Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Ντάνιελ Πόλι: Η ολισθαίνουσα γραμμή αναφοράς του ωκεανού
Filmed:
Readability: 3.8
254,411 views
Ο ωκεανός συστηματικά υποβαθμίζεται στη διάρκεια μιας μόλις ανθρώπινης ζωής, όπως άλλωστε μαρτυρά o συρρικνούμενoς μέσος όρος μεγέθους ψαριών. Κι ωστόσο, όπως μας δείχνει ο Ντάνιελ Πόλι στο Mission Blue (Μπλε Αποστολή), κάθε φορά που η κατάσταση αναφοράς -η «γραμμή βάσης» μας- κατρακυλάει, εμείς βαφτίζουμε το νέο επίπεδο «κανονικό». Σε ποιο ακριβώς σημείο σταματάμε αυτήν την ολισθαίνουσα επαναπροσαρμογή;
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
Θα μιλήσω
00:14
about a tiny, little idea.
1
2000
3000
για μια μικρή ιδέα, αυτή της ολισθαίνουσας
00:17
And this is about shifting baseline.
2
5000
4000
κατάστασης αναφοράς της «γραμμής βάσης» μας.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Και επειδή η ιδέα αυτή μπορεί να αναλυθεί
μέσα σε ένα λεπτό,
μέσα σε ένα λεπτό,
00:25
I will tell you three stories before
4
13000
3000
θα σας πω πρώτα τρεις ιστορίες
00:28
to fill in the time.
5
16000
2000
για να γεμίσω το χρόνο.
00:30
And the first story
6
18000
2000
Η πρώτη ιστορία αφορά
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
τον Κάρολο Δαρβίνο, έναν από τους ήρωές μου.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Ήρθε λοιπόν εδώ, όπως γνωρίζετε, το 1835.
00:38
And you'd think he was chasing finches,
9
26000
2000
Και θα νόμιζε κανείς ότι κυνηγούσε σπίνους
00:40
but he wasn't.
10
28000
2000
αλλά δεν ήταν έτσι.
00:42
He was actually collecting fish.
11
30000
2000
Στην πραγματικότητα συνέλεγε ψάρια.
00:44
And he described one of them
12
32000
2000
Και ένα από αυτά το περιέγραψε τότε
00:46
as very "common."
13
34000
2000
ως πολύ «κοινό».
00:48
This was the sailfin grouper.
14
36000
2000
Ήταν ο ροφός των Γκαλάπαγκος.
00:50
A big fishery was run on it
15
38000
2000
Ένας ολόκληρος αλιευτικός κλάδος βασιζόταν
00:52
until the '80s.
16
40000
3000
πάνω του, ως τη δεκαετία του '80.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Το ψάρι περιλαμβάνεται στην Κόκκινη Λίστα της Διεθνούς Ένωσης για την Προστασία της Φύσης.
00:58
Now this story,
18
46000
2000
Αυτή την ιστορία
01:00
we have heard it lots of times
19
48000
3000
την έχουμε ακούσει βέβαια πολλές φορές,
01:03
on Galapagos and other places,
20
51000
2000
στα Γκαλαπάγκος και αλλού.
01:05
so there is nothing particular about it.
21
53000
3000
Δεν είναι κάτι το ιδιαίτερο.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Το θέμα είναι ότι εμείς εξακολουθούμε
να θεωρούμε τα Γκαλαπάγκος
να θεωρούμε τα Γκαλαπάγκος
01:11
We still think it is pristine.
23
59000
3000
παρθένα νησιά.
01:14
The brochures still say
24
62000
3000
Τα φυλλάδια ακόμα τα διαφημίζουν
01:17
it is untouched.
25
65000
2000
ως άθικτα.
01:19
So what happens here?
26
67000
3000
Τι συμβαίνει λοιπόν;
01:22
The second story, also to illustrate another concept,
27
70000
3000
Η δεύτερη ιστορία, είναι
για να επεξηγήσω λίγο και το ζήτημα
για να επεξηγήσω λίγο και το ζήτημα
01:25
is called shifting waistline.
28
73000
2000
της ολίσθησης της «γραμμής μέσης» μας.
01:27
(Laughter)
29
75000
3000
(Γέλια)
01:30
Because I was there in '71,
30
78000
2000
Ήμουν εκεί το '71,
01:32
studying a lagoon in West Africa.
31
80000
2000
μελετώντας μια λιμνοθάλασσα της Δυτικής Αφρικής.
01:34
I was there because I grew up in Europe
32
82000
3000
Ήμουν εκεί επειδή μεγάλωσα στην Ευρώπη
01:37
and I wanted later to work in Africa.
33
85000
2000
και ήθελα να δουλέψω κάποια στιγμή στην Αφρική.
01:39
And I thought I could blend in.
34
87000
2000
Νόμιζα ότι θα μπορούσα να εναρμονιστώ εκεί.
01:41
And I got a big sunburn,
35
89000
2000
Άρπαξα ένα μεγαλειώδες ηλιακό έγκαυμα
01:43
and I was convinced that I was really not from there.
36
91000
3000
και πείστηκα ότι δεν ταίριαζα τελικά τόσο.
01:46
This was my first sunburn.
37
94000
2000
Ήταν το πρώτο μου ηλιακό έγκαυμα.
01:48
And the lagoon
38
96000
3000
Η λιμνοθάλασσα
01:51
was surrounded by palm trees,
39
99000
2000
περιστοιχιζόταν τότε από χουρμαδιές,
01:53
as you can see, and a few mangrove.
40
101000
2000
όπως βλέπετε, και μερικά μαγκρόβια.
01:55
And it had tilapia
41
103000
2000
Είχε τιλάπια
01:57
about 20 centimeters,
42
105000
2000
των 20 εκατοστών,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
ένα είδος γνωστό και ως μαυροσάγονη τιλάπια.
02:01
And the fisheries for this tilapia
44
109000
2000
Η αλιεία αυτoύ του είδους
02:03
sustained lots of fish and they had a good time
45
111000
3000
στήριζε τότε πολλούς ψαράδες που ήταν χαρούμενοι
02:06
and they earned more than average
46
114000
2000
γιατί κέρδιζαν έναν πολύ καλό μισθό
02:08
in Ghana.
47
116000
2000
για τα δεδομένα της Γκάνας.
02:10
When I went there 27 years later,
48
118000
3000
Αλλά όταν επέστρεψα 27 χρόνια αργότερα,
02:13
the fish had shrunk to half of their size.
49
121000
3000
τα ψάρια είχαν συρρικνωθεί στο μισό του μεγέθους τους.
02:16
They were maturing at five centimeters.
50
124000
2000
Ωρίμαζαν ήδη στα 5 εκατοστά,
02:18
They had been pushed genetically.
51
126000
2000
είχαν εξωθηθεί από γενετική άποψη.
02:20
There were still fishes.
52
128000
2000
Υπήρχαν βέβαια ακόμα ψάρια.
02:22
They were still kind of happy.
53
130000
2000
Τα πράγματα ήταν ακόμα σχετικά καλά.
02:24
And the fish also were happy to be there.
54
132000
5000
Και τα ψάρια μια χαρά ήταν που βρίσκονταν εκεί.
02:29
So nothing has changed,
55
137000
2000
Σαν να μην άλλαξε τίποτα.
02:31
but everything has changed.
56
139000
2000
Όμως όλα άλλαξαν.
02:33
My third little story
57
141000
2000
Η τελευταία μου μικρή ιστορία
02:35
is that I was an accomplice
58
143000
2000
είναι για τότε που υπήρξα συνένοχος
02:37
in the introduction of trawling
59
145000
2000
στην εισαγωγή της τραταλιείας
02:39
in Southeast Asia.
60
147000
2000
στην Νοτιοανατολική Ασία.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Τότε στη δεκαετία του '70
-ή μάλλον τις αρχές της δεκαετίας του '60-
-ή μάλλον τις αρχές της δεκαετίας του '60-
02:44
Europe did lots of development projects.
62
152000
3000
η Ευρώπη καταπιάστηκε με πολλά αναπτυξιακά έργα.
02:47
Fish development
63
155000
2000
Αλιευτική ανάπτυξη
02:49
meant imposing on countries
64
157000
2000
σήμαινε τότε να επιβάλεις σε χώρες
02:51
that had already 100,000 fishers
65
159000
3000
που είχαν ήδη εκατοντάδες χιλιάδες ψαράδες,
02:54
to impose on them industrial fishing.
66
162000
3000
να τους επιβάλεις την βιομηχανική αλιεία.
02:57
And this boat, quite ugly,
67
165000
2000
Κι αυτό το σκάφος, το ασχημούτσικο,
02:59
is called the Mutiara 4.
68
167000
2000
λεγόταν Μουτιάρα 4.
03:01
And I went sailing on it,
69
169000
2000
Βγαίναμε λοιπόν μ' αυτό
03:03
and we did surveys
70
171000
3000
και κάναμε έρευνες
03:06
throughout the southern South China sea
71
174000
3000
στη θάλασσα της Νότιας Κίνας
03:09
and especially the Java Sea.
72
177000
2000
και κυρίως στη θάλασσα της Ιάβας.
03:11
And what we caught,
73
179000
2000
Αυτά που πιάναμε,
03:13
we didn't have words for it.
74
181000
2000
δεν είχαμε καν λόγια να τα περιγράψουμε.
03:15
What we caught, I know now,
75
183000
3000
Αυτό που πιάναμε, τώρα πια ξέρω,
03:18
is the bottom of the sea.
76
186000
2000
ήταν ο βυθός της θάλασσας.
03:20
And 90 percent of our catch
77
188000
2000
Και το 90% της ψαριάς μας
03:22
were sponges,
78
190000
2000
ήταν σφουγγάρια
03:24
other animals that are fixed on the bottom.
79
192000
3000
και άλλα ζώα που ζουν προσκολλημένα στο βυθό.
03:27
And actually most of the fish,
80
195000
2000
Και στην ουσία τα περισσότερα ψάρια
03:29
they are a little spot on the debris,
81
197000
2000
δεν ήταν παρά κουκκίδες στο σωρό,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
ένας σωρός από «σκάρτα» και ψάρια του υφάλου.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Ανεβάζαμε το βυθό της θάλασσας στην κουβέρτα μας
03:36
and then was thrown down.
84
204000
2000
και τον ξαναπετούσαμε πίσω.
03:38
And these pictures are extraordinary
85
206000
3000
Κι αυτές οι φωτογραφίες είναι συγκλονιστικές
03:41
because this transition is very rapid.
86
209000
3000
γιατί αυτή η μετάβαση είναι πραγματικά γρήγορη.
03:44
Within a year, you do a survey
87
212000
3000
Μέσα σε ένα χρόνο, κάνεις μια έρευνα
03:47
and then commercial fishing begins.
88
215000
2000
και η εμπορική αλιεία αρχίζει.
03:49
The bottom is transformed
89
217000
2000
Ο βυθός μεταμορφώνεται εντελώς.
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
Από εκεί που είχες τραγάνα ή μαλακά κοράλλια
03:54
into a muddy mess.
91
222000
3000
απομένει μια θλιβερή λάσπη.
03:57
This is a dead turtle.
92
225000
2000
Αυτή είναι μια νεκρή χελώνα.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Δεν την έφαγαν, την πέταξαν
επειδή ήταν νεκρή.
επειδή ήταν νεκρή.
04:02
And one time we caught a live one.
94
230000
2000
Μια φορά πιάσαμε μια ζωντανή,
04:04
It was not drowned yet.
95
232000
2000
δεν είχε ακόμα πνιγεί,
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
και ήθελαν να τη σκοτώσουν για να τη φάνε.
04:09
This mountain of debris
97
237000
3000
Αυτός ο σωρός από «σκάρτα»
04:12
is actually collected by fishers
98
240000
3000
συλλέγεται στην πραγματικότητα κάθε φορά
04:15
every time they go
99
243000
2000
που οι τράτες πηγαίνουν
04:17
into an area that's never been fished.
100
245000
2000
σε μια περιοχή που δεν έχει αλιευτεί ποτέ πριν.
04:19
But it's not documented.
101
247000
2000
Αλλά αυτό δεν καταγράφεται.
04:21
We transform the world,
102
249000
2000
Αλλοιώνουμε τον κόσμο
04:23
but we don't remember it.
103
251000
2000
αλλά ούτε καν το θυμόμαστε.
04:25
We adjust our baseline
104
253000
3000
Προσαρμόζουμε απλώς τη γραμμή βάσης μας
04:28
to the new level,
105
256000
2000
στο νέο επίπεδο,
04:30
and we don't recall what was there.
106
258000
4000
και δε θυμόμαστε τι βρισκόταν εκεί.
04:34
If you generalize this,
107
262000
2000
Αν το γενικεύσουμε
04:36
something like this happens.
108
264000
2000
στην ουσία συμβαίνει το εξής,
04:38
You have on the y axis some good thing:
109
266000
3000
έχεις κάτι καλό πάνω στον άξονα ψ:
04:41
biodiversity, numbers of orca,
110
269000
3000
βιοποικιλότητα, πληθυσμός της όρκας,
04:44
the greenness of your country, the water supply.
111
272000
3000
το πράσινο της χώρας σου, τα αποθέματα νερού
04:47
And over time it changes --
112
275000
2000
και, με το χρόνο,
04:49
it changes
113
277000
2000
αυτό αλλάζει
04:51
because people do things, or naturally.
114
279000
2000
λόγω ανθρωπίνων ή φυσικών παραγόντων.
04:53
Every generation
115
281000
2000
Κάθε γενιά
04:55
will use the images
116
283000
2000
κρατάει τις εικόνες
04:57
that they got at the beginning of their conscious lives
117
285000
3000
που σχημάτισε στην αρχή της συνειδητής ζωής της
05:00
as a standard
118
288000
2000
σαν πρότυπο
05:02
and will extrapolate forward.
119
290000
2000
κι από εκεί και πέρα κάνει αναγωγές.
05:04
And the difference then,
120
292000
2000
Ό,τι αλλάξει απ' το πρότυπο κι έπειτα
05:06
they perceive as a loss.
121
294000
2000
το αντιλαμβάνεται σαν απώλεια.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Αλλά ό,τι έχει χαθεί πριν από αυτό,
δεν το αντιλαμβάνεται.
δεν το αντιλαμβάνεται.
05:11
You can have a succession of changes.
123
299000
2000
Μπορείς να έχεις πολλές διαδοχικές αλλαγές.
05:13
At the end you want to sustain
124
301000
3000
Στο τέλος προσπαθείς να περισώσεις
05:16
miserable leftovers.
125
304000
3000
θλιβερά απομεινάρια.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Και σε μεγάλο βαθμό,
αυτό προσπαθούμε να κάνουμε πλέον.
αυτό προσπαθούμε να κάνουμε πλέον.
05:22
We want to sustain things that are gone
127
310000
3000
Προσπαθούμε να διατηρήσουμε
πράγματα που έχουμε ήδη χάσει
πράγματα που έχουμε ήδη χάσει
05:25
or things that are not the way they were.
128
313000
4000
ή πράγματα που δεν είναι πια όπως κάποτε.
05:29
Now one should think
129
317000
2000
Και θα έλεγε κανείς ότι
05:31
this problem affected people
130
319000
2000
το πρόβλημα αφορούσε τους ανθρώπους
05:33
certainly when in predatory societies,
131
321000
4000
των πρωτόγονων θηρευτικών κοινωνιών,
05:37
they killed animals
132
325000
2000
αφάνιζαν ζώα
05:39
and they didn't know they had done so
133
327000
2000
χωρίς καν να το αντιλαμβάνονται
05:41
after a few generations.
134
329000
2000
μερικές γενιές αργότερα.
05:43
Because, obviously,
135
331000
3000
Γιατί, προφανώς,
05:46
an animal that is very abundant,
136
334000
5000
το είδος ζώου που βρίσκεται σε αφθονία,
05:51
before it gets extinct,
137
339000
3000
προτού εξαφανιστεί,
05:54
it becomes rare.
138
342000
3000
γίνεται πρώτα σπάνιο.
05:57
So you don't lose abundant animals.
139
345000
3000
Δεν χάνεις λοιπόν ποτέ τα άφθονα ζώα.
06:00
You always lose rare animals.
140
348000
2000
Χάνεις πάντα τα σπάνια ζώα.
06:02
And therefore they're not perceived
141
350000
2000
Γι' αυτό και δεν το αντιλαμβανόμαστε
06:04
as a big loss.
142
352000
2000
σαν σημαντική απώλεια.
06:06
Over time,
143
354000
2000
Και κάθε φορά
06:08
we concentrate on large animals,
144
356000
2000
επικεντρωνόμαστε στα μεγάλα ζώα,
06:10
and in a sea that means the big fish.
145
358000
2000
που στη θάλασσα σημαίνει τα μεγάλα ψάρια.
06:12
They become rarer because we fish them.
146
360000
3000
Γίνονται όλο και σπανιότερα γιατί τα ψαρεύουμε.
06:15
Over time we have a few fish left
147
363000
2000
Με τον καιρό απομένουν όλο και λιγότερα ψάρια
06:17
and we think this is the baseline.
148
365000
3000
και νομίζουμε ότι αυτή είναι η γραμμή βάσης.
06:20
And the question is,
149
368000
2000
Και το ερώτημα είναι
06:22
why do people accept this?
150
370000
5000
γιατί λοιπόν οι άνθρωποι το αποδέχονται αυτό;
06:27
Well because they don't know that it was different.
151
375000
3000
Μα επειδή δεν γνωρίζουν
ότι τα πράγματα ήταν διαφορετικά.
ότι τα πράγματα ήταν διαφορετικά.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Στην πράξη πολλοί άνθρωποι, επιστήμονες,
06:33
will contest that it was really different.
153
381000
2000
αμφισβητούν ότι ήταν πραγματικά αλλιώς.
06:35
And they will contest this
154
383000
2000
Και το αμφισβητούν
06:37
because the evidence
155
385000
2000
επειδή οι αποδείξεις
06:39
presented in an earlier mode
156
387000
5000
που έχουμε για τότε
06:44
is not in the way
157
392000
3000
δεν είναι σε μορφή
06:47
they would like the evidence presented.
158
395000
2000
επιστημονικά αποδεκτή.
06:49
For example,
159
397000
2000
Για παράδειγμα,
06:51
the anecdote that some present,
160
399000
2000
οι αφηγήσεις-μαρτυρίες
06:53
as Captain so-and-so
161
401000
2000
του τάδε καπετάνιου
06:55
observed lots of fish in this area
162
403000
3000
ότι υπήρχαν πολλά ψάρια σε αυτή την περιοχή
06:58
cannot be used
163
406000
2000
δεν μπορούν να χρησιμοποιηθούν
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
ή έστω δεν συνηθίζεται να χρησιμοποιούνται
από τους ιχθυολόγους,
από τους ιχθυολόγους,
07:03
because it's not "scientific."
165
411000
2000
επειδή δεν είναι «επιστημονικές».
07:05
So you have a situation
166
413000
2000
Προκύπτει λοιπόν αυτή η κατάσταση,
07:07
where people don't know the past,
167
415000
3000
οι άνθρωποι να μην γνωρίζουν το παρελθόν,
07:10
even though we live in literate societies,
168
418000
3000
ακόμα και τώρα που ζούμε
σε εγγράμματες κοινωνίες,
σε εγγράμματες κοινωνίες,
07:13
because they don't trust
169
421000
2000
επειδή δεν εμπιστεύονται
07:15
the sources of the past.
170
423000
3000
τις παλαιότερες πηγές.
07:18
And hence, the enormous role
171
426000
3000
Ιδού λοιπόν ο τεράστιος ρόλος κι η σημασία
07:21
that a marine protected area can play.
172
429000
2000
των θαλάσσιων προστατευόμενων περιοχών.
07:23
Because with marine protected areas,
173
431000
3000
Γιατί με τις προστατευόμενες περιοχές
07:26
we actually recreate the past.
174
434000
4000
στην ουσία αναπλάθουμε το παρελθόν,
07:30
We recreate the past that people cannot conceive
175
438000
3000
τις συνθήκες του παρελθόντος
που οι άνθρωποι αδυνατούν να συλλάβουν
που οι άνθρωποι αδυνατούν να συλλάβουν
07:33
because the baseline has shifted
176
441000
2000
επειδή έχει ολισθήσει η γραμμή βάσης τους
07:35
and is extremely low.
177
443000
2000
και έχει πέσει πολύ χαμηλά.
07:37
That is for people
178
445000
2000
Αυτό για τους ανθρώπους
07:39
who can see a marine protected area
179
447000
5000
που μπορούν να δουν μια προστατευόμενη περιοχή
07:44
and who can benefit
180
452000
2000
και να ωφεληθούν έτσι
07:46
from the insight that it provides,
181
454000
3000
από την έμπνευση που προσφέρει
07:49
which enables them to reset their baseline.
182
457000
4000
ώστε να αναθεωρήσουν τη γραμμή βάσης τους.
07:53
How about the people who can't do that
183
461000
2000
Αλλά τι γίνεται με τους ανθρώπους
που δεν μπορούν να το κάνουν αυτό
που δεν μπορούν να το κάνουν αυτό
07:55
because they have no access --
184
463000
2000
επειδή δεν έχουν πρόσβαση
07:57
the people in the Midwest for example?
185
465000
3000
-όπως π.χ. οι άνθρωποι της ενδοχώρας;
08:00
There I think
186
468000
2000
Εκεί νομίζω
08:02
that the arts and film
187
470000
2000
ότι η τέχνη και ο κινηματογράφος
08:04
can perhaps fill the gap,
188
472000
2000
μπορούν να παίξουν σημαντικο ρόλο.
08:06
and simulation.
189
474000
2000
Και η εξομοίωση το ίδιο.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Αυτή είναι μια εξομοίωση του όρμου Τσέζαπικ.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Υπήρχαν γκρίζες φάλαινες στο Τσέζαπικ κάποτε
08:13
500 years ago.
192
481000
2000
-500 χρόνια πριν.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Και ίσως παρατηρήσατε ότι η εικαστική προσέγγιση
08:18
are like "Avatar."
194
486000
2000
θυμίζει κάπως το «Άβαταρ».
08:20
(Laughter)
195
488000
2000
(Γέλια)
08:22
And if you think about "Avatar,"
196
490000
2000
Κι αν σκεφτείτε το «Άβαταρ»,
08:24
if you think of why people were so touched by it --
197
492000
3000
γιατί συγκίνησε τόσο πολύ τον κόσμο
08:27
never mind the Pocahontas story --
198
495000
4000
-και δεν μιλάμε για την ιστοριούλα Ποκαχόντας τώρα-
08:31
why so touched by the imagery?
199
499000
4000
γιατί λοιπόν τόση συγκίνηση από την εικόνα;
08:35
Because it evokes something
200
503000
3000
Γιατί μας υπενθυμίζει αυτό
08:38
that in a sense has been lost.
201
506000
2000
που στην ουσία έχουμε χάσει.
08:40
And so my recommendation,
202
508000
2000
Η πρότασή μου λοιπόν
08:42
it's the only one I will provide,
203
510000
2000
-και είναι η μόνη που θα κάνω-
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
είναι ο Κάμερον να γυρίσει το «Άβαταρ ΙΙ» υποβρυχίως.
08:49
Thank you very much.
205
517000
2000
Σας ευχαριστώ πολύ.
08:51
(Applause)
206
519000
2000
(Χειροκρότημα)
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