Mission Blue Voyage
Peter Tyack: The intriguing sound of marine mammals
Peter Tyack: A tengeri emlősök érdekes hangja
Filmed:
Readability: 4.3
520,094 views
Peter Tyack a Woods Hole Oceanográfiai Intézettől a tenger egy rejtett csodájáról beszél: a víz alatti hangokról. A Mission Blue színpadán magyarázza el, milyen lenyűgöző módokon használják a bálnák hangjukat és éneküket, hogy több száz mérföldnyi távolságot hidaljanak át az óceánban kommunikáció céljából.
Peter Tyack - Behavioral ecologist
Peter Tyack studies the social behavior and acoustic communication in whales and dolphins, learning how these animals use sound to perform critical activities, such as mating and locating food. Full bio
Peter Tyack studies the social behavior and acoustic communication in whales and dolphins, learning how these animals use sound to perform critical activities, such as mating and locating food. Full bio
Double-click the English transcript below to play the video.
00:15
Thank you so much. I'm going to try to take you
0
0
3000
Köszönöm szépen. Megpróbállak elvinni titeket
00:18
on a journey of the underwater acoustic world
1
3000
3000
egy utazásra a bálnák és delfinek
00:21
of whales and dolphins.
2
6000
2000
víz alatti akusztikai világába.
00:23
Since we are such a visual species,
3
8000
2000
Mivel mi egy nagyon vizuális faj vagyunk,
00:25
it's hard for us to really understand this,
4
10000
2000
igazán nehéz megértenünk ezt,
00:27
so I'll use a mixture of figures and sounds
5
12000
2000
úgyhogy felváltva fogok ábrákat és hangokat mutatni,
00:29
and hope this can communicate it.
6
14000
2000
és remélem, hogy így egyértelműbb lesz.
00:31
But let's also think, as a visual species,
7
16000
3000
De vizuális fajként gondoljunk bele abba is,
00:34
what it's like when we go snorkeling or diving
8
19000
2000
hogy milyen érzés, amikor búvárkodni vagy merülni megyünk,
00:36
and try to look underwater.
9
21000
2000
és megpróbálunk szétnézni a víz alatt.
00:38
We really can't see very far.
10
23000
2000
Nem látunk el valami messzire.
00:40
Our vision, which works so well in air,
11
25000
2000
Látásunk, mely olyan jól működik a levegőben,
00:42
all of a sudden is very restricted and claustrophobic.
12
27000
3000
hirtelen nagyon korlátozottá és klausztrofóbikussá válik.
00:45
And what marine mammals have evolved
13
30000
2000
A tengeri emlősök évek tízmilliói alatt
00:47
over the last tens of millions of years
14
32000
3000
különböző módokat fejlesztettek ki arra,
00:50
is ways to depend on sound
15
35000
2000
hogy a hang segítségével
00:52
to both explore their world
16
37000
2000
felderítsék a világukat, illetve
00:54
and also to stay in touch with one another.
17
39000
2000
kommunikáljanak is egymással.
00:56
Dolphins and toothed whales use echolocation.
18
41000
2000
A delfinek és a fogascetek visszhangképzést használnak.
00:58
They can produce loud clicks
19
43000
2000
Hangos sípolást bocsátanak ki,
01:00
and listen for echoes from the sea floor in order to orient.
20
45000
3000
és a tengerfenékről visszaverődő hangok alapján tájékozódnak.
01:03
They can listen for echoes from prey
21
48000
2000
A zsákmányról érkező visszhang alapján
01:05
in order to decide where food is
22
50000
2000
megtudhatják, hol található élelem,
01:07
and to decide which one they want to eat.
23
52000
3000
és eldönthetik, hogy melyiket akarják megenni.
01:10
All marine mammals use sound for communication to stay in touch.
24
55000
2000
Minden tengeri emlős hangok segítségével tart kapcsolatot egymással.
01:12
So the large baleen whales
25
57000
2000
A hatalmas sziláscetek
01:14
will produce long, beautiful songs,
26
59000
3000
hosszú, gyönyörű dalokat hallatnak,
01:17
which are used in reproductive advertisement
27
62000
2000
melyeket hímek és nőstények egyaránt használnak
01:19
for male and females, both to find one another
28
64000
2000
a párzási időszak alatt egymás megtalálására
01:21
and to select a mate.
29
66000
2000
és a pár kiválasztására is.
01:23
And mother and young and closely bonded animals
30
68000
2000
Anya és kicsinye közt igen szoros a kötelék,
01:25
use calls to stay in touch with one another,
31
70000
3000
és ők is hívás segítségével maradnak kapcsolatban,
01:28
so sound is really critical for their lives.
32
73000
2000
így a hang életbevágóan fontos számukra.
01:30
The first thing that got me interested in the sounds
33
75000
2000
Akkor kezdett el először érdekelni
01:32
of these underwater animals,
34
77000
2000
a víz alatti állatok hangja,
01:34
whose world was so foreign to me,
35
79000
2000
ami egy nagyon idegen világ volt számomra,
01:36
was evidence from captive dolphins
36
81000
2000
mikor bebizonyosodott,
01:38
that captive dolphins could imitate human sounds.
37
83000
3000
hogy a rabságban tartott delfinek tudnak emberi hangokat utánozni.
01:41
And I mentioned I'll use
38
86000
2000
Már említettem,
01:43
some visual representations of sounds.
39
88000
2000
hogy fogok mutatni vizuális ábrákat hangokról.
01:45
Here's the first example.
40
90000
2000
Itt van az első példa.
01:47
This is a plot of frequency against time --
41
92000
2000
Ez egy frekvencia-idő grafikon;
01:49
sort of like musical notation,
42
94000
2000
hasonló egy kottához,
01:51
where the higher notes are up higher and the lower notes are lower,
43
96000
3000
ahol a magasabb hangok magasabban vannak, a mélyebbek pedig alacsonyabban,
01:54
and time goes this way.
44
99000
2000
az idő pedig erre halad.
01:56
This is a picture of a trainer's whistle,
45
101000
2000
Ez itt az idomár sípjának az ábrája,
01:58
a whistle a trainer will blow to tell a dolphin
46
103000
2000
és az idomár ezzel a sípszóval tudatja a delfinnel,
02:00
it's done the right thing and can come get a fish.
47
105000
2000
hogy jól teljesített, és kaphat egy halat jutalmul.
02:02
It sounds sort of like "tweeeeeet." Like that.
48
107000
3000
Valami ilyesmi hangja van, hogy "tvíííííííít". Itt az ábra.
02:05
This is a calf in captivity
49
110000
2000
Ez pedig egy delfinborjú,
02:07
making an imitation
50
112000
2000
amint az idomár sípjának a hangját
02:09
of that trainer's whistle.
51
114000
2000
utánozza.
02:11
If you hummed this tune to your dog or cat
52
116000
2000
Ha ezt a hangot adnád ki a kutyád vagy macskád számára,
02:13
and it hummed it back to you,
53
118000
2000
ő pedig visszaadná,
02:15
you ought to be pretty surprised.
54
120000
2000
akkor nagyon meg kéne lepődnöd.
02:17
Very few nonhuman mammals
55
122000
2000
Az emberen kívül roppant kevés emlős tud
02:19
can imitate sounds.
56
124000
2000
hangokat utánozni.
02:21
It's really important for our music and our language.
57
126000
2000
Számunkra nagyon fontos a zenében és a nyelvben.
02:23
So it's a puzzle: The few other mammal groups that do this,
58
128000
3000
Szóval ez egy talány: Az a néhány más emlőscsoport, aki csinálja,
02:26
why do they do it?
59
131000
2000
vajon miért csinálja?
02:28
A lot of my career has been devoted
60
133000
2000
A karrierem nagy részét szenteltem annak,
02:30
to trying to understand
61
135000
2000
hogy megpróbáljam megérteni,
02:32
how these animals use their learning,
62
137000
2000
hogyan használják ezek az állatok a tanulást,
02:34
use the ability to change what you say
63
139000
2000
hogyan képesek az alapján, amit hallanak,
02:36
based on what you hear
64
141000
2000
megváltoztatni azt, amit mondanak
02:38
in their own communication systems.
65
143000
2000
a saját kommunikációs rendszerükben.
02:40
So let's start with calls of a nonhuman primate.
66
145000
3000
Kezdjük például egy nem emberi főemlős hívásaival.
02:43
Many mammals have to produce contact calls
67
148000
2000
Sok emlős produkál hívóhangokat,
02:45
when, say, a mother and calf are apart.
68
150000
3000
mondjuk akkor, ha anya és kicsinye egymástól távol vannak.
02:48
This is an example of a call produced by squirrel monkeys
69
153000
3000
Ez itt egy példa a mókusmajmok által kibocsátott hívásokra,
02:51
when they're isolated from another one.
70
156000
2000
amiket elkülönítettség esetén használnak.
02:53
And you can see, there's not much
71
158000
2000
Láthatjátok, hogy ezek a hívások
02:55
variability in these calls.
72
160000
2000
nem nagyon különböznek egymástól.
02:57
By contrast, the signature whistle
73
162000
2000
Ezzel szemben a delfinek által
02:59
which dolphins use to stay in touch,
74
164000
2000
kommunikációra használt jelzőfüttyök
03:01
each individual here has a radically different call.
75
166000
3000
minden egyednél radikálisan különbözőek.
03:04
They can use this ability to learn calls
76
169000
3000
A tanulásra való képességüket fel tudják használni arra,
03:07
in order to develop more complicated and more distinctive calls
77
172000
3000
hogy összetettebb és megkülönböztethetőbb hívásokat fejlesszenek ki
03:10
to identify individuals.
78
175000
2000
és ezzel felismerhessék az egyedeket.
03:13
How about the setting in which animals need to use this call?
79
178000
3000
Mégis milyen helyzetekben használják az állatok ezt a hívást?
03:16
Well let's look at mothers and calves.
80
181000
2000
Nézzük például az anyákat és borjaikat.
03:18
In normal life for mother and calf dolphin,
81
183000
2000
Mindennapi életükben az anya és a delfinborjú
03:20
they'll often drift apart or swim apart if Mom is chasing a fish,
82
185000
3000
gyakran sodródnak szét, vagy úsznak szét, ha az anya épp egy halat üldöz.
03:23
and when they separate
83
188000
2000
És amikor szétválnak,
03:25
they have to get back together again.
84
190000
2000
újra meg kell találniuk egymást.
03:27
What this figure shows is the percentage of the separations
85
192000
3000
Ez a diagram azoknak a szétválásoknak az arányát mutatja,
03:30
in which dolphins whistle,
86
195000
2000
melyek esetén a delfinek fütyülnek,
03:32
against the maximum distance.
87
197000
2000
a maximális távolsággal összefüggésben.
03:34
So when dolphins are separating by less than 20 meters,
88
199000
2000
Tehát ha delfinek húsz méternél kevesebbre vannak egymástól,
03:36
less than half the time they need to use whistles.
89
201000
2000
az esetek kevesebb mint felénél használják a füttyöket.
03:38
Most of the time they can just find each other
90
203000
2000
A legtöbb esetben képesek megtalálni egymást
03:40
just by swimming around.
91
205000
2000
csupán körbeúszkálással.
03:42
But all of the time when they separate by more than 100 meters,
92
207000
3000
Azonban ha száz méternél távolabbra kerülnek egymástól,
03:45
they need to use these individually distinctive whistles
93
210000
3000
folyamatosan használniuk kell ezeket az egyedileg megkülönböztethető füttyöket,
03:48
to come back together again.
94
213000
3000
hogy újra egymásra találjanak.
03:51
Most of these distinctive signature whistles
95
216000
2000
Ezek a jellegzetes jelzőfüttyök
03:53
are quite stereotyped and stable
96
218000
2000
meglehetősen sablonosak és állandóak
03:55
through the life of a dolphin.
97
220000
2000
egy delfin élete során.
03:57
But there are some exceptions.
98
222000
2000
De akad néhány kivétel.
03:59
When a male dolphin leaves Mom,
99
224000
2000
Amikor egy hím delfin elhagyja az anyját,
04:01
it will often join up with another male
100
226000
2000
gyakran csatlakozik egy másik hímhez,
04:03
and form an alliance, which may last for decades.
101
228000
3000
akivel egyfajta szövetséget formál, mely évtizedekig is eltarthat.
04:06
As these two animals form a social bond,
102
231000
3000
Ahogy ez a két állat köteléket alakít ki,
04:09
their distinctive whistles actually converge
103
234000
2000
jellegzetes füttyeik idővel megváltoznak,
04:11
and become very similar.
104
236000
2000
és nagyon hasonlóak lesznek.
04:13
This plot shows two members of a pair.
105
238000
3000
Ez az ábra egy pár két tagját mutatja.
04:16
As you can see at the top here,
106
241000
2000
Ahogy itt fent látható,
04:18
they share an up-sweep, like "woop, woop, woop."
107
243000
2000
nekik felfelé hajló hangjuk van, ilyen "vup, vup, vup."
04:20
They both have that kind of up-sweep.
108
245000
2000
Mindkettejükre ez a felfelé hajlás jellemző.
04:22
Whereas these members of a pair go "wo-ot, wo-ot, wo-ot."
109
247000
3000
Míg ennek a párnak a tagjai inkább ilyenek, "vu-ut, vu-ut, vu-ut."
04:25
And what's happened is
110
250000
2000
Az történt,
04:27
they've used this learning process
111
252000
2000
hogy a tanulási folyamatot felhasználva
04:29
to develop a new sign that identifies this new social group.
112
254000
3000
kifejlesztettek egy új jelet, ami az új társaságot azonosítja.
04:32
It's a very interesting way that they can
113
257000
2000
Nagyon érdekes,
04:34
form a new identifier
114
259000
2000
hogy képesek egy új azonosítót létrehozni
04:36
for the new social group that they've had.
115
261000
2000
az új csoportnak, amiben vannak.
04:38
Let's now take a step back
116
263000
2000
Most tegyünk egy lépést hátra,
04:40
and see what this message can tell us
117
265000
2000
és nézzük meg, mit árul el ez az üzenet arról,
04:42
about protecting dolphins
118
267000
2000
hogyan védhetjük meg a delfineket
04:44
from human disturbance.
119
269000
2000
az emberi háborgatástól.
04:46
Anybody looking at this picture
120
271000
2000
Bárki, aki ránéz erre a képre,
04:48
will know this dolphin is surrounded,
121
273000
2000
tudja, hogy ezt a delfint körbevették,
04:50
and clearly his behavior is being disrupted.
122
275000
3000
viselkedése pedig nyilvánvalóan zavart.
04:53
This is a bad situation.
123
278000
2000
Ez egy rossz helyzet.
04:55
But it turns out that when just a single boat
124
280000
2000
De az esetben, ha csak egyetlen hajó
04:57
is approaching a group of dolphins
125
282000
2000
közelít egy delfincsapat felé
04:59
at a couple hundred meters away,
126
284000
2000
pár száz méterről,
05:01
the dolphins will start whistling,
127
286000
2000
a delfinek elkezdenek fütyülni,
05:03
they'll change what they're doing, they'll have a more cohesive group,
128
288000
2000
abbahagyják, amit csinálnak és egy összetartóbb csapatot alkotnak,
05:05
wait for the boat to go by,
129
290000
2000
megvárják, amíg a hajó elmegy,
05:07
and then they'll get back to normal business.
130
292000
2000
aztán visszatérnek rendes teendőikhez.
05:09
Well, in a place like Sarasota, Florida,
131
294000
2000
Nos, a floridai Sarasotához hasonló helyeken
05:11
the average interval between times
132
296000
2000
az átlagos időköz azon esetek közt,
05:13
that a boat is passing within a hundred meters of a dolphin group
133
298000
3000
amikor egy hajó száz méternél közelebb kerül egy delfincsapathoz,
05:16
is six minutes.
134
301000
2000
mindössze hat perc.
05:18
So even in the situation that doesn't look as bad as this,
135
303000
3000
Így még egy olyan helyzet is, ami közel sem annyira rossz, mint ez,
05:21
it's still affecting the amount of time these animals have
136
306000
2000
erősen befolyásolja azt, hogy ezeknek az állatoknak mennyi idejük van
05:23
to do their normal work.
137
308000
2000
mindennapi életvitelükre.
05:25
And if we look at a very pristine environment like western Australia,
138
310000
3000
Ha pedig egy olyan ősi környezetről van szó, mint Nyugat-Ausztrália,
05:28
Lars Bider has done work
139
313000
2000
Lars Bider megvizsgálta, milyen volt
05:30
comparing dolphin behavior and distribution
140
315000
3000
a delfinek magatartása és eloszlása
05:33
before there were dolphin-watching boats.
141
318000
3000
a delfinfigyelő hajók megjelenése előtt.
05:36
When there was one boat, not much of an impact.
142
321000
3000
Amikor csak egy hajó volt, annak nem volt sok hatása.
05:39
And two boats: When the second boat was added,
143
324000
3000
Két hajó esetén: amikor a második hajó megjelent,
05:42
what happened was that some of the dolphins
144
327000
2000
az történt, hogy a delfinek egy része
05:44
left the area completely.
145
329000
2000
végleg elhagyta azt az övezetet.
05:46
Of the ones that stayed, their reproductive rate declined.
146
331000
3000
Amelyek maradtak, azoknak pedig csökkent a szaporodási aránya.
05:49
So it could have a negative impact on the whole population.
147
334000
3000
Szóval ennek negatív hatása lehet az egész populációra.
05:52
When we think of marine-protected areas for animals like dolphins,
148
337000
3000
Mikor az olyan védett tengeri területekről van szó, melyeket például delfinek számára hoztak létre,
05:55
this means that we have to be
149
340000
2000
akkor sokkal megfontoltabbnak kell lennünk
05:57
quite conscious about activities that we thought were benign.
150
342000
3000
azokat a cselekedeteket illetően, amikről azt gondoltuk, hogy jóindulatúak.
06:00
We may need to regulate the intensity
151
345000
2000
Talán szabályoznunk kellene
06:02
of recreational boating and actual whale watching
152
347000
3000
a szórakozási és bálnafigyelő hajózást,
06:05
in order to prevent these kinds of problems.
153
350000
3000
hogy megelőzzük az ilyesfajta problémákat.
06:08
I'd also like to point out that sound
154
353000
2000
Arra is felhívnám a figyelmet, hogy a hang
06:10
doesn't obey boundaries.
155
355000
2000
nem engedelmeskedik a korlátozásoknak.
06:12
So you can draw a line to try to protect an area,
156
357000
3000
Húzhatunk határokat egy terület védelmezésének céljából,
06:15
but chemical pollution and noise pollution
157
360000
2000
de a kémiai- és hangszennyezés
06:17
will continue to move through the area.
158
362000
2000
ugyanúgy be fog jutni arra a területre.
06:19
And I'd like to switch now from this local,
159
364000
2000
És szeretnék átváltani erről a helyi,
06:21
familiar, coastal environment
160
366000
3000
ismerős, partközeli környezetről
06:24
to a much broader world of the baleen whales and the open ocean.
161
369000
3000
a sziláscetek sokkal szélesebb világára, a nyílt óceánra.
06:27
This is a kind of map we've all been looking at.
162
372000
3000
Ezt a térképet mindannyian ismerjük.
06:30
The world is mostly blue.
163
375000
2000
A világ nagyrészt kék.
06:32
But I'd also like to point out that the oceans
164
377000
2000
De arra is felhívnám a figyelmet, hogy az óceánok
06:34
are much more connected than we think.
165
379000
2000
sokkal inkább összeköttetésben vannak, mint gondolnánk.
06:36
Notice how few barriers there are to movement
166
381000
3000
Figyeljük meg, milyen kevés dolog akadályozza a mozgást
06:39
across all of the oceans compared to land.
167
384000
2000
szerte az óceánokon a szárazföldhöz képest.
06:41
To me, the most mind-bending example
168
386000
2000
Számomra az óceánok összekapcsolódásának
06:43
of the interconnectedness of the ocean
169
388000
2000
legmeghökkentőbb példája
06:45
comes from an acoustic experiment
170
390000
2000
egy akusztikai kísérletből származik,
06:47
where oceanographers
171
392000
2000
amikor oceanográfusok kihajóztak
06:49
took a ship to the southern Indian Ocean,
172
394000
3000
az Indiai-óceán déli részére,
06:52
deployed an underwater loudspeaker
173
397000
2000
telepítettek egy víz alatti hangszórót,
06:54
and played back a sound.
174
399000
2000
és lejátszottak rajta egy hangot.
06:56
That same sound
175
401000
2000
Ugyanez a hang
06:58
traveled to the west, and could be heard in Bermuda,
176
403000
3000
elterjedt nyugat felé és hallható volt Bermudán,
07:01
and traveled to the east, and could be heard in Monterey --
177
406000
3000
és elterjedt kelet felé is, és hallható volt Montereyben --
07:04
the same sound.
178
409000
2000
ugyanaz a hang.
07:06
So we live in a world of satellite communication,
179
411000
2000
Mi a műholdas kommunikáció világában élünk,
07:08
are used to global communication,
180
413000
2000
megszoktuk a globális a kommunikációt,
07:10
but it's still amazing to me.
181
415000
2000
de engem ez még mindig lenyűgöz.
07:12
The ocean has properties
182
417000
2000
Az óceán tulajdonságai
07:14
that allow low-frequency sound
183
419000
2000
lehetővé teszik az alacsony frekvenciájú hangok terjedését
07:16
to basically move globally.
184
421000
2000
tulajdonképpen az egész bolygó körül.
07:18
The acoustic transit time for each of these paths is about three hours.
185
423000
3000
Az akusztikai átviteli idő ezen útvonalak mindegyikén körülbelül három óra.
07:21
It's nearly halfway around the globe.
186
426000
3000
Ez majdnem a bolygó fele.
07:24
In the early '70s,
187
429000
2000
A korai hetvenes években
07:26
Roger Payne and an ocean acoustician
188
431000
2000
Roger Payne és egy óceáni hangtannal foglalkozó személy
07:28
published a theoretical paper
189
433000
2000
megjelentettek egy elméleti cikket,
07:30
pointing out that it was possible
190
435000
2000
mely szerint lehetséges volt,
07:32
that sound could transmit over these large areas,
191
437000
3000
hogy a hang közvetítődjék ezeken a hatalmas területeken keresztül,
07:35
but very few biologists believed it.
192
440000
3000
de nagyon kevés biológus hitte el.
07:38
It actually turns out, though,
193
443000
2000
Aztán végül kiderült,
07:40
even though we've only known of long-range propagation for a few decades,
194
445000
3000
hogy habár még csak néhány évtizede ismerjük a nagy hatótávolságú terjesztést,
07:43
the whales clearly have evolved,
195
448000
3000
a bálnák az elmúlt évek tízmilliói alatt
07:46
over tens of millions of years,
196
451000
2000
egyértelműen kifejlesztettek
07:48
a way to exploit this amazing property of the ocean.
197
453000
3000
egy módszert arra, hogy kiaknázzák az óceán ezen tulajdonságait.
07:51
So blue whales and fin whales
198
456000
2000
A kék bálnák és a barázdásbálnák
07:53
produce very low-frequency sounds
199
458000
2000
nagyon alacsony frekvenciájú hangokat adnak ki,
07:55
that can travel over very long ranges.
200
460000
2000
melyek rendkívül nagy távolságra jutnak el.
07:57
The top plot here shows
201
462000
2000
A felső ábra
07:59
a complicated series of calls
202
464000
2000
hívások összetett sorozatát mutatja,
08:01
that are repeated by males.
203
466000
2000
amit hím bálnák ismételtek.
08:03
They form songs, and they appear to play a role in reproduction,
204
468000
3000
Ezek dalokat alkotnak, és úgy tűnik, hogy a szaporodásban van szerepük,
08:06
sort of like that of song birds.
205
471000
2000
a madarak énekéhez hasonlóan.
08:08
Down below here, we see calls made by both males and females
206
473000
3000
Az alsó ábrán hímek és nőstények által egyaránt használt hívásokat látunk,
08:11
that also carry over very long ranges.
207
476000
3000
melyek szintén nagy távolságra jutnak el.
08:15
The biologists continued to be skeptical
208
480000
2000
A biológusok szkeptikusak maradtak
08:17
of the long-range communication issue
209
482000
2000
a nagy távolságú kommunikációval kapcsolatban
08:19
well past the '70s,
210
484000
2000
jóval a hetvenes évek után is,
08:21
until the end of the Cold War.
211
486000
2000
egészen a hidegháború végéig.
08:23
What happened was, during the Cold War,
212
488000
2000
Az történt, hogy a hidegháború alatt
08:25
the U.S. Navy had a system that was secret at the time,
213
490000
3000
az amerikai haditengerészet használt egy akkoriban még titkos rendszert,
08:28
that they used to track Russian submarines.
214
493000
3000
amivel orosz tengeralattjárókat követtek.
08:31
It had deep underwater microphones, or hydrophones,
215
496000
2000
Ez víz alatti mikrofonokból, vagyis hidrofonokból állt,
08:33
cabled to shore,
216
498000
2000
melyek összeköttetésben álltak a parttal,
08:35
all wired back to a central place that could listen
217
500000
2000
és mindez egy központi helyen futott össze, ahol az egész
08:37
to sounds over the whole North Atlantic.
218
502000
2000
Észak-Atlanti-óceán hangjait meg lehetett hallgatni.
08:39
And after the Berlin Wall fell, the Navy made these systems available
219
504000
3000
És miután a berlini fal leomlott, a haditengerészet elérhetővé tette ezt a rendszert
08:42
to whale bio-acousticians
220
507000
2000
a bálnák hangtanával foglalkozó biológusok részére,
08:44
to see what they could hear.
221
509000
2000
hogy megvizsgálják, ők mit hallanak.
08:46
This is a plot from Christopher Clark
222
511000
2000
Ezt az ábrát Christopher Clark készítette,
08:48
who tracked one individual blue whale
223
513000
3000
aki figyelemmel követett egyetlen kék bálnát,
08:51
as it passed by Bermuda,
224
516000
2000
amint az elhaladt Bermuda mellett,
08:53
went down to the latitude of Miami and came back again.
225
518000
3000
leúszott Miami szélességi fokáig, majd újra visszatért.
08:56
It was tracked for 43 days,
226
521000
2000
43 napon át figyelték,
08:58
swimming 1,700 kilometers,
227
523000
2000
mely alatt 1700 kilométert úszott,
09:00
or more than 1,000 miles.
228
525000
2000
azaz több mint 1000 mérföldet.
09:02
This shows us both that the calls
229
527000
2000
Ez megmutatja nekünk, hogy a hívások
09:04
are detectable over hundreds of miles
230
529000
2000
észlelhetők több száz mérföldnyi távolságból,
09:06
and that whales routinely swim hundreds of miles.
231
531000
2000
illetve azt is, hogy a bálnák rendszeresen úsznak több száz mérföldnyit.
09:08
They're ocean-based and scale animals
232
533000
2000
Ők az óceánban élő és ennek méreteihez szokott állatok,
09:10
who are communicating over much longer ranges
233
535000
2000
akik sokkal nagyobb távolságokon át kommunikálnak,
09:12
than we had anticipated.
234
537000
2000
mint ahogy sejtettük.
09:14
Unlike fins and blues, which
235
539000
2000
A barázdás- és kék bálnákkal ellentétben, akik
09:16
disperse into the temperate and tropical oceans,
236
541000
2000
a mérsékelt- és a trópusi égövi óceánokban bocsátanak ki hangokat,
09:18
the humpbacked whales congregate
237
543000
2000
a hosszúszárnyú bálnák inkább
09:20
in local traditional breeding grounds,
238
545000
3000
helyi, hagyományos párzási helyeken gyűlnek össze,
09:23
so they can make a sound that's a little higher in frequency,
239
548000
3000
így olyan hangokat hoznak létre, melyek egy kicsit magasabb frekvenciájúak,
09:26
broader-band and more complicated.
240
551000
2000
szélesebb sávúak és összetettebbek.
09:28
So you're listening to the complicated song
241
553000
2000
Most a hosszúszárnyú bálnák
09:30
produced by humpbacks here.
242
555000
2000
összetettebb dalát hallhatjuk.
09:32
Humpbacks, when they develop
243
557000
2000
Miközben a hosszúszárnyúak ezen éneklési
09:34
the ability to sing this song,
244
559000
2000
képessége kifejlődik,
09:36
they're listening to other whales
245
561000
2000
más bálnákat hallgatnak,
09:38
and modifying what they sing based on what they're hearing,
246
563000
3000
és a hallottak alapján módosítják saját éneküket,
09:41
just like song birds or the dolphin whistles I described.
247
566000
3000
csakúgy, mint a madarak vagy a delfinek, ahogy már említettem.
09:44
This means that humpback song
248
569000
2000
Ez azt jelenti, hogy a hosszúszárnyúak éneke
09:46
is a form of animal culture,
249
571000
2000
egyfajta állati kultúra,
09:48
just like music for humans would be.
250
573000
2000
pont úgy, ahogy az embereknek a zene.
09:50
I think one of the most interesting examples of this
251
575000
3000
Szerintem ennek az egyik legérdekesebb példája
09:53
comes from Australia.
252
578000
2000
Ausztráliából származik.
09:55
Biologists on the east coast of Australia
253
580000
2000
Ausztrália keleti partján lévő biológusok
09:57
were recording the songs of humpbacks in that area.
254
582000
3000
felvették a hosszúszárnyúak dalait azon a környéken.
10:00
And this orange line here marks the typical songs
255
585000
3000
A narancssárga terület jelzi a keleti parti
10:03
of east coast humpbacks.
256
588000
2000
hosszúszárnyúak átlagos dalait.
10:05
In '95 they all sang the normal song.
257
590000
2000
1995-ben mind ezt a rendes dalt énekelték.
10:07
But in '96 they heard a few weird songs,
258
592000
2000
De 1996-ban hallottak néhány furcsa dalt,
10:09
and it turned out that these strange songs
259
594000
3000
és kiderült, hogy ezek az új dalok
10:12
were typical of west coast whales.
260
597000
2000
a nyugati parti bálnákra voltak jellemzőek.
10:14
The west coast calls became more and more popular,
261
599000
3000
A nyugati parti hívások egyre népszerűbbé váltak,
10:17
until by 1998,
262
602000
2000
míg végül 1998-ban
10:19
none of the whales sang the east coast song; it was completely gone.
263
604000
3000
már egyetlen bálna sem énekelte a keleti parti dalt; teljesen eltűnt.
10:22
They just sang the cool new west coast song.
264
607000
2000
Mindegyikük a menő új nyugati dalt énekelte.
10:24
It's as if some new hit style
265
609000
2000
Mintha valami új stílus
10:26
had completely wiped out
266
611000
2000
teljesen eltörölte volna
10:28
the old-fashioned style before,
267
613000
2000
az előtte lévő régimódi stílust,
10:30
and with no golden oldies stations.
268
615000
2000
és nem maradtak nosztalgiaállomások.
10:32
Nobody sang the old ones.
269
617000
3000
Senki nem énekelte a régieket.
10:35
I'd like to briefly just show what the ocean does to these calls.
270
620000
3000
Csak röviden szeretném megmutatni, hogy mi történik ezekkel a hívásokkal az óceánban.
10:38
Now you are listening to a recording made by Chris Clark,
271
623000
3000
Most Chris Clark egyik felvétele szól,
10:41
0.2 miles away from a humpback.
272
626000
3000
ami kb. 300 méterre készült egy hosszúszárnyútól.
10:44
You can hear the full frequency range. It's quite loud.
273
629000
3000
A teljes frekvenciatartomány hallható. Elég hangos.
10:47
You sound very nearby.
274
632000
2000
Nagyon közelinek hallatszik.
10:49
The next recording you're going to hear
275
634000
2000
A következő felvétel, amit le fogok játszani,
10:51
was made of the same humpback song
276
636000
2000
ugyanarról a hosszúszárnyú-dalról készült,
10:53
50 miles away.
277
638000
2000
80 kilométerrel arrébb.
10:55
That's shown down here.
278
640000
2000
Ez itt lent látszik.
10:57
You only hear the low frequencies.
279
642000
2000
Csak az alacsony frekvenciákat lehet hallani.
10:59
You hear the reverberation
280
644000
2000
A visszaverődéseket halljuk,
11:01
as the sound travels over long-range in the ocean
281
646000
2000
amint a hang nagy távolságokra utazik az óceánban,
11:03
and is not quite as loud.
282
648000
3000
ezért nem olyan hangos.
11:06
Now after I play back these humpback calls,
283
651000
3000
Miután a hosszúszárnyúak hívásait lejátszottam,
11:09
I'll play blue whale calls, but they have to be sped up
284
654000
3000
kék bálnák hangját fogom lejátszani, de fel kell őket gyorsítani,
11:12
because they're so low in frequency
285
657000
2000
mert annyira alacsony frekvenciájúak,
11:14
that you wouldn't be able to hear it otherwise.
286
659000
2000
hogy egyébként nem lehetne hallani.
11:16
Here's a blue whale call at 50 miles,
287
661000
2000
Itt van egy kék bálna hívása 80 kilométerről,
11:18
which was distant for the humpback.
288
663000
2000
ami a hosszúszárnyú esetén távolinak számított.
11:20
It's loud, clear -- you can hear it very clearly.
289
665000
3000
Hangos, tiszta - nagyon tisztán hallható.
11:23
Here's the same call recorded from a hydrophone
290
668000
3000
Itt van ugyanaz a hívás, amit egy hidrofon vett fel
11:26
500 miles away.
291
671000
2000
800 kilométerrel arrébb.
11:28
There's a lot of noise, which is mostly other whales.
292
673000
3000
Eléggé zajos, ami főleg a többi bálna miatt van.
11:31
But you can still hear that faint call.
293
676000
3000
De még mindig hallani lehet azt a távoli hívást.
11:34
Let's now switch and think about
294
679000
2000
Most váltsunk témát, és gondolkodjunk el
11:36
a potential for human impacts.
295
681000
2000
a lehetséges emberi befolyásokon.
11:38
The most dominant sound that humans put into the ocean
296
683000
3000
A legdominánsabb hang, ami emberek által kerül az óceánba,
11:41
comes from shipping.
297
686000
2000
a hajózásból származik.
11:43
This is the sound of a ship,
298
688000
2000
Ez egy hajónak a hangja,
11:45
and I'm having to talk a little louder to talk over it.
299
690000
2000
és nekem hangosabban kell beszélnem, hogy érthető legyek.
11:47
Imagine that whale listening from 500 miles.
300
692000
3000
Képzeljük el azt a bálnát, amelyik 800 kilométerről hallgatózik.
11:50
There's a potential problem that maybe
301
695000
2000
Ez máris egy valószínű probléma, mert lehet,
11:52
this kind of shipping noise would prevent whales
302
697000
2000
hogy a hajók zaja megakadályozza a bálnákat abban,
11:54
from being able to hear each other.
303
699000
2000
hogy meghallják egymást.
11:56
Now this is something that's been known for quite a while.
304
701000
2000
Ez olyasvalami, ami egy ideje már ismert.
11:58
This is a figure from a textbook on underwater sound.
305
703000
3000
Ez egy tankönyvi ábra a víz alatti hangokról.
12:01
And on the y-axis
306
706000
2000
Az y tengely
12:03
is the loudness of average ambient noise in the deep ocean
307
708000
3000
a mély óceánban hallható átlagos környezeti zaj hangerejét jelzi,
12:06
by frequency.
308
711000
2000
a frekvenciával összefüggésben.
12:08
In the low frequencies, this line indicates
309
713000
3000
Az alacsony frekvenciáknál ez a vonal jelzi
12:11
sound that comes from seismic activity of the earth.
310
716000
3000
a hangokat, amik a Föld szeizmikus aktivitásából erednek.
12:14
Up high, these variable lines
311
719000
2000
Magasabban ezek a változó vonalak
12:16
indicate increasing noise in this frequency range
312
721000
3000
jelzik az egyre növekvő zajt ebben a frekvenciatartományban,
12:19
from higher wind and wave.
313
724000
2000
amit az erősebb szél és a hullámok okoznak.
12:21
But right in the middle here where there's a sweet spot,
314
726000
3000
Ám pont középen, ami egy jó kis hely lenne,
12:24
the noise is dominated by human ships.
315
729000
2000
a zaj főként az emberek hajóitól ered.
12:26
Now think about it. This is an amazing thing:
316
731000
2000
Gondoljunk csak bele. Ez egy lenyűgöző dolog:
12:28
That in this frequency range where whales communicate,
317
733000
3000
Hogy ebben a frekvenciatartományban, ahol a bálnák kommunikálnak,
12:31
the main source globally, on our planet, for the noise
318
736000
3000
a zaj legfőbb forrásai világszerte
12:34
comes from human ships,
319
739000
2000
az emberek hajói,
12:36
thousands of human ships, distant, far away,
320
741000
3000
hajók ezrei, messze a távolban,
12:39
just all aggregating.
321
744000
2000
és mind itt halmozódik fel.
12:41
The next slide will show what the impact this may have
322
746000
3000
A következő dia azt fogja megmutatni, hogy ennek milyen hatása lehet arra,
12:44
on the range at which whales can communicate.
323
749000
2000
hogy mely tartományokban tudnak a bálnák kommunikálni.
12:46
So here we have the loudness of a call at the whale.
324
751000
3000
Itt van a hívás hangereje, amit a bálna kibocsát.
12:49
And as we get farther away,
325
754000
2000
Ahogy távolabb kerülünk tőle,
12:51
the sound gets fainter and fainter.
326
756000
2000
a hang egyre gyengébb és gyengébb lesz.
12:53
Now in the pre-industrial ocean, as we were mentioning,
327
758000
3000
Ahogy már említettem, az iparosodás előtti óceánban
12:56
this whale call could be easily detected.
328
761000
2000
ez a hívás könnyen észrevehető volt.
12:58
It's louder than noise
329
763000
2000
A zajnál hangosabb
13:00
at a range of a thousand kilometers.
330
765000
2000
ezer kilométeres körzetben.
13:02
Let's now take that additional increase in noise
331
767000
3000
Most adjuk hozzá azt a zajnövekedést,
13:05
that we saw comes from shipping.
332
770000
2000
ami a hajóktól származik.
13:07
All of a sudden, the effective range of communication
333
772000
2000
Hirtelenjében a hatékony kommunikáció távolsága
13:09
goes from a thousand kilometers to 10 kilometers.
334
774000
3000
ezer kilométerről tíz kilométerre csökken.
13:12
Now if this signal is used for males and females
335
777000
2000
Ha a hímek és a nőstények ezt a jelet használják
13:14
to find each other for mating and they're dispersed,
336
779000
3000
egymás megtalálására párzási időszakban, és épp szét vannak szóródva,
13:17
imagine the impact this could have
337
782000
2000
képzeljük el ennek a veszélyeztetett populáció felépülésére tett
13:19
on the recovery of endangered populations.
338
784000
3000
lehetséges hatását.
13:22
Whales also have contact calls
339
787000
2000
A bálnáknak vannak olyan hívóhangjaik is,
13:24
like I described for the dolphins.
340
789000
3000
amilyenekről beszéltem a delfinek kapcsán.
13:27
I'll play the sound of a contact call used
341
792000
2000
Mutatok egy olyan hívóhangot,
13:29
by right whales to stay in touch.
342
794000
2000
amit simabálnák használnak a kapcsolatban maradásra.
13:31
And this is the kind of call that is used by,
343
796000
2000
Ez az a fajta hívás,
13:33
say, right whale mothers and calves
344
798000
2000
amit mondjuk a simabálnaanyák és borjaik használnak,
13:35
as they separate to come back again.
345
800000
2000
ha szétváltak, és újra meg akarják egymást találni.
13:37
Now imagine -- let's put the ship noise in the picture.
346
802000
2000
Képzeljük csak el - ehhez adjuk hozzá a hajózajt.
13:39
What's a mother to do
347
804000
2000
Mit tehet egy anya,
13:41
if the ship comes by and her calf isn't there?
348
806000
2000
ha épp arra jön egy hajó, és a borja nincs ott?
13:43
I'll describe a couple strategies.
349
808000
3000
Elmondok néhány stratégiát.
13:46
One strategy is if your call's down here,
350
811000
2000
Az egyik az, hogy ha a hívás itt van lenn,
13:48
and the noise is in this band,
351
813000
2000
a zaj pedig ebben a sávban van,
13:50
you could shift the frequency of your call out of the noise band
352
815000
3000
akkor a hívás frekvenciája megemelhető, a zajsáv fölé,
13:53
and communicate better.
353
818000
2000
így jobban hallható.
13:55
Susan Parks of Penn State has actually studied this.
354
820000
3000
Susan Parks a Pennsylvaniai Egyetemről meg is vizsgálta ezt.
13:58
She's looked in the Atlantic. Here's data from the South Atlantic.
355
823000
3000
Az Atlanti-óceánban vizsgálódott. Itt vannak az adatok a déli részről.
14:01
Here's a typical South Atlantic contact call from the '70s.
356
826000
3000
Itt van egy jellegzetes hívóhang a Dél-Atlanti-óceánból a hetvenes években.
14:04
Look what happened by 2000 to the average call.
357
829000
3000
Nézzük, mi történt 2000-re az átlagos hívásokkal.
14:07
Same thing in the North Atlantic,
358
832000
2000
Ugyanez történt az Észak-Atlanti-óceánban,
14:09
in the '50s versus 2000.
359
834000
2000
ötvenes évek kontra 2000.
14:11
Over the last 50 years,
360
836000
2000
Az utóbbi ötven évben,
14:13
as we've put more noise into the oceans,
361
838000
2000
ahogy egyre több zajt okozunk az óceánokban,
14:15
these whales have had to shift.
362
840000
2000
a bálnáknak emelniük kellett a frekvenciát.
14:17
It's as if the whole population had to shift
363
842000
2000
Ez olyan, mintha az egész populációnak át kellett volna váltania
14:19
from being basses to singing as a tenor.
364
844000
3000
basszusról tenorra.
14:22
It's an amazing shift, induced by humans
365
847000
2000
Ez egy lenyűgöző váltás, amit az emberek idéztek elő
14:24
over this large scale,
366
849000
2000
ilyen nagy mértékben,
14:26
in both time and space.
367
851000
2000
térben és időben egyaránt.
14:28
And we now know that whales can compensate for noise
368
853000
2000
Most már tudjuk, hogy a bálnák kompenzálhatják a zajt azzal,
14:30
by calling louder, like I did when that ship was playing,
369
855000
3000
hogy hangosabban hívnak, ahogy én is tettem, mikor a hajózajt hallottuk,
14:33
by waiting for silence
370
858000
2000
vagy várhatnak a csendre,
14:35
and by shifting their call out of the noise band.
371
860000
3000
vagy kiemelhetik a hívásukat a zajsávból.
14:38
Now there's probably costs to calling louder
372
863000
2000
A hangosabb hívásnak és a frekvencia megemelésének
14:40
or shifting the frequency away from where you want to be,
373
865000
2000
valószínűleg ára van, ha messze vannak,
14:42
and there's probably lost opportunities.
374
867000
2000
és valószínűleg sok lehetőség elvész.
14:44
If we also have to wait for silence,
375
869000
2000
Ha pedig a csendre várnak,
14:46
they may miss a critical opportunity to communicate.
376
871000
3000
akár el is szalaszthatnak egy fontos lehetőséget a kommunikációra.
14:49
So we have to be very concerned
377
874000
2000
Így nagyon kell aggódnunk amiatt,
14:51
about when the noise in habitats
378
876000
2000
hogy a zaj az élőhelyeken mikor
14:53
degrades the habitat enough
379
878000
2000
csökkenti le az élőhely méretét eléggé ahhoz,
14:55
that the animals either have to pay too much to be able to communicate,
380
880000
3000
hogy az állatoknak vagy túl nagy árat kell fizetniük a kommunikációs képességért,
14:58
or are not able to perform critical functions.
381
883000
2000
vagy nem lesznek képesek alapvető funkciókat elvégezni.
15:00
It's a really important problem.
382
885000
3000
Ez egy rendkívül fontos probléma.
15:03
And I'm happy to say that there are several
383
888000
2000
És boldogan mondhatom, hogy ezen a területen
15:05
very promising developments in this area,
384
890000
3000
nagyon biztató fejlesztések vannak,
15:08
looking at the impact of shipping on whales.
385
893000
3000
ami a hajózás bálnákra tett hatását vizsgálja.
15:11
In terms of the shipping noise,
386
896000
2000
A hajózási zajokkal kapcsolatban
15:13
the International Maritime Organization of the United Nations
387
898000
3000
az Egyesült Nemzetek Nemzetközi Tengerészeti Szervezete
15:16
has formed a group whose job is to establish
388
901000
3000
létrehozott egy csoportot, akiknek a feladata a hajók
15:19
guidelines for quieting ships,
389
904000
2000
csendesítésére szóló irányelvek kidolgozása,
15:21
to tell the industry how you could quiet ships.
390
906000
2000
hogy az ipar megtudja, hogyan tehetők csendesebbé a hajók.
15:23
And they've already found
391
908000
2000
És máris rájöttek arra,
15:25
that by being more intelligent about better propeller design,
392
910000
3000
hogy ha intelligensebb módon tervezik meg a hajtócsavarokat,
15:28
you can reduce that noise by 90 percent.
393
913000
3000
90 százalékkal csökkenthető a zaj.
15:31
If you actually insulate and isolate
394
916000
3000
Ha a hajógépet leszigetelik és
15:34
the machinery of the ship from the hull,
395
919000
2000
különválasztják a hajótesttől,
15:36
you can reduce that noise by 99 percent.
396
921000
3000
a zajt 99 százalékkal lehet csökkenteni.
15:39
So at this point, it's primarily an issue of cost and standards.
397
924000
3000
Szóval jelenleg ez elsősorban egy költség- és szabványprobléma.
15:42
If this group can establish standards,
398
927000
2000
Ha ez a csoport felállítja a szabványokat
15:44
and if the shipbuilding industry adopts them for building new ships,
399
929000
3000
és a hajóépítő ipar elfogadja őket az új hajók gyártásához,
15:47
we can now see a gradual decline
400
932000
2000
akkor máris láthatjuk ennek a lehetséges problémának
15:49
in this potential problem.
401
934000
2000
a fokozatos hanyatlását.
15:51
But there's also another problem from ships that I'm illustrating here,
402
936000
3000
De a hajókkal kapcsolatban van egy másik probléma is, amit itt mutatok,
15:54
and that's the problem of collision.
403
939000
2000
ez pedig az összeütközések problémája.
15:56
This is a whale that just squeaked by
404
941000
3000
Ez egy bálna, mely épphogy csak elslisszant
15:59
a rapidly moving container ship and avoided collision.
405
944000
3000
egy gyorsan mozgó tartályhajó mellett, elkerülve ezzel az ütközést.
16:02
But collision is a serious problem.
406
947000
2000
De az összeütközés komoly probléma.
16:04
Endangered whales are killed every year by ship collision,
407
949000
3000
Minden évben pusztulnak el veszélyeztetett bálnák ütközés miatt,
16:07
and it's very important to try to reduce this.
408
952000
3000
és nagyon fontos, hogy ezt megpróbáljuk csökkenteni.
16:10
I'll discuss two very promising approaches.
409
955000
3000
Két rendkívül biztató megközelítésről fogok beszélni.
16:13
The first case comes from the Bay of Fundy.
410
958000
2000
Az első a Fundy-öbölből származik.
16:15
These black lines mark shipping lanes
411
960000
2000
Ezek a fekete vonalak ki- és befelé vezető
16:17
in and out of the Bay of Fundy.
412
962000
2000
hajózási útvonalakat jelölnek a Fundy-öbölbe.
16:19
The colorized area
413
964000
2000
A színes terület mutatja
16:21
shows the risk of collision for endangered right whales
414
966000
3000
a veszélyeztetett simabálnák számára fennálló ütközési kockázatot
16:24
because of the ships moving in this lane.
415
969000
2000
az ebben a sávban közlekedő hajók miatt.
16:26
It turns out that this lane here
416
971000
3000
Az derült ki, hogy ez a sáv itt
16:29
goes right through a major feeding area of right whales in the summer time,
417
974000
3000
közvetlenül áthalad a simabálnák egy hatalmas nyári táplálkozási területén,
16:32
and it makes an area of a significant risk of collision.
418
977000
3000
ezért ez a terület különösen jelentős ütközési kockázatot mutat.
16:35
Well, biologists
419
980000
2000
Nos, azok a biológusok,
16:37
who couldn't take no for an answer
420
982000
2000
akik nem fogadtak el nemet válaszként,
16:39
went to the International Maritime Organization
421
984000
2000
elmentek a Nemzetközi Tengerészeti Szervezethez
16:41
and petitioned them to say,
422
986000
2000
azzal a kéréssel, hogy
16:43
"Can't you move that lane? Those are just lines on the ground.
423
988000
2000
"Nem tudják arrébb helyezni azt a sávot? Azok csak vonalak a talajon.
16:45
Can't you move them over to a place
424
990000
2000
Nem tudják egy olyan helyre áttenni őket,
16:47
where there's less of a risk?"
425
992000
2000
ahol kisebb a kockázat?"
16:49
And the International Maritime Organization responded very strongly,
426
994000
2000
És a Nemzetközi Tengerészeti Szervezet nagyon hevesen válaszolt,
16:51
"These are the new lanes."
427
996000
2000
"Itt vannak az új sávok."
16:53
The shipping lanes have been moved.
428
998000
2000
A hajózási útvonalakat áthelyezték.
16:55
And as you can see, the risk of collision is much lower.
429
1000000
3000
És ahogy látható, az ütközési kockázat sokkal alacsonyabb lett.
16:58
So it's very promising, actually.
430
1003000
2000
Úgyhogy ez tulajdonképpen nagyon biztató.
17:00
We can be very creative about thinking
431
1005000
2000
Nagyon kreatívak tudunk lenni, mikor arról gondolkozunk,
17:02
of different ways to reduce these risks.
432
1007000
2000
miféle módokon csökkenthetnénk ezeket a kockázatokat.
17:04
Another action which was just taken independently
433
1009000
2000
Egy másik lépést, amit egy hajózási vállalat tett meg
17:06
by a shipping company itself
434
1011000
3000
teljesen függetlenül,
17:09
was initiated because of concerns the shipping company had
435
1014000
3000
azért kezdeményeztek, mert a vállalat aggodalommal gondolt
17:12
about greenhouse gas emissions with global warming.
436
1017000
3000
az üvegházhatást okozó gázkibocsátásokra és a globális felmelegedésre.
17:15
The Maersk Line looked at their competition
437
1020000
3000
A Maersk Line megvizsgálta vetélytársait,
17:18
and saw that everybody who is in shipping thinks time is money.
438
1023000
3000
és azt vették észre, hogy minden hajózási vállalat azt gondolja, hogy az idő pénz.
17:21
They rush as fast as they can to get to their port.
439
1026000
2000
Olyan gyorsan akarják elérni a kikötőt, ahogy csak lehet.
17:23
But then they often wait there.
440
1028000
2000
Ott azonban gyakran várakozniuk kell.
17:25
What Maersk did is they worked ways to slow down.
441
1030000
2000
A Maersk pedig ehelyett inkább lelassított.
17:27
They could slow down by about 50 percent.
442
1032000
3000
Körülbelül felére lassítottak le.
17:30
This reduced their fuel consumption by about 30 percent,
443
1035000
3000
Ez körülbelül 30 százalékkal csökkentette az üzemanyag-fogyasztásukat,
17:33
which saved them money,
444
1038000
2000
mellyel pénzt takarítottak meg,
17:35
and at the same time, it had a significant benefit for whales.
445
1040000
3000
és ugyanakkor jelentős hasznot jelentett a bálnák számára.
17:38
It you slow down, you reduce the amount of noise you make
446
1043000
3000
Ha lelassítasz, csökkented a zaj szintjét,
17:41
and you reduce the risk of collision.
447
1046000
2000
és csökkented az ütközésveszélyt.
17:43
So to conclude, I'd just like to point out,
448
1048000
2000
Szóval befejezésként csak szeretném felhívni a figyelmet arra,
17:45
you know, the whales live in
449
1050000
2000
hogy a bálnák
17:47
an amazing acoustic environment.
450
1052000
2000
egy csodálatos akusztikai környezetben élnek.
17:49
They've evolved over tens of millions of years
451
1054000
2000
Évek tízmilliói alatt alakították ki,
17:51
to take advantage of this.
452
1056000
2000
hogyan fordítsák ezt a hasznukra.
17:53
And we need to be very attentive and vigilant
453
1058000
3000
Nekünk pedig nagyon figyelmesnek és ébernek kell lennünk,
17:56
to thinking about where things that we do
454
1061000
2000
és végiggondolni azt, hogy amit teszünk,
17:58
may unintentionally prevent them
455
1063000
2000
az talán akaratlanul is meggátolja őket abban,
18:00
from being able to achieve their important activities.
456
1065000
3000
hogy fontos tevékenységeiket el tudják végezni.
18:03
At the same time, we need to be really creative
457
1068000
2000
Ugyanakkor nagyon kreatívnak kell lennünk abban,
18:05
in thinking of solutions to be able to help reduce these problems.
458
1070000
3000
hogy megoldásokat találjunk arra, hogyan csökkenthetnénk ezeket a problémákat.
18:08
I hope these examples have shown
459
1073000
2000
Remélem, ezek a példák mutattak
18:10
some of the different directions we can take
460
1075000
2000
néhány irányvonalat, melyek mentén elindulhatunk,
18:12
in addition to protected areas
461
1077000
2000
és a védett területek kialakításán kívül
18:14
to be able to keep the ocean safe for whales to be able to continue to communicate.
462
1079000
3000
másként is biztonságossá tehetjük az óceánt a bálnák számára, hogy kommunikálhassanak.
18:17
Thank you very much.
463
1082000
2000
Nagyon szépen köszönöm.
18:19
(Applause)
464
1084000
2000
(Taps)
ABOUT THE SPEAKER
Peter Tyack - Behavioral ecologistPeter Tyack studies the social behavior and acoustic communication in whales and dolphins, learning how these animals use sound to perform critical activities, such as mating and locating food.
Why you should listen
Peter Tyack, a senior scientist in biology at the Woods Hole Oceanographic Institution, has always been intrigued by animal behavior. A class at Woods Hole while still in college led Peter down his current path of research on acoustic communication and social behavior in marine mammals.
He has studied the songs of humpback whales, the signature whistles of dolphins and the echolocation pulses of sperm whales and dolphins. Tyack has pioneered several new methods to sample the behavior of these mammals, including the development of sound-and-orientation recording tags.
As a result of his work recording the sounds of whales, Tyack is concerned that the ubiquitous noises from human activity in the ocean -- sonar, oil rigs, motorboats, shipping traffic -- are disturbing marine mammals.
Peter Tyack | Speaker | TED.com