Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: Thunfische im tiefen Ozean markieren
Filmed:
Readability: 4.4
368,018 views
Thunfische sind Athleten des Ozeans -- schnelle, weitreichende Jäger, deren Gewohnheiten wir erst im Ansatz verstehen. Die Meeresbiologin Barbara Block versieht Thunfische mit Spürmarken (komplett mit Transpondern), die eine beispiellose Menge an Daten über diese wunderschönen, bedrohten Fische, und die Ozean-Lebensräume, durch die sie sich bewegen, sammeln.
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. Full bio
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 fascinated for a lifetime
0
0
3000
Ich war ein Leben lang fasziniert
00:18
by the beauty, form and function
1
3000
2000
von der Schönheit, Form und Funktion
00:20
of giant bluefin tuna.
2
5000
3000
des Blauflossenthuns.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Sie sind Warmblüter wie wir.
00:26
They're the largest of the tunas,
4
11000
3000
Sie sind die größten Thunfische,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
und die zweitgrößten im Meer -- Knochenfische.
00:32
They actually are a fish
6
17000
2000
Eigentlich ist das ein Fisch
00:34
that is endothermic --
7
19000
2000
der endotherm ist --
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
er saust wie ein Säugetier mit warmen Muskeln durch den Ozean.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Dies ist einer unserer Blauflossenthune im Monterrey Bay Aquarium.
00:43
You can see in its shape and its streamlined design
10
28000
3000
Man kann an seiner Form und seinem stromlinienförmigen Bau sehen,
00:46
it's powered for ocean swimming.
11
31000
3000
dass er für das Schwimmen im Ozean geschaffen ist.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Er fliegt auf seinen Brustflossen durch den Ozean, bekommt Auftrieb,
00:52
powers its movements
13
37000
2000
und wird angetrieben
00:54
with a lunate tail.
14
39000
2000
durch seinen sichelförmigen Schwanz.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Eigentlich besitzt er auf dem Großteil des Körpers nackte Haut,
00:59
so it reduces friction with the water.
16
44000
3000
damit sich Wasserreibung verringert.
01:02
This is what one of nature's finest machines.
17
47000
3000
Dies ist eine der besten Maschinen der Natur.
01:05
Now, bluefin
18
50000
2000
Nun wurde der Blauflossenthunfisch
01:07
were revered by Man
19
52000
2000
schon immer von der
01:09
for all of human history.
20
54000
3000
Menschheit veehrt.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Wir befischten dieses Tier 4000 Jahre lang nachhaltig,
01:15
and it's evidenced
22
60000
2000
und das ist in der Kunst,
01:17
in the art that we see
23
62000
2000
die wir aus Tausenden von Jahren
01:19
from thousands of years ago.
24
64000
2000
vor uns haben, belegt.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Blauflossenthune kommen in Höhlenmalereien in Frankreich vor.
01:24
They're on coins
26
69000
2000
Sie sind auf Münzen,
01:26
that date back 3,000 years.
27
71000
3000
die 3000 Jahre alt sind.
01:29
This fish was revered by humankind.
28
74000
3000
Dieser Fisch wurde von der Menschheit wirklich verehrt.
01:32
It was fished sustainably
29
77000
2000
Er wurde seit jeher
01:34
till all of time,
30
79000
2000
nachhaltig befischt,
01:36
except for our generation.
31
81000
2000
außer von unserer Generation.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
Rote Thunes werden überall verfolgt.
01:41
there is a gold rush on Earth,
33
86000
2000
Auf der Erde gibt es einen Goldrausch,
01:43
and this is a gold rush for bluefin.
34
88000
2000
und bei diesem geht es um den Blauflossenthun.
01:45
There are traps that fish sustainably
35
90000
2000
Es gab bis vor Kurzem
01:47
up until recently.
36
92000
3000
nachhaltige Fangmethoden.
01:50
And yet, the type of fishing going on today,
37
95000
3000
Und trotzdem ist die heutige Art des Fischens
01:53
with pens, with enormous stakes,
38
98000
3000
mit Käfigen und enormen Stangen
01:56
is really wiping bluefin
39
101000
2000
drauf und dran, den Blauflossenthunfisch
01:58
ecologically off the planet.
40
103000
2000
ökologisch gesehen vom Planeten zu tilgen.
02:00
Now bluefin, in general,
41
105000
2000
Generell kommt der Blauflossenthunfisch
02:02
goes to one place: Japan.
42
107000
2000
an einen Ort, Japan.
02:04
Some of you may be guilty
43
109000
2000
Manche von ihnen mögen am
02:06
of having contributed to the demise of bluefin.
44
111000
2000
Niedergang des Blauflossenthunfischs mitschuldig sein.
02:08
They're delectable muscle,
45
113000
2000
Ihr köstliches, fettreiches
02:10
rich in fat --
46
115000
2000
Muskelfleisch schmeckt
02:12
absolutely taste delicious.
47
117000
2000
absolut vorzüglich.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
Und das ist ihr Problem; wir essen sie zu Tode.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
Im Atlantik ist die Sache ziemlich einfach.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Blauflossenthunfische haben zwei Populationen, eine große, eine kleine.
02:23
The North American population
51
128000
2000
Die nordamerikanische Population
02:25
is fished at about 2,000 ton.
52
130000
3000
wird mit ca. 2000 Tonnen befischt.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
Die europäische und die nordafrikanische Population -- der östliche Blauflossenthunfisch --
02:31
is fished at tremendous levels:
54
136000
3000
werden in enormen Mengen befischt:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
über die letzten 10 Jahre fast jedes Jahr 50000 Tonnen.
02:37
The result is whether you're looking
56
142000
2000
Wenn man sich die westliche oder östliche Population
02:39
at the West or the Eastern bluefin population,
57
144000
3000
des Blauflossenhunfisches ansieht, ist das Ergebnis
02:42
there's been tremendous decline on both sides,
58
147000
2000
ein erheblicher Rückgang auf beiden Seiten,
02:44
as much as 90 percent
59
149000
2000
so gut wie 90 Prozent,
02:46
if you go back with your baseline
60
151000
2000
wenn man vom Grundszenario
02:48
to 1950.
61
153000
2000
1950 ausgeht.
02:50
For that, bluefin have been given a status
62
155000
3000
Deswegen wurde dem Blauflossenthunfisch derselbe Status
02:53
equivalent to tigers, to lions,
63
158000
3000
wie Tigern, Löwen,
02:56
to certain African elephants
64
161000
2000
gewissen afrikanischen Elefanten,
02:58
and to pandas.
65
163000
2000
und Pandas gegeben.
03:00
These fish have been proposed
66
165000
2000
Diese Fischart sollte in den letzten zwei Monaten
03:02
for an endangered species listing in the past two months.
67
167000
3000
zu einer gefährdeten Spezies erklärt werden.
03:05
They were voted on and rejected
68
170000
2000
Dies wurde bschlossen und
03:07
just two weeks ago,
69
172000
2000
nur zwei Wochen zuvor verworfen,
03:09
despite outstanding science
70
174000
2000
obwohl hervorragende Studien
03:11
that shows from two committees
71
176000
3000
von zwei Komitees belegen, dass diese Fischart
03:14
this fish meets the criteria of CITES I.
72
179000
3000
den Kriterien des Anhang 1 des WA entspricht.
03:17
And if it's tunas you don't care about,
73
182000
2000
Und wenn Sie sich nicht um Thunfische kümmern,
03:19
perhaps you might be interested
74
184000
2000
interessiert es es sie doch vielleicht,
03:21
that international long lines and pursing
75
186000
2000
dass internationale Langleinenfischerei
03:23
chase down tunas and bycatch animals
76
188000
3000
Thunfische niedermacht, und im Beifang sind
03:26
such as leatherbacks, sharks,
77
191000
2000
Tiere wie Lederschildkröten, Haie,
03:28
marlin, albatross.
78
193000
2000
Merline und Albatrosse.
03:30
These animals and their demise
79
195000
2000
Diese Tiere und auch ihr Niedergang
03:32
occurs in the tuna fisheries.
80
197000
3000
kommen in den Thunfischereien vor.
03:35
The challenge we face
81
200000
2000
Wir stehen vor dem Problem,
03:37
is that we know very little about tuna,
82
202000
3000
dass wir sehr wenig über Thunfische wissen.
03:40
and everyone in the room knows what it looks like
83
205000
3000
Jeder hier im Raum weiß, wie es aussieht,
03:43
when an African lion
84
208000
2000
wenn ein afrikanische Löwe
03:45
takes down its prey.
85
210000
2000
seine Beute niederreißt.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Ich bezweifle, dass jemand schon einen Blauflossenthunfischs beim Fressen gesehen hat.
03:50
This tuna symbolizes
87
215000
3000
Dieser Thunfisch symbolisiert
03:53
what's the problem for all of us in the room.
88
218000
3000
unser aller Problem in diesem Raum.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
Wir leben im 21. Jahrhundert, und wir haben gerade erst begonnen,
03:59
to really study our oceans in a deep way.
90
224000
3000
unsere Ozeane tiefgreifend zu untersuchen.
04:02
Technology has come of age
91
227000
2000
Seit Jahren gibt es technologische Verfahren,
04:04
that's allowing us to see the Earth from space
92
229000
3000
die es uns ermöglicht, die Erde vom Weltall aus zu betrachten,
04:07
and go deep into the seas remotely.
93
232000
3000
Und aus Entfernung tief in die Meere zu blicken.
04:10
And we've got to use these technologies immediately
94
235000
2000
Wir müssen diese Verfahren sofort nutzen,
04:12
to get a better understanding
95
237000
2000
um ein besseres Verständnis für
04:14
of how our ocean realm works.
96
239000
3000
die Funktionsweise der Ozeane zu bekommen.
04:17
Most of us from the ship -- even I --
97
242000
2000
Viele von unserem Boot, selbst ich,
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
blicken auf den Ozean und sehen die gleichmäßige See.
04:22
We don't know where the structure is.
99
247000
2000
Wir wissen nicht, wo die Struktur ist.
04:24
We can't tell where are the watering holes
100
249000
3000
Wir können nicht wie in der afrikanischen Steppe sagen,
04:27
like we can on an African plain.
101
252000
3000
wo die Wasserlöcher sind.
04:30
We can't see the corridors,
102
255000
2000
Wir können die Korridore nicht sehen,
04:32
and we can't see what it is
103
257000
2000
und wir können nicht sehen,
04:34
that brings together a tuna,
104
259000
2000
was einen Thunfisch, eine
04:36
a leatherback and an albatross.
105
261000
2000
Lederschildkröte und einen Albatross verbindet.
04:38
We're only just beginning to understand
106
263000
2000
Wir sind gerade erst dabei, zu verstehen,
04:40
how the physical oceanography
107
265000
2000
wie physikalische und biologische
04:42
and the biological oceanography
108
267000
2000
Ozeanographie zusammenkommen,
04:44
come together
109
269000
2000
um eine saisonale Kraft zu erzeugen,
04:46
to create a seasonal force
110
271000
2000
die eigentlich erst die kalte Aufwärtsströmung bedingt.
04:48
that actually causes the upwelling
111
273000
2000
Und die könnte dafür sorgen, dass
04:50
that might make a hot spot a hope spot.
112
275000
3000
aus dem Brennpunkt ein Hoffnungspunkt wird.
04:53
The reasons these challenges are great
113
278000
2000
Diese Aufgaben sind sehr schwierig, weil es
04:55
is that technically it's difficult to go to sea.
114
280000
3000
technisch schwer ist, auf die Meere hinauszufahren.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
Es ist schwer, den Roten Thun in seinem Revier zu untersuchen,
05:00
the entire Pacific realm.
116
285000
2000
denn das ist der gesamte Pazifik.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
Es ist ein schwieriges Unterfangen, nah genug an einen Makohai zu kommen,
05:06
and try to put a tag on it.
118
291000
2000
um ihm eine elektronische Marke zu verpassen.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
Und dann stellen sie sich mal das Team von Bruce Mate (OSU) vor,
05:11
getting up close to a blue whale
120
296000
2000
wie es dicht an einen Blauwal herankommt, und
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
eine Markierung auf ihm befestigt, während der Wal ruhig bleibt.
05:16
an engineering challenge
122
301000
2000
Eine technische Aufgabe, die
05:18
we've yet to really overcome.
123
303000
2000
wir noch zu bewältigen haben.
05:20
So the story of our team, a dedicated team,
124
305000
3000
Die Geschichte unseres Teams fasst sich in zwei Worte:
05:23
is fish and chips.
125
308000
2000
Funk und Flossen.
05:25
We basically are taking
126
310000
2000
Im Grunde nehmen wir
05:27
the same satellite phone parts,
127
312000
2000
die selben Satellitentelefon- und
05:29
or the same parts that are in your computer, chips.
128
314000
3000
Computerteile wie sie, normale Chips.
05:32
We're putting them together in unusual ways,
129
317000
3000
Wir setzen sie auf ungewöhnliche Weise zusammen,
05:35
and this is taking us into the ocean realm
130
320000
2000
und das bringt uns so weit in den Ozan
05:37
like never before.
131
322000
2000
wie nie zuvor.
05:39
And for the first time,
132
324000
2000
Und zum ersten Mal können wir
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
die Reise der Thunfische unter Wasser verfolgen,
05:44
using light and photons
134
329000
2000
indem wir mit Licht und Photonen
05:46
to measure sunrise and sunset.
135
331000
3000
Sonnenauf- und Untergang feststellen.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Ich arbeite nun seit über 15 Jahren mit Thunfischen.
05:52
I have the privilege of being a partner
137
337000
2000
Ich hatte das große Glück, mit dem
05:54
with the Monterey Bay Aquarium.
138
339000
2000
Monterrey Bay Aquarium zusammenarbeiten zu können.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Wir haben wirklich ein Stückchen Ozean genommen,
05:58
put it behind glass,
140
343000
2000
eine Glassscheibe davor gemacht, und zusammen
06:00
and we together
141
345000
2000
Blauflossen- und
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
Gelbflossenthunfische zur Schau gestellt.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Wenn sich morgens der Blasenschleier hebt, können wir
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
eine echte Ozeangemeinschaft sehen.
06:11
one of the only places on Earth
145
356000
2000
Es einer der wenigen Orte auf der Erde, wo man
06:13
you can see giant bluefin swim by.
146
358000
3000
den großen Blauflossenthunfisch vorbeischwimmen sehen kann.
06:16
We can see in their beauty of form and function,
147
361000
2000
Wir können die Schönheit ihrer Form und Funktion sehen,
06:19
their ceaseless activity.
148
364000
2000
und auch ihre unablässige Bewegung.
06:21
They're flying through their space, ocean space.
149
366000
3000
Sie fliegen durch ihr All, das All des Ozeans.
06:24
And we can bring two million people a year
150
369000
2000
So können wir jedes Jahr zwei Millionen Menschen
06:26
into contact with this fish
151
371000
2000
die Schönheit dieses Fisches
06:28
and show them its beauty.
152
373000
3000
vor Augen führen.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Hinter den Kulissen arbeitet ein Labor der Universität Stanford,
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
das eine Partnerschaft mit dem Monterrey Bay Aquarium hat.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Hier haben wir 14 oder 15 Jahre lang tatsächlich
06:38
we've actually brought in
156
383000
2000
sowohl Blau- als auch Gelbflossenthunfische
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
ins Aquarium eingebracht.
06:42
We'd been studying these fish,
158
387000
2000
Wir haben diese Fische eingehend studiert.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Aber erst mussten wir lernen, wie wir sie zu halten haben.
06:46
What do they like to eat?
160
391000
2000
Was fressen sie gern?
06:48
What is it that they're happy with?
161
393000
2000
Was macht sie glücklich?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Wir sind zu den Fischen ins Becken gegangen, haben ihre nackte Haut berührt.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
Es ist ziemlich beeindruckend. Es fühlt sich wundervoll an.
06:56
And then, better yet,
164
401000
2000
Und noch besser, wir haben
06:58
we've got our own version of tuna whisperers,
165
403000
2000
unsere eigenen Thunfischflüsterer:
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
unseren eigenen Chuck Farewell und Alex Norton,
07:02
who can take a big tuna
167
407000
2000
die einen großen Thunfisch nehmen
07:04
and in one motion,
168
409000
2000
und ihn mit einer Bewegung
07:06
put it into an envelope of water,
169
411000
2000
in eine Wasserhülle bringen können.
07:08
so that we can actually work with the tuna
170
413000
2000
So können wir mit den Fischen wirklich arbeiten
07:10
and learn the techniques it takes
171
415000
2000
und die Techniken lernen, die nötig sind,
07:12
to not injure this fish
172
417000
2000
um diese Fische, die nie die Grenzen
07:14
who never sees a boundary in the open sea.
173
419000
3000
des offenen Ozeans sehen werden, nicht zu verletzen.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Diese Wissenschaftler dort sind Jeff und Jason.
07:19
who are going to take a tuna
175
424000
2000
Sie werden einen Thunfisch nehmen, und ihn in etwas Ähnliches
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
wie einen Heimtrainers bringen, einen Wasserkanal.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Und der Thunfisch denkt, dass er nach Japan schwimmt, aber eigentlich bleibt er an Ort und Stelle.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
Währenddessen messen wir seinen Sauerstoff-
07:29
its energy consumption.
179
434000
2000
und Energieverbrauch.
07:32
We're taking this data and building better models.
180
437000
3000
Wir nutzen diese Daten, um bessere Modelle zu konstruieren.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
Und wenn ich diesen Thunfisch sehe -- so sehe ich sie am liebsten --
07:38
I begin to wonder:
182
443000
2000
frage ich mich:
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
Wie hat dieser Fisch diese Strecke zurückgelegt, bevor wir das taten?
07:44
So take a look at that animal.
184
449000
2000
Also sieht man sich das Tier an.
07:46
That's the closest you'll probably ever get.
185
451000
2000
So kommt man am dichtesten an die Antwort dieser Frage heran.
07:48
Now, the activities from the lab
186
453000
3000
Die Tätigkeiten im Labor haben uns geholfen,
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
im offenen Meer zu arbeiten.
07:54
So in a program called Tag-A-Giant
188
459000
3000
In einem Programm namens Tag-A-Giant
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
sind wir von Irland nach Kanada
08:00
from Corsica to Spain.
190
465000
2000
und von Korsika nach Spanien gereist.
08:02
We've fished with many nations around the world
191
467000
3000
Wir haben mit vielen Nationen aus der ganzen Welt gefischt,
08:05
in an effort to basically
192
470000
2000
alles nur um
08:07
put electronic computers
193
472000
3000
elektronische Rechner in
08:10
inside giant tunas.
194
475000
2000
riesige Thunfische zu implantieren.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Wir haben schon über 1100 Thunfische markiert.
08:15
And I'm going to show you three clips,
196
480000
2000
Und ich werde ihnen drei Filmausschnitte zeigen,
08:17
because I tagged 1,100 tunas.
197
482000
3000
weil ich 1100 THunfische markiert habe.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
Es ist ein sehr schwieriger Vorgang, aber es ist wie Ballett.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Wir holen den Thunfisch raus. Wir messen ihn.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Ein Team von Fischern, Kapitänen, Wissenschaftlern und Technikern
08:29
work together to keep this animal out of the ocean
201
494000
3000
arbeitet zusammen, um dieses Tier ca. 5 Minuten
08:32
for about four to five minutes.
202
497000
3000
aus dem Wasser zu halten.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Wir geben Wasser auf seine Kiemen, wir geben ihm Sauerstoff.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
Und dann, wenn wir mit dem Markieren,
08:41
putting in the computer,
205
506000
2000
in den Computer eintragen,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
Sichergehen, dass die Antenne herausguckt, um die Umwelt wahrzunehmen,
08:46
we send this fish back into the sea.
207
511000
3000
dann lassen wir diesen Fisch zurück in die See.
08:49
And when it goes, we're always happy.
208
514000
2000
Und wenn er geht, sind wir immer glücklich.
08:51
We see a flick of the tail.
209
516000
2000
Wir sehen einen Schwanzschlag.
08:53
And from our data that gets collected,
210
518000
3000
Und von den Daten, die wir sammeln,
08:56
when that tag comes back,
211
521000
2000
wenn ein Sender zurück kommt
08:58
because a fisher returns it
212
523000
2000
(Fischer bringen sie zurück,
09:00
for a thousand-dollar reward,
213
525000
2000
es gibt 1000 Dollar Belohnung dafür)
09:02
we can get tracks beneath the sea
214
527000
2000
können wir Unterwasserrouten von
09:04
for up to five years now,
215
529000
2000
jetzt schon bis zu 5 Jahren ermitteln,
09:06
on a backboned animal.
216
531000
2000
und das von einem Wirbeltier!
09:08
Now sometimes the tunas are really large,
217
533000
3000
Manchmal sind die Thunfische wirklich groß,
09:11
such as this fish off Nantucket.
218
536000
2000
so wie dieser Fisch von Nantucket.
09:13
But that's about half the size
219
538000
2000
Aber der ist nur halb so groß
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
wie der größte Thunfisch, den wir je markiert haben.
09:17
It takes a human effort,
221
542000
2000
Es braucht menschliche Anstrengung und die Bemühung
09:19
a team effort, to bring the fish in.
222
544000
2000
eines Teams, um den Fisch an Bord zu holen.
09:21
In this case, what we're going to do
223
546000
2000
In diesem Fall tun wir Folgendes: Wir bringen eine
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
auftauchende Archiv-Satellitenmarke am Thunfisch an.
09:27
This tag rides on the tuna,
225
552000
2000
Die Marke schwimmt mit dem Thunfisch,
09:29
senses the environment around the tuna
226
554000
3000
nimmt die Umwelt um den Thunfisch herum wahr
09:32
and actually will come off the fish,
227
557000
3000
und wird schließlich vom Fisch abgehen,
09:35
detach, float to the surface
228
560000
2000
zur Oberfläche schwimmen und
09:37
and send back to Earth-orbiting satellites
229
562000
3000
Positionsdaten, die aufgrund der gesammelten Daten
09:40
position data estimated by math on the tag,
230
565000
3000
geschätzt werden, sowie Druck- und Temperaturdaten
09:43
pressure data and temperature data.
231
568000
3000
an erdumkreisende Satelliten schicken.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Und so hilft uns diese auftauchende Satellitenmarke dabei,
09:48
is we get away from having to have a human interaction
233
573000
3000
von der Notwendigkeit menschlicher Interaktion zur Wiedererlangung
09:51
to recapture the tag.
234
576000
2000
der Marke wegzukommen.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Beide besagte Typen von elektronischen Marken sind teuer.
09:56
These tags have been engineered
236
581000
2000
Diese Marken wurden von einer Reihe von Teams
09:58
by a variety of teams in North America.
237
583000
3000
in Nordamerika entwickelt.
10:01
They are some of our finest instruments,
238
586000
2000
Sie sind eines unserer besten Instrumente,
10:03
our new technology in the ocean today.
239
588000
3000
unsere neue Technologie im heutigen Ozean.
10:07
One community in general
240
592000
2000
Eine Gemeinschaft hat uns überhaupt
10:09
has given more to help us than any other community.
241
594000
2000
mehr Hilfe als jede andere gegeben.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Und das sind die Fischereien des Bundesstaates North Carolina.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Es gibt zwei Dörfer, Harris und Morehead City, die
10:17
every winter for over a decade,
244
602000
2000
seit über 10 Jahren jeden Winter
10:19
held a party called Tag-A-Giant,
245
604000
3000
eine Feier namens Tag-A-Giant veranstaltet haben.
10:22
and together, fishers worked with us
246
607000
2000
Und die Fischer haben mit uns zusammengearbeitet,
10:24
to tag 800 to 900 fish.
247
609000
3000
um 800 bis 900 Fische zu markieren.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
In diesem Fall werden wir die Fische wirklich messen.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Wir werden etwas machen, dass wir in den letzten Jahren begonnen haben:
10:33
take a mucus sample.
250
618000
2000
Eine Schleimprobe nehmen.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Sehen Sie, wie glänzend die Haut ist; hier kann man meine Reflektion sehen.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Und von diesem Schleim können wir Genprofile erstellen.
10:41
we can get information on gender,
253
626000
2000
Wir können Informationen über das Geschlecht erhalten,
10:43
checking the pop-up tag one more time,
254
628000
2000
prüfen die auftauchende Marke noch einmal,
10:45
and then it's out in the ocean.
255
630000
2000
und dann ist sie draußen im Meer.
10:47
And this is my favorite.
256
632000
2000
Und das ist mein Liebling.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Mit der Hilfe meines früheren Postdoktoranden Gareth Lawson
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
habe ich dieses wunderschöne Bild eines einzelnen Thunfischs gemacht.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Dieser Thunfisch bewegt sich eigentlich auf einem numerischen Ozean.
10:57
The warm is the Gulf Stream,
260
642000
2000
Das Warme ist der Golfstrom,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
das Kalte dort oben der Golf von Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
Und dort will der Thunfisch hin. Er will zu den futterreichen Heringsschwärmen.
11:05
but it can't get there. It's too cold.
263
650000
2000
Aber dort kommt er nicht hin - es ist zu kalt.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Aber dann wirds es wärmer, der Thunfisch platzt hinein, schnappt sich ein paar Fische,
11:10
maybe comes back to home base,
265
655000
2000
schwimmt vielleicht wieder in sein Heimatgebiet,
11:12
goes in again
266
657000
2000
kommt noch einmal zurück, und schwimmt dann
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
zum Überwintern hier herunter nach North Carolina
11:17
and then on to the Bahamas.
268
662000
2000
und dann weiter zu den Bahamas.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Und mein Lieblingsbild, drei Thunfische, die im Golf von Mexiko ankommen.
11:22
Three tunas tagged.
270
667000
2000
Drei Thunfische, die markiert wurden.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Astronomisch gesehen berechnen wir Positionen.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Sie kommen zusammen. Das könnte Sex unter Thunfischen sein.
11:29
and there it is.
273
674000
2000
Und da ist es.
11:31
That is where the tuna spawn.
274
676000
2000
Von dort kommen die Thunfische.
11:33
So from data like this,
275
678000
2000
Aus Daten wie diesen
11:35
we're able now to put the map up,
276
680000
2000
können wir diese Karte erstellen,
11:37
and in this map
277
682000
2000
und auf dieser Karte
11:39
you see thousands of positions
278
684000
2000
können Sie tausende von Positionen sehen,
11:41
generated by this decade and a half of tagging.
279
686000
3000
die wir während diesen anderthalb Jahrzehnten des Markierens gesammelt haben.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Und nun können wir zeigen, dass die Thunfische im Westen
11:47
go to the eastern side.
281
692000
2000
in den Osten schwimmen.
11:49
So two populations of tunas --
282
694000
2000
Also gibt es zwei Thunfischpopulationen --
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
eine Golfpopulationen, die wir markieren können --
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
sie schwimmen zum Golf von Mexiko, das habe ich Ihnen gezeigt --
11:56
and a second population.
285
701000
2000
und eine zweite Population.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
Zwischen unseren nordamerikanischen Thunfischen
12:00
are European tunas that go back to the Med.
287
705000
3000
sind europäische Thunfische, die zurück ins Mittelmeer schwimmen.
12:03
On the hot spots -- the hope spots --
288
708000
2000
An den Brennpunkten, ebenjenen Hoffnungspunkten,
12:05
they're mixed populations.
289
710000
2000
sind sie Mischpopulationen.
12:07
And so what we've done with the science
290
712000
2000
Und wir zeigen der Internationalen Kommission
12:09
is we're showing the International Commission,
291
714000
2000
mit wissenschaftlicher Arbeit
12:11
building new models,
292
716000
2000
und der Konstruktion neuer Modelle
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
dass ein zweistämmiges, nicht durchmischtes Modell --
12:15
to this day, used to reject
294
720000
3000
heutzutage immer noch benutzt, um
12:18
the CITES treaty --
295
723000
2000
das WA abzulehnen --
12:20
that model isn't the right model.
296
725000
2000
nicht das Richtige ist.
12:22
This model, a model of overlap,
297
727000
2000
Dieses Überlappungsmodell
12:24
is the way to move forward.
298
729000
2000
ist das Richtige für die Zukunft.
12:26
So we can then predict
299
731000
2000
So können wir vorhersagen,
12:28
where management places should be.
300
733000
2000
wo Verwaltungsstandorte sein sollten.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Orte wie der Golf von Mexiko und das Mittelmeer
12:33
are places where the single species,
302
738000
2000
sind Orte wo einzelne Spezies,
12:35
the single population, can be captured.
303
740000
2000
die Einzelpopulation gefangen werden kann.
12:37
These become forthright in places we need to protect.
304
742000
3000
Diese Orte sind die wichtigsten, die wir schützen müssen.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Im Zentrum des Atlantik, wo das Mischen stattfindet,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
könnte ich mir eine Richtlinie vorstellen, die Kanada und Amerika fischen lässt,
12:45
because they manage their fisheries well,
307
750000
3000
weil diese ihre Fischereien gut verwalten.
12:48
they're doing a good job.
308
753000
2000
Sie leisten gute Arbeit dabei.
12:50
But in the international realm,
309
755000
2000
Aber in den internationalen Gewässern,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
wo das Fischen und Überfischen außer Rand und Band geraten ist,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
müssen wir diese Hoffnungspunkte einrichten.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Diese Größe sollten sie haben, um die Blauflossenthune zu schützen.
13:00
Now in a second project
313
765000
2000
In einem zweiten Projekt namens
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
Tagging of Pacific Pelagics
13:04
we took on the planet as a team,
315
769000
2000
haben uns als Team mit der Erfassung des Lebens im Meer
13:06
those of us in the Census of Marine Life.
316
771000
2000
auf dem Planeten beschäftigt.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Mit hauptsächlicher Unterstützung der Sloan Foundation und anderen
13:12
we were able to actually go in, in our project --
318
777000
3000
waren wir in der Lage, unser Projekt zu beginnen --
13:15
we're one of 17 field programs
319
780000
2000
wir sind eines von 17 Feldprogrammen
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
und fangen damit an, große Mengen von Räubern zu markieren,
13:20
not just tunas.
321
785000
2000
nicht nur Thunfische.
13:22
So what we've done
322
787000
2000
Wir haben Folgendes gemacht:
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
Wir sind hoch nach Alaska gefahren, um Lachshaie zu markieren,
13:27
met salmon shark on their home territory,
324
792000
3000
haben sie in ihrem Heimatgebiet angetroffen,
13:30
followed them catching salmon
325
795000
2000
sind ihnen bei der Lachsjagd gefolgt
13:32
and then went in and figured out
326
797000
2000
und dann sind wir hineingegangen und haben herausgefunden,
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
dass wir mit einem Lachs an einer Leine
13:37
we can actually take up a salmon shark --
328
802000
2000
tatsächlich einen Lachshai --
13:39
This is the cousin of the white shark --
329
804000
2000
den Cousin des Weißen Hais --
13:41
and very carefully --
330
806000
2000
fangen können, und sehr vorsichtig --
13:43
note, I say "very carefully," --
331
808000
2000
beachten Sie mein "sehr vorsichtig" --
13:45
we can actually keep it calm,
332
810000
2000
ruhig halten können.
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
Währenddessen stecken wir einen Schlauch in sein Maul, halten ihn vom Deck
13:50
and then tag it with a satellite tag.
334
815000
3000
und markieren ihn mit einem Satellitensender.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Der Satellitensender wird den Hai nun nach Hause telefonieren
13:56
and send in a message.
336
821000
2000
und eine Nachricht hinterlassen lassen.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Und wenn Sie genau hinsehen, hat der springende Hai dort eine Antenne.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
Es ist ein freischwimmender Hai mit einem Satellitensender,
14:03
jumping after salmon,
339
828000
2000
der nach Lachsen springt
14:05
sending home its data.
340
830000
3000
und seine Daten nach Hause sendet.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Lachshaie sind nicht die einzige Haiart, die wir markieren.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Und hier befinden sich Lachshaie in metergroßen Dimensionen
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
auf einem Temperaturozean -- warme Farben sind wärmer.
14:17
Salmon sharks go down
344
842000
2000
Lachshaie schwimmen hinunter
14:19
to the tropics to pup
345
844000
2000
in die Tropen, um sich zu paaren,
14:21
and come into Monterey.
346
846000
2000
und kommen nach Monterrey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Gleich nebenan in Monterrey und auf den Farallon-Inseln
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
gibt es ein Team, dass von Scott Anderson und Sal Jorgensen
14:28
and Sal Jorgensen.
349
853000
2000
geleitet wird, und Weiße Haie untersucht.
14:30
They can throw out a target --
350
855000
2000
Sie können einen Köder auswerfen --
14:32
it's a carpet shaped like a seal --
351
857000
2000
es ist teppichförmig wie eine Robbe --
14:34
and in will come a white shark, a curious critter
352
859000
3000
und ein Weißer Hai wird darauf gehen, eine neugierige Kreatur
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
die ganz dicht an unser 16 Fuß großes Boot kommt.
14:40
It's a several thousand-pound animal.
354
865000
2000
Ein Tier, das mehrere Tausend Pfund wiegt.
14:42
And we'll wind in the target.
355
867000
3000
Und wir werden den Köder einholen.
14:45
And we'll place an acoustic tag
356
870000
2000
Und darauf eine akustische Marke anbringen,
14:47
that says, "OMSHARK 10165,"
357
872000
2000
die die Botschaft "OMSHARK 10165"
14:49
or something like that, acoustically with a ping.
358
874000
3000
oder etwas Ähnliches akustisch mit einem Echo von sich gibt.
14:52
And then we'll put on a satellite tag
359
877000
2000
Und dann setzen wir einen Satellitensender an,
14:54
that will give us the long-distance journeys
360
879000
3000
der uns die Langstreckenreisen mit lichtbedingten
14:57
with the light-based geolocation algorithms
361
882000
2000
Geolokalisierungsalgorithmen im Computer
14:59
solved on the computer that's on the fish.
362
884000
3000
auf dem Fisch berechnet und sendet.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
Hier sieht sich Sal zwei Sender an.
15:05
and there they are: the white sharks of California
364
890000
3000
Und hier sind sie: Die Weißen Haie von Kalifornien,
15:08
going off to the white shark cafe and coming back.
365
893000
3000
wie sie zum Kaffee davonschwimmen und wiederkommen.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Wir markieren auch Makos (Blauhaie) mit
15:14
blue sharks.
367
899000
2000
unseren Kollegen von der NOAA.
15:16
And now, together, what we can see
368
901000
2000
Was wir hier nun zusammen auf diesem
15:18
on this ocean of color that's temperature,
369
903000
2000
farbigen Temperaturozean sehen, sind zehntägige
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
Reisen von Makos und Lachshaien.
15:24
We have white sharks and blue sharks.
371
909000
2000
Wir haben Weiße Haie und Blauhaie.
15:26
For the first time,
372
911000
2000
Zum ersten Mal haben wir
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
ein Ökoskop in Ozeangröße, das uns
15:30
showing where the sharks go.
374
915000
3000
zeigt, wohin die Haie schwimmen.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
Das Thunfisch-Team TOPP hat das Undenkbare getan:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
Drei Teams haben 1700 Thunfische markiert,
15:39
bluefin, yellowfin and albacore
377
924000
2000
Blauflossen-, Gelbflossen- und Weißen Thunfisch,
15:41
all at the same time --
378
926000
2000
alle zur selben Zeit --
15:43
carefully rehearsed tagging programs
379
928000
2000
mit sorgsam erprobten Markierungsverfahren,
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
bei denen wir hinausfahren, jugendliche Thunfische fangen,
15:48
put in the tags that actually have the sensors,
381
933000
3000
sie mit Marken, die sogar Sensoren
15:51
stick out the tuna
382
936000
2000
beinhalten, versehe,
15:53
and then let them go.
383
938000
2000
und dann wieder freilassen.
15:55
They get returned, and when they get returned,
384
940000
2000
Wenn die Sender zurückgebracht werden,
15:57
here on a NASA numerical ocean
385
942000
3000
können wir auf dem numerischen Ozean der NASA
16:00
you can see bluefin in blue
386
945000
2000
Blauflossenthunfische in blau sehen,
16:02
go across their corridor,
387
947000
2000
wie über ihren Korridor
16:04
returning to the Western Pacific.
388
949000
3000
in den westlichen Pazifik zurückkehren.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Unser Team der UCSC hat Seeelefanten mit Marken
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
versehen, die auf ihren Köpfen festgeklebt sind, und abgehen, wenn sie sich häuten.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Diese Seelefanten decken einen halben Ozean ab
16:16
take data down to 1,800 feet --
392
961000
2000
und nehmen in bis zu 1800 Fuß Tiefe Daten auf,
16:18
amazing data.
393
963000
2000
beeindruckende Daten.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Und hier ist Scott Shaffer und unsere Sturmtaucher,
16:23
wearing tuna tags, light-based tags,
395
968000
3000
die lichtbasierte Thunfischmarken tragen.
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
Die werden sie jetzt von Neuseeland nach Monterrey und zurück mitnehmen,
16:29
journeys of 35,000 nautical miles
397
974000
3000
eine Reise von 35000 Seemeilen,
16:32
we had never seen before.
398
977000
2000
die wir so nie zuvor gesehen hatten.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Aber nun können wir mit sehr kleinen, lichtbasierten Geolokalisierungsmarken
16:37
we can actually see these journeys.
400
982000
2000
diese Reisen tatsächlich verfolgen.
16:39
Same thing with Laysan albatross
401
984000
2000
Das Gleiche gilt für den Laysan-Albatross,
16:41
who travel an entire ocean
402
986000
2000
der manchmal während eines Ausflugs
16:43
on a trip sometimes,
403
988000
2000
einen gesamten Ozean überquert,
16:45
up to the same zone the tunas use.
404
990000
2000
und das bis zur selben Zone wie die Thunfische.
16:47
You can see why they might be caught.
405
992000
3000
Ich denke Sie verstehen, warum sie manchmal gefangen werden.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Hier ist George Schillinger und unser Lederschildkröten-Team aus Playa Grande,
16:53
tagging leatherbacks
407
998000
2000
die die Lederschildkröten markieren,
16:55
that go right past where we are.
408
1000000
3000
die genau dort vorbeikommen, wo wir uns befinden.
16:58
And Scott Benson's team
409
1003000
2000
Und das Team von Scott Benson,
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
das gezeigt hat, dass Lederschildkröten den ganzen Weg
17:02
all the way to Monterey.
411
1007000
2000
von Indonesien nach Monterrey zurücklegen.
17:04
So what we can see on this moving ocean
412
1009000
3000
Auf diesem sich bewegenden Ozean können wir
17:07
is we can finally see where the predators are.
413
1012000
3000
endlich sehen, wo die Räuber sind.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Wir nun sehen, dass sie Umweltgebiete nutzen,
17:13
as large as an ocean.
415
1018000
2000
die manchmal groß wie ein Ozean sind.
17:15
And from this information,
416
1020000
2000
Und mit diesen Informationen
17:17
we can begin to map the hope spots.
417
1022000
3000
können wir anfangen, Hoffnungspunkte auszuarbeiten.
17:20
So this is just three years of data right here --
418
1025000
2000
Dies hier sind die Daten von nur drei Jahren.
17:22
and there's a decade of this data.
419
1027000
2000
Und hier sind die Daten von 10 Jahren.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Wir können die Impulse und die saisonalen Aktivitäten
17:26
that these animals are going on.
421
1031000
3000
dieser Tiere verfolgen.
17:30
So what we're able to do with this information
422
1035000
2000
Was können wir mit diesen Informationen machen?
17:32
is boil it down to hot spots,
423
1037000
3000
Sie zu Brennpunkten einkochen --
17:35
4,000 deployments,
424
1040000
2000
4000 Einsätze,
17:37
a huge herculean task,
425
1042000
3000
eine gewaltige Herkulesarbeit,
17:40
2,000 tags
426
1045000
2000
2000 Sender
17:42
in an area, shown here for the first time,
427
1047000
2000
in einem Bereich unweit der kalifornischen Küste,
17:44
off the California coast,
428
1049000
2000
hier zum ersten Mal zu sehen,
17:46
that appears to be a gathering place.
429
1051000
3000
der ein Sammelplatz zu sein scheint.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
Und dann geben uns diese Tiere sogar eine Zugabe,
17:53
they're helping us.
431
1058000
2000
indem sie uns helfen.
17:55
They're carrying instruments
432
1060000
2000
Sie tragen Instrumente,
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
die bis in 2000 Meter Tiefe Daten aufnehmen.
18:00
They're taking information from our planet
434
1065000
2000
Sie holen an sehr entscheidenden Punkten wie der Antarktis
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
und den Polen Informationen über unseren Planeten ein.
18:05
Those are seals from many countries
436
1070000
2000
Diese Robben sind aus vielen Ländern,
18:07
being released
437
1072000
2000
und unter der Eisdecke
18:09
who are sampling underneath the ice sheets
438
1074000
2000
sammeln sie Temperaturdaten
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
von ozeanographischer Qualität -
18:14
on both poles.
440
1079000
2000
an beiden Polen!
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Es ist faszinierend, diese Daten in visualisierter Form zu sehen.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Wir haben noch nicht den Weg zur Visualisierung der Daten gefunden.
18:22
And then, as these animals swim
443
1087000
2000
Während diese Tiere schwimmen
18:24
and give us the information
444
1089000
2000
geben sie uns wichtige Informationen
18:26
that's important to climate issues,
445
1091000
2000
in Bezug auf Klimafragen.
18:28
we also think it's critical
446
1093000
2000
Wir denken, dass es sehr wichtig ist,
18:30
to get this information to the public,
447
1095000
2000
diese Informationen an die Öffentlichkeit zu bringen,
18:32
to engage the public with this kind of data.
448
1097000
3000
und die Menschen damit zu konfrontieren.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Wir haben das mit der großen Rasse der Schildkröten gemacht --
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
Schildkröten markiert, und vier Millionen Treffer erzielt.
18:40
And now with Google's Oceans,
451
1105000
3000
Und nun können wir mit Google's Ozeanen
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
einen Weißen Hai in diesen Ozean setzen.
18:45
And when we do and it swims,
453
1110000
2000
Wenn wir das tun und er schwimmt,
18:47
we see this magnificent bathymetry
454
1112000
2000
dann sehen wir diese faszinierende Bathymetrie:
18:49
that the shark knows is there on its path
455
1114000
2000
Der Hai bleibt immer auf seinem Weg,
18:51
as it goes from California to Hawaii.
456
1116000
2000
während er von Kalifornien nach Hawaii schwimmt.
18:53
But maybe Mission Blue
457
1118000
2000
Aber vielleicht kann Mission Blau
18:55
can fill in that ocean that we can't see.
458
1120000
3000
den Ozean füllen, den wir nicht sehen können.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Wir haben die Kapazitäten, die NASA hat den Ozean.
19:01
We just need to put it together.
460
1126000
2000
Wir müssen die Dinge nur zusammenbringen.
19:03
So in conclusion,
461
1128000
2000
Wir wissen nun, wo der Yellowstone-Park
19:05
we know where Yellowstone is for North America;
462
1130000
3000
von Nordamerika liegt:
19:08
it's off our coast.
463
1133000
2000
Vor unserer Küste.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Wir haben die Technologie, die uns den Ort gezeigt hat.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Was wir vielleicht für Mission Blau überdenken müssen
19:15
is increasing the biologging capacity.
466
1140000
3000
sind die Kapazitäten für die Bioerfassung.
19:18
How is it that we can actually
467
1143000
2000
Wie können wir diese Art von Aktivität
19:20
take this type of activity elsewhere?
468
1145000
3000
auch anderswo durchführen?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
Und dann schließlich müssen wir die Botschaft verkünden,
19:26
maybe use live links
470
1151000
2000
vielleicht mit Liveschaltungen
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
von Tieren wie Blauwalen oder Weißen Haien.
19:30
Make killer apps, if you will.
472
1155000
2000
Vielleicht Killer-Apps erstellen, wenn Sie so wollen.
19:32
A lot of people are excited
473
1157000
2000
Eine Menge Leute wären sicherlich begeistert,
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
wenn wirklich Haie unter der Golden Gate Bridge durchschwimmen würden.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Warum nicht die Öffentlichkeit mit dieser Aktion verbinden, direkt über ihr iPhone?
19:40
That way we do away with a few internet myths.
476
1165000
3000
So können wir einige Märchen im Internet beseitigen.
19:44
So we can save the bluefin tuna.
477
1169000
2000
So können wir den Blauflossenthunfisch retten.
19:46
We can save the white shark.
478
1171000
2000
Und den Weißen Hai.
19:48
We have the science and technology.
479
1173000
2000
Wir verfügen über die wissenschaftlichen Kenntnisse und die Technologie.
19:50
Hope is here. Yes we can.
480
1175000
2000
Die Hoffnung ist das. Yes we can.
19:52
We need just to apply this capacity
481
1177000
2000
Wir müssen diese Kapazität nur weiter
19:54
further in the oceans.
482
1179000
2000
in die Ozeane hineinbringen.
19:56
Thank you.
483
1181000
2000
Danke.
19:58
(Applause)
484
1183000
2000
(Applaus)
ABOUT THE SPEAKER
Barbara Block - Marine biologistBarbara 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.
Barbara Block | Speaker | TED.com