TEDGlobal 2011
Paul Snelgrove: A census of the ocean
פול סנלגרוב עורך מיפקד באוקיינוס
Filmed:
Readability: 4
336,429 views
חוקר האוקיינוסים פול סנלגרוב משתף אותנו בתוצאות המיזם בן עשר השנים שמטרתו אחת: לערוך מיפקד של כל החיים באוקיינוסים. הוא מציג תמונות מדהימות של כמה מהממצאים המפתיעים של מיפקד החיים בים.
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Double-click the English transcript below to play the video.
00:15
The oceans cover some 70 percent of our planet.
0
0
3000
הים מכסה 70% מכוכב הלכת שלנו,
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
ולדעתי ארתור סי קלארק כנראה צדק
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
כשאמר שהיינו צריכים לכנות את עולמנו
00:23
Planet Ocean.
3
8000
2000
"כוכב הלכת ים".
00:25
And the oceans are hugely productive,
4
10000
2000
האוקיינוסים גם מאד פוריים,
00:27
as you can see by the satellite image
5
12000
2000
כפי שאתם רואים בתמונת הלווין
00:29
of photosynthesis, the production of new life.
6
14000
2000
של הפוטוסינתזה, של יצירת החיים החדשים.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
למעשה, הים יוצר מידי יום מחצית מהחיים החדשים בעולם.
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
וגם כמחצית מכל החמצן שאנו נושמים.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
בנוסף, הרבה מהמגוון הביולוגי בעולם שוכן בו,
00:40
and much of it we don't know about.
10
25000
2000
ועל חלק גדול ממנו איננו יודעים דבר.
00:42
But I'll tell you some of that today.
11
27000
2000
אך היום אספר לכם על מעט ממנו.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
ואפילו לא אכנס לכל נושא החלבונים
00:46
that we do from the ocean.
13
31000
2000
שאנו מפיקים מן הים.
00:48
That's about 10 percent of our global needs
14
33000
2000
מדובר בכ-10% מהביקוש הגלובלי
00:50
and 100 percent of some island nations.
15
35000
3000
וב-100% מהביקוש של כמה מדינות איים.
00:53
If you were to descend
16
38000
2000
אילו הייתם צוללים ויורדים
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
למעמקי 95% הביוספירה התומכת-חיים,
00:57
it would quickly become pitch black,
18
42000
2000
הסביבה היתה מחשיכה לחלוטין במהירות,
00:59
interrupted only by pinpoints of light
19
44000
2000
פרט לנקודות אור
01:01
from bioluminescent organisms.
20
46000
2000
של אורגניזמים בעלי תאורה טבעית.
01:03
And if you turn the lights on,
21
48000
2000
ואם הייתם מדליקים את האורות,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
הייתם רואים מידי פעם אורגניזמים מופלאים חולפים,
01:07
because those are the denizens of the deep,
23
52000
2000
כי אלה הם תושבי המעמקים,
01:09
the things that live in the deep ocean.
24
54000
2000
הדברים שחיים במעמקי האוקיינוס.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
ולבסוף היתה מופיעה קרקעית הים העמוק.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
בית הגידול הזה מכסה את רוב פני כדור הארץ
01:17
than all other habitats combined.
27
62000
2000
יותר מסכום כל בתי הגידול האחרים.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
אולם ידוע לנו יותר על פני הירח ועל המאדים
01:21
than we do about this habitat,
29
66000
2000
מאשר על הסביבה הזו,
01:23
despite the fact that we have yet to extract
30
68000
2000
למרות שיהיה עוד עלינו למצות
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
כל גרם של מזון, נשימת חמצן או טיפת מים
01:28
from those bodies.
32
73000
2000
מגופי המים האלה.
01:30
And so 10 years ago,
33
75000
2000
אז לפני 10 שנים,
01:32
an international program began called the Census of Marine Life,
34
77000
3000
הוחל בתכנית בינ"ל בשם "מיפקד בעלי החיים בים",
01:35
which set out to try and improve our understanding
35
80000
2000
שנועדה לנסות לשפר את הבנתנו
01:37
of life in the global oceans.
36
82000
2000
בנוגע לחיים באוקיינוסי העולם.
01:39
It involved 17 different projects around the world.
37
84000
3000
התכנית כללה 17 מיזמים שונים סביב העולם.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
כפי שאתם רואים, אלה טביעות הרגל של המיזמים השונים.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
ואני מקווה שתעריכו את מידת הכיסוי הגלובלי
01:47
that it managed to achieve.
40
92000
2000
שהם הצליחו להשיג.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
הכל התחיל כששני מדענים, פרד גרזלי וג'סי אוסובל,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
נפגשו בוודס הול שבמסצ'וסטס
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
כאורחיו של המכון האוקיינוגרפי המפורסם.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
ופרד התלונן על מצב המגוון הביולוגי הימי
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
ועל כך שהוא בצרה ולא עושים כלום בנוגע לכך.
02:02
Well, from that discussion grew this program
46
107000
2000
ומאותו דיון התפתחה התכנית הזו
02:04
that involved 2,700 scientists
47
109000
2000
שכוללת 2,700 מדענים
02:06
from more than 80 countries around the world
48
111000
2000
מיותר מ-80 מדינות בכל העולם
02:08
who engaged in 540 ocean expeditions
49
113000
3000
שהשתתפו ב-540 משלחות ימיות
02:11
at a combined cost of 650 million dollars
50
116000
3000
בעלות כוללת של 650 מיליון דולר
02:14
to study the distribution, diversity and abundance
51
119000
2000
במטרה לחקור את התפוצה, המגוון והשפע
02:16
of life in the global ocean.
52
121000
3000
של החיים באוקיינוסי העולם.
02:19
And so what did we find?
53
124000
2000
אם כן, מה גילינו?
02:21
We found spectacular new species,
54
126000
2000
גילינו מינים חדשים ונפלאים,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
דברים יפהפיים ומופלאים בכל מקום שחקרנו --
02:26
from the shoreline to the abyss,
56
131000
2000
מהחופים ועד לתהומות הים,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
מחיידקים ועד דגים וכל מה שביניהם.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
והמגבלה לא היתה במגוון הלא-מוכר של החיים,
02:34
but rather the taxonomic specialists
59
139000
2000
אלא היכולת של מומחי המיון
02:36
who can identify and catalog these species
60
141000
2000
לזהות ולקטלג מינים אלה
02:38
that became the limiting step.
61
143000
2000
היא שהפכה למגבלה.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
למעשה, הם עצמם מהווים מין בסכנת הכחדה.
02:43
There are actually four to five new species
63
148000
2000
האמת היא שמידי יום 4 או 5 מינים חדשים
02:45
described everyday for the oceans.
64
150000
2000
מזוהים באוקיינוסים.
02:47
And as I say, it could be a much larger number.
65
152000
3000
ואני טוען שהמספר היה עשוי להיות גדול בהרבה.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
אני מניו-פאונדלנד שבקנדה --
02:53
It's an island off the east coast of that continent --
67
158000
2000
זהו אי מול החוף המזרחי של היבשת --
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
שבו חווינו את אחד אסונות הדגה החמורים ביותר
02:58
in human history.
69
163000
2000
בהיסטוריה האנושית.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
הצילום הזה מראה ילד קטן ליד דג בקלה.
03:02
It's around 1900.
71
167000
2000
השנה היא בערך 1900.
03:04
Now, when I was a boy of about his age,
72
169000
2000
כשאני הייתי ילד בערך בגיל הזה,
03:06
I would go out fishing with my grandfather
73
171000
2000
נהגתי לצאת לדיג עם סבי
03:08
and we would catch fish about half that size.
74
173000
2000
והיינו תופסים דגים שגודלם בערך חצי מזה.
03:10
And I thought that was the norm,
75
175000
2000
ואז חשבתי שזה הגודל הרגיל,
03:12
because I had never seen fish like this.
76
177000
2000
כי מעולם לא ראיתי דג כזה.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
אילו באתם לשם היום, 20 שנה אחרי קריסת אזורי הדיג,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
והייתם מצליחים לדוג איזה דג - אתגר לא קטן -
03:20
it would be half that size still.
79
185000
2000
גודלו עדיין היה חצי מזה.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
כך שאנו חווים את מה שקרוי שינוי בקווי היסוד.
03:25
Our expectations of what the oceans can produce
81
190000
2000
הציפיות שלנו לגבי מה שהים מסוגל להפיק
03:27
is something that we don't really appreciate
82
192000
2000
הוא משהו שאיננו באמת מסוגלים להעריך
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
משום שלא ראינו זאת בימי חיינו.
03:32
Now most of us, and I would say me included,
84
197000
3000
רובנו, והייתי אומר שגם אני,
03:35
think that human exploitation of the oceans
85
200000
2000
חושבים שהניצול של הים בידי האדם
03:37
really only became very serious
86
202000
2000
החמיר באמת
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
רק ב-50 או 100 השנים האחרונות.
03:41
The census actually tried to look back in time,
88
206000
2000
עורכי המיפקד בעצם ניסו לצפות אל העבר,
03:43
using every source of information they could get their hands on.
89
208000
3000
בעזרת כל מקור מידע עליו יכלו להניח את ידם,
03:46
And so anything from restaurant menus
90
211000
2000
הכל, החל מתפריטי מסעדות
03:48
to monastery records to ships' logs
91
213000
2000
ועד רשומות של מנזרים ויומני ספינות,
03:50
to see what the oceans looked like.
92
215000
2000
כדי לגלות איך נראו בעבר האוקיינוסים.
03:52
Because science data really goes back
93
217000
2000
כי ישנם נתונים מדעיים לכל היותר
03:54
to, at best, World War II, for the most part.
94
219000
2000
רק ממלחמת העולם השניה, הכי הרבה.
03:56
And so what they found, in fact,
95
221000
2000
מה שהם למעשה גילו,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
הוא שהניצול הרציני החל עוד בימי הרומאים.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
כמובן שאז עוד לא היו אמצעי קירור.
04:03
So fishermen could only catch
98
228000
2000
אז הדייגים היו תופסים
04:05
what they could either eat or sell that day.
99
230000
2000
רק את מה שיכלו לאכול או למכור בו-ביום.
04:07
But the Romans developed salting.
100
232000
2000
אבל הרומאים פיתחו את השימור במלח.
04:09
And with salting,
101
234000
2000
וההמלחה איפשרה
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
לאחסן ולהוביל דגים למרחקים גדולים.
04:14
And so began industrial fishing.
103
239000
3000
וכך החל הדיג המסחרי.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
אלו סוגי ההערכות שיש לנו
04:20
of what sort of loss we've had
105
245000
2000
לגבי מה שאיבדנו
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
בהתייחס להשפעות האדם על הים.
04:25
They range from 65 to 98 percent
107
250000
2000
מדובר ב-68 עד 98 אחוז
04:27
for these major groups of organisms,
108
252000
2000
של קבוצות אורגניזמים גדולות אלה,
04:29
as shown in the dark blue bars.
109
254000
2000
כפי שרואים בשורות הכחולות כהות.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
לגבי המינים שהצלחנו לעזוב במנוחה, שעליהם אנו מגינים--
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
למשל, יונקים ימיים בשנים האחרונות וציפורי ים--
04:36
there is some recovery.
112
261000
2000
יש השתקמות מסויימת.
04:38
So it's not all hopeless.
113
263000
2000
כך שלא הכל אבוד.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
אך ככלל, עברנו מהמלחה למיצוי משאבים.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
קו הראיות הנוסף הזה מעניין מאד.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
מקורו בדג שלל שנידוג מול חופי פלורידה.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
זהו צילום משנות ה-50.
04:51
I want you to notice the scale on the slide,
118
276000
2000
שימו לב לקנה המידה שעל השיקופית,
04:53
because when you see the same picture from the 1980s,
119
278000
2000
כי הנה אותה תמונה משנות ה-80,
04:55
we see the fish are much smaller
120
280000
2000
אנו רואים שהדג הזה קטן בהרבה
04:57
and we're also seeing a change
121
282000
2000
ואנו רואים גם שינוי
04:59
in terms of the composition of those fish.
122
284000
2000
מבחינת הרכב הדגים האלה.
05:01
By 2007, the catch was actually laughable
123
286000
2000
עד 2007, השלל היה בעצם מגוחך
05:03
in terms of the size for a trophy fish.
124
288000
2000
במונחי גדליהם של דגי שלל.
05:05
But this is no laughing matter.
125
290000
2000
אבל זה בכלל לא מצחיק.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
האוקיינוסים איבדו הרבה מכושר התפוקה שלהם
05:09
and we're responsible for it.
127
294000
3000
ואנו האחראים לכך.
05:12
So what's left? Actually quite a lot.
128
297000
2000
אז מה נשאר? בעצם, די הרבה.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
יש המון דברים מלהיבים, ואספר לכם מעט עליהם.
05:17
And I want to start with a bit on technology,
130
302000
2000
אני רוצה להתחיל עם קצת טכנולוגיה,
05:19
because, of course, this is a TED Conference
131
304000
2000
כי הרי זהו כנס של TED
05:21
and you want to hear something on technology.
132
306000
2000
ואתם ודאי רוצים לשמוע על טכנולוגיה.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
אחד הכלים שבהם אנו דוגמים את מעמקי האוקיינוס
05:25
are remotely operated vehicles.
134
310000
2000
הוא כלי רכב בשליטה מרחוק.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
אלו הם כלי רכב רתומים שאנו מורידים אל קרקעית הים
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
והם משמשים לנו כעיניים וידיים בעבודה על קרקעית הים.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
לפני כמה שנים הייתי אמור לצאת לשיט מחקר ימי
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
ולא יצאתי בגלל בעיות של לוחות זמנים.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
אבל בעזרת קישור לווייני יכולתי לשבת בחדר העבודה בביתי
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
כשכלבי מכורבל לרגלי, כוס תה בידי,
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
ולהורות לטייס, "אני רוצה דגימה בדיוק שם."
05:47
And that's exactly what the pilot did for me.
142
332000
2000
וזה בדיוק מה שהטייס עשה עבורי.
05:49
That's the sort of technology that's available today
143
334000
3000
זהו סוג הטכנולוגיה הזמינה בימינו
05:52
that really wasn't available even a decade ago.
144
337000
2000
והיא לא היתה קיימת רק לפני עשר שנים.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
היא מאפשרת לנו לקחת דגימות מבתי גידול מופלאים אלה
05:56
that are very far from the surface
146
341000
2000
שמרוחקים מאד מפני הים
05:58
and very far from light.
147
343000
2000
ומהאור הטבעי.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
אחד הכלים שאנו מפעילים כדי לדגום את האוקיינוסים
06:03
is acoustics, or sound waves.
149
348000
2000
הוא אקוסטיקה, או גלי קול.
06:05
And the advantage of sound waves
150
350000
2000
היתרון של גלי קול
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
הוא שהם עוברים היטב במים, שלא כמו אור.
06:09
And so we can send out sound waves,
152
354000
2000
וכך אנו יכולים לשגר גלי קול,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
שמוחזרים מעצמים כמו דגים,
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
ובדוגמה הבאה, אחד ממדעני המיפקד שיגר שתי ספינות,
06:17
One would send out sound waves that would bounce back.
155
362000
2000
אחת שלחה גלי קול שהוחזרו,
06:19
They would be received by a second ship,
156
364000
2000
והתקבלו על ידי הספינה האחרת,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
וזה נתן לנו אומדנים מדויקים מאד, במקרה זה
06:24
of 250 billion herring
158
369000
2000
של 250 מיליארד מליחים
06:26
in a period of about a minute.
159
371000
2000
בפרק זמן של כדקה.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
ומדובר באזור בגודל האי מנהטן.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
וההישג כאן מועיל מאד לדיג,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
כי הידיעה כמה דגים יש היא מכרעת ביותר.
06:36
We can also use satellite tags
163
381000
2000
אנו יכולים גם להשתמש בתגיות לווין
06:38
to track animals as they move through the oceans.
164
383000
2000
כדי לעקוב אחר בעלי חיים במסעותיהם בים.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
ובשביל בעלי חיים שצפים כדי לנשום,
06:42
such as this elephant seal,
166
387000
2000
כמו פיל הים הזה,
06:44
it's an opportunity to send data back to shore
167
389000
2000
זו הזדמנות לשגר נתונים בחזרה אל החוף
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
ולומר לנו היכן בדיוק הוא נמצא בים.
06:49
And so from that we can produce these tracks.
169
394000
2000
מתוך זה אנו יכולים להתוות את המסלולים האלה.
06:51
For example, the dark blue
170
396000
2000
לדוגמה, הכחול-כהה
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
מראה את תנועות פיל הים בצפון האוקיינוס השקט.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
אני מבין ששיקופית זו לא עוזרת לעיוורי הצבעים שביניכם,
06:58
but stick with me nonetheless.
173
403000
2000
אך בכל זאת תעקבו אחרי.
07:00
For animals that don't surface,
174
405000
2000
בקשר לבעלי חיים שאינם צפים,
07:02
we have something called pop-up tags,
175
407000
2000
יש לנו משהו הקרוי "תג צף",
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
שאוסף נתונים של אור ומועדי שקיעה וזריחה,
07:07
And then at some period of time
177
412000
2000
ומידי זמן מסוים
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
הוא צף אל פני הים ושוב, משדר את הנתונים בחזרה אל החוף.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
כי איתור לווייני לא פועל מתחת למים. לכן אנו זקוקים לכלים אלה.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
ובעזרתם ביכולתנו לזהות את הנתיבים הכחולים האלה,
07:18
these hot spots in the ocean,
181
423000
2000
הנקודות החמות האלה באוקיינוס,
07:20
that should be real priority areas
182
425000
2000
שצריכות להוות אזורים בעדיפות עליונה
07:22
for ocean conservation.
183
427000
2000
לפעולות שימור ימי.
07:24
Now one of the other things that you may think about
184
429000
2000
דבר נוסף, שאולי עלה בדעתכם:
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
כשאתם הולכים למרכול וקונים דברים, הם נסרקים,
07:29
And so there's a barcode on that product
186
434000
2000
יש ברקוד על כל מוצר
07:31
that tells the computer exactly what the product is.
187
436000
3000
שאומר למחשב מהו בדיוק המוצר.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
הגנטיקאים פיתוח כלי דומה הקרוי "קידוד גנטי".
07:37
And what barcoding does
189
442000
2000
והקידוד הזה
07:39
is use a specific gene called CO1
190
444000
2000
משתמש בגן ייחודי בשם סי-או-1
07:41
that's consistent within a species, but varies among species.
191
446000
3000
שנמצא בכל המינים אך שונה ממין למין.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
וזה אומר שאנו יכולים לזהות באופן חד משמעי
07:46
which species are which
193
451000
2000
מהו המין
07:48
even if they look similar to each other,
194
453000
2000
גם אם מדובר במינים זהים לכאורה,
07:50
but may be biologically quite different.
195
455000
2000
שעשויים להיות שונים לגמרי מבחינה ביולוגית.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
אחת הדוגמאות הנחמדות שברצוני להביא לכך
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
היא סיפור על שתי נערות, תלמידות תיכון בעיר ניו-יורק,
07:57
who worked with the census.
198
462000
2000
שעבדו על המיפקד הזה.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
הן יצאו ואספו דגים משווקים וממסעדות
08:02
and they barcoded it.
200
467000
2000
בעיר ניו-יורק וקידדו אותם.
08:04
Well what they found was mislabeled fish.
201
469000
2000
ואז גילו דג שתוייג לא נכון.
08:06
So for example,
202
471000
2000
למשל,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
הן מצאו משהו שנמכר בתור טונה, שזה יקר מאד,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
שהיה למעשה אמנון, דג הרבה פחות יקר.
08:13
They also found an endangered species
205
478000
2000
הם גם גילו מין בסכנת הכחדה
08:15
sold as a common one.
206
480000
2000
שנמכר כדג פשוט.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
כך שהקידוד מאפשר לנו לדעת עם מה אנו עובדים
08:19
and also what we're eating.
208
484000
3000
וגם מה אנו אוכלים.
08:22
The Ocean Biogeographic Information System
209
487000
2000
מערכת המידע הביו-גיאוגרפי הימי
08:24
is the database for all the census data.
210
489000
2000
היא בסיס הנתונים של כל חומר המיפקד.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
הגישה חופשית, וכולכם יכולים להוריד ממנה נתונים כרצונכם.
08:29
And it contains all the data from the census
212
494000
3000
היא מכילה את כל נתוני המיפקד
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
ועוד כמה מערכי נתונים שאנשים גילו נכונות לתרום.
08:34
And so what you can do with that
214
499000
2000
מה שאתם יכולים לעשות עם זה
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
הוא לעקוב אחר התפלגות המינים ומקומם באוקיינוס.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
מה ששירטטתי כאן הוא הנתונים שיש לנו כרגע.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
כאן התרכז מאמץ הדגימות שלנו.
08:44
Now what you can see
218
509000
2000
מה שאתם יכולים לראות הוא,
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
שדגמנו את אזור צפון האוקיינוס האטלנטי,
08:48
in the North Sea in particular,
220
513000
2000
במיוחד בים הצפוני,
08:50
and also the east coast of North America fairly well.
221
515000
2000
ובמידה טובה למדי גם בחוף המזרחי של צפון אמריקה.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
הצבעים החמים מסמלים אזור שנדגם היטב.
08:55
The cold colors, the blue and the black,
223
520000
2000
הצבעים הקרים, הכחול והשחור,
08:57
show areas where we have almost no data.
224
522000
2000
מראים אזורים שלגביהם אין לנו כמעט נתונים.
08:59
So even after a 10-year census,
225
524000
2000
אז אפילו אחרי מיפקד בן עשר שנים,
09:01
there are large areas that still remain unexplored.
226
526000
3000
יש אזורים נרחבים שטרם נחקרו.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
יש בטקסס קבוצת מדענים שעובדת במפרץ מקסיקו
09:07
who decided really as a labor of love
228
532000
2000
שהחליטה, באמת מתוך אהבה,
09:09
to pull together all the knowledge they could
229
534000
2000
לשלב את כל הידע שיכלו להשיג
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
על המגוון הביולוגי במפרץ מקסיקו.
09:13
And so they put this together, a list of all the species,
231
538000
3000
הם יצרו רשימה של כל המינים,
09:16
where they're known to occur,
232
541000
2000
היכן ידוע שהם נמצאים,
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
וזה נראה כמו איזה תרגיל מדעי אזוטרי,
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
אך אז, כמובן, אירעה דליפת הנפט של "דיפ הורייזן".
09:24
So all of a sudden, this labor of love
235
549000
2000
ולפתע פתאום, העבודה הזו שנעשתה מתוך אהבה,
09:26
for no obvious economic reason
236
551000
3000
ללא שום טעם כלכלי,
09:29
has become a critical piece of information
237
554000
2000
הפכה לפיסת מידע קריטית
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
בסוגיה כיצד תשתקם מערכת זו, כמה זמן זה יארך,
09:34
and how the lawsuits
239
559000
2000
ואיך התביעות המשפטיות
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
והדיונים על מאות מיליארדי דולרים שיתנהלו בשנים הקרובות
09:39
are likely to be resolved.
241
564000
3000
עתידים להיפתר.
09:42
So what did we find?
242
567000
2000
אז מה מצאנו?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
יכולתי לעמוד כאן שעות, אך כמובן אסור לי.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
אבל אספר לכם על כמה מהתגליות האהובות עלי
09:48
from the census.
245
573000
2000
מאותו מיפקד.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
אחד הדברים שגילינו הוא הנקודות החמות של המגוון הביולוגי
09:53
Where do we find the most species of ocean life?
247
578000
3000
שבהן אנו מוצאים את רוב מיני החיים בים.
09:56
And what we find if we plot up the well-known species
248
581000
2000
ומה שאנו מוצאים כשאנו עוקבים אחר המינים המוכרים
09:58
is this sort of a distribution.
249
583000
2000
הוא התפלגות מעין זו.
10:00
And what we see is that for coastal tags,
250
585000
2000
אנו רואים שמבחינת תוויות חוף,
10:02
for those organisms that live near the shoreline,
251
587000
2000
של אותם אורגניזמים שחיים בקרבת החוף,
10:04
they're most diverse in the tropics.
252
589000
2000
הם יותר מגוונים באזורים הטרופיים.
10:06
This is something we've actually known for a while,
253
591000
2000
ידענו זאת מזה זמן-מה,
10:08
so it's not a real breakthrough.
254
593000
2000
כך שזו איננה פריצת-דרך אמיתית.
10:10
What is really exciting though
255
595000
2000
אך מה שבאמת מרגש
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
הוא שבעלי התוויות הימיות, או אלה שחיים הרחק מהחוף,
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
מגוונים יותר בשכבות הביניים.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
זהו שוב מידע מהסוג שעשוי להועיל למנהלים
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
שרוצים לייעד אזורים באוקיינוס בעדיפות לשימור.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
ניתן לעשות זאת בקנה-מידה גלובלי, אך גם בקנה-מידה אזורי.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
ולכן נתונים של מגוון ביולוגי עשויים להיות בעלי ערך.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
ובעוד שרבים מהמינים שגילינו במיפקד
10:31
are things that are small and hard to see,
263
616000
2000
הם דברים קטנים שקשה לראותם,
10:33
that certainly wasn't always the case.
264
618000
2000
ברור שלא תמיד זה היה המצב.
10:35
For example, while it's hard to believe
265
620000
2000
לדוגמה, גם אם קשה להאמין
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
שלובסטר במשקל 3 ק"ג יכול לחמוק מעיני המדענים,
10:39
it did until a few years ago
267
624000
2000
עובדה שהוא הצליח בכך עד לפני שנים מספר
10:41
when South African fishermen requested an export permit
268
626000
3000
כשדייג מצפון אפריקה ביקש רשיון יצוא
10:44
and scientists realized that this was something new to science.
269
629000
3000
והמדענים תפסו שמדובר במשהו חדש מבחינה מדעית.
10:47
Similarly this Golden V kelp
270
632000
2000
בדומה לכך, אצה זו, "האצה הזהובה",
10:49
collected in Alaska just below the low water mark
271
634000
2000
שנלקחה מאלסקה, ממש מתחת לקו המים התחתון
10:51
is probably a new species.
272
636000
2000
היא כנראה מין חדש.
10:53
Even though it's three meters long,
273
638000
2000
למרות שאורכה הוא 3 מטרים,
10:55
it actually, again, eluded science.
274
640000
2000
היא בעצם, שוב, חמקה מעיני המדע.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
הבחור הזה, הדיונון גדול הסנפיר, אורכו 7 מטרים.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
אך למען ההגינות, הוא חי במעמקי הרכס האטלנטי התיכון,
11:03
so it was a lot harder to find.
277
648000
2000
כך שהיה קשה בהרבה למצוא אותו.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
אך עדיין יש פוטנציאל לגילוי דברים גדולים ומלהיבים.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
החסילון המסוים הזה, כינינו אותו "חסילון היורה",
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
הוא נחשב בטעות למין נכחד לפני 50 שנה --
11:13
at least it was, until the census discovered
281
658000
2000
לפחות היה כזה, עד שהמיפקד גילה
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
שהוא חי ומשגשג מול חופי אוסטרליה.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
מה שמוכיח שהאוקינוס, בגלל גודלו העצום,
11:21
can hide secrets for a very long time.
284
666000
2000
יכול לטמון בחובו סודות למשך זמן רב מאד.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
סטיבן ספילברג, תאכל את הלב!
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
באשר לתפוצה, היא למעשה משתנה באופן דרמטי.
11:29
And so one of the records that we had
287
674000
3000
ואחת הרשומות שלנו מראה,
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
שהיסעור השחור הזה, שנודד מרחקים מרשימים כאלה
11:35
all the way from New Zealand
289
680000
2000
מניו זילנד
11:37
all the way up to Alaska and back again
290
682000
2000
ועד אלסקה ובחזרה
11:39
in search of endless summer
291
684000
2000
בחיפוש אחר קיץ נצחי
11:41
as they complete their life cycles.
292
686000
2000
בהשלימו את מחזור חייו.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
דיברנו גם על "קפה העמלץ הלבן".
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
כאן, באוקינוס השקט, מתכנסים העמלצים הלבנים.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
איננו יודעים מדוע דווקא כאן. פשוט איננו יודעים.
11:50
That's a question for the future.
296
695000
2000
זו שאלה לעתיד.
11:52
One of the things that we're taught in high school
297
697000
2000
אחד הדברים שמלמדים אותנו בתיכון
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
הוא שכל החיות זקוקות לחמצן כדי לחיות.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
גודלו של היצור הקטן הזה הוא רק חצי מילימטר,
12:00
not terribly charismatic.
300
705000
2000
אין לו קסם מיוחד,
12:02
But it was only discovered in the early 1980s.
301
707000
2000
הוא נתגלה רק בתחילת שנות ה-80,
12:04
But the really interesting thing about it
302
709000
2000
ומה שבאמת מעניין בו
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
הוא שלפני כמה שנים מדעני המיפקד גילו
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
שהבחור הזה פורח במשקעים דלי-חמצן
12:11
in the deep Mediterranean Sea.
305
716000
2000
במעמקי הים התיכון.
12:13
So now they know that, in fact,
306
718000
2000
אז כעת ידוע, למעשה,
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
שיש בעלי חיים שמסוגלות לחיות ללא חמצן, לפחות כמה מהם,
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
ושהם מסוגלים להסתגל לתנאים הקשים ביותר.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
אילו הוצאנו את כל המים מן האוקיינוסים,
12:23
this is what you'd be left behind with,
310
728000
2000
זה מה שהיה נשאר,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
וזו הביו-מסה של החיים על קרקעית הים.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
ואנו רואים שיש ביו-מסה ענקית ככל שקרבים לקטבים
12:30
and not much biomass in between.
313
735000
3000
ולא הרבה באמצע.
12:33
We found life in the extremes.
314
738000
2000
מצאנו חיים בשוליים הקיצוניים.
12:35
And so there were new species that were found
315
740000
2000
ונמצאו מינים חדשים
12:37
that live inside ice
316
742000
2000
שחיים בקרח
12:39
and help to support an ice-based food web.
317
744000
2000
ומסייעים לכלכל מארג מזון מבוסס-קרח.
12:41
And we also found this spectacular yeti crab
318
746000
2000
גילינו גם את סרטן הייטי המופלא הזה
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
שחי בקרבת ארובות מים רותחים הידרו-תרמיות באי הפסחא.
12:46
And this particular species
320
751000
2000
והמין המסוים הזה
12:48
really captured the public's attention.
321
753000
3000
משך באמת את תשומת לב הציבור.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
גילינו גם את הארובות העמוקות ביותר המוכרות - 5000 מ' -
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
הארובות הכי חמות, 407 מעלות צלזיוס --
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
בדרום האוקינוס השקט וגם בחוג הארקטי
12:59
where none had been found before.
325
764000
2000
במקומות שבהם לא נתגלו בעבר.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
כך שעדיין ניתן לגלות גם סביבות חדשות.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
במונחי הלא-ידוע, יש הרבה כאלה.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
אסכם רק אחדים מהם,
13:08
very quickly for you.
329
773000
2000
בזריזות למענכם.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
ראשית, כמה דגים יש בים?
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
אנו בעצם מכירים את הדגים יותר טוב מכל קבוצה ימית אחרת,
13:15
other than marine mammals.
332
780000
2000
פרט ליונקים הימיים.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
אז על סמך הגילויים שלנו ביצענו הערכה
13:20
how many more species we're likely to discover.
334
785000
3000
כמה מינים חדשים עוד סביר שנגלה.
13:23
And from that, we actually calculate
335
788000
2000
ומכאן אנו מחשבים
13:25
that we know about 16,500 marine species
336
790000
3000
שמוכרים לנו כ-16,500 מינים ימיים
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
ויש ודאי עוד 1,000 עד 4,000 שממתינים לגילוי.
13:30
So we've done pretty well.
338
795000
2000
כך שהצלחנו לא רע.
13:32
We've got about 75 percent of the fish,
339
797000
2000
גילינו כ-75% מהדגים,
13:34
maybe as much as 90 percent.
340
799000
2000
אולי אפילו 90%.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
אך הדגים, כפי שאמרתי, הם הכי מוכרים.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
אנו יודעים פחות לגבי קבוצות אורגניזמים אחרות.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
המספר הזה מבוסס על מאמר עדכני מאד
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
שעתיד להתפרסם בכתב העת "פלוס ביולוג'י".
13:47
And what is does is predict how many more species there are
345
812000
2000
והוא חוזה כמה מינים חדשים עוד ישנם
13:49
on land and in the ocean.
346
814000
2000
ביבשה ובים.
13:51
And what they found
347
816000
2000
מה שהם גילו הוא,
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
שלדעתם אנו מכירים כ-9% מהמינים הימיים.
13:56
That means 91 percent, even after the census,
349
821000
2000
כלומר 91%, גם אחרי המיפקד,
13:58
still remain to be discovered.
350
823000
2000
עדיין מחכים להתגלות.
14:00
And so that turns out to be about two million species
351
825000
2000
משמע כ-2 מיליון מינים
14:02
once all is said and done.
352
827000
2000
בסך הכל.
14:04
So we still have quite a lot of work to do
353
829000
2000
כך שמצפה לנו עוד עבודה רבה
14:06
in terms of unknowns.
354
831000
2000
בכל הנוגע ללא-ידוע.
14:08
Now this bacterium
355
833000
2000
הבקטריה הזו
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
מהווה חלק ממרבדים שנתגלו מול חופי צ'ילה.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
ומרבדים אלה מכסים שטח בגודל יוון.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
הבקטריה הזו בעצם נראת בעין לא-מזויינת.
14:18
But you can imagine the biomass that represents.
359
843000
3000
אך תארו לעצמכם את הביו-מסה שהיא מייצגת.
14:21
But the really intriguing thing about the microbes
360
846000
2000
ומה שבאמת מסקרן בקשר לחיידקים
14:23
is just how diverse they are.
361
848000
2000
הוא כמה הם מגוונים.
14:25
A single drop of seawater
362
850000
2000
טיפה אחת של מי ים
14:27
could contain 160 different types of microbes.
363
852000
2000
עשויה להכיל 160 סוגי חיידקים שונים.
14:29
And the oceans themselves
364
854000
2000
ולפי הסברה, האוקיינוסים עצמם
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
מכילים כמיליארד סוגים שונים.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
וזה באמת מרגש. מה כל אחד מהם עושה?
14:37
We actually don't know.
367
862000
2000
איננו יודעים.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
הדבר הכי מלהיב, לדעתי, בנוגע למיפקד,
14:41
is the role of global science.
369
866000
2000
הוא תפקיד המדע הגלובלי.
14:43
And so as we see in this image of light during the night,
370
868000
2000
וכפי שאנו רואים בתמונה זו של התאורה הלילית,
14:45
there are lots of areas of the Earth
371
870000
2000
יש הרבה אזורים על כדור הארץ
14:47
where human development is much greater
372
872000
3000
בהם ההתפתחות האנושית גדולה בהרבה
14:50
and other areas where it's much less,
373
875000
2000
לעומת אזורים אחרים,
14:52
but between them we see large dark areas
374
877000
2000
אך ביניהם אנו רואים אזורים חשוכים גדולים
14:54
of relatively unexplored ocean.
375
879000
2000
של אוקיינוסים שיחסית לא נחקרו.
14:56
The other point I'd like to make about this
376
881000
2000
הנקודה הנוספת שברצוני לציין בקשר לכך
14:58
is that this ocean's interconnected.
377
883000
2000
היא שהאוקיינוסים האלה מחוברים ביניהם.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
האורגניזמים הימיים לא מתחשבים בגבולות בינ"ל;
15:02
they move where they will.
379
887000
2000
הם נעים כרצונם.
15:04
And so the importance then of global collaboration
380
889000
3000
ולכן חשיבות שיתוף הפעולה הגלובלי
15:07
becomes all the more important.
381
892000
2000
מקבלת משנה תוקף.
15:09
We've lost a lot of paradise.
382
894000
2000
איבדנו הרבה מגן העדן.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
למשל, דגי הטונה האלה שמילאו פעם את הים הצפוני
15:14
are now effectively gone.
384
899000
2000
למעשה נעלמו כבר.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
הם נלכדו במכמורות במעמקי הים התיכון,
15:19
which collected more garbage than they did animals.
386
904000
2000
מכמורות שאספו יותר זבל מאשר בעלי-חיים.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
ומדובר במעמקי הים, הסביבה שלדעתנו
15:24
among the most pristine left on Earth.
388
909000
2000
היא הבתולית ביותר שנותרה עלי אדמות.
15:26
And there are a lot of other pressures.
389
911000
2000
ויש לחצים נוספים.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
התחמצנות הימים היא בעיה רצינית שרבים מודאגים בגינה,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
כמו גם התחממותם, וההשפעות על שוניות האלמוגים.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
בקנה מידה של עשרות שנים, הרי שבימי חיינו,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
עוד נראה נזק גדול לשוניות האלמוגים.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
הייתי יכול להקדיש את כל שאר הזמן, שמתחיל להיות קצר,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
לתיאור המייגע הזה של דאגות באשר לאוקינוס,
15:44
but I want to end on a more positive note.
396
929000
2000
אך ברצוני לסיים בנימה אופטימית יותר.
15:46
And so the grand challenge then
397
931000
2000
אם כן, האתגר הכביר הוא
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
לנסות להבטיח שנשמר את מה שנותר,
15:50
because there is still spectacular beauty.
399
935000
2000
כי עדיין יש יופי מדהים.
15:52
And the oceans are so productive,
400
937000
2000
והימים הם כה פוריים,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
קורים שם דברים כה רבים שנוגעים לבני האדם
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
שבהחלט כדאי, אפילו מנקודת מבט אנוכית,
16:00
try to do better than we have in the past.
403
945000
2000
שנשתפר לעומת העבר.
16:02
So we need to recognize those hot spots
404
947000
2000
עלינו לזהות את הנקודות החמות האלה
16:04
and do our best to protect them.
405
949000
2000
ולעשות כמיטב יכולתנו להגן עליהן.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
כשאנו מתבוננים בתמונות אלה, הן עוצרות את נשימתנו,
16:08
in addition to helping to give us breath
407
953000
2000
ובנוסף, הם מאפשרים לנו לנשום
16:10
by the oxygen that the oceans provide.
408
955000
2000
בעזרת החמצן שמספקים האוקיינוסים.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
מדעני המיפקד עבדו בגשם ובקור,
16:15
they worked under water and they worked above water
410
960000
2000
הם עבדו מתחת למים ומעל למים
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
כדי לשפוך אור על התגליות הנפלאות האלה,
16:19
the still vast unknown,
412
964000
2000
ועל כל מה שעדיין לא-ידוע,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
על שיטות ההסתגלות המדהימות של החיים הימיים
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
ובין אם אתם רועי יאקים בהרי צ'ילה,
16:27
whether you're a stockbroker in New York City
415
972000
3000
או סוכני מניות בעיר ניו-יורק
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
או חברי TED שחיים באדינבורו,
16:32
the oceans matter.
417
977000
2000
האוקיינוס חשוב.
16:34
And as the oceans go so shall we.
418
979000
2000
וככל שהאוקיינוס ישרוד, כך גם אנו.
16:36
Thanks for listening.
419
981000
2000
תודה על ההקשבה.
16:38
(Applause)
420
983000
2000
[מחיאות כפיים]
ABOUT THE SPEAKER
Paul Snelgrove - Marine biologistPaul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.
Why you should listen
From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.
It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.
He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."
Paul Snelgrove | Speaker | TED.com