in a sea that means the big fish.
145
358000
2000
und im Meer sind das die großen Fische.
06:12
They become rarer because we fish them.
146
360000
3000
Sie werden seltener, weil wir sie fangen.
06:15
Over time we have a few fish left
147
363000
2000
Mit der Zeit bleibt wenig Fisch übrig
06:17
and we think this is the baseline.
148
365000
3000
und wir denken, das ist der Normwert.
06:20
And the question is,
149
368000
2000
Die Frage ist,
06:22
why do people accept this?
150
370000
5000
warum die Menschen das akzeptieren.
06:27
Well because they don't know that it was different.
151
375000
3000
Nun, weil sie nicht wissen, dass es einmal anders war.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Natürlich werden viele Leute, Wissenschaftler, bestätigen,
06:33
will contest that it was really different.
153
381000
2000
dass es wirklich anders war.
06:35
And they will contest this
154
383000
2000
Sie werden es bestätigen,
06:37
because the evidence
155
385000
2000
denn die Beweise,
06:39
presented in an earlier mode
156
387000
5000
wie sie in einer früheren Form vorlagen,
06:44
is not in the way
157
392000
3000
sind nicht so,
06:47
they would like the evidence presented.
158
395000
2000
wie sie die Beweise gerne darlegen würden.
06:49
For example,
159
397000
2000
Es gibt zum Beispiel
06:51
the anecdote that some present,
160
399000
2000
die Anekdote, dass der Bericht
06:53
as Captain so-and-so
161
401000
2000
eines Kapitäns Soundso,
06:55
observed lots of fish in this area
162
403000
3000
der in dieser Gegend große Fischvorkommen beobachtete,
06:58
cannot be used
163
406000
2000
nicht genutzt werden kann,
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
oder von Fischereiwissenschaftlern normalerweise nicht gewertet wird,
07:03
because it's not "scientific."
165
411000
2000
weil er nicht "wissenschaftlich" ist.
07:05
So you have a situation
166
413000
2000
Wir haben also die Situation,
07:07
where people don't know the past,
167
415000
3000
dass die Menschen die Vergangenheit nicht kennen,
07:10
even though we live in literate societies,
168
418000
3000
obwohl wir in gebildeten Gesellschaften leben,
07:13
because they don't trust
169
421000
2000
weil sie den Quellen
07:15
the sources of the past.
170
423000
3000
der Vergangenheit nicht trauen.
07:18
And hence, the enormous role
171
426000
3000
Das zeigt die enorm große Rolle,
07:21
that a marine protected area can play.
172
429000
2000
die ein Meeresschutzgebiet spielen kann.
07:23
Because with marine protected areas,
173
431000
3000
Denn durch Meeresschutzgebiete
07:26
we actually recreate the past.
174
434000
4000
stellen wir im Grunde die Vergangenheit wieder her.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Wir stellen die Vergangenheit wieder her, die die Menschen nicht begreifen können,
07:33
because the baseline has shifted
176
441000
2000
weil sich die Normwerte verändert haben
07:35
and is extremely low.
177
443000
2000
und sehr niedrig sind.
07:37
That is for people
178
445000
2000
Damit können die Menschen,
07:39
who can see a marine protected area
179
447000
5000
die ein Meeresschutzgebiet sehen
07:44
and who can benefit
180
452000
2000
und die von dem Einblick profitieren,
07:46
from the insight that it provides,
181
454000
3000
den es ermöglicht,
07:49
which enables them to reset their baseline.
182
457000
4000
ihre Normwerte zurücksetzen.
07:53
How about the people who can't do that
183
461000
2000
Was ist mit den Menschen, denen das nicht möglich ist,
07:55
because they have no access --
184
463000
2000
weil sie keinen Zugang haben –
07:57
the people in the Midwest for example?
185
465000
3000
den Menschen im Mittleren Westen zum Beispiel?
08:00
There I think
186
468000
2000
Hier können, denke ich,
08:02
that the arts and film
187
470000
2000
die Kunst und der Film
08:04
can perhaps fill the gap,
188
472000
2000
vielleicht die Lücke füllen,
08:06
and simulation.
189
474000
2000
sowie Simulationen.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Dies ist die Simulation der Chesapeake Bay.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Vor langer Zeit gab es dort Grauwale –
08:13
500 years ago.
192
481000
2000
vor 500 Jahren.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Und die Farbtöne und -schattierungen erinnern Sie vielleicht
08:18
are like "Avatar."
194
486000
2000
an "Avatar".
08:20
(Laughter)
195
488000
2000
(Lachen)
08:22
And if you think about "Avatar,"
196
490000
2000
Wenn Sie an "Avatar" denken,
08:24
if you think of why people were so touched by it --
197
492000
3000
wenn Sie daran denken, warum die Menschen davon so berührt wurden –
08:27
never mind the Pocahontas story --
198
495000
4000
abgesehen von der Pocahontas-Geschichte,
08:31
why so touched by the imagery?
199
499000
4000
warum waren sie so berührt von der Bilderwelt?
08:35
Because it evokes something
200
503000
3000
Weil es etwas wachruft,
08:38
that in a sense has been lost.
201
506000
2000
das in gewisser Weise verloren gegangen ist.
08:40
And so my recommendation,
202
508000
2000
Meine Empfehlung also,
08:42
it's the only one I will provide,
203
510000
2000
die einzige, die ich geben werde,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
richtet sich an Cameron, damit er "Avatar II" unter Wasser dreht.
08:49
Thank you very much.
205
517000
2000
Vielen Dank.
08:51
(Applause)
206
519000
2000
(Applaus)
ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologistDaniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean.
Why you should listen
Daniel Pauly heads the Sea Around Us Project, based at the Fisheries Centre, at the University of British Columbia. Pauly has been a leader in conceptualizing and codeveloping software that’s used by ocean experts throughout the world. At the Sea Around Us and in his other work, he’s developing new ways to view complex ocean data.
Pauly’s work includes the Ecopath ecological/ecosystem modeling software suite; the massive FishBase, the online encyclopaedia of fishes; and, increasingly, the quantitative results of the Sea Around Us Project.
Daniel Pauly | Speaker | TED.com