Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: La marcatura dei tonni nell'oceano profondo
Filmed:
Readability: 4.4
368,018 views
I tonni sono veri atleti oceanici -- predatori veloci che coprono lunghe distanze, i cui comportamenti cominciamo a comprendere solo adesso. La biologa marina Barbara Block applica ai tonni dei dispositivi di localizzazione (completi di transponder) che registrano dati mai raccolti prima su questi meravigliosi pesci a ricshio di estinzione e sugli habitat marini che attraversano.
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Double-click the English transcript below to play the video.
00:15
I've been fascinated for a lifetime
0
0
3000
Sono sempre stata incantata
00:18
by the beauty, form and function
1
3000
2000
dalla bellezza, dalla forma e dalla funzione
00:20
of giant bluefin tuna.
2
5000
3000
dei tonni pinna blu giganti.
00:23
Bluefin are warmblooded like us.
3
8000
3000
I pinna blu sono animali a sangue caldo come noi.
00:26
They're the largest of the tunas,
4
11000
3000
Sono i tonni più grandi,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
al secondo posto per dimensioni tra i pesci a scheletro osseo.
00:32
They actually are a fish
6
17000
2000
Si tratta di pesci
00:34
that is endothermic --
7
19000
2000
endotermici --
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
nuotano negli oceani usando i loro caldi muscoli, come i mammiferi.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Questo è uno dei nostri pinna blu nell'acquario di Monterey Bay.
00:43
You can see in its shape and its streamlined design
10
28000
3000
Potete vedere come la sua forma affusolata
00:46
it's powered for ocean swimming.
11
31000
3000
gli permette di nuotare efficacemente.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Vola nell'acqua poggiandosi sulle pinne pettorali, si solleva,
00:52
powers its movements
13
37000
2000
imprime energia ai suoi movimenti
00:54
with a lunate tail.
14
39000
2000
con la pinna caudale lunata.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
La maggior parte del corpo è ricoperta di pelle nuda
00:59
so it reduces friction with the water.
16
44000
3000
che riduce l'attrito con l'acqua.
01:02
This is what one of nature's finest machines.
17
47000
3000
Una delle macchine più sofisticate della natura.
01:05
Now, bluefin
18
50000
2000
I pinna blu
01:07
were revered by Man
19
52000
2000
hanno goduto di alta considerazione
01:09
for all of human history.
20
54000
3000
per tutta la storia dell'umanità.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Per 4000 anni li abbiamo pescati in modo sostenibile,
01:15
and it's evidenced
22
60000
2000
come si capisce
01:17
in the art that we see
23
62000
2000
dalle raffigurazioni artistiche
01:19
from thousands of years ago.
24
64000
2000
realizzate negli scorsi millenni.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Ci sono pinna blu nei pittogrammi di alcune caverne in Francia.
01:24
They're on coins
26
69000
2000
Li troviamo su monete
01:26
that date back 3,000 years.
27
71000
3000
di 3000 anni fa.
01:29
This fish was revered by humankind.
28
74000
3000
Questi pesci erano rispettati dagli uomini.
01:32
It was fished sustainably
29
77000
2000
La pesca è stata sostenibile
01:34
till all of time,
30
79000
2000
fino a poco tempo fa,
01:36
except for our generation.
31
81000
2000
ma non più ai giorni nostri.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
I pinna blu vengono inseguiti ovunque.
01:41
there is a gold rush on Earth,
33
86000
2000
C'è una nuova corsa all'oro sulla Terra,
01:43
and this is a gold rush for bluefin.
34
88000
2000
e l'oro è rappresentato dai pinna blu.
01:45
There are traps that fish sustainably
35
90000
2000
Esistono sistemi di pesca sostenibili
01:47
up until recently.
36
92000
3000
usati fino a poco tempo fa.
01:50
And yet, the type of fishing going on today,
37
95000
3000
Ma il tipo di pesca attuato oggigiorno
01:53
with pens, with enormous stakes,
38
98000
3000
che fa uso di reti immense,
01:56
is really wiping bluefin
39
101000
2000
sta spazzando via il pinnablu
01:58
ecologically off the planet.
40
103000
2000
dall'ecologia del pianeta.
02:00
Now bluefin, in general,
41
105000
2000
Ora il pinna blu, generalmente,
02:02
goes to one place: Japan.
42
107000
2000
finisce in un solo mercato, quello giapponese.
02:04
Some of you may be guilty
43
109000
2000
Forse qualcuno si sentirà in colpa
02:06
of having contributed to the demise of bluefin.
44
111000
2000
per aver contribuito alla sua decimazione.
02:08
They're delectable muscle,
45
113000
2000
Hanno una carne ottima,
02:10
rich in fat --
46
115000
2000
ricca di grassi --
02:12
absolutely taste delicious.
47
117000
2000
dal gusto assolutamente delizioso.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
E questo è il loro problema, perché ce li stiamo mangiando tutti.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
Ora, per l'Atlantico, la storia è molto semplice.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Esistono due popolazioni di pinna blu, una grande e una piccola.
02:23
The North American population
51
128000
2000
Di quella del Nord America
02:25
is fished at about 2,000 ton.
52
130000
3000
se ne pescano circa 2.000 tonnellate.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
Di quella Europea e Nordafricana - il pinna blu orientale --
02:31
is fished at tremendous levels:
54
136000
3000
se ne catturano quantità incredibili:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
circa 50.000 tonnellate l'anno negli ultimi dieci anni.
02:37
The result is whether you're looking
56
142000
2000
La conseguenza è che per entrambi i gruppi,
02:39
at the West or the Eastern bluefin population,
57
144000
3000
i pinna blu occidentali e quelli orientali,
02:42
there's been tremendous decline on both sides,
58
147000
2000
ha avuto luogo una drastica riduzione,
02:44
as much as 90 percent
59
149000
2000
fino al 90 percento
02:46
if you go back with your baseline
60
151000
2000
rispetto ai numeri
02:48
to 1950.
61
153000
2000
del 1950.
02:50
For that, bluefin have been given a status
62
155000
3000
Per questa ragione oggi i pinna blu
02:53
equivalent to tigers, to lions,
63
158000
3000
sono equiparati a tigri, leoni,
02:56
to certain African elephants
64
161000
2000
ad alcuni tipi di elefanti africani
02:58
and to pandas.
65
163000
2000
e ai panda.
03:00
These fish have been proposed
66
165000
2000
Questo pesce è stato candidato negli ultimi due mesi
03:02
for an endangered species listing in the past two months.
67
167000
3000
ad essere inserito nell'elenco delle specie a rischio di estinzione.
03:05
They were voted on and rejected
68
170000
2000
Solo che la richiesta non è stata accolta
03:07
just two weeks ago,
69
172000
2000
appena due settimane fa,
03:09
despite outstanding science
70
174000
2000
nonostante le prove scientifiche
03:11
that shows from two committees
71
176000
3000
fornite da due comitati indipendenti
03:14
this fish meets the criteria of CITES I.
72
179000
3000
che questa specie rientri nei parametri del CITES I.
03:17
And if it's tunas you don't care about,
73
182000
2000
E se non vi importa dei tonni,
03:19
perhaps you might be interested
74
184000
2000
allora vi potrebbe interessare sapere che
03:21
that international long lines and pursing
75
186000
2000
i palangari e reti a circuizione internazionali
03:23
chase down tunas and bycatch animals
76
188000
3000
sta sterminando tonni ed altre specie marine
03:26
such as leatherbacks, sharks,
77
191000
2000
come le tartarughe liuto, gli squali,
03:28
marlin, albatross.
78
193000
2000
i marlin, gli albatros
03:30
These animals and their demise
79
195000
2000
I pescherecci da tonno fanno strage
03:32
occurs in the tuna fisheries.
80
197000
3000
anche di queste specie.
03:35
The challenge we face
81
200000
2000
La sfida che dobbiamo affrontare
03:37
is that we know very little about tuna,
82
202000
3000
è il fatto che ne sappiamo poco di tonni,
03:40
and everyone in the room knows what it looks like
83
205000
3000
mentre tutti qui in sala hanno un'idea di come
03:43
when an African lion
84
208000
2000
un leone africano
03:45
takes down its prey.
85
210000
2000
uccida la sua preda.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Dubito che qualcuno abbia mai assistito al pasto di un pinna blu gigante.
03:50
This tuna symbolizes
87
215000
3000
Questo tonno rappresenta
03:53
what's the problem for all of us in the room.
88
218000
3000
il nostro problema attuale.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
Siamo nel 21° secolo, ma abbiamo appena cominciato
03:59
to really study our oceans in a deep way.
90
224000
3000
a studiare gli oceani in modo più approfondito.
04:02
Technology has come of age
91
227000
2000
I traguardi raggiunti dalla tecnologia
04:04
that's allowing us to see the Earth from space
92
229000
3000
ci permettono di vedere la terra dallo spazio
04:07
and go deep into the seas remotely.
93
232000
3000
e perfino le profondità dei mari.
04:10
And we've got to use these technologies immediately
94
235000
2000
E dobbiamo usare subito anche noi queste tecnologie
04:12
to get a better understanding
95
237000
2000
per comprendere meglio
04:14
of how our ocean realm works.
96
239000
3000
il meccanismo del regno oceanico.
04:17
Most of us from the ship -- even I --
97
242000
2000
Quando ci troviamo a navigare, tutti noi
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
guardiamo l'oceano e vediamo un mare omogeneo.
04:22
We don't know where the structure is.
99
247000
2000
Non ne percepiamo la struttura.
04:24
We can't tell where are the watering holes
100
249000
3000
Non sappiamo dove si trovino le pozze d'acqua
04:27
like we can on an African plain.
101
252000
3000
come possiamo fare nelle pianure africane.
04:30
We can't see the corridors,
102
255000
2000
Non vediamo le tracce del passaggio degli animali
04:32
and we can't see what it is
103
257000
2000
e non riusciamo a capire cosa
04:34
that brings together a tuna,
104
259000
2000
faccia raggruppare popolazioni di tonni
04:36
a leatherback and an albatross.
105
261000
2000
con quelle di tartarughe e albatros.
04:38
We're only just beginning to understand
106
263000
2000
Stiamo scoprendo solo ora, piano piano
04:40
how the physical oceanography
107
265000
2000
come l'oceanografia fisica
04:42
and the biological oceanography
108
267000
2000
e quella biologica
04:44
come together
109
269000
2000
si uniscano
04:46
to create a seasonal force
110
271000
2000
per creare una forza stagionale
04:48
that actually causes the upwelling
111
273000
2000
che determina la risalita di acque dai fondali
04:50
that might make a hot spot a hope spot.
112
275000
3000
che potrebbero mutare aree depauperate in aree ripopolate.
04:53
The reasons these challenges are great
113
278000
2000
Il motivo per cui queste sfide sono formidabili
04:55
is that technically it's difficult to go to sea.
114
280000
3000
è che è tecnicamente difficile studiare il mare.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
E' difficile studiare un pinna blu nel suo elemento,
05:00
the entire Pacific realm.
116
285000
2000
l'intero Oceano Pacifico.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
E' davvero difficile avvicinare uno squalo mako
05:06
and try to put a tag on it.
118
291000
2000
per innestargli una targhetta.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
E immaginate se faceste parte della squadra di OSU di Bruce Mate,
05:11
getting up close to a blue whale
120
296000
2000
di dover avvicinare una balenottera azzurra
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
e fissarvi una targhetta che vi rimanga attaccata,
05:16
an engineering challenge
122
301000
2000
una sfida ingegneristica
05:18
we've yet to really overcome.
123
303000
2000
che non abbiamo ancora risolto.
05:20
So the story of our team, a dedicated team,
124
305000
3000
La storia della nostra squadra, gente impegnata,
05:23
is fish and chips.
125
308000
2000
è una storia di 'fish and chips' (pesce e microcircuiti).
05:25
We basically are taking
126
310000
2000
Non facciamo che prendere
05:27
the same satellite phone parts,
127
312000
2000
parti di telefoni satellitari
05:29
or the same parts that are in your computer, chips.
128
314000
3000
e di normali computer, microcircuiti appunto.
05:32
We're putting them together in unusual ways,
129
317000
3000
E unire queste componenti in modo insolito,
05:35
and this is taking us into the ocean realm
130
320000
2000
così da poter penetrare nel regno dell'Oceano
05:37
like never before.
131
322000
2000
come mai prima d'ora.
05:39
And for the first time,
132
324000
2000
E per la prima volta
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
siamo in grado di visualizzare il viaggio di un tonno nell'oceano
05:44
using light and photons
134
329000
2000
per mezzo di luce e fotoni
05:46
to measure sunrise and sunset.
135
331000
3000
che effettuano misurazioni dall'alba al tramonto.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Ad oggi sono più di 15 anni che lavoro con i tonni.
05:52
I have the privilege of being a partner
137
337000
2000
Ho il privilegio di essere una socia
05:54
with the Monterey Bay Aquarium.
138
339000
2000
dell'Acquario di Monterey Bay.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
In pratica abbiamo preso una fetta di oceano,
05:58
put it behind glass,
140
343000
2000
l'abbiamo messa dietro a un vetro
06:00
and we together
141
345000
2000
e tutti insieme
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
vi abbiamo introdotto tonni pinna blu e pinna gialla.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Ogni mattina, quando va via la coltre di bollicine,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
vediamo lo spettacolo di una comunità dell'oceano pelagico,
06:11
one of the only places on Earth
145
356000
2000
uno dei pochissimi luoghi sulla terra
06:13
you can see giant bluefin swim by.
146
358000
3000
dove si possono ammirare i pinna blu.
06:16
We can see in their beauty of form and function,
147
361000
2000
Li vediamo nella loro bellezza di forma e funzione,
06:19
their ceaseless activity.
148
364000
2000
nella loro attività incessante.
06:21
They're flying through their space, ocean space.
149
366000
3000
Nuotano nel loro spazio di oceano.
06:24
And we can bring two million people a year
150
369000
2000
E riusciamo ad avere ogni anno due milioni di visitatori
06:26
into contact with this fish
151
371000
2000
che entrano in contatto con i pesci,
06:28
and show them its beauty.
152
373000
3000
a cui mostriamo la loro bellezza.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Dietro le quinte c'è il lavoro di un laboratorio dell'Università di Stanford,
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
partner dell'Acquario di Monterey Bay.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Qui, negli ultimi 14-15 anni
06:38
we've actually brought in
156
383000
2000
abbiamo fatto arrivare
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
sia pinna blu che pinna gialla.
06:42
We'd been studying these fish,
158
387000
2000
Li abbiamo studiati.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Ma per prima cosa abbiamo dovuto imparare ad allevarli.
06:46
What do they like to eat?
160
391000
2000
Cosa dar loro da mangiare?
06:48
What is it that they're happy with?
161
393000
2000
Che cosa li fa stare bene?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Entriamo anche noi nelle vasche con loro. Tocchiamo la loro pelle.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
E' fantastico. Una sensazione meravigliosa.
06:56
And then, better yet,
164
401000
2000
E, meglio ancora,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
abbiamo collaboratori che riescono a comunicare con i pesci,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
i nostri Chuck Farwell, Alex Norton,
07:02
who can take a big tuna
167
407000
2000
che riescono a prendere un grande tonno
07:04
and in one motion,
168
409000
2000
e con una sola mossa
07:06
put it into an envelope of water,
169
411000
2000
farlo entrare in una piccola vasca
07:08
so that we can actually work with the tuna
170
413000
2000
in modo da consentire di esaminarlo
07:10
and learn the techniques it takes
171
415000
2000
e apprendere le tecniche
07:12
to not injure this fish
172
417000
2000
per non ferire questo pesce
07:14
who never sees a boundary in the open sea.
173
419000
3000
che non conosce barriere nel suo ambiente naturale.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Jeff e Jason sono gli scienziati
07:19
who are going to take a tuna
175
424000
2000
che prendono un tonno
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
e lo fanno entrare in una specie di tappeto mobile fatto d'acqua.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Qui il tonno crede di nuotare verso il Giappone, mentre in realtà rimane fermo.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
In questo modo ne misuriamo il consumo di ossigeno
07:29
its energy consumption.
179
434000
2000
e quello energetico.
07:32
We're taking this data and building better models.
180
437000
3000
Con questi dati costruiamo modelli matematici migliori.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
E quando vedo quel tonno -- nel modo che preferisco --
07:38
I begin to wonder:
182
443000
2000
comincio a chiedermi:
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
come è riuscito a risolvere il problema della longitudine prima dell'uomo?
07:44
So take a look at that animal.
184
449000
2000
Date uno sguardo a questo animale.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Non riuscirete mai ad avvicinarvi più di così.
07:48
Now, the activities from the lab
186
453000
3000
Ora, le attività di laboratorio
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
ci hanno insegnato come comportarci in mare aperto.
07:54
So in a program called Tag-A-Giant
188
459000
3000
Abbiamo partecipato al programma Tag-A-Giant (etichetta il gigante)
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
che ci ha portato dall'Irlanda al Canada,
08:00
from Corsica to Spain.
190
465000
2000
dalla Corsica alla Spagna.
08:02
We've fished with many nations around the world
191
467000
3000
Siamo stati aiutati nella pesca da molte nazioni
08:05
in an effort to basically
192
470000
2000
nello sforzo comune di
08:07
put electronic computers
193
472000
3000
attaccare aggeggi elettronici
08:10
inside giant tunas.
194
475000
2000
ai tonni giganti.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Siamo riusciti ad etichettarne 1.100.
08:15
And I'm going to show you three clips,
196
480000
2000
Vi mostrerò tre filmati,
08:17
because I tagged 1,100 tunas.
197
482000
3000
1.100 tonni erano davvero tanti.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
Si tratta di un procedimento impegnativo, ma è come una danza.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Tiriamo il tonno fuori dall'acqua, lo misuriamo.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Una squadra mista di pescatori, comandanti, scienziati e tecnici
08:29
work together to keep this animal out of the ocean
201
494000
3000
lavora insieme per tenere l'animale fuori dall'acqua
08:32
for about four to five minutes.
202
497000
3000
dai quattro ai cinque minuti.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Facciamo scorrere l'acqua sulle branchie, le ossigeniamo.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
E poi con grande fatica, dopo averlo etichettato,
08:41
putting in the computer,
205
506000
2000
inserito i dati nel computer,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
esserci assicurati che l'antenna riesca a captare i dati ambientali,
08:46
we send this fish back into the sea.
207
511000
3000
rimettiamo il pesce in acqua.
08:49
And when it goes, we're always happy.
208
514000
2000
Appena rientra in acqua siamo sempre felici.
08:51
We see a flick of the tail.
209
516000
2000
Vediamo un guizzo della coda.
08:53
And from our data that gets collected,
210
518000
3000
E dai dati che raccogliamo
08:56
when that tag comes back,
211
521000
2000
quando ci viene riconsegnata la targhetta,
08:58
because a fisher returns it
212
523000
2000
perché i pescatori la restituiscono
09:00
for a thousand-dollar reward,
213
525000
2000
per una ricompensa di 1.000 dollari,
09:02
we can get tracks beneath the sea
214
527000
2000
ricostruiamo il percorso del pesce,
09:04
for up to five years now,
215
529000
2000
come facciamo da 5 anni a questa parte,
09:06
on a backboned animal.
216
531000
2000
il percorso di un animale a scheletro osseo.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Dovete sapere che a volte i tonni sono davvero grandi,
09:11
such as this fish off Nantucket.
218
536000
2000
come questo pesce catturato al largo di Nantucket.
09:13
But that's about half the size
219
538000
2000
Ed è solo la metà
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
del tonno più grande che abbiamo etichettato.
09:17
It takes a human effort,
221
542000
2000
Ci vuole uno sforzo fisico,
09:19
a team effort, to bring the fish in.
222
544000
2000
l'impegno di una squadra per issare a bordo un pesce.
09:21
In this case, what we're going to do
223
546000
2000
In questo caso, stiamo mettendo
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
sul tonno una targhetta collegata al satellite.
09:27
This tag rides on the tuna,
225
552000
2000
La targhetta sul dorso del tonno
09:29
senses the environment around the tuna
226
554000
3000
registra dati dell'ambiente in cui si muove il tonno
09:32
and actually will come off the fish,
227
557000
3000
e alla fine si staccherà da sé
09:35
detach, float to the surface
228
560000
2000
e risalirà in superficie
09:37
and send back to Earth-orbiting satellites
229
562000
3000
ed invierà ai satelliti orbitanti attorno alla Terra
09:40
position data estimated by math on the tag,
230
565000
3000
i dati calcolati relativi a posizione,
09:43
pressure data and temperature data.
231
568000
3000
pressione e temperatura.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Con questo sistema è possibile
09:48
is we get away from having to have a human interaction
233
573000
3000
fare a meno delle operazioni necessarie
09:51
to recapture the tag.
234
576000
2000
al recupero della targhetta.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Questi due tipi di targhette di cui vi ho parlato sono costosi.
09:56
These tags have been engineered
236
581000
2000
Sono stati sviluppati
09:58
by a variety of teams in North America.
237
583000
3000
da diversi laboratori in Nord America.
10:01
They are some of our finest instruments,
238
586000
2000
Sono alcuni tra gli strumenti più raffinati,
10:03
our new technology in the ocean today.
239
588000
3000
la nostra nuova tecnologia per lo studio dell'oceano.
10:07
One community in general
240
592000
2000
Un gruppo di collaboratori in particolare
10:09
has given more to help us than any other community.
241
594000
2000
ci ha dato il proprio supporto più di tutti gli altri.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Si tratta di due villaggi di pescatori della Carolina del Nord.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Questi due villaggi, Harris e Morehead City,
10:17
every winter for over a decade,
244
602000
2000
ogni inverno durante gli ultimi dieci anni
10:19
held a party called Tag-A-Giant,
245
604000
3000
hanno ospitato l'evento Tag-A-Giant
10:22
and together, fishers worked with us
246
607000
2000
e i pescatori ci hanno aiutato a etichettare
10:24
to tag 800 to 900 fish.
247
609000
3000
dagli 800 ai 900 pesci.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
In questo caso andiamo a misurare il pesce.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Facciamo un'operazione che abbiamo cominciato a fare negli scorsi anni:
10:33
take a mucus sample.
250
618000
2000
preleviamo un campione di muco.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Guardate come brilla la pelle; potete vederci la mia immagine riflessa.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Da quel muco riusciamo a ottenere il profilo genetico.
10:41
we can get information on gender,
253
626000
2000
Ricaviamo informazioni sul sesso,
10:43
checking the pop-up tag one more time,
254
628000
2000
poi ricontrolliamo la targhetta
10:45
and then it's out in the ocean.
255
630000
2000
e lo rimettiamo in acqua.
10:47
And this is my favorite.
256
632000
2000
Questa è la parte che preferisco.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Aiutata dal mio ex compagno di corso, Gareth Lawson,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
ecco la stupenda foto di questo tonno.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
I tonni si muovono in un oceano fatto di numeri.
10:57
The warm is the Gulf Stream,
260
642000
2000
La zona calda è la Corrente del Golfo,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
quella fredda corrisponde al Golfo del Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
E' lì che è diretto il tonno. Va a caccia di banchi di aringhe.
11:05
but it can't get there. It's too cold.
263
650000
2000
Ancora non ci entra perché l'acqua è troppo fredda.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Ma appena diventa più calda, il tonno ci si infila, mangia alcuni pesci,
11:10
maybe comes back to home base,
265
655000
2000
poi torna al luogo di partenza,
11:12
goes in again
266
657000
2000
e di nuovo a caccia,
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
ed infine va a svernare lungo le coste della Carolina del Nord
11:17
and then on to the Bahamas.
268
662000
2000
ed infine verso le Bahamas.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Ecco la mia scena preferita, tre tonni nel Golfo del Messico.
11:22
Three tunas tagged.
270
667000
2000
Etichettati tutti e tre.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Ne calcoliamo la posizione in base ai dati astronomici.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Ecco che si incontrano. Forse si accoppiano.
11:29
and there it is.
273
674000
2000
Ecco qui.
11:31
That is where the tuna spawn.
274
676000
2000
Qui è dove depongono le uova.
11:33
So from data like this,
275
678000
2000
Così da dati come questi
11:35
we're able now to put the map up,
276
680000
2000
riusciamo a generare mappe,
11:37
and in this map
277
682000
2000
e in questa mappa
11:39
you see thousands of positions
278
684000
2000
vedete migliaia di posizioni registrate
11:41
generated by this decade and a half of tagging.
279
686000
3000
grazie a questa attività ultradecennale di etichettatura.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Qui si vede come i tonni vadano da occidente
11:47
go to the eastern side.
281
692000
2000
a oriente.
11:49
So two populations of tunas --
282
694000
2000
Quindi due popolazioni di tonni --
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
parliamo di quella del Golfo, quella che possiamo etichettare
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
-- si dirigono verso il Golfo del Messico, come vi dicevo --
11:56
and a second population.
285
701000
2000
e di una seconda popolazione.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
Tra i nostri tonni, quelli del Nord America,
12:00
are European tunas that go back to the Med.
287
705000
3000
troviamo anche i tonni Europei che arrivano perfino dal Mediterraneo.
12:03
On the hot spots -- the hope spots --
288
708000
2000
Nelle zone calde, le zone della speranza,
12:05
they're mixed populations.
289
710000
2000
ci sono popolazioni miste.
12:07
And so what we've done with the science
290
712000
2000
E grazie alla nostra ricerca scientifica
12:09
is we're showing the International Commission,
291
714000
2000
abbiamo sottoposto alla Commissione Internazionale
12:11
building new models,
292
716000
2000
i nuovi modelli,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
dimostrando come il modello basato su due razze distinte --
12:15
to this day, used to reject
294
720000
3000
usato fino ad oggi per giustificare la non adempienza
12:18
the CITES treaty --
295
723000
2000
al protocollo CITES --
12:20
that model isn't the right model.
296
725000
2000
non era il modello corretto.
12:22
This model, a model of overlap,
297
727000
2000
E' questo modello, quello della sovrapposizione di specie,
12:24
is the way to move forward.
298
729000
2000
il modello che bisogna usare.
12:26
So we can then predict
299
731000
2000
Con questo modello possiamo stabilire
12:28
where management places should be.
300
733000
2000
quali siano le aree da proteggere.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Luoghi come il Golfo del Messico e il Mediterraneo
12:33
are places where the single species,
302
738000
2000
sono luoghi in cui è possibile catturare
12:35
the single population, can be captured.
303
740000
2000
tonni della stessa specie.
12:37
These become forthright in places we need to protect.
304
742000
3000
Queste sono le aree da proteggere.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Per il centro dell'Atlantico, dove si mescolano le specie,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
potrei pensare a un regolamento che favorisca la pesca di Canada e USA,
12:45
because they manage their fisheries well,
307
750000
3000
perché lo fanno in modo sostenibile,
12:48
they're doing a good job.
308
753000
2000
si comportano correttamente.
12:50
But in the international realm,
309
755000
2000
Ma a livello internazionale,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
dove si pratica una pesca selvaggia senza regole,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
si dovranno creare zone di salvaguardia.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Questa è l'estensione minima per garantire il ripopolamento del pinna blu.
13:00
Now in a second project
313
765000
2000
Con il nostro secondo progetto,
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
l'etichettatura dei pesci pelagici del Pacifico,
13:04
we took on the planet as a team,
315
769000
2000
abbiamo agito su scala planetaria come un unico team,
13:06
those of us in the Census of Marine Life.
316
771000
2000
affiliato all'organizzazione per il Censimento della Vita Marina.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
E grazie alle sovvenzioni di Sloan Foundation ed altri
13:12
we were able to actually go in, in our project --
318
777000
3000
abbiamo dato inizio al progetto --
13:15
we're one of 17 field programs
319
780000
2000
noi facciamo parte di uno dei 17 programmi sul campo
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
e abbiamo cominciato a etichettare grandi quantità di predatori,
13:20
not just tunas.
321
785000
2000
non solo di tonni.
13:22
So what we've done
322
787000
2000
Perciò siamo andati
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
a marcare gli squali salmone in Alaska,
13:27
met salmon shark on their home territory,
324
792000
3000
li abbiamo incontrati nel loro ambiente,
13:30
followed them catching salmon
325
795000
2000
li abbiamo seguiti mentre cacciavano salmoni
13:32
and then went in and figured out
326
797000
2000
e allora abbiamo pensato che
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
se avessimo usato un salmone come esca
13:37
we can actually take up a salmon shark --
328
802000
2000
avremmo potuto catturare uno squalo --
13:39
This is the cousin of the white shark --
329
804000
2000
Parliamo del cugino dello squalo bianco --
13:41
and very carefully --
330
806000
2000
e con molta attenzione --
13:43
note, I say "very carefully," --
331
808000
2000
e intendo con "molta attenzione" --
13:45
we can actually keep it calm,
332
810000
2000
riusciamo a calmarlo,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
intubarlo, tenerlo fermo accanto all'imbarcazione
13:50
and then tag it with a satellite tag.
334
815000
3000
e fissargli sul dorso una targhetta satellitare.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Quella targhetta è praticamente il telefono di casa dello squalo
13:56
and send in a message.
336
821000
2000
che ci manda messaggi.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Se notate, questo squalo porta sul dorso una piccola antenna.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
Che non gli impedisce di nuotare liberamente
14:03
jumping after salmon,
339
828000
2000
ed inseguire i salmoni,
14:05
sending home its data.
340
830000
3000
mentre ci invia i suoi dati.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Questi non sono gli unici squali che etichettiamo.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Ed ecco gli spostamenti degli squali salmone tracciati con precisione
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
in un oceano di temperature diverse -- i colori caldi indicano aree più calde.
14:17
Salmon sharks go down
344
842000
2000
Gli squali scendono
14:19
to the tropics to pup
345
844000
2000
fino ai tropici per poi
14:21
and come into Monterey.
346
846000
2000
arrivare a Monterey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Ora proprio vicino a Monterey dalle parti dei Faraglioni
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
si trova la squadra degli squali bianchi guidata da Scott Anderson
14:28
and Sal Jorgensen.
349
853000
2000
e Sal Jorgensen.
14:30
They can throw out a target --
350
855000
2000
Lanciano in acqua un'esca
14:32
it's a carpet shaped like a seal --
351
857000
2000
-- un tappeto a forma di foca --
14:34
and in will come a white shark, a curious critter
352
859000
3000
ed ecco arrivare uno squalo bianco, creatura curiosa
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
che si avvicina alla nostra barca di 4 metri.
14:40
It's a several thousand-pound animal.
354
865000
2000
E' un animale che pesa alcune tonnellate.
14:42
And we'll wind in the target.
355
867000
3000
Recuperiamo l'esca
14:45
And we'll place an acoustic tag
356
870000
2000
e applichiamo allo squalo una targhetta acustica
14:47
that says, "OMSHARK 10165,"
357
872000
2000
che dice "OMSHARK 10165",
14:49
or something like that, acoustically with a ping.
358
874000
3000
o qualcosa di simile, con un breve suono.
14:52
And then we'll put on a satellite tag
359
877000
2000
E poi gli fissiamo anche una targhetta satellitare
14:54
that will give us the long-distance journeys
360
879000
3000
che indicherà i suoi lunghi spostamenti
14:57
with the light-based geolocation algorithms
361
882000
2000
calcolati con gli algoritmi di geolocazione basati sulla luce
14:59
solved on the computer that's on the fish.
362
884000
3000
grazie al computer trasportato sul dorso del pesce.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
In questo caso Sal sta controllando le due targhette.
15:05
and there they are: the white sharks of California
364
890000
3000
Eccole qui: gli squali bianchi della California
15:08
going off to the white shark cafe and coming back.
365
893000
3000
che vanno a farsi un giretto e tornano indietro.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Etichettiamo anche i mako con i nostri colleghi del NOAA,
15:14
blue sharks.
367
899000
2000
gli squali blu.
15:16
And now, together, what we can see
368
901000
2000
E adesso vediamo insieme
15:18
on this ocean of color that's temperature,
369
903000
2000
questo oceano di colori che rappresentano le temperature,
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
i tracciati di 10 giorni di spostamenti dei mako e degli squali salmone.
15:24
We have white sharks and blue sharks.
371
909000
2000
Vediamo gli squali bianchi e gli squali blu.
15:26
For the first time,
372
911000
2000
Per la prima volta abbiamo
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
una mappatura di portata oceanica
15:30
showing where the sharks go.
374
915000
3000
che mostra dove siano diretti gli squali.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
La squadra dei tonni del TOPP ha fatto l'inimmaginabile:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
tre squadre hanno etichettato 1.700 tonni,
15:39
bluefin, yellowfin and albacore
377
924000
2000
pinna blu, pinna gialla e tonno bianco
15:41
all at the same time --
378
926000
2000
tutti nello stesso lasso di tempo --
15:43
carefully rehearsed tagging programs
379
928000
2000
si ripassano tutti i punti del programma,
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
si va per mare alla ricerca dei tonni più giovani,
15:48
put in the tags that actually have the sensors,
381
933000
3000
si applicano le targhette munite di sensori
15:51
stick out the tuna
382
936000
2000
sui tonni,
15:53
and then let them go.
383
938000
2000
e si rimettono in mare
15:55
They get returned, and when they get returned,
384
940000
2000
E quando ci vengono riconsegnate le targhette,
15:57
here on a NASA numerical ocean
385
942000
3000
nell'elaborazione numerica dell'oceano fatta dalla NASA
16:00
you can see bluefin in blue
386
945000
2000
si possono vedere le tracce dei pinna blu
16:02
go across their corridor,
387
947000
2000
che seguono il loro corridoio
16:04
returning to the Western Pacific.
388
949000
3000
fino ad arrivare al Pacifico Occidentale.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
La nostra squadra dell'UCSC ha etichettato le foche elefante
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
incollando le targhette sul loro capo, che si staccano quando fanno la muta.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Le foche nuotano attraverso mezzo oceano e
16:16
take data down to 1,800 feet --
392
961000
2000
raccolgono dati fino a quai 600 metri di profondità --
16:18
amazing data.
393
963000
2000
dati incredibili.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
E poi c'è Scott Shaffer con le nostre berte che portano
16:23
wearing tuna tags, light-based tags,
395
968000
3000
le stesse targhette dei tonni, basate sulla luce,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
che ci porteranno dalla Nuova Zelanda a Monterey e ritorno,
16:29
journeys of 35,000 nautical miles
397
974000
3000
viaggi di 35.000 miglia nautiche
16:32
we had never seen before.
398
977000
2000
che non abbiamo mai visto prima.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Ma ora grazie alla geolocalizzazione luminosa consentita dalle targhette
16:37
we can actually see these journeys.
400
982000
2000
possiamo visualizzare i loro viaggi.
16:39
Same thing with Laysan albatross
401
984000
2000
Lo stesso per gli albatros di Laysan
16:41
who travel an entire ocean
402
986000
2000
che a volte attraversano tutto l'oceano
16:43
on a trip sometimes,
403
988000
2000
in un sol viaggio,
16:45
up to the same zone the tunas use.
404
990000
2000
per arrivare nelle stesse zone dove si radunano i tonni.
16:47
You can see why they might be caught.
405
992000
3000
E potete capire perché vengano catturati.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
E George Schillinger e la nostra squadra di Playa Grande
16:53
tagging leatherbacks
407
998000
2000
che etichetta le tartarughe liuto
16:55
that go right past where we are.
408
1000000
3000
proprio qui vicino.
16:58
And Scott Benson's team
409
1003000
2000
E il gruppo di Scott Benson
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
che ha dimostrato come le liuto viaggino
17:02
all the way to Monterey.
411
1007000
2000
dall'Indonesia a Monterey.
17:04
So what we can see on this moving ocean
412
1009000
3000
Dunque ciò che possiamo osservare in questo oceano in movimento
17:07
is we can finally see where the predators are.
413
1012000
3000
sono le zone in cui si trovano i predatori.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Possiamo vedere come essi utilizzino ecospazi
17:13
as large as an ocean.
415
1018000
2000
di dimensioni oceaniche.
17:15
And from this information,
416
1020000
2000
E con queste informazioni
17:17
we can begin to map the hope spots.
417
1022000
3000
riusciamo a produrre mappe delle zone della speranza.
17:20
So this is just three years of data right here --
418
1025000
2000
Qui abbiamo i dati degli ultimi tre anni.
17:22
and there's a decade of this data.
419
1027000
2000
E qui degli ultimi dieci.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Vediamo la vita e le attività stagionali
17:26
that these animals are going on.
421
1031000
3000
di questi animali.
17:30
So what we're able to do with this information
422
1035000
2000
Quello che facciamo con queste informazioni
17:32
is boil it down to hot spots,
423
1037000
3000
è individuare le zone critiche,
17:35
4,000 deployments,
424
1040000
2000
circa 4.000 punti,
17:37
a huge herculean task,
425
1042000
3000
uno sforzo erculeo,
17:40
2,000 tags
426
1045000
2000
2.000 targhette
17:42
in an area, shown here for the first time,
427
1047000
2000
in una zona, che vediamo qui per la prima volta,
17:44
off the California coast,
428
1049000
2000
al largo della costa californiana,
17:46
that appears to be a gathering place.
429
1051000
3000
che sembra essere un luogo di raccolta.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
E dobbiamo ringraziare nuovamente questi animali,
17:53
they're helping us.
431
1058000
2000
che ci stanno aiutando.
17:55
They're carrying instruments
432
1060000
2000
Portano indosso i nostri strumenti
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
raccogliendo dati fino a 2.000 metri di profondità.
18:00
They're taking information from our planet
434
1065000
2000
Raccolgono informazioni sul nostro pianeta
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
in posti difficili come le zone antartiche e i poli.
18:05
Those are seals from many countries
436
1070000
2000
Sono le foche che si trovano nelle acque di diverse nazioni
18:07
being released
437
1072000
2000
che vengono rilasciate
18:09
who are sampling underneath the ice sheets
438
1074000
2000
per trasmetterci dati raccolti al disotto della banchisa
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
sulle temperature, di qualità oceanografica,
18:14
on both poles.
440
1079000
2000
provenienti da entrambi i poli.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Visualizzare questi dati è davvero affascinante.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Ancora dobbiamo trovare il modo di rappresentarli al meglio.
18:22
And then, as these animals swim
443
1087000
2000
E mentre questi animali nuotano
18:24
and give us the information
444
1089000
2000
e ci danno informazioni
18:26
that's important to climate issues,
445
1091000
2000
importanti per la climatologia,
18:28
we also think it's critical
446
1093000
2000
riteniamo anche che sia indispensabile
18:30
to get this information to the public,
447
1095000
2000
rendere pubbliche queste informazioni,
18:32
to engage the public with this kind of data.
448
1097000
3000
far sì che arrivino al grande pubblico.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
L'abbiamo fatto con la Grande Corsa delle Tartarughe --
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
tartarughe etichettate, quattro milioni di visitatori virtuali.
18:40
And now with Google's Oceans,
451
1105000
3000
E ora è la volta di Google Oceani,
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
possiamo di fatto inserire uno squalo bianco in quell'oceano.
18:45
And when we do and it swims,
453
1110000
2000
E mentre nuota possiamo
18:47
we see this magnificent bathymetry
454
1112000
2000
vedere questa incredibile linea batimetrica
18:49
that the shark knows is there on its path
455
1114000
2000
tracciata dallo squalo mentre
18:51
as it goes from California to Hawaii.
456
1116000
2000
nuota dalla California alle Hawaii.
18:53
But maybe Mission Blue
457
1118000
2000
Ma forse Mission Blue
18:55
can fill in that ocean that we can't see.
458
1120000
3000
può rendere visibile l'oceano che non possiamo ancora vedere.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Noi abbiamo la capacità, la NASA l'oceano.
19:01
We just need to put it together.
460
1126000
2000
Dobbiamo solo metterli insieme.
19:03
So in conclusion,
461
1128000
2000
Concludendo,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
sappiamo dov'è lo Yellowstone del Nord America;
19:08
it's off our coast.
463
1133000
2000
al largo delle nostre coste.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
La tecnologia ce l'ha fatto vedere.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Forse il compito di Mission Blue
19:15
is increasing the biologging capacity.
466
1140000
3000
è di aumentare la nostra capacità di marcatura.
19:18
How is it that we can actually
467
1143000
2000
In che modo possiamo
19:20
take this type of activity elsewhere?
468
1145000
3000
esportare questa attività?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
E infine, per far sì che il messaggio giunga a tutti,
19:26
maybe use live links
470
1151000
2000
magari usare link viventi
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
di animali come le balenottere azzurre e gli squali bianchi.
19:30
Make killer apps, if you will.
472
1155000
2000
Creare application incredibili, magari.
19:32
A lot of people are excited
473
1157000
2000
Molte persone erano ellettrizzate
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
al passaggio degli squali sotto il Golden Gate Bridge.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Colleghiamo la gente alla nostra attività tramite il loro iPhone.
19:40
That way we do away with a few internet myths.
476
1165000
3000
Così sfatiamo alcuni miti di internet.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Così possiamo salvare il tonno pinna blu.
19:46
We can save the white shark.
478
1171000
2000
Possiamo salvare lo squalo bianco.
19:48
We have the science and technology.
479
1173000
2000
Abbiamo la scienza e la tecnologia.
19:50
Hope is here. Yes we can.
480
1175000
2000
Abbiamo la speranza. Ce la possiamo fare.
19:52
We need just to apply this capacity
481
1177000
2000
Dobbiamo solo intensificare questa capacità
19:54
further in the oceans.
482
1179000
2000
in tutti gli oceani.
19:56
Thank you.
483
1181000
2000
Grazie.
19:58
(Applause)
484
1183000
2000
(Applausi)
ABOUT THE SPEAKER
Barbara Block - Marine biologistBarbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.
Why you should listen
Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.
Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.
Barbara Block | Speaker | TED.com