Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: Marquer les thons dans les océans profonds
Filmed:
Readability: 4.4
368,018 views
Les thons sont les athlètes de l'océan -- ce sont des prédateurs rapides, qui parcourent de grandes distances et dont nous commençons seulement à comprendre les habitudes. Barbara Block, spécialiste en biologie marine, équipe des thons de système de traçage (avec transpondeur) qui enregistre des quantités de données sans précédent sur ces magnifiques poissons menacés et les habitats de l'océan dans lesquels ils évoluent.
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
Toute ma vie, j'ai été fascinée
00:18
by the beauty, form and function
1
3000
2000
par la beauté, la forme et la fonction
00:20
of giant bluefin tuna.
2
5000
3000
du thon rouge géant.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Les thons rouges sont des animaux à sang chaud comme nous.
00:26
They're the largest of the tunas,
4
11000
3000
Ce sont les plus grands des thons,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
les deuxièmes plus grands poissons dans la mer -- des poissons osseux.
00:32
They actually are a fish
6
17000
2000
Ce sont en fait des poissons
00:34
that is endothermic --
7
19000
2000
endothermes --
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
ils se propulsent à travers l'océan grâce à des muscles chauds comme des mammifères.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Voici un de nos thons rouges à l'aquarium de Monterrey Bay,
00:43
You can see in its shape and its streamlined design
10
28000
3000
Vous pouvez voir d'après sa forme et son allure profilée
00:46
it's powered for ocean swimming.
11
31000
3000
qu'il est conçu pour nager dans l'océan.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Il vole à travers l'océan sur ses nageoires pectorales, gagne en portance,
00:52
powers its movements
13
37000
2000
propulse ses mouvements
00:54
with a lunate tail.
14
39000
2000
avec une queue lunaire.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Il a en fait une peau nue sur la plus grande partie de son corps,
00:59
so it reduces friction with the water.
16
44000
3000
qui réduit donc la friction dans l'eau.
01:02
This is what one of nature's finest machines.
17
47000
3000
C'est l'une des plus belles machines de la nature.
01:05
Now, bluefin
18
50000
2000
Maintenant les thons rouges
01:07
were revered by Man
19
52000
2000
ont été révérés par l'homme
01:09
for all of human history.
20
54000
3000
dans toute l'histoire de l'humanité.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Pendant 4000 ans, nous avons pêché cet animal durablement,
01:15
and it's evidenced
22
60000
2000
et nous en avons la preuve
01:17
in the art that we see
23
62000
2000
dans l'art que nous voyons
01:19
from thousands of years ago.
24
64000
2000
et qui date de milliers d'années
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Les thons rouges figurent sur des peintures rupestres en France.
01:24
They're on coins
26
69000
2000
On les trouve sur des pièces de monnaie
01:26
that date back 3,000 years.
27
71000
3000
vieilles de 3000 ans.
01:29
This fish was revered by humankind.
28
74000
3000
Ce poisson était vénéré par les hommes.
01:32
It was fished sustainably
29
77000
2000
On le pêchait durablement
01:34
till all of time,
30
79000
2000
depuis la nuit des temps,
01:36
except for our generation.
31
81000
2000
mais pas notre génération.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
Les thons rouges sont pourchassés où qu'ils aillent.
01:41
there is a gold rush on Earth,
33
86000
2000
Il y a une ruée vers l'or sur terre,
01:43
and this is a gold rush for bluefin.
34
88000
2000
et c'est une ruée vers l'or du thon rouge.
01:45
There are traps that fish sustainably
35
90000
2000
Il y a des pièges qui pêchent durablement
01:47
up until recently.
36
92000
3000
jusqu'à une période récente.
01:50
And yet, the type of fishing going on today,
37
95000
3000
Et pourtant, le type de pêche pratiqué aujourd'hui,
01:53
with pens, with enormous stakes,
38
98000
3000
avec des enclos, avec d'énormes pieux,
01:56
is really wiping bluefin
39
101000
2000
est vraiment en train d'éradiquer le thon rouge
01:58
ecologically off the planet.
40
103000
2000
de la planète du point de vue écologique.
02:00
Now bluefin, in general,
41
105000
2000
Et le thon rouge, en général,
02:02
goes to one place: Japan.
42
107000
2000
va dans un endroit, le Japon,
02:04
Some of you may be guilty
43
109000
2000
Certains d'entre vous sont peut-être coupables
02:06
of having contributed to the demise of bluefin.
44
111000
2000
d'avoir contribué à la perte du thon rouge.
02:08
They're delectable muscle,
45
113000
2000
Ils constituent un muscle délectable,
02:10
rich in fat --
46
115000
2000
riche en graisse --
02:12
absolutely taste delicious.
47
117000
2000
un gout absolument délicieux.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
Et c'est leur problème, nous les mangeons à mort.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
Et dans l'atlantique, l'histoire est très simple.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Les thons rouges ont deux populations, une grande, une petite.
02:23
The North American population
51
128000
2000
La population nord-américaine
02:25
is fished at about 2,000 ton.
52
130000
3000
représente environ 2000 tonnes de pêche.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
La population européenne et nord-africaine - le thon rouge oriental --
02:31
is fished at tremendous levels:
54
136000
3000
est pêché en quantités monumentales :
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
50 000 tonnes presque chaque année ces 10 dernières années.
02:37
The result is whether you're looking
56
142000
2000
Le résultat, si on observe
02:39
at the West or the Eastern bluefin population,
57
144000
3000
la population occidentale ou orientale de thon rouge,
02:42
there's been tremendous decline on both sides,
58
147000
2000
est qu'il y a un déclin gigantesque des deux côtés,
02:44
as much as 90 percent
59
149000
2000
jusqu'à 90%
02:46
if you go back with your baseline
60
151000
2000
si on compare aux chiffres
02:48
to 1950.
61
153000
2000
de 1950.
02:50
For that, bluefin have been given a status
62
155000
3000
Pour cela, on a donné aux thons rouges un statut
02:53
equivalent to tigers, to lions,
63
158000
3000
équivalent aux tigres, aux lions,
02:56
to certain African elephants
64
161000
2000
à certains éléphants d'Afrique
02:58
and to pandas.
65
163000
2000
et aux pandas.
03:00
These fish have been proposed
66
165000
2000
On a proposé ces poissons
03:02
for an endangered species listing in the past two months.
67
167000
3000
à la liste des animaux en voie d'exteinction ces deux derniers mois.
03:05
They were voted on and rejected
68
170000
2000
il y a eu un vote et leur candidature a été rejetée
03:07
just two weeks ago,
69
172000
2000
il y a tout juste deux semaines,
03:09
despite outstanding science
70
174000
2000
en dépit de preuves scientifiques remarquables
03:11
that shows from two committees
71
176000
3000
apportées par deux commissions qui montrent
03:14
this fish meets the criteria of CITES I.
72
179000
3000
que ce poisson répond aux critères de CITES I.
03:17
And if it's tunas you don't care about,
73
182000
2000
Et si c'est que vous n'avez rien à faire des thons,
03:19
perhaps you might be interested
74
184000
2000
vous serez peut-être intéressés par le fait que
03:21
that international long lines and pursing
75
186000
2000
les grandes lignes internationales et [confus]
03:23
chase down tunas and bycatch animals
76
188000
3000
chassent les thons et les animaux capturés accessoirement
03:26
such as leatherbacks, sharks,
77
191000
2000
tels que les tortues luth, les requins,
03:28
marlin, albatross.
78
193000
2000
les marlins, les albatros.
03:30
These animals and their demise
79
195000
2000
Ces animaux et leur disparition
03:32
occurs in the tuna fisheries.
80
197000
3000
se trouvent dans les pêcheries de thon.
03:35
The challenge we face
81
200000
2000
Le défi auquel nous sommes confrontés
03:37
is that we know very little about tuna,
82
202000
3000
est que nous savons très peu de choses sur le thon,
03:40
and everyone in the room knows what it looks like
83
205000
3000
et tout le monde dans la salle sait à quoi ça ressemble
03:43
when an African lion
84
208000
2000
quand un lion africain
03:45
takes down its prey.
85
210000
2000
fond sur sa proie.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Je doute que tout le monde ait vu un thon rouge géant se nourrir.
03:50
This tuna symbolizes
87
215000
3000
Ce thon symbolise
03:53
what's the problem for all of us in the room.
88
218000
3000
le problème qui se pose à nous tous dans cette salle.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
Nous sommes au 21e siècle, mais nous avons à peine commencé
03:59
to really study our oceans in a deep way.
90
224000
3000
à vraiment étudier nos océans de manière approfondie.
04:02
Technology has come of age
91
227000
2000
La technologie est arrivée à maturité
04:04
that's allowing us to see the Earth from space
92
229000
3000
et elle nous permet de voir la terre depuis l'espace
04:07
and go deep into the seas remotely.
93
232000
3000
et d'aller profondément dans les mers à distance.
04:10
And we've got to use these technologies immediately
94
235000
2000
Et nous devons employer ces technologies immédiatement
04:12
to get a better understanding
95
237000
2000
pour mieux comprendre
04:14
of how our ocean realm works.
96
239000
3000
comment le royaume de l'océan fonctionne.
04:17
Most of us from the ship -- even I --
97
242000
2000
La plupart d'entre nous depuis le bateau, même moi,
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
regardons l'océan et voyons cette mer homogène.
04:22
We don't know where the structure is.
99
247000
2000
Nous ne savons pas où en est la structure.
04:24
We can't tell where are the watering holes
100
249000
3000
Nous ne pouvons pas dire où se trouvent les points d'eau
04:27
like we can on an African plain.
101
252000
3000
comme nous le pouvons dans une plaine africaine
04:30
We can't see the corridors,
102
255000
2000
Nous ne pouvons pas voir les couloirs,
04:32
and we can't see what it is
103
257000
2000
et nous ne pouvons pas voir ce qui fait que
04:34
that brings together a tuna,
104
259000
2000
un thon, une tortue luth et un albatros
04:36
a leatherback and an albatross.
105
261000
2000
se rassemblent.
04:38
We're only just beginning to understand
106
263000
2000
Nous commençons tout juste à comprendre
04:40
how the physical oceanography
107
265000
2000
comment l'océanographie physique
04:42
and the biological oceanography
108
267000
2000
et l'océanographie biologique
04:44
come together
109
269000
2000
se rejoignent
04:46
to create a seasonal force
110
271000
2000
pour créer une force saisonnière
04:48
that actually causes the upwelling
111
273000
2000
qui en fait provoque la remontée d'eau
04:50
that might make a hot spot a hope spot.
112
275000
3000
qui pourrait transformer un point chaud en point d'espoir.
04:53
The reasons these challenges are great
113
278000
2000
Les raisons qui font que les problèmes sont grands
04:55
is that technically it's difficult to go to sea.
114
280000
3000
c'est que techniquement, il est difficile d'aller en mer.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
il est difficile d'étudier un thon rouge sur son terrain,
05:00
the entire Pacific realm.
116
285000
2000
le pacifique tout entier.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
C'est vraiment difficile de s'approcher et de se familiariser avec un requin-taupe
05:06
and try to put a tag on it.
118
291000
2000
et d'essayer de lui poser une marque.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
Et alors imaginez que vous êtes dans l'équipe de Bruce Mate de l'OSU,
05:11
getting up close to a blue whale
120
296000
2000
que vous vous approchez d'une baleine bleue
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
et que vous lui posez une marque qui reste,
05:16
an engineering challenge
122
301000
2000
un défi d'ingéniérie
05:18
we've yet to really overcome.
123
303000
2000
que nous n'avons pas encore résolu.
05:20
So the story of our team, a dedicated team,
124
305000
3000
Donc l'histoire de notre équipe, une équipe dévouée,
05:23
is fish and chips.
125
308000
2000
c'est des poissons et des puces.
05:25
We basically are taking
126
310000
2000
En gros nous prenons
05:27
the same satellite phone parts,
127
312000
2000
les mêmes pièces que celles des téléphones satellites,
05:29
or the same parts that are in your computer, chips.
128
314000
3000
ou que celles qu'on trouve dans vos ordinateurs, des puces.
05:32
We're putting them together in unusual ways,
129
317000
3000
Nous les assemblons d'une manière inhabituelle,
05:35
and this is taking us into the ocean realm
130
320000
2000
et ça nous emmène dans le domaine de l'océan
05:37
like never before.
131
322000
2000
comme jamais auparavant.
05:39
And for the first time,
132
324000
2000
Et pour la première fois,
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
nous sommes en mesure d'observer le voyage d'un thon sous l'océan
05:44
using light and photons
134
329000
2000
en utilisant la lumière et les photons
05:46
to measure sunrise and sunset.
135
331000
3000
pour mesurer le lever et le coucher du soleil.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Et j'ai travaillé avec des thons depuis plus de 15 ans.
05:52
I have the privilege of being a partner
137
337000
2000
J'ai le privilège d'être partenaire
05:54
with the Monterey Bay Aquarium.
138
339000
2000
de l'aquarium de Monterrey Bay.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Nous avons en fait pris un petit bout d'océan,
05:58
put it behind glass,
140
343000
2000
nous l'avons mis derrière une vitre,
06:00
and we together
141
345000
2000
et ensemble
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
nous avons mis un thon rouge et un thon jaune derrière.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Quand le voile de bulles se lève tous les matins,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
nous pouvons en fait voir une communauté de l'océan pélagique,
06:11
one of the only places on Earth
145
356000
2000
un des seuls endroits sur terre
06:13
you can see giant bluefin swim by.
146
358000
3000
où on peut voir un thon rouge géant passer.
06:16
We can see in their beauty of form and function,
147
361000
2000
Nous pouvons voir dans la beauté de leur forme et de leur fonction,
06:19
their ceaseless activity.
148
364000
2000
leur activité incessante.
06:21
They're flying through their space, ocean space.
149
366000
3000
Ils volent à travers leur espace, l'espace de l'océan.
06:24
And we can bring two million people a year
150
369000
2000
Et nous pouvons mettre deux millions de gens par an
06:26
into contact with this fish
151
371000
2000
en contact avec ces poisssons
06:28
and show them its beauty.
152
373000
3000
et leur montrer leur beauté.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
En coulisse, il y a un laboratoire au travail à Stanford University
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
en partenariat avec l'aquarium de Monterrey Bay.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Ici, pendant plus de 14 ou 15 ans,
06:38
we've actually brought in
156
383000
2000
nous avons en fait amené
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
à la fois des thons rouges et des thons jaunes en captivité.
06:42
We'd been studying these fish,
158
387000
2000
Nous avons étudié ces poissons.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Mais d'abord nous avons dû apprendre à les nourrir..
06:46
What do they like to eat?
160
391000
2000
Qu'aiment-ils manger?
06:48
What is it that they're happy with?
161
393000
2000
Qu'est-ce qui leur fait plaisir?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Nous allons dans les bassins avec les thons. Nous touchons leur peau nue.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
C'est vraiment étonnant. C'est une sensation merveilleuse.
06:56
And then, better yet,
164
401000
2000
Et puis, encore mieux,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
nous avons notre propre version de murmureur à l'oreille des thons,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
Chuck Farwell, Alex Norton,
07:02
who can take a big tuna
167
407000
2000
qui peuvent prendre un gros thon
07:04
and in one motion,
168
409000
2000
et en un mouvement,
07:06
put it into an envelope of water,
169
411000
2000
le mette dans une enveloppe d'eau,
07:08
so that we can actually work with the tuna
170
413000
2000
afin que nous puissions vraiment travailler avec le thon
07:10
and learn the techniques it takes
171
415000
2000
et apprendre les techniques nécessaires
07:12
to not injure this fish
172
417000
2000
pour ne pas blesser ce poisson
07:14
who never sees a boundary in the open sea.
173
419000
3000
qui n'a jamais vu de frontière dans la haute mer.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Jeff et Jason sont des scientifiques
07:19
who are going to take a tuna
175
424000
2000
qui peuvent prendre un thon
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
et le mettre sur l'équivalent d'un tapis de course, un canal.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Et ce thon pense qu'il va au Japon, mais il fait du sur-place.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
Nous mesurons en fait sa consommation d'oxygène,
07:29
its energy consumption.
179
434000
2000
sa consommation d'énergie.
07:32
We're taking this data and building better models.
180
437000
3000
Nous prenons ces données et construisons de meilleurs modèles.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
Et quand je vois ce thon -- c'est ma vision préférée --
07:38
I begin to wonder:
182
443000
2000
je commence à me demander :
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
comment ces poissons ont-ils résolu le problème de longitude avant nous?
07:44
So take a look at that animal.
184
449000
2000
Alors regardez cet animal.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Vous êtes aussi près que vous ne le serez jamais.
07:48
Now, the activities from the lab
186
453000
3000
Et les activités du laboratoire
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
nous ont appris comment sortir dans l'océan.
07:54
So in a program called Tag-A-Giant
188
459000
3000
Alors dans un programme appelé Tag-A-Giant
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
nous sommes en fait allés de l'Irlande au Canada,
08:00
from Corsica to Spain.
190
465000
2000
de la Corse à l'Espagne.
08:02
We've fished with many nations around the world
191
467000
3000
Nous avons pêché avec de nombreuses nations autour du monde
08:05
in an effort to basically
192
470000
2000
dans un effort pour en gros
08:07
put electronic computers
193
472000
3000
mettre des ordinateurs électroniques
08:10
inside giant tunas.
194
475000
2000
à l'intérieur de thons géants.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Nous avons en fait marqué 1100 thons.
08:15
And I'm going to show you three clips,
196
480000
2000
Et je vais vous montrer 3 vidéos,
08:17
because I tagged 1,100 tunas.
197
482000
3000
parce que j'ai marqué 1100 thons.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
C'est un processus très difficile, mais c'est un ballet.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Nous sortons le thon. Nous le mesurons.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Une équipe de pêcheurs, capitaines, scientifiques et techniciens
08:29
work together to keep this animal out of the ocean
201
494000
3000
travaillent ensemble pour garder cet animal hors de l'océan
08:32
for about four to five minutes.
202
497000
3000
pendant environ 4 à 5 minutes.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Nous mettons de l'eau sur ses ouïes, nous lui donnons de l'oxygène.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
Et alors avec beaucoup d'effort, après le marquage,
08:41
putting in the computer,
205
506000
2000
après avoir mis l'ordinateur dans son corps,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
et s'être assurer que la tige dépasse pour capter l'environnement,
08:46
we send this fish back into the sea.
207
511000
3000
nous renvoyons le poisson dans la mer.
08:49
And when it goes, we're always happy.
208
514000
2000
Et quand il part, nous sommes toujours contents.
08:51
We see a flick of the tail.
209
516000
2000
Nous voyons un battement de queue.
08:53
And from our data that gets collected,
210
518000
3000
Et d'après les données que nous collectons,
08:56
when that tag comes back,
211
521000
2000
quand cette marque revient,
08:58
because a fisher returns it
212
523000
2000
parce qu'un pêcheur la ramène
09:00
for a thousand-dollar reward,
213
525000
2000
contre une récompense de 1000 dollars,
09:02
we can get tracks beneath the sea
214
527000
2000
nous pouvons obtenir des traces sous la mer
09:04
for up to five years now,
215
529000
2000
pouvant couvrir jusqu'à 5 années,
09:06
on a backboned animal.
216
531000
2000
sur un animal à grande arête.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Maintenant, parfois les thons sont vraiment grands,
09:11
such as this fish off Nantucket.
218
536000
2000
tel que ce poisson au large de Nantucket.
09:13
But that's about half the size
219
538000
2000
Mais c'est la moitié de la taille
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
du plus grand thon que nous ayons jamais marqué.
09:17
It takes a human effort,
221
542000
2000
Cela demande un effort humain,
09:19
a team effort, to bring the fish in.
222
544000
2000
un effort d'équipe, pour ramener le poisson.
09:21
In this case, what we're going to do
223
546000
2000
Dans ce cas, ce que nous allons faire
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
c'est mettre une marque à archivage satellite sur le thon.
09:27
This tag rides on the tuna,
225
552000
2000
Cette marque accompagne le thon,
09:29
senses the environment around the tuna
226
554000
3000
sonde l'environnement autour du thon
09:32
and actually will come off the fish,
227
557000
3000
et tombera finalement du poisson,
09:35
detach, float to the surface
228
560000
2000
se détachera, flottera à la surface
09:37
and send back to Earth-orbiting satellites
229
562000
3000
et renverra aux satellites en orbite autour de la terre
09:40
position data estimated by math on the tag,
230
565000
3000
les données de position estimées par calcul mathématique sur la marque,
09:43
pressure data and temperature data.
231
568000
3000
les données de pression et les données de température.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Et donc ce que nous obtenons alors de la marque satellite
09:48
is we get away from having to have a human interaction
233
573000
3000
c'est que nous évitons d'avoir recours à une interaction humaine
09:51
to recapture the tag.
234
576000
2000
pour capturer à nouveau le thon.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Les marques électroniques dont je parle coûtent cher.
09:56
These tags have been engineered
236
581000
2000
Ces marques ont été produites
09:58
by a variety of teams in North America.
237
583000
3000
par une variété d'équipes en Amérique du Nord.
10:01
They are some of our finest instruments,
238
586000
2000
Elles font parties de nos instruments les plus avancés,
10:03
our new technology in the ocean today.
239
588000
3000
notre nouvelle technologie dans l'océan aujourd'hui.
10:07
One community in general
240
592000
2000
Une communauté en général
10:09
has given more to help us than any other community.
241
594000
2000
a donné plus pour nous aider que toute autre communauté.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Et ce sont les pêcheries au large de l'état de Caroline du Nord.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Il y a deux villages, HArris et morehead City,
10:17
every winter for over a decade,
244
602000
2000
chaque hiver pendant plus de 10 ans,
10:19
held a party called Tag-A-Giant,
245
604000
3000
qui ont donné une fête appelée Tag-A-Giant,
10:22
and together, fishers worked with us
246
607000
2000
et ensemble, les pêcheurs ont travaillé avec nous
10:24
to tag 800 to 900 fish.
247
609000
3000
pour marquer 800 à 900 poissons.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
Dans ce cas, nous allons en fait mesurer le poisson.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Nous allons faire quelque chose que nous avons commencé ces dernières années :
10:33
take a mucus sample.
250
618000
2000
prendre un échantillon de mucus.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Regardez comme la peau est brillante ; vous pouvez voir mon reflet là.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Et à partir de ce mucus, nous pouvons obtenir des profils génétiques.
10:41
we can get information on gender,
253
626000
2000
Nous pouvons obtenir des informations sur le sexe,
10:43
checking the pop-up tag one more time,
254
628000
2000
en vérifiant la marque une fois de plus,
10:45
and then it's out in the ocean.
255
630000
2000
et ensuite il part dans l'océan.
10:47
And this is my favorite.
256
632000
2000
Et voici mon préféré.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Avec l'aide de mon ancien chercheur postdoctoral, Gareth Lawson,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
voici une merveilleuse photo d'un seul thon.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Ce thon se déplace en fait sur un océan numérique.
10:57
The warm is the Gulf Stream,
260
642000
2000
Le tiède c'est le Gulf Stream,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
le froid là haut dans le Golfe du Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
C'est là que le thon veut aller. Il veut aller se gaver de bancs de harengs.
11:05
but it can't get there. It's too cold.
263
650000
2000
Mais il ne peut pas y aller. C'est trop froid.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Mais ensuite ça se réchauffe, et le thon se pointe, attrape des poissons,
11:10
maybe comes back to home base,
265
655000
2000
revient peut-être chez lui,
11:12
goes in again
266
657000
2000
repart
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
et revient ensuite pour passer l'hiver en Caroline du Nord
11:17
and then on to the Bahamas.
268
662000
2000
et ensuite descend jusqu'aux Bahamas.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Et ma scène favorite, 3 thons qui vont dans le Golfe du Mexique.
11:22
Three tunas tagged.
270
667000
2000
Trois thons marqués.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Du point de vue astronomique, nous calculons les positions.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Ils se rejoignent. Ce pourrait être un rapport sexuel de thons.
11:29
and there it is.
273
674000
2000
Et voici.
11:31
That is where the tuna spawn.
274
676000
2000
C'est ici que le thon fraye.
11:33
So from data like this,
275
678000
2000
Donc avec des données comme ça,
11:35
we're able now to put the map up,
276
680000
2000
nous pouvons établir une carte,
11:37
and in this map
277
682000
2000
et sur cette carte,
11:39
you see thousands of positions
278
684000
2000
vous voyez les milliers de positions
11:41
generated by this decade and a half of tagging.
279
686000
3000
générées par ces 15 ans de marquage.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Et maintenant nous montrons que les thons du côté ouest
11:47
go to the eastern side.
281
692000
2000
vont du côté est.
11:49
So two populations of tunas --
282
694000
2000
Donc deux populations de thons --
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
c'est-à-dire, nous avons une population du Golfe, que nous pouvons marquer --
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
ils vont dans le Golfe du Mexique, je vous l'ai montré --
11:56
and a second population.
285
701000
2000
et une deuxième population.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
Vivant parmi nos thons, nos thons nord-américains,
12:00
are European tunas that go back to the Med.
287
705000
3000
il y a des thons européens qui retournent en méditerranée.
12:03
On the hot spots -- the hope spots --
288
708000
2000
Sur les points chauds, les points d'espoir,
12:05
they're mixed populations.
289
710000
2000
il y a des populations mixtes.
12:07
And so what we've done with the science
290
712000
2000
Et donc ce que nous avons fait avec la science
12:09
is we're showing the International Commission,
291
714000
2000
c'est que nous montrons à la Commission Internationale,
12:11
building new models,
292
716000
2000
nous construisons de nouveaux modèles,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
nous leur montrons qu'un modèle à deux souches qui ne se mélangent pas --
12:15
to this day, used to reject
294
720000
3000
à ce jour, rejetait
12:18
the CITES treaty --
295
723000
2000
le traité CITES --
12:20
that model isn't the right model.
296
725000
2000
ce modèle n'est pas le bon modèle.
12:22
This model, a model of overlap,
297
727000
2000
Ce modèle, un modèle de chevauchement,
12:24
is the way to move forward.
298
729000
2000
est la façon d'aller de l'avant.
12:26
So we can then predict
299
731000
2000
Nous pouvons donc prédire
12:28
where management places should be.
300
733000
2000
où les lieux de gestion devraient être.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Des endroits comme le Golfe du Mexique et la Méditerranée
12:33
are places where the single species,
302
738000
2000
sont des endroits où l'espèce unique
12:35
the single population, can be captured.
303
740000
2000
la population unique, peut être capturée.
12:37
These become forthright in places we need to protect.
304
742000
3000
Ceux-ci sont donc en haut de la liste des endroits à protéger.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Le centre de l'Atlantique où se produit le mélange,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
je pourrais imaginer une politique qui laisse le Canada et l'Amérique pêcher,
12:45
because they manage their fisheries well,
307
750000
3000
parce qu'ils gèrent bien leurs pêcheries,
12:48
they're doing a good job.
308
753000
2000
ils font du bon travail.
12:50
But in the international realm,
309
755000
2000
Mais dans le domaine international,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
où la pêche et la surpêche sont sans limites,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
ce sont des endroits qui doivent devenir des points d'espoir,
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Voilà la taille qu'ils doivent avoir pour protéger le thon rouge.
13:00
Now in a second project
313
765000
2000
Et dans un second projet
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
appelé le Tagging of Pacific Pelagics,
13:04
we took on the planet as a team,
315
769000
2000
nous avons abordé la planète en équipe,
13:06
those of us in the Census of Marine Life.
316
771000
2000
ceux d'entre nous qui font partie du Census of Marine Life.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Et, financé essentiellement par la Sloan Foundation et d'autres,
13:12
we were able to actually go in, in our project --
318
777000
3000
nous avons été en mesure d'avancer dans notre projet --
13:15
we're one of 17 field programs
319
780000
2000
nous sommes un des 17 programmes de terrain
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
et nous commençons à nous atteler à de grands nombres de prédateurs,
13:20
not just tunas.
321
785000
2000
pas seulement des thons.
13:22
So what we've done
322
787000
2000
Et donc ce que nous avons fait
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
c'est par exemple d'aller marquer le requin saumon en Alaska,
13:27
met salmon shark on their home territory,
324
792000
3000
nous avons rencontré le requin saumon sur son territoire,
13:30
followed them catching salmon
325
795000
2000
nous l'avons suivi quand il attrape des saumons
13:32
and then went in and figured out
326
797000
2000
puis nous sommes allés comprendre
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
que, si nous prenons un saumon et le mettons au bout d'une ligne,
13:37
we can actually take up a salmon shark --
328
802000
2000
nous pouvons en fait attraper un requin saumon --
13:39
This is the cousin of the white shark --
329
804000
2000
c'est le cousin du requin blanc --
13:41
and very carefully --
330
806000
2000
et très soigneusement --
13:43
note, I say "very carefully," --
331
808000
2000
notez que j'ai dit "très soigneusement" --
13:45
we can actually keep it calm,
332
810000
2000
nous le calmons,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
nous mettons un tuyau dans sa bouche, nous le maintenons hors du pont,
13:50
and then tag it with a satellite tag.
334
815000
3000
et nous le marquons avec une balise satellite.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Cette balise sattellite aura désormais le numéro de téléphone de votre requin
13:56
and send in a message.
336
821000
2000
et enverra un message.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Et ce requin qui saute là, si vous regardez attentivement, a une antenne.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
C'est un requin qui nage librement avec une balise satellite
14:03
jumping after salmon,
339
828000
2000
et qui saute après des saumons,
14:05
sending home its data.
340
830000
3000
et qui envoie ses données.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Les requins saumon ne sont pas les seuls requins que nous marquons.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Mais voilà les requins saumons avec cette résolution du niveau du mètre
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
dans un océan de température -- les couleurs chaudes sont plus chaudes.
14:17
Salmon sharks go down
344
842000
2000
Les requins saumons descendent
14:19
to the tropics to pup
345
844000
2000
vers les tropiques pour mettre bas
14:21
and come into Monterey.
346
846000
2000
et viennent à Monterrey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Et juste à côté de Monterrey vers les Farallones
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
il y a une équipe qui travaille sur le requin blanc,
14:28
and Sal Jorgensen.
349
853000
2000
dirigée par Scott Anderson et Sal Jorgensen.
14:30
They can throw out a target --
350
855000
2000
Ils peuvent lancer une cible --
14:32
it's a carpet shaped like a seal --
351
857000
2000
c'est un tapis en forme de phoque --
14:34
and in will come a white shark, a curious critter
352
859000
3000
et un requin blanc arrive, un animal curieux
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
qui viendra jusqu'à notre bateau de 5 mètres de long.
14:40
It's a several thousand-pound animal.
354
865000
2000
C'est un animal qui pèse plusieurs milliers de kilos.
14:42
And we'll wind in the target.
355
867000
3000
Et nous ramenons la cible.
14:45
And we'll place an acoustic tag
356
870000
2000
Et nous placerons une balise acoustique
14:47
that says, "OMSHARK 10165,"
357
872000
2000
qui dit "OMSHARK 10165,"
14:49
or something like that, acoustically with a ping.
358
874000
3000
ou quelque chose comme ça avec un ping acoustique.
14:52
And then we'll put on a satellite tag
359
877000
2000
Et puis nous mettrons une balise satellite
14:54
that will give us the long-distance journeys
360
879000
3000
qui nous donnera les voyages longue distance
14:57
with the light-based geolocation algorithms
361
882000
2000
grâce aux algorithmes de géolocalisations basés sur la lumière
14:59
solved on the computer that's on the fish.
362
884000
3000
résolus par l'ordinateur qui est sur le poisson.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
Donc dans ce cas, Sal regarde deux balises.
15:05
and there they are: the white sharks of California
364
890000
3000
Et les voilà : les requins blancs de Californie
15:08
going off to the white shark cafe and coming back.
365
893000
3000
s'en vont au café des requins blancs et reviennent.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Nous marquons aussi des makos avec nos collègues de NOAA,
15:14
blue sharks.
367
899000
2000
des requins bleus.
15:16
And now, together, what we can see
368
901000
2000
Et maintenant, ensemble, ce que nous pouvons voir
15:18
on this ocean of color that's temperature,
369
903000
2000
sur cet océan de couleur qui est composé de temépratures,
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
nous pouvons voir 10 jours de traces de makos et de requins saumon.
15:24
We have white sharks and blue sharks.
371
909000
2000
Nous avons des requins blancs et des requins bleus.
15:26
For the first time,
372
911000
2000
Pour la première fois,
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
un paysage écologique à l'échelle de l'océan,
15:30
showing where the sharks go.
374
915000
3000
qui nous montre où vont les requins.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
L'équipe des thons de TOPP a réalisé l'inimaginable :
15:36
three teams tagged 1,700 tunas,
376
921000
3000
3 équipes marquent 1700 thons,
15:39
bluefin, yellowfin and albacore
377
924000
2000
rouges, jaunes et albacore
15:41
all at the same time --
378
926000
2000
tous en même temps --
15:43
carefully rehearsed tagging programs
379
928000
2000
des programmes de marquage soigneusement préparés
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
dans lesquels nous allons, prélevons des thons juvéniles,
15:48
put in the tags that actually have the sensors,
381
933000
3000
leur posons des marques qui en fait ont des capteurs,
15:51
stick out the tuna
382
936000
2000
repérons les thons
15:53
and then let them go.
383
938000
2000
et puis les laissons partir.
15:55
They get returned, and when they get returned,
384
940000
2000
On nous les ramène, et quand on nous les ramène,
15:57
here on a NASA numerical ocean
385
942000
3000
ici sur un océan numérique de la NASA
16:00
you can see bluefin in blue
386
945000
2000
vous pouvez voir les rouges en bleu
16:02
go across their corridor,
387
947000
2000
qui traversent leur couloir,
16:04
returning to the Western Pacific.
388
949000
3000
et retournent dans le Pacifique Ouest.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Notre équipe de l'UCSC a marqué des éléphants de mer
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
avec des balises qui sont collées sur leurs tête, qui tombent quand ils muent.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Ces éléphants de mer couvrent la moitié d'un océan,
16:16
take data down to 1,800 feet --
392
961000
2000
collectent des données jusqu'à 500 mètres --
16:18
amazing data.
393
963000
2000
des données étonnantes.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Et puis il y a Scott Shaffer et nos puffins
16:23
wearing tuna tags, light-based tags,
395
968000
3000
qui portent des balises de thons, des balises légères
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
qui vont vous emmener maintenant de la Nouvelle Zélande à Monterrey et retour,
16:29
journeys of 35,000 nautical miles
397
974000
3000
des voyages de 35 000 miles nautiques
16:32
we had never seen before.
398
977000
2000
que nous n'avions jamais vu avant.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Mais maintenant avec des balises légères de géolocalisation qui sont très petites,
16:37
we can actually see these journeys.
400
982000
2000
nous pouvons en fait voir ces voyages.
16:39
Same thing with Laysan albatross
401
984000
2000
La même chose avec l'albatros Laysan
16:41
who travel an entire ocean
402
986000
2000
qui traverse un océan entier
16:43
on a trip sometimes,
403
988000
2000
en un seul voyage parfois,
16:45
up to the same zone the tunas use.
404
990000
2000
jusqu'à la même zone qu'utilisent les thons.
16:47
You can see why they might be caught.
405
992000
3000
Vous pouvez voir pourquoi ils pourraient être pris.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Puis il y a George Schillinger et notre équipe des tortues luth à Playa Grande
16:53
tagging leatherbacks
407
998000
2000
qui marquent les tortues luth
16:55
that go right past where we are.
408
1000000
3000
qui passent là où nous sommes.
16:58
And Scott Benson's team
409
1003000
2000
Et l'équipe de Scott Benson
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
qui a montré que les tortues luth vont depuis l'Indonésie
17:02
all the way to Monterey.
411
1007000
2000
jusqu'à Monterrey.
17:04
So what we can see on this moving ocean
412
1009000
3000
Donc ce que nous pouvons voir sur cet océan mobile
17:07
is we can finally see where the predators are.
413
1012000
3000
c'est que nous voyons finalement où sont les prédateurs.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Nous pouvons en fait voir comment ils utilisent des éco-espaces
17:13
as large as an ocean.
415
1018000
2000
grands comme un océan.
17:15
And from this information,
416
1020000
2000
Et à partir de cette information,
17:17
we can begin to map the hope spots.
417
1022000
3000
nous pouvons commencer à cartographier les points d'espoir.
17:20
So this is just three years of data right here --
418
1025000
2000
Et il n'y a que 3 ans de données ici.
17:22
and there's a decade of this data.
419
1027000
2000
Et il y a 10 ans de données.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
nous voyons la pulsation et les activités saisonnières
17:26
that these animals are going on.
421
1031000
3000
de ces animaux.
17:30
So what we're able to do with this information
422
1035000
2000
Et ce que nous pouvons faire avec ces informations
17:32
is boil it down to hot spots,
423
1037000
3000
c'est de les ramener aux points chauds,
17:35
4,000 deployments,
424
1040000
2000
4000 déploiements,
17:37
a huge herculean task,
425
1042000
3000
une tâche herculéenne,
17:40
2,000 tags
426
1045000
2000
2000 balises
17:42
in an area, shown here for the first time,
427
1047000
2000
dans une zone, que montre ici pour la première fois,
17:44
off the California coast,
428
1049000
2000
au large de la côte californienne.
17:46
that appears to be a gathering place.
429
1051000
3000
qui semble être un lieu de rassemblement.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
Et puis un peu comme un rappel,
17:53
they're helping us.
431
1058000
2000
ces animaux nous aident.
17:55
They're carrying instruments
432
1060000
2000
ils portent des instruments
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
qui collectent des données jusqu'à 2000 mètres.
18:00
They're taking information from our planet
434
1065000
2000
Ils prennent les informations de notre planète
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
à des endroits très critiques comme l’Antarctique et les pôles.
18:05
Those are seals from many countries
436
1070000
2000
Ce sont des phoques de nombreux pays
18:07
being released
437
1072000
2000
qu'on relâche
18:09
who are sampling underneath the ice sheets
438
1074000
2000
qui échantillonnent sous les couches de glace
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
et nous donnent des données de températures de qualité océanographique
18:14
on both poles.
440
1079000
2000
aux deux pôles.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Ces données, quand on les visualise, sont captivantes à regarder.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Nous n'avons pas encore compris comment visualiser les données de façon optimale.
18:22
And then, as these animals swim
443
1087000
2000
Et puis alors que ces animaux nagent
18:24
and give us the information
444
1089000
2000
et nous donnent des informations
18:26
that's important to climate issues,
445
1091000
2000
qui sont importantes pour les problèmes climatiques,
18:28
we also think it's critical
446
1093000
2000
nous pensons aussi qu'il est critique que
18:30
to get this information to the public,
447
1095000
2000
ces informations parviennent au public.
18:32
to engage the public with this kind of data.
448
1097000
3000
pour impliquer le public dans ce type de données.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Nous l'avons fait avec la Great Turtle Race --
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
marqué des tortues, ramené 4 millions de repérages.
18:40
And now with Google's Oceans,
451
1105000
3000
Et maintenant avec Google Oceans.
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
nous pouvons en fait mettre un requin blanc dans cet océan.
18:45
And when we do and it swims,
453
1110000
2000
Et quand nous le faisons et qu'il nage,
18:47
we see this magnificent bathymetry
454
1112000
2000
nous voyons cette magnifique bathymétrie
18:49
that the shark knows is there on its path
455
1114000
2000
dont le requin sait qu'elle est là sur son chemin
18:51
as it goes from California to Hawaii.
456
1116000
2000
quand il va de la Californie à Hawaii.
18:53
But maybe Mission Blue
457
1118000
2000
Mais peut-être Mission Blue
18:55
can fill in that ocean that we can't see.
458
1120000
3000
peut remplir cet océan que nous ne voyons pas.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Nous avons la capacité, la NASA a l'océan.
19:01
We just need to put it together.
460
1126000
2000
il nous suffit d'assembler les deux.
19:03
So in conclusion,
461
1128000
2000
Donc pour conclure,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
nous savons où Yellowstone est pour l'Amérique du Nord ;
19:08
it's off our coast.
463
1133000
2000
c'est au large de notre côte.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Nous avons la technologie qui nous a montré où c'était.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Ce à quoi nous devons peut-être réfléchir pour Mission Blue
19:15
is increasing the biologging capacity.
466
1140000
3000
c'est d'accroitre le potentiel de biologue.
19:18
How is it that we can actually
467
1143000
2000
Comment se fait-t'il que nous pouvons en fait
19:20
take this type of activity elsewhere?
468
1145000
3000
transférer ce type d'activité?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
Et puis finalement, pour faire passer le message,
19:26
maybe use live links
470
1151000
2000
peut-être utiliser des liens en direct
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
des animaux tels que les baleines bleues et les requins blancs.
19:30
Make killer apps, if you will.
472
1155000
2000
Créer des killer apps, si vous voulez.
19:32
A lot of people are excited
473
1157000
2000
Beaucoup de gens ont été très intéressés
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
quand les requins sont effectivement passés sous le Golden Gate Bridge.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Mettons le public en contact avec cette activité directement depuis leut iPhone.
19:40
That way we do away with a few internet myths.
476
1165000
3000
Ainsi nous nous débarrassons de quelques mythes de l'internet.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Donc nous pouvons sauver le thon rouge.
19:46
We can save the white shark.
478
1171000
2000
Nous pouvons sauver le requin blanc.
19:48
We have the science and technology.
479
1173000
2000
Nous avons la science et la technologie.
19:50
Hope is here. Yes we can.
480
1175000
2000
Il y a de l'espoir. Nous pouvons le faire.
19:52
We need just to apply this capacity
481
1177000
2000
nous devons seulement appliquer cette capacité
19:54
further in the oceans.
482
1179000
2000
plus loin dans les océans.
19:56
Thank you.
483
1181000
2000
Merci.
19:58
(Applause)
484
1183000
2000
(Applaudissements)
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