Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
바바라 블록(Barbara Block)의 심해 속 참치에 칩달기
Filmed:
Readability: 4.4
368,018 views
참치는 바다의 운동선수라 할 만 하다. 넓은 지역에 분포한 빠른 포식자로 그 습성을 우리는 이제야 이해하기 시작했다. 해양 생물학자인 바바라 블록은 멸종위기에 처한 매혹적인 참치와 그 서식지에 대한 방대한 양의 자료를 수집할 자동 응답기가 부착된 칩을 참치에 달았다.
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
저는 참다랑어의
00:18
by the beauty, form and function
1
3000
2000
아름다움과 외형 그리고 기능에
00:20
of giant bluefin tuna.
2
5000
3000
평생 매혹되었습니다
00:23
Bluefin are warmblooded like us.
3
8000
3000
참다랑어는 우리와 같은 온혈동물로
00:26
They're the largest of the tunas,
4
11000
3000
참치 중에서 가장 크고
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
바다 경골어 중 두 번째로 큽니다
00:32
They actually are a fish
6
17000
2000
참다랑어는 물고기로
00:34
that is endothermic --
7
19000
2000
포유동물과 같은
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
따뜻한 근육으로 바다를 헤쳐나갑니다
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
몬테레이 베이 수족관에 있는 참다랑어입니다
00:43
You can see in its shape and its streamlined design
10
28000
3000
보시다시피, 이 유선형 몸통은
00:46
it's powered for ocean swimming.
11
31000
3000
바다를 헤엄치는데 최적화돼 있습니다
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
참다랑어는 가슴지느러미로 바다를 유영하며
00:52
powers its movements
13
37000
2000
초승달 모양 꼬리를 이용
00:54
with a lunate tail.
14
39000
2000
빠르게 헤엄칩니다
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
참다랑어의 매끈한 몸통은
00:59
so it reduces friction with the water.
16
44000
3000
물 속에서의 마찰을 줄여 줍니다
01:02
This is what one of nature's finest machines.
17
47000
3000
참다랑어는 최상의 생명체라 할 수 있습니다
01:05
Now, bluefin
18
50000
2000
참다랑어는
01:07
were revered by Man
19
52000
2000
인류 역사상
01:09
for all of human history.
20
54000
3000
많은 사랑을 받아왔습니다
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
4,000년 간 참다랑어는 개체수가
01:15
and it's evidenced
22
60000
2000
유지되는 수준으로 포획이 됐었고
01:17
in the art that we see
23
62000
2000
수 천 년 전 예술품속에서
01:19
from thousands of years ago.
24
64000
2000
그 모습을 찾아볼 수 있습니다
01:21
Bluefin are in cave paintings in France.
25
66000
3000
참다랑어는 프랑스 동굴 벽화 속에서
01:24
They're on coins
26
69000
2000
3000년 전 동전 속에서도
01:26
that date back 3,000 years.
27
71000
3000
찾아 볼 수 있습니다
01:29
This fish was revered by humankind.
28
74000
3000
참다랑어는 인류의 사랑을 받았고
01:32
It was fished sustainably
29
77000
2000
전 시대에 걸쳐 개체수가
01:34
till all of time,
30
79000
2000
유지되는 선에서 포획됐습니다
01:36
except for our generation.
31
81000
2000
하지만 지금은 다릅니다
01:38
Bluefin are pursued wherever they go --
32
83000
3000
참다랑어는 어디서든 포획되고 있습니다
01:41
there is a gold rush on Earth,
33
86000
2000
이전 골드 러쉬와 같은
01:43
and this is a gold rush for bluefin.
34
88000
2000
참다랑어 러쉬가 일고 있습니다
01:45
There are traps that fish sustainably
35
90000
2000
최근까지 사용된 통발로는
01:47
up until recently.
36
92000
3000
남획은 불가능했습니다
01:50
And yet, the type of fishing going on today,
37
95000
3000
하지만 요즘 사용되는 어구는
01:53
with pens, with enormous stakes,
38
98000
3000
엄청난 수의 참다랑어를 포획해
01:56
is really wiping bluefin
39
101000
2000
이로 인해 참다랑어가
01:58
ecologically off the planet.
40
103000
2000
멸종위기에 처하게 됐습니다
02:00
Now bluefin, in general,
41
105000
2000
대부분의 참다랑어는
02:02
goes to one place: Japan.
42
107000
2000
일본에서 소비되고 있습니다
02:04
Some of you may be guilty
43
109000
2000
아마도 여러분들 중 일부는
02:06
of having contributed to the demise of bluefin.
44
111000
2000
참다랑어의 죽음에 죄책감을 느낄 지도 모릅니다
02:08
They're delectable muscle,
45
113000
2000
참다랑어의 살은 정말 맛있고
02:10
rich in fat --
46
115000
2000
풍부한 지방층의 맛은
02:12
absolutely taste delicious.
47
117000
2000
가히 환상적이라 할 수 있습니다
02:14
And that's their problem; we're eating them to death.
48
119000
3000
그 맛 때문에 참다랑어가 죽어가고 있습니다
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
대서양의 상황은 매우 간단합니다
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
참다랑어의 개체수 그룹 중 하나는 크고 하나는 작습니다
02:23
The North American population
51
128000
2000
북미 대륙에서는 참다랑어가
02:25
is fished at about 2,000 ton.
52
130000
3000
2,000톤 정도가 잡힙니다
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
유럽과 북 아프리카에서는 잡히는 참다랑어는
02:31
is fished at tremendous levels:
54
136000
3000
심각한 수준으로
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
지난 십 년간 매년 50,000톤 정도가 잡혔습니다
02:37
The result is whether you're looking
56
142000
2000
그 결과 여러분이 지금 보시는 대로
02:39
at the West or the Eastern bluefin population,
57
144000
3000
동쪽과 서쪽의 참다랑어 개체수가
02:42
there's been tremendous decline on both sides,
58
147000
2000
양쪽 다 많이 줄었습니다
02:44
as much as 90 percent
59
149000
2000
최대 90 퍼센트 정도가
02:46
if you go back with your baseline
60
151000
2000
1950년을 기준으로 봤을 때
02:48
to 1950.
61
153000
2000
줄었습니다
02:50
For that, bluefin have been given a status
62
155000
3000
이런 이유로 참다랑어는
02:53
equivalent to tigers, to lions,
63
158000
3000
호랑이나 사자 혹은 특정 아프리카 코끼리
02:56
to certain African elephants
64
161000
2000
그리고 팬더처럼 보호해야 할
02:58
and to pandas.
65
163000
2000
종이 되었습니다
03:00
These fish have been proposed
66
165000
2000
두 달 전 참다랑어는
03:02
for an endangered species listing in the past two months.
67
167000
3000
멸종 위기 종으로 추천되었습니다
03:05
They were voted on and rejected
68
170000
2000
2주전 표결에 부쳐졌지만
03:07
just two weeks ago,
69
172000
2000
거부되었습니다
03:09
despite outstanding science
70
174000
2000
CITES I 기준에 참다랑어가
03:11
that shows from two committees
71
176000
3000
부합한다는 과학적 증거를
03:14
this fish meets the criteria of CITES I.
72
179000
3000
두 위원회에서 제시 했는데도요
03:17
And if it's tunas you don't care about,
73
182000
2000
참치에 별로 관심 없는 분들도
03:19
perhaps you might be interested
74
184000
2000
참치를 쫓는 원양어선의 그물이
03:21
that international long lines and pursing
75
186000
2000
참치뿐만 아니라
03:23
chase down tunas and bycatch animals
76
188000
3000
장수거북, 상어, 청새치, 신천홍 또한
03:26
such as leatherbacks, sharks,
77
191000
2000
혼획하게 된다는 것을 아신다면
03:28
marlin, albatross.
78
193000
2000
관심이 가리라 생각합니다
03:30
These animals and their demise
79
195000
2000
이런 동물들의 죽음이
03:32
occurs in the tuna fisheries.
80
197000
3000
참치 어장에서 일어나고 있습니다
03:35
The challenge we face
81
200000
2000
우리의 문제는 바로
03:37
is that we know very little about tuna,
82
202000
3000
참치에 대해 거의 모른다는 겁니다
03:40
and everyone in the room knows what it looks like
83
205000
3000
여기 계신 모든 분들은 아프리카 사자가
03:43
when an African lion
84
208000
2000
먹이를 쓰러뜨리는 모습이
03:45
takes down its prey.
85
210000
2000
어떤 지 아실 겁니다만
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
참다랑어가 어떻게 먹이를 잡는지는 모르시겠죠
03:50
This tuna symbolizes
87
215000
3000
이 참치는 여기 계신 분들 모두의 문제를
03:53
what's the problem for all of us in the room.
88
218000
3000
상징적으로 보여 줍니다
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
21세기가 되어서야 우리는 바다에 대해
03:59
to really study our oceans in a deep way.
90
224000
3000
보다 진지하게 생각하게 되었습니다
04:02
Technology has come of age
91
227000
2000
기술이 발전함에 따라
04:04
that's allowing us to see the Earth from space
92
229000
3000
우리는 우주에서 지구를 볼 수 있게 됐고
04:07
and go deep into the seas remotely.
93
232000
3000
원격 조정으로 심해로 갈 수 있게 됐습니다
04:10
And we've got to use these technologies immediately
94
235000
2000
지금 이러한 기술을 이용해서
04:12
to get a better understanding
95
237000
2000
대양의 작용에 대해
04:14
of how our ocean realm works.
96
239000
3000
이해하는 시간을 갖도록 하겠습니다
04:17
Most of us from the ship -- even I --
97
242000
2000
배에 탄 우리에게 그리고 저 조차도
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
배에서 바라보는 바다는 모두 똑같게 보입니다
04:22
We don't know where the structure is.
99
247000
2000
우리는 바다 구조가 어떤 지 알지 못합니다
04:24
We can't tell where are the watering holes
100
249000
3000
아프리카 평원에서 우리가 할 수 있는 것처럼
04:27
like we can on an African plain.
101
252000
3000
물 웅덩이가 어디 있는지 구별하지 못합니다
04:30
We can't see the corridors,
102
255000
2000
우리는 회랑지대를 볼 수 없습니다
04:32
and we can't see what it is
103
257000
2000
참다랑어와 장수거북이, 신천옹에게
04:34
that brings together a tuna,
104
259000
2000
삶의 터전을 제공하는 게
04:36
a leatherback and an albatross.
105
261000
2000
무엇인지 알 지 못합니다
04:38
We're only just beginning to understand
106
263000
2000
우리는 지금에 와서야
04:40
how the physical oceanography
107
265000
2000
바다 속 물리적 요소와 생물적 요소가
04:42
and the biological oceanography
108
267000
2000
어떻게 함께 어우러져
04:44
come together
109
269000
2000
핫스폿을 희망 구역인 호프스폿으로 만들
04:46
to create a seasonal force
110
271000
2000
용승 현상의 원인이 되는
04:48
that actually causes the upwelling
111
273000
2000
바다 속 계절 적 차이를 형성하는 지
04:50
that might make a hot spot a hope spot.
112
275000
3000
이해하기 시작했습니다
04:53
The reasons these challenges are great
113
278000
2000
이런 도전 과제들이 위대한 이유는
04:55
is that technically it's difficult to go to sea.
114
280000
3000
기술적으로 바다 속에 들어가는 게 어렵기 때문입니다
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
태평양 전역에 서식하는 참다랑어를 연구하는 건
05:00
the entire Pacific realm.
116
285000
2000
매우 어려운 일입니다
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
청상아리에 가까이 접근하고 칩을 다는 일은
05:06
and try to put a tag on it.
118
291000
2000
매우 어려운 일입니다
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
OSU의 브루스 메이트 팀원이 됐다라고 생각하고
05:11
getting up close to a blue whale
120
296000
2000
대왕고래에 가까이 다가가
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
표식을 붙이는 것은
05:16
an engineering challenge
122
301000
2000
기술적인 도전 과제로
05:18
we've yet to really overcome.
123
303000
2000
아직 극복되지 못하고 있습니다
05:20
So the story of our team, a dedicated team,
124
305000
3000
우리의 헌신적인 팀의 이야기는
05:23
is fish and chips.
125
308000
2000
물고기와 칩으로 귀결됩니다
05:25
We basically are taking
126
310000
2000
우린 지금 위성 전화나
05:27
the same satellite phone parts,
127
312000
2000
컴퓨터에 들어가는
05:29
or the same parts that are in your computer, chips.
128
314000
3000
칩에 대해 이야기 하는 겁니다
05:32
We're putting them together in unusual ways,
129
317000
3000
우리는 이례적인 방법으로 칩을 사용해
05:35
and this is taking us into the ocean realm
130
320000
2000
이전에 가본적 없는 바다 영역으로
05:37
like never before.
131
322000
2000
들어가고 있습니다
05:39
And for the first time,
132
324000
2000
그리고 처음으로
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
우리는 바다 속 참치의 여정을
05:44
using light and photons
134
329000
2000
일출과 일몰을 측정하는
05:46
to measure sunrise and sunset.
135
331000
3000
광선과 광자를 이용해서 볼 수 있습니다
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
15년 간 참다랑어 연구를 해온
05:52
I have the privilege of being a partner
137
337000
2000
저는 몬테레이 베이 수족관의
05:54
with the Monterey Bay Aquarium.
138
339000
2000
파트너로 일하게 되었습니다
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
실제 바다의 모습을
05:58
put it behind glass,
140
343000
2000
수족관으로 가져와
06:00
and we together
141
345000
2000
우리는 참다랑어와 황다랑어를
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
함께 전시하고 있습니다
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
매일 아침 거품 장막이 떠오르면
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
우리는 실제 먼 바다의 생태를 볼 수 있습니다
06:11
one of the only places on Earth
145
356000
2000
지상에서 거대 참다랑어가 헤엄치는 모습을
06:13
you can see giant bluefin swim by.
146
358000
3000
볼 수 있는 얼마 안 되는 곳 중 하나입니다
06:16
We can see in their beauty of form and function,
147
361000
2000
우리는 참다랑어의 아름다운 외형과 기능
06:19
their ceaseless activity.
148
364000
2000
끊임없는 움직임을 볼 수 있습니다
06:21
They're flying through their space, ocean space.
149
366000
3000
참다랑어는 바다 속 공간을 유영합니다
06:24
And we can bring two million people a year
150
369000
2000
연간 2백 만 명이 이곳을 방문해
06:26
into contact with this fish
151
371000
2000
참다랑어를 만나고
06:28
and show them its beauty.
152
373000
3000
아름다운 모습을 봅니다
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
그 뒤에는 스탠포드 대학의 연구소로
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
몬테레이 베이 수족관과 파트너쉽을 맺고 있습니다
06:36
Here, for over 14 or 15 years,
155
381000
2000
지난 14년 혹은 15년간
06:38
we've actually brought in
156
383000
2000
우리는 참다랑어와 황다랑어를
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
함께 포획하여
06:42
We'd been studying these fish,
158
387000
2000
이 물고기들을 연구해왔습니다만
06:44
but first we had to learn how to husbandry them.
159
389000
2000
처음엔 어떻게 길러야 하는지 알아야 했습니다
06:46
What do they like to eat?
160
391000
2000
좋아하는 먹이는 무엇인지?
06:48
What is it that they're happy with?
161
393000
2000
무엇을 좋아하는 지?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
우리는 참치가 있는 수족관에 들어가 직접 만져보았습니다
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
매우 놀랍고 환상적인 경험이었습니다
06:56
And then, better yet,
164
401000
2000
그리고
06:58
we've got our own version of tuna whisperers,
165
403000
2000
우리의 참치 전문가인
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
척 파웰과 알렉스 노튼은
07:02
who can take a big tuna
167
407000
2000
이 거대한 참치를 잡아
07:04
and in one motion,
168
409000
2000
한번에
07:06
put it into an envelope of water,
169
411000
2000
들것으로 옮겨
07:08
so that we can actually work with the tuna
170
413000
2000
우리가 참치를 연구할 수 있게 해줍니다
07:10
and learn the techniques it takes
171
415000
2000
그리고 우리는 바다 속을 자유로이 움직이는
07:12
to not injure this fish
172
417000
2000
참치를 상처 입히지 않고
07:14
who never sees a boundary in the open sea.
173
419000
3000
옮기는 기술을 배울 수 있습니다
07:17
Jeff and Jason there, are scientists
174
422000
2000
제프와 제이슨은 과학자로
07:19
who are going to take a tuna
175
424000
2000
참치를 잡아서
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
러닝머신 같은 기구에 넣습니다
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
참치는 일본으로 가고 있다 여기겠지만 한 곳에서 헤엄칩니다
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
우리는 그렇게 해서 참치의 산소 소비량과
07:29
its energy consumption.
179
434000
2000
에너지 소비량을 측정합니다
07:32
We're taking this data and building better models.
180
437000
3000
우리는 이 데이터를 가지고 더 나은 모델을 만듭니다
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
그리고 저는 참치를 볼 때, 제가 제일 좋아하는 장면인데요,
07:38
I begin to wonder:
182
443000
2000
어떻게 이 물고기가 경도 문제를
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
해결하는 것일까 하는 궁금증이 생깁니다
07:44
So take a look at that animal.
184
449000
2000
이 물고기를 한 번 살펴봅시다
07:46
That's the closest you'll probably ever get.
185
451000
2000
참치를 가장 근거리에서 보시는걸 텐데요
07:48
Now, the activities from the lab
186
453000
3000
연구소에서의 활동으로
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
우리는 어떻게 바다에 나가야 하는 지 알게 되었습니다
07:54
So in a program called Tag-A-Giant
188
459000
3000
"참다랑어에 칩달기"라는 프로그램에서
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
우리는 아일랜드에서 캐나다로
08:00
from Corsica to Spain.
190
465000
2000
코르시카에서 스페인으로 이동했습니다
08:02
We've fished with many nations around the world
191
467000
3000
우리는 전 세계 많은 곳에서
08:05
in an effort to basically
192
470000
2000
참다랑어를 잡아
08:07
put electronic computers
193
472000
3000
전자 컴퓨터를
08:10
inside giant tunas.
194
475000
2000
이식해 왔습니다
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
우리는 참치 1100마리에 칩을 달았습니다
08:15
And I'm going to show you three clips,
196
480000
2000
세 개 칩의 움직임을 보여드리겠습니다
08:17
because I tagged 1,100 tunas.
197
482000
3000
왜냐면 제가 참치 1100마리에 칩을 단 사람이니까요
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
이는 매우 힘든 과정이었습니다
08:23
We bring the tuna out, we measure it.
199
488000
3000
우리는 참치를 밖으로 꺼내 크기나 무게를 쟀습니다
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
어부, 선장, 과학자, 기술자들이 한 팀을 이뤄
08:29
work together to keep this animal out of the ocean
201
494000
3000
이 생물을 바다 밖에서 4, 5분 정도 버틸 수 있도록
08:32
for about four to five minutes.
202
497000
3000
함께 노력했습니다
08:35
We put water over its gills, give it oxygen.
203
500000
3000
아가미에 물을 부어주고 산소를 공급한 뒤
08:38
And then with a lot of effort, after tagging,
204
503000
3000
참다랑어에 표식을 하고
08:41
putting in the computer,
205
506000
2000
칩을 이식합니다
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
센서가 밖으로 확실하게 나와 주변환경을 감지토록 합니다
08:46
we send this fish back into the sea.
207
511000
3000
그리고 물고기를 바다에 놓아줍니다
08:49
And when it goes, we're always happy.
208
514000
2000
물고기가 바다로 돌아갈 때 우리는 기쁨을 느낍니다
08:51
We see a flick of the tail.
209
516000
2000
홱 하고 움직이는 꼬리를 볼 수 있습니다
08:53
And from our data that gets collected,
210
518000
3000
그리고 우리가 모은 데이터로부터
08:56
when that tag comes back,
211
521000
2000
칩을 단 참치가 돌아왔을 때
08:58
because a fisher returns it
212
523000
2000
어부는 보상으로
09:00
for a thousand-dollar reward,
213
525000
2000
천 달러를 받습니다
09:02
we can get tracks beneath the sea
214
527000
2000
우리는 지금부터 약 5년간
09:04
for up to five years now,
215
529000
2000
참치의 여정을
09:06
on a backboned animal.
216
531000
2000
추적할 수 있습니다
09:08
Now sometimes the tunas are really large,
217
533000
3000
난터켓 섬 해안가의 이 참치처럼
09:11
such as this fish off Nantucket.
218
536000
2000
아주 큰 참치가 있습니다
09:13
But that's about half the size
219
538000
2000
하지만 우리가 칩을 단
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
가장 큰 참치의 절반 정도 크기 입니다
09:17
It takes a human effort,
221
542000
2000
참치를 배로 끌어 올리는 일엔
09:19
a team effort, to bring the fish in.
222
544000
2000
팀원들의 노력이 필요합니다
09:21
In this case, what we're going to do
223
546000
2000
지금 우리가 하려고 하는 일은
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
참치에 위성 기록 칩을 다는 겁니다
09:27
This tag rides on the tuna,
225
552000
2000
참치에 달린 칩이
09:29
senses the environment around the tuna
226
554000
3000
참치가 사는 서식 환경을 감지하고
09:32
and actually will come off the fish,
227
557000
3000
참치에게서 떨어져 나와서
09:35
detach, float to the surface
228
560000
2000
바다 표면으로 떠올라
09:37
and send back to Earth-orbiting satellites
229
562000
3000
측정한 위치 정보
09:40
position data estimated by math on the tag,
230
565000
3000
압력 그리고 온도 정보를
09:43
pressure data and temperature data.
231
568000
3000
인공위성으로 보냅니다
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
인공위성을 통해 정보를 얻었기 때문에
09:48
is we get away from having to have a human interaction
233
573000
3000
우리는 칩을 다시 찾기 위한 수고를
09:51
to recapture the tag.
234
576000
2000
할 필요가 없습니다
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
제가 말씀 드린 전자 칩은 매우 비쌉니다
09:56
These tags have been engineered
236
581000
2000
이 칩은 북미의 여러 팀들이
09:58
by a variety of teams in North America.
237
583000
3000
만든 장치 입니다
10:01
They are some of our finest instruments,
238
586000
2000
새로운 기술이 결합된
10:03
our new technology in the ocean today.
239
588000
3000
정교한 장치입니다
10:07
One community in general
240
592000
2000
한 지역사회가 전반적으로
10:09
has given more to help us than any other community.
241
594000
2000
다른 지역사회보다 더 많은 도움을 주셨습니다
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
노스 캐롤라이나주의 어촌인
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
해리스와 모어헤드 시에서
10:17
every winter for over a decade,
244
602000
2000
지난 10년 간 매년 겨울
10:19
held a party called Tag-A-Giant,
245
604000
3000
"참다랑어에 칩달기"라는 파티를 열었고
10:22
and together, fishers worked with us
246
607000
2000
지역어부들이 우리를 도와
10:24
to tag 800 to 900 fish.
247
609000
3000
800에서 900마리 참치에 칩을 달았습니다
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
이 화면 속에 우리는 참치의 크기를 재고
10:30
We're going to do something that in recent years we've started:
249
615000
3000
우리는 지난 몇 년간 하려고 시도했던
10:33
take a mucus sample.
250
618000
2000
점액 샘플 채취를 하고 있습니다
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
반짝이는 피부를 보세요 제 얼굴이 비칠 정도 입니다
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
점액으로부터 유전자 정보를 얻을 수 있습니다
10:41
we can get information on gender,
253
626000
2000
참치의 성별에 관한 정보도 얻고
10:43
checking the pop-up tag one more time,
254
628000
2000
칩을 다시 확인 한 뒤에
10:45
and then it's out in the ocean.
255
630000
2000
참치를 다시 바다에 풀어줍니다
10:47
And this is my favorite.
256
632000
2000
이건 제가 좋아 하는 장면인데요
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
제 전 포스닥인 가레스 로슨의 도움으로 찍은
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
참치의 아름다운 사진입니다
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
이 참치는 실제로 여러 대양을 움직입니다
10:57
The warm is the Gulf Stream,
260
642000
2000
따뜻한 지역은 멕시코 만류입니다
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
여기 차가운 곳은 메인 만입니다
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
이곳이 참치가 가고자 하는 곳입니다 먹잇감을 원하기 때문입니다
11:05
but it can't get there. It's too cold.
263
650000
2000
하지만 거기에 갈 수 가 없습니다 너무 춥거든요
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
조금 더워지자 참치가 올라가 물고기를 잡습니다
11:10
maybe comes back to home base,
265
655000
2000
아마도 서식지로 돌아갔다
11:12
goes in again
266
657000
2000
다시 오고
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
그리고 겨울에 노스 캐롤라이나로 갔다가
11:17
and then on to the Bahamas.
268
662000
2000
바하마 제도로 갑니다
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
제게 좋아하는 세 마리 참치가 걸프만을 헤엄치는 장면입니다
11:22
Three tunas tagged.
270
667000
2000
세 마리가 칩이 붙어있습니다
11:24
Astronomically, we're calculating positions.
271
669000
2000
천문학적으로, 위치를 계산할 수 있습니다
11:26
They're coming together. That could be tuna sex --
272
671000
3000
지금 같이 모여 있는데, 교미중인 것 같네요
11:29
and there it is.
273
674000
2000
그리고 여기
11:31
That is where the tuna spawn.
274
676000
2000
이곳이 참치가 알을 낳는 곳입니다
11:33
So from data like this,
275
678000
2000
이와 같은 자료를 토대로
11:35
we're able now to put the map up,
276
680000
2000
우리는 지도를 만들 수 있고
11:37
and in this map
277
682000
2000
그리고 이 지도에서
11:39
you see thousands of positions
278
684000
2000
지난 15년간의 칩달기를 통해 나타난
11:41
generated by this decade and a half of tagging.
279
686000
3000
참치의 위치를 여러분은 볼 수 있습니다
11:44
And now we're showing that tunas on the western side
280
689000
3000
서쪽에 있던 참치가 동쪽으로
11:47
go to the eastern side.
281
692000
2000
움직이는 게 보입니다
11:49
So two populations of tunas --
282
694000
2000
두 무리의 참치가
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
하나는 우리가 칩을 단 걸프 쪽 참치 무리로
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
하나는 멕시코만으로 갑니다 여러분께 이미 보여 드렸죠
11:56
and a second population.
285
701000
2000
그리고 두 번 째 무리가 있습니다
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
북미 지역의 우리 참치 무리 사이에
12:00
are European tunas that go back to the Med.
287
705000
3000
지중해로 돌아가는 유럽의 참치가 있습니다
12:03
On the hot spots -- the hope spots --
288
708000
2000
호프스폿이라 할 수 있는 핫스폿에
12:05
they're mixed populations.
289
710000
2000
여러 종이 모여 있습니다
12:07
And so what we've done with the science
290
712000
2000
우리가 하는 조사 활동은
12:09
is we're showing the International Commission,
291
714000
2000
두 종류의 섞이지 않는 모델을 보여주는
12:11
building new models,
292
716000
2000
새로운 모델을 만들어
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
국제 위원회에 보이기 위함입니다
12:15
to this day, used to reject
294
720000
3000
CITES 조약의 기준을
12:18
the CITES treaty --
295
723000
2000
충족시키지 못해
12:20
that model isn't the right model.
296
725000
2000
거부된 모델은 바른 모델이 아닙니다
12:22
This model, a model of overlap,
297
727000
2000
이 중복된 모델이
12:24
is the way to move forward.
298
729000
2000
앞으로 쓰여야 할 모델입니다
12:26
So we can then predict
299
731000
2000
이를 통해, 우리가 관리해야 하는 장소가
12:28
where management places should be.
300
733000
2000
어디인지 예측할 수 있습니다
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
걸프만과 지중해는
12:33
are places where the single species,
302
738000
2000
단일 종들이
12:35
the single population, can be captured.
303
740000
2000
잡히는 곳입니다
12:37
These become forthright in places we need to protect.
304
742000
3000
우리가 지켜야 할 바로 그 장소입니다
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
종들이 혼합된 대서양 중앙지역은
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
어장의 관리가 잘 되는 것을 봤을 때
12:45
because they manage their fisheries well,
307
750000
3000
북미 지역의 어업 정책은
12:48
they're doing a good job.
308
753000
2000
제 역할을 잘 하고 있는 듯 합니다
12:50
But in the international realm,
309
755000
2000
국제 해역에서는
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
어획과 남획이 횡횡한 곳입니다
12:54
these are the places that we have to make hope spots in.
311
759000
3000
이곳을 우리가 희망의 구역으로 만들어야 합니다
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
참다랑어를 보호해야 하는 지역의 너비입니다
13:00
Now in a second project
313
765000
2000
두 번째로 진행중인
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
"태평양 원양 어종에 칩달기" 프로젝트에서
13:04
we took on the planet as a team,
315
769000
2000
해양생물 조사 프로그램 내 소속된 우리는
13:06
those of us in the Census of Marine Life.
316
771000
2000
팀을 이루어 조사를 시작했습니다
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
슬론 재단과 기타 재단의 도움으로
13:12
we were able to actually go in, in our project --
318
777000
3000
우리는 프로젝트를 시작할 수 있었습니다
13:15
we're one of 17 field programs
319
780000
2000
우리는 17개의 현장프로그램 중 하나인
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
참치를 포함한 다수의 육식동물에
13:20
not just tunas.
321
785000
2000
칩을 달았습니다
13:22
So what we've done
322
787000
2000
우리가 한 일은
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
알래스카 악상어에 칩을 다는 일이었습니다
13:27
met salmon shark on their home territory,
324
792000
3000
악상어의 서식지에 가서
13:30
followed them catching salmon
325
795000
2000
연어를 잡는 악상어를
13:32
and then went in and figured out
326
797000
2000
쫓아다녔습니다
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
그리고 만약 우리가 연어를 미끼로 쓰면
13:37
we can actually take up a salmon shark --
328
802000
2000
악상어를 잡을 수 있다는 걸 알아냈습니다
13:39
This is the cousin of the white shark --
329
804000
2000
악상어는 백상아리의 사촌벌로
13:41
and very carefully --
330
806000
2000
매우 조심스럽게
13:43
note, I say "very carefully," --
331
808000
2000
"매우 조심스럽게"를 강조하고 싶은데요
13:45
we can actually keep it calm,
332
810000
2000
우리는 악상어를 안정시킬 수 있었습니다
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
호스를 입에 넣고 갑판으로 올리지 않고
13:50
and then tag it with a satellite tag.
334
815000
3000
인공위성 칩을 달았습니다
13:53
That satellite tag will now have your shark phone home
335
818000
3000
인공위성 칩이 상어에게 부착되어
13:56
and send in a message.
336
821000
2000
메시지를 보냅니다
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
저기 뛰어오르는 상어를 자세히 보시면 안테나를 볼 수 있습니다
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
인공위성 칩을 달고 상어는 자유롭게 헤엄칩니다
14:03
jumping after salmon,
339
828000
2000
연어를 쫓아 뛰어오르고
14:05
sending home its data.
340
830000
3000
그 자료는 우리에게 옵니다
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
악상어외에도 우리는 칩을 달았습니다
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
악상어의 움직임을 미터 단위 해상도로 봅니다
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
따뜻한 계열 색이 바다 온도가 따뜻한 곳을 나타냅니다
14:17
Salmon sharks go down
344
842000
2000
악상어가 아래로 내려가
14:19
to the tropics to pup
345
844000
2000
열대지역에서 올라와
14:21
and come into Monterey.
346
846000
2000
몬테레이쪽으로 옵니다
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
몬테레이 근처로 왔다가 파랄론에서 올라가는
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
저기 스캇 앤더슨과 살 요르겐센이 이끄는
14:28
and Sal Jorgensen.
349
853000
2000
백상아리 팀이 있습니다
14:30
They can throw out a target --
350
855000
2000
그들은 카펫 모양의 물개 털가죽을
14:32
it's a carpet shaped like a seal --
351
857000
2000
미끼로 던집니다
14:34
and in will come a white shark, a curious critter
352
859000
3000
그러면 수천 킬로그램의
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
호기심 많은 생물인 백상아리가
14:40
It's a several thousand-pound animal.
354
865000
2000
4.8미터짜리 보트에 바짝 다가옵니다
14:42
And we'll wind in the target.
355
867000
3000
그때 우리는 미끼를 당기고
14:45
And we'll place an acoustic tag
356
870000
2000
"OMSHARK 10165"라 불리는
14:47
that says, "OMSHARK 10165,"
357
872000
2000
음향칩을 답니다
14:49
or something like that, acoustically with a ping.
358
874000
3000
혹은 그와 비슷한 핑 소리를 내는 음향칩이죠
14:52
And then we'll put on a satellite tag
359
877000
2000
그리고 인공위성 칩을 답니다
14:54
that will give us the long-distance journeys
360
879000
3000
물고기에 달린 칩의 지리적, 지정학적 알고리즘이
14:57
with the light-based geolocation algorithms
361
882000
2000
우리들로 하여금 이들의 긴 여정을
14:59
solved on the computer that's on the fish.
362
884000
3000
함께 하도록 해줍니다
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
살이 두 개의 칩을 살펴보고 있는 영상입니다
15:05
and there they are: the white sharks of California
364
890000
3000
그리고 여기 캘리포니아의 백상아리가 있네요
15:08
going off to the white shark cafe and coming back.
365
893000
3000
백상아리 모임에 갔다가 돌아오는군요
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
우리는 국립해양대기청(NOAA) 동료들과 청상어리와
15:14
blue sharks.
367
899000
2000
청새리상어에 칩을 달았습니다
15:16
And now, together, what we can see
368
901000
2000
그리고 지금 우리가 함께 보는 게
15:18
on this ocean of color that's temperature,
369
903000
2000
바다의 온도 차인데
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
우리는 청상어리와 악상어의 열흘 간의 움직임을 볼 수 있습니다
15:24
We have white sharks and blue sharks.
371
909000
2000
백상아리와 청새리상어 자료도 있습니다
15:26
For the first time,
372
911000
2000
처음으로
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
상어의 이동경로를 보여주는
15:30
showing where the sharks go.
374
915000
3000
대양 크기의 생태 경관입니다
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
TOPP의 참치팀은 놀라운 일을 했습니다
15:36
three teams tagged 1,700 tunas,
376
921000
3000
세 개 팀이 참다랑어, 황다랑어, 다랑어류
15:39
bluefin, yellowfin and albacore
377
924000
2000
1700마리에 칩을 달았습니다
15:41
all at the same time --
378
926000
2000
모두가 동시에 조심스럽게
15:43
carefully rehearsed tagging programs
379
928000
2000
칩달기 프로그램을 연습했습니다
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
우리는 바다로 나가 어린 참치를 잡아
15:48
put in the tags that actually have the sensors,
381
933000
3000
센서가 부착된 칩을
15:51
stick out the tuna
382
936000
2000
참치에 달고
15:53
and then let them go.
383
938000
2000
놓아주었습니다
15:55
They get returned, and when they get returned,
384
940000
2000
참치들이 돌아올 때
15:57
here on a NASA numerical ocean
385
942000
3000
항공우주국(NASA)의 해양수치모델에서
16:00
you can see bluefin in blue
386
945000
2000
파란색으로 표시된 참다랑어가
16:02
go across their corridor,
387
947000
2000
회랑을 따라 이동해
16:04
returning to the Western Pacific.
388
949000
3000
서태평양으로 돌아갑니다
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
UCSC 팀은 코끼리바다표범의 머리 위에
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
칩을 장착했는데 이는 탈피 시 벗겨집니다
16:13
These elephant seals cover half an ocean,
391
958000
3000
이 코끼리바다표범은 바다의 절반을 차지하고
16:16
take data down to 1,800 feet --
392
961000
2000
684미터까지 내려갑니다
16:18
amazing data.
393
963000
2000
정말 놀라운 자료이지요
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
그리고 스캇 쉐퍼와 광원 칩을 단
16:23
wearing tuna tags, light-based tags,
395
968000
3000
바닷새들이 있습니다
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
지금부터 여러분들은 뉴질랜드에서 몬테레이를
16:29
journeys of 35,000 nautical miles
397
974000
3000
왕복하는 35,000해리의 여행을 함께 하실 겁니다
16:32
we had never seen before.
398
977000
2000
전에는 결코 볼 수 없었던 거죠
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
하지만 지금은 아주 작은 광원 위치추적 칩으로
16:37
we can actually see these journeys.
400
982000
2000
우리는 이들의 여정을 볼 수 있습니다
16:39
Same thing with Laysan albatross
401
984000
2000
라이산 알바트로스는
16:41
who travel an entire ocean
402
986000
2000
바다 전 지역을 여행하는데
16:43
on a trip sometimes,
403
988000
2000
때때로 그 여정이
16:45
up to the same zone the tunas use.
404
990000
2000
참치의 여행경로와 겹칩니다
16:47
You can see why they might be caught.
405
992000
3000
이제 왜 새들이 포획됐는지 아셨을 겁니다
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
플라야 그란데의 조지 쉴린저와 장수거북팀입니다
16:53
tagging leatherbacks
407
998000
2000
우리가 있던 곳을 바로 지나치는
16:55
that go right past where we are.
408
1000000
3000
장수거북에게 칩을 달았습니다
16:58
And Scott Benson's team
409
1003000
2000
스캇 벤슨의 팀은
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
장수거북이 인도네시아에서 몬테레이로 오는
17:02
all the way to Monterey.
411
1007000
2000
전 여정을 보여줍니다
17:04
So what we can see on this moving ocean
412
1009000
3000
움직이는 바다에서 우리는
17:07
is we can finally see where the predators are.
413
1012000
3000
어디에 포식자가 있는 지 볼 수 있습니다
17:10
We can actually see how they're using ecospaces
414
1015000
3000
우리는 어떻게 그들이 바다 같이 큰 생태공간을
17:13
as large as an ocean.
415
1018000
2000
활용하는 지 볼 수 있습니다
17:15
And from this information,
416
1020000
2000
이 정보로부터
17:17
we can begin to map the hope spots.
417
1022000
3000
우리는 호프스폿을 그려볼 수 있습니다
17:20
So this is just three years of data right here --
418
1025000
2000
여기 있는 것은 3년간의 자료입니다
17:22
and there's a decade of this data.
419
1027000
2000
10년간의 자료도 있습니다
17:24
We see the pulse and the seasonal activities
420
1029000
2000
우리는 심박수와 이 동물들이 하는
17:26
that these animals are going on.
421
1031000
3000
계절에 따른 행동을 알 수 있습니다
17:30
So what we're able to do with this information
422
1035000
2000
이 정보로 우리는 핫스폿을
17:32
is boil it down to hot spots,
423
1037000
3000
찾아낼 수 있습니다
17:35
4,000 deployments,
424
1040000
2000
4000번의 파견
17:37
a huge herculean task,
425
1042000
3000
큰 힘이 드는 업무
17:40
2,000 tags
426
1045000
2000
2000개의 칩
17:42
in an area, shown here for the first time,
427
1047000
2000
한 지역, 처음으로 여기서 공개되는데,
17:44
off the California coast,
428
1049000
2000
캘리포니아 해안에 있습니다
17:46
that appears to be a gathering place.
429
1051000
3000
이곳이 회합 장소처럼 보이는 군요
17:50
And then for sort of an encore from these animals,
430
1055000
3000
그리고 이 동물들은 우리를 도와줍니다
17:53
they're helping us.
431
1058000
2000
일종의 앙코르공연이라 할까요
17:55
They're carrying instruments
432
1060000
2000
그들은 2,000미터 아래의 데이터를
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
가지고 와줍니다
18:00
They're taking information from our planet
434
1065000
2000
북극과 남극과 같은 중요 지역의
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
정보를 알려줍니다
18:05
Those are seals from many countries
436
1070000
2000
여러 나라의 바다표범들은
18:07
being released
437
1072000
2000
대빙원 아래쪽
18:09
who are sampling underneath the ice sheets
438
1074000
2000
정보를 알려주고
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
양극 지역 해양 온도 자료를
18:14
on both poles.
440
1079000
2000
우리에게 알려줍니다
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
비주얼화된 데이터는 매혹적입니다
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
우리는 데이터를 비주얼화하는 최상의 방법을 아직 모릅니다
18:22
And then, as these animals swim
443
1087000
2000
이 동물들이 헤엄치며
18:24
and give us the information
444
1089000
2000
우리에게 정보를 주는데
18:26
that's important to climate issues,
445
1091000
2000
이는 기후문제에 있어 중요합니다
18:28
we also think it's critical
446
1093000
2000
또한 우리는 일반 대중이
18:30
to get this information to the public,
447
1095000
2000
이런 자료를 활용해
18:32
to engage the public with this kind of data.
448
1097000
3000
정보를 얻는 것이 중요하다고 생각합니다
18:35
We did this with the Great Turtle Race --
449
1100000
2000
칩을 단 장수거북 경주대회를 열었는데
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
조회수 4백만 건을 기록했습니다
18:40
And now with Google's Oceans,
451
1105000
3000
지금은 구글에서도 열고 있습니다
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
우리는 백상아리를 등장시켰습니다
18:45
And when we do and it swims,
453
1110000
2000
우리가 경기를 시작하고 상어가 헤엄치면
18:47
we see this magnificent bathymetry
454
1112000
2000
우리는 굉장한 해저지형을 볼 수 있습니다
18:49
that the shark knows is there on its path
455
1114000
2000
상어는 그 길을 잘 알고 있고
18:51
as it goes from California to Hawaii.
456
1116000
2000
이를 통해 캘리포니아에서 하와이로 갑니다
18:53
But maybe Mission Blue
457
1118000
2000
미션 블루로
18:55
can fill in that ocean that we can't see.
458
1120000
3000
우리는 볼 수 없는 지역을 봅니다
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
우리는 능력이 있고 NASA는 바다에 대한 정보를 갖고 있습니다
19:01
We just need to put it together.
460
1126000
2000
우리는 그것을 합칠 필요가 있습니다
19:03
So in conclusion,
461
1128000
2000
결론을 말씀 드리면
19:05
we know where Yellowstone is for North America;
462
1130000
3000
우리는 옐로우스톤이 북미에 있는 걸 압니다
19:08
it's off our coast.
463
1133000
2000
해안에도 있습니다
19:10
We have the technology that's shown us where it is.
464
1135000
2000
우리는 그게 어디 있는 지 알려줄 기술이 있습니다
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
미션블루에 위해 바이오로깅 역량을
19:15
is increasing the biologging capacity.
466
1140000
3000
증가시켜야 합니다
19:18
How is it that we can actually
467
1143000
2000
어떻게 해야 우리가 실제로
19:20
take this type of activity elsewhere?
468
1145000
3000
이런 활동을 다른 곳에서도 할 수 있을 까요?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
그리고 메시지 전달을 위해
19:26
maybe use live links
470
1151000
2000
대왕고래와 백상아리같은 동물을
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
라이브 링크로 걸어 보여줄 수 있습니다
19:30
Make killer apps, if you will.
472
1155000
2000
할 수 있다면 인기 있는 어플을 만드는 겁니다
19:32
A lot of people are excited
473
1157000
2000
금문교 아래 실제 상어를 본다면
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
사람들은 흥미로워 할겁니다
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
이런 활동을 아이폰을 통해 사람들에게 알립시다
19:40
That way we do away with a few internet myths.
476
1165000
3000
이를 통해 인터넷상의 루머를 피할 수 있고
19:44
So we can save the bluefin tuna.
477
1169000
2000
참다랑어를 살릴 수 도 있습니다
19:46
We can save the white shark.
478
1171000
2000
백상아리도 살릴 수 있습니다
19:48
We have the science and technology.
479
1173000
2000
우리는 과학기술을 보유하고 있습니다
19:50
Hope is here. Yes we can.
480
1175000
2000
희망이 있습니다 우리는 할 수 있습니다
19:52
We need just to apply this capacity
481
1177000
2000
우리는 이 역량을 바다에서
19:54
further in the oceans.
482
1179000
2000
활용해야 합니다
19:56
Thank you.
483
1181000
2000
감사합니다
19:58
(Applause)
484
1183000
2000
(박수)
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