Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: Cambio en el punto de partida del océano
Filmed:
Readability: 3.8
254,411 views
El océano se ha degradado en el transcurso de nuestra vida, como se evidencia en el tamaño medio decreciente de los peces. Y, sin embargo, como Daniel Pauly nos muestra en el escenario de la Misión Azul, cada vez que cae el punto de partida lo tomamos como la nueva "normalidad". ¿En qué momento dejamos de reajustar hacia abajo?
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
Voy a hablar
00:14
about a tiny, little idea.
1
2000
3000
de una idea muy pequeña:
00:17
And this is about shifting baseline.
2
5000
4000
el corrimiento del punto de partida.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Y como la idea puede explicarse en un minuto,
00:25
I will tell you three stories before
4
13000
3000
antes les daré tres ejemplos
00:28
to fill in the time.
5
16000
2000
para hacer tiempo.
00:30
And the first story
6
18000
2000
La primera historia
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
es sobre Charles Darwin, uno de mis héroes.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Él estuvo aquí, como saben, en 1835.
00:38
And you'd think he was chasing finches,
9
26000
2000
Quizá crean que perseguía pinzones,
00:40
but he wasn't.
10
28000
2000
pero no fue así.
00:42
He was actually collecting fish.
11
30000
2000
En realidad recogía peces.
00:44
And he described one of them
12
32000
2000
Y describió a uno de ellos
00:46
as very "common."
13
34000
2000
como muy "común".
00:48
This was the sailfin grouper.
14
36000
2000
Era el mero.
00:50
A big fishery was run on it
15
38000
2000
Se lo pescó mucho hasta
00:52
until the '80s.
16
40000
3000
la década de 1880.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Ahora el pez está en la Lista Roja de la UICN.
00:58
Now this story,
18
46000
2000
Pero hemos oído
01:00
we have heard it lots of times
19
48000
3000
esta historia muchas veces,
01:03
on Galapagos and other places,
20
51000
2000
sobre Galápagos y otros lugares,
01:05
so there is nothing particular about it.
21
53000
3000
así que eso no tiene nada de especial.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Pero el caso es que aún venimos a las Galápagos.
01:11
We still think it is pristine.
23
59000
3000
Aún pensamos que son prístinas.
01:14
The brochures still say
24
62000
3000
Los folletos todavía dicen
01:17
it is untouched.
25
65000
2000
que siguen intactas.
01:19
So what happens here?
26
67000
3000
¿Entonces qué pasa aquí?
01:22
The second story, also to illustrate another concept,
27
70000
3000
La segunda historia, también ilustra otro concepto:
01:25
is called shifting waistline.
28
73000
2000
el desplazamiento de la cintura.
01:27
(Laughter)
29
75000
3000
(Risas)
01:30
Because I was there in '71,
30
78000
2000
Porque estuve allí en 1971
01:32
studying a lagoon in West Africa.
31
80000
2000
estudiando una laguna en África Occidental.
01:34
I was there because I grew up in Europe
32
82000
3000
Estaba allí porque crecí en Europa
01:37
and I wanted later to work in Africa.
33
85000
2000
y luego quería trabajar en África.
01:39
And I thought I could blend in.
34
87000
2000
Pensé que podría integrarme.
01:41
And I got a big sunburn,
35
89000
2000
Me quemé mucho con el sol
01:43
and I was convinced that I was really not from there.
36
91000
3000
y estaba convencido de que yo no era de allí.
01:46
This was my first sunburn.
37
94000
2000
Esta es mi primera exposición al sol.
01:48
And the lagoon
38
96000
3000
La laguna
01:51
was surrounded by palm trees,
39
99000
2000
estaba rodeada de palmeras,
01:53
as you can see, and a few mangrove.
40
101000
2000
y, como pueden ver, de unos manglares.
01:55
And it had tilapia
41
103000
2000
Había tilapias
01:57
about 20 centimeters,
42
105000
2000
de unos 20 centímetros,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
la tilapia de barba negra.
02:01
And the fisheries for this tilapia
44
109000
2000
Y la pesca de esta tilapia
02:03
sustained lots of fish and they had a good time
45
111000
3000
era muy abundante y pasaba por un buen momento,
02:06
and they earned more than average
46
114000
2000
así que se ganaba más de la media
02:08
in Ghana.
47
116000
2000
en Ghana.
02:10
When I went there 27 years later,
48
118000
3000
Cuando fui allí 27 años después
02:13
the fish had shrunk to half of their size.
49
121000
3000
la cantidad de peces había disminuido a la mitad.
02:16
They were maturing at five centimeters.
50
124000
2000
Maduraban a los 5 centímetros.
02:18
They had been pushed genetically.
51
126000
2000
Experimentaron una presión genética.
02:20
There were still fishes.
52
128000
2000
Aún había peces.
02:22
They were still kind of happy.
53
130000
2000
En cierto modo, aún eran felices.
02:24
And the fish also were happy to be there.
54
132000
5000
Y los peces todavía estaban felices de estar allí.
02:29
So nothing has changed,
55
137000
2000
O sea, nada a cambiado,
02:31
but everything has changed.
56
139000
2000
pero todo ha cambiado.
02:33
My third little story
57
141000
2000
Mi tercera historia
02:35
is that I was an accomplice
58
143000
2000
es que fui cómplice
02:37
in the introduction of trawling
59
145000
2000
en la introducción de la pesca de arrastre
02:39
in Southeast Asia.
60
147000
2000
en el sudeste asiático.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
En la década de 1970 -bueno, empezó en la de 1960-
02:44
Europe did lots of development projects.
62
152000
3000
Europa realizó muchos proyectos de desarrollo.
02:47
Fish development
63
155000
2000
El desarrollo pesquero
02:49
meant imposing on countries
64
157000
2000
supuso imponer a los países
02:51
that had already 100,000 fishers
65
159000
3000
que ya tenían 100 000 pescadores,
02:54
to impose on them industrial fishing.
66
162000
3000
imponerles la pesca industrial.
02:57
And this boat, quite ugly,
67
165000
2000
Y este bote, bastante feo,
02:59
is called the Mutiara 4.
68
167000
2000
se llamó El Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Yo salí a pescar en él,
03:03
and we did surveys
70
171000
3000
y realizamos estudios
03:06
throughout the southern South China sea
71
174000
3000
en el sur del Mar de China Meridional
03:09
and especially the Java Sea.
72
177000
2000
y, sobre todo, en el Mar de Java.
03:11
And what we caught,
73
179000
2000
Lo que allí capturamos
03:13
we didn't have words for it.
74
181000
2000
fue algo inenarrable.
03:15
What we caught, I know now,
75
183000
3000
Capturamos, ahora lo sé,
03:18
is the bottom of the sea.
76
186000
2000
el fondo del mar.
03:20
And 90 percent of our catch
77
188000
2000
El 90% de lo que capturamos
03:22
were sponges,
78
190000
2000
eran esponjas,
03:24
other animals that are fixed on the bottom.
79
192000
3000
otros animales que están en el fondo.
03:27
And actually most of the fish,
80
195000
2000
Y la mayoría de los peces
03:29
they are a little spot on the debris,
81
197000
2000
son manchas diminutas sobre unos restos,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
restos que son peces de arrecife de coral.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
En resumen, el fondo del mar llegó a la cubierta
03:36
and then was thrown down.
84
204000
2000
y luego fue arrojado.
03:38
And these pictures are extraordinary
85
206000
3000
Estas imágenes son extraordinarias
03:41
because this transition is very rapid.
86
209000
3000
porque la transición es muy rápida.
03:44
Within a year, you do a survey
87
212000
3000
En un año, uno hace un estudio
03:47
and then commercial fishing begins.
88
215000
2000
y luego empieza la pesca comercial.
03:49
The bottom is transformed
89
217000
2000
El fondo pasa de ser
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
un fondo sólido de coral blando, en este caso,
03:54
into a muddy mess.
91
222000
3000
a ser un lodazal.
03:57
This is a dead turtle.
92
225000
2000
Esta es una tortuga muerta.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
No las comieron. Las descartaron porque estaban muertas.
04:02
And one time we caught a live one.
94
230000
2000
Una vez capturamos una viva.
04:04
It was not drowned yet.
95
232000
2000
Todavía no estaba ahogada.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Entonces querían matarla porque era un buen alimento.
04:09
This mountain of debris
97
237000
3000
Esta montaña de restos
04:12
is actually collected by fishers
98
240000
3000
es lo que recogen los pescadores
04:15
every time they go
99
243000
2000
cada vez que van
04:17
into an area that's never been fished.
100
245000
2000
a una zona en la que nunca han pescado.
04:19
But it's not documented.
101
247000
2000
Pero no queda documentado.
04:21
We transform the world,
102
249000
2000
Transformamos el mundo
04:23
but we don't remember it.
103
251000
2000
pero no lo recordamos.
04:25
We adjust our baseline
104
253000
3000
Ajustamos el punto de partida,
04:28
to the new level,
105
256000
2000
al nuevo nivel,
04:30
and we don't recall what was there.
106
258000
4000
sin recordar lo que estaba allí.
04:34
If you generalize this,
107
262000
2000
Si generalizamos esto
04:36
something like this happens.
108
264000
2000
ocurre algo así.
04:38
You have on the y axis some good thing:
109
266000
3000
En el eje Y tenemos cosas buenas:
04:41
biodiversity, numbers of orca,
110
269000
3000
biodiversidad, cantidad de orcas,
04:44
the greenness of your country, the water supply.
111
272000
3000
el verdor del país, el suministro de agua.
04:47
And over time it changes --
112
275000
2000
Y eso cambia con el tiempo.
04:49
it changes
113
277000
2000
Cambia
04:51
because people do things, or naturally.
114
279000
2000
porque la gente hace las cosas con naturalidad.
04:53
Every generation
115
281000
2000
Cada generación
04:55
will use the images
116
283000
2000
usará las imágenes
04:57
that they got at the beginning of their conscious lives
117
285000
3000
recibidas al comienzo de su vida consciente
05:00
as a standard
118
288000
2000
como lo normal
05:02
and will extrapolate forward.
119
290000
2000
y lo extrapolará hacia adelante.
05:04
And the difference then,
120
292000
2000
La diferencia es que
05:06
they perceive as a loss.
121
294000
2000
perciben la pérdida
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
pero no perciben la pérdida que ocurrió antes.
05:11
You can have a succession of changes.
123
299000
2000
Uno puede analizar la sucesión de cambios.
05:13
At the end you want to sustain
124
301000
3000
Y al final mantener
05:16
miserable leftovers.
125
304000
3000
unos miserables restos.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Y eso, en gran medida, es lo queremos hacer ahora.
05:22
We want to sustain things that are gone
127
310000
3000
Queremos mantener cosas que ya no están,
05:25
or things that are not the way they were.
128
313000
4000
o que no son lo que fueron.
05:29
Now one should think
129
317000
2000
Pero uno debería pensar
05:31
this problem affected people
130
319000
2000
que este problema afecta a las personas
05:33
certainly when in predatory societies,
131
321000
4000
cuando las sociedades depredadoras
05:37
they killed animals
132
325000
2000
matan animales
05:39
and they didn't know they had done so
133
327000
2000
sin saber lo que han hecho
05:41
after a few generations.
134
329000
2000
hasta unas generaciones después.
05:43
Because, obviously,
135
331000
3000
Porque, obviamente,
05:46
an animal that is very abundant,
136
334000
5000
un animal que es muy abundante,
05:51
before it gets extinct,
137
339000
3000
antes de extinguirse,
05:54
it becomes rare.
138
342000
3000
es poco frecuente.
05:57
So you don't lose abundant animals.
139
345000
3000
Uno no pierde animales abundantes.
06:00
You always lose rare animals.
140
348000
2000
Uno pierde animales poco frecuentes.
06:02
And therefore they're not perceived
141
350000
2000
Aún si esto no se percibe
06:04
as a big loss.
142
352000
2000
como una gran pérdida.
06:06
Over time,
143
354000
2000
Con el tiempo,
06:08
we concentrate on large animals,
144
356000
2000
nos concentramos en los animales grandes,
06:10
and in a sea that means the big fish.
145
358000
2000
y en un mar sinónimo de grandes peces.
06:12
They become rarer because we fish them.
146
360000
3000
Se vuelven poco frecuentes porque los pescamos.
06:15
Over time we have a few fish left
147
363000
2000
Con el tiempo quedan pocos peces
06:17
and we think this is the baseline.
148
365000
3000
pero pensamos que ese es el punto de partida.
06:20
And the question is,
149
368000
2000
Y la pregunta es:
06:22
why do people accept this?
150
370000
5000
¿por qué aceptamos esto?
06:27
Well because they don't know that it was different.
151
375000
3000
Bueno, porque no sabemos que era diferente.
06:30
And in fact, lots of people, scientists,
152
378000
3000
De hecho, mucha gente, científicos,
06:33
will contest that it was really different.
153
381000
2000
cuestionarán que era muy diferente.
06:35
And they will contest this
154
383000
2000
Y lo harán
06:37
because the evidence
155
385000
2000
porque la evidencia
06:39
presented in an earlier mode
156
387000
5000
presentada en un modo anterior
06:44
is not in the way
157
392000
3000
no es de la forma
06:47
they would like the evidence presented.
158
395000
2000
que ellos esperarían que tenga la evidencia.
06:49
For example,
159
397000
2000
Por ejemplo,
06:51
the anecdote that some present,
160
399000
2000
la anécdota que algunos presentan,
06:53
as Captain so-and-so
161
401000
2000
como que capitán tal y tal
06:55
observed lots of fish in this area
162
403000
3000
observó muchos peces en esta zona
06:58
cannot be used
163
406000
2000
no puede usarse
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
o, por lo general no la usan los científicos de la pesca,
07:03
because it's not "scientific."
165
411000
2000
porque no es "científica".
07:05
So you have a situation
166
413000
2000
Así, tenemos una situación
07:07
where people don't know the past,
167
415000
3000
en la que la gente no conoce el pasado,
07:10
even though we live in literate societies,
168
418000
3000
aunque vivamos en sociedades instruidas,
07:13
because they don't trust
169
421000
2000
porque no confían
07:15
the sources of the past.
170
423000
3000
en las fuentes del pasado.
07:18
And hence, the enormous role
171
426000
3000
De allí el papel enorme
07:21
that a marine protected area can play.
172
429000
2000
que puede cumplir una zona marina protegida.
07:23
Because with marine protected areas,
173
431000
3000
Porque con las zonas marinas protegidas,
07:26
we actually recreate the past.
174
434000
4000
realmente recreamos el pasado.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Recreamos el pasado que la gente no puede concebir
07:33
because the baseline has shifted
176
441000
2000
porque el punto de partida se ha corrido
07:35
and is extremely low.
177
443000
2000
y es sumamente bajo.
07:37
That is for people
178
445000
2000
Eso es para las personas
07:39
who can see a marine protected area
179
447000
5000
que pueden ver una zona marina protegida
07:44
and who can benefit
180
452000
2000
y pueden beneficiarse
07:46
from the insight that it provides,
181
454000
3000
de la visión que proporciona,
07:49
which enables them to reset their baseline.
182
457000
4000
lo cual les permite borrar su punto de partida.
07:53
How about the people who can't do that
183
461000
2000
¿Y qué pasa con las personas que no pueden hacerlo
07:55
because they have no access --
184
463000
2000
porque no tienen acceso,
07:57
the people in the Midwest for example?
185
465000
3000
como la gente del Medio Oeste, por ejemplo?
08:00
There I think
186
468000
2000
Creo que allí
08:02
that the arts and film
187
470000
2000
las artes y el cine
08:04
can perhaps fill the gap,
188
472000
2000
quizá pueden llenar el vacío.
08:06
and simulation.
189
474000
2000
La simulación.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Esta es una simulación de la Bahía de Chesapeake.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Hace mucho tiempo había ballenas grises en la bahía de Chesapeake;
08:13
500 years ago.
192
481000
2000
hace 500 años.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Y habrán notado que los matices y las tonalidades
08:18
are like "Avatar."
194
486000
2000
son como de "Avatar".
08:20
(Laughter)
195
488000
2000
(Risas)
08:22
And if you think about "Avatar,"
196
490000
2000
Y si piensan en "Avatar",
08:24
if you think of why people were so touched by it --
197
492000
3000
si piensan por qué la gente se conmovió con la película
08:27
never mind the Pocahontas story --
198
495000
4000
-sin hablar de la historia de Pocahontas-
08:31
why so touched by the imagery?
199
499000
4000
¿por qué conmoverse con las imágenes?
08:35
Because it evokes something
200
503000
3000
Porque evoca algo
08:38
that in a sense has been lost.
201
506000
2000
que, en cierto sentido, se ha perdido.
08:40
And so my recommendation,
202
508000
2000
Por eso mi recomendación,
08:42
it's the only one I will provide,
203
510000
2000
la única que daré,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
es a Cameron, hacer "Avatar II" bajo el agua.
08:49
Thank you very much.
205
517000
2000
Muchas gracias.
08:51
(Applause)
206
519000
2000
(Aplausos)
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