Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: Zmiana punktu odniesienia oceanu
Filmed:
Readability: 3.8
254,411 views
Za naszego życia nastąpiła degradacja oceanu, co widać w zmniejszających się średnich rozmiarach ryb. Daniel Pauly pokaże w Mission Blue, że każde obniżenie się punktu odniesienia, traktujemy jako nową "normę". Kiedy przestaniemy przesuwać się ku dołowi?
Daniel Pauly - Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to speak
0
0
2000
Opowiem o małej idei,
00:14
about a tiny, little idea.
1
2000
3000
Opowiem o małej idei,
00:17
And this is about shifting baseline.
2
5000
4000
którą jest przesunięcie punktu odniesienia.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Idea ta może zostać opisana w minutę,
00:25
I will tell you three stories before
4
13000
3000
opowiem więc najpierw 3 historie,
00:28
to fill in the time.
5
16000
2000
by czymś wypełnić czas.
00:30
And the first story
6
18000
2000
Pierwsza opowieść
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
jest o Charlesie Darwinie, jednym z moich bohaterów.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Był tu, jak wiecie, w 1835 r.
00:38
And you'd think he was chasing finches,
9
26000
2000
Pomyślicie, że gonił za ziębami,
00:40
but he wasn't.
10
28000
2000
ale nie.
00:42
He was actually collecting fish.
11
30000
2000
Zbierał ryby.
00:44
And he described one of them
12
32000
2000
Jedną z nich opisał
00:46
as very "common."
13
34000
2000
jako bardzo "powszechną".
00:48
This was the sailfin grouper.
14
36000
2000
Ta ryba to Mycteroperca olfax (z okoniowatych).
00:50
A big fishery was run on it
15
38000
2000
Intensywnie odławiana
00:52
until the '80s.
16
40000
3000
do lat '80 XX w.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
a obecnie znajdująca się w Czerwonej Księdze Gatunków Zagrożonych IUCN.
00:58
Now this story,
18
46000
2000
To historia,
01:00
we have heard it lots of times
19
48000
3000
którą wiele razy słyszeliśmy
01:03
on Galapagos and other places,
20
51000
2000
na Galapagos i w innych miejscach,
01:05
so there is nothing particular about it.
21
53000
3000
więc nic w niej nadzwyczajnego.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Chodzi o to, że nadal jeździmy na Galapagos.
01:11
We still think it is pristine.
23
59000
3000
Nadal uważamy je za dziewicze miejsce.
01:14
The brochures still say
24
62000
3000
Broszury wciąż reklamują ją
01:17
it is untouched.
25
65000
2000
jako miejsce nietknięte.
01:19
So what happens here?
26
67000
3000
Co się tutaj dzieje ?
01:22
The second story, also to illustrate another concept,
27
70000
3000
Druga historia, by zobrazować inne pojęcie,
01:25
is called shifting waistline.
28
73000
2000
to tzw. przesuwająca się talia.
01:27
(Laughter)
29
75000
3000
(Śmiech)
01:30
Because I was there in '71,
30
78000
2000
Byłem tam 1971 r.
01:32
studying a lagoon in West Africa.
31
80000
2000
badając lagunę w Zachodniej Afryce.
01:34
I was there because I grew up in Europe
32
82000
3000
Znalazłem się tam, ponieważ dorastałem w Europie,
01:37
and I wanted later to work in Africa.
33
85000
2000
a później chciałem pracować w Afryce.
01:39
And I thought I could blend in.
34
87000
2000
Myślałem, że uda mi się wmieszać w tłum.
01:41
And I got a big sunburn,
35
89000
2000
Doznałem poważnych poparzeń słonecznych
01:43
and I was convinced that I was really not from there.
36
91000
3000
i czułem się jakbym tam nie pasował.
01:46
This was my first sunburn.
37
94000
2000
To było moje pierwsze poparzenie słoneczne.
01:48
And the lagoon
38
96000
3000
Laguna otoczona była palmami,
01:51
was surrounded by palm trees,
39
99000
2000
Laguna otoczona była palmami
01:53
as you can see, and a few mangrove.
40
101000
2000
i kilkoma namorzynami.
01:55
And it had tilapia
41
103000
2000
Były też tilapie,
01:57
about 20 centimeters,
42
105000
2000
mierzące ok. 20 cm,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
z gatunku tilapii wielkogłowej.
02:01
And the fisheries for this tilapia
44
109000
2000
Wyłowiono ich ogromne ilości
02:03
sustained lots of fish and they had a good time
45
111000
3000
Wyłowiono ich ogromne ilości
02:06
and they earned more than average
46
114000
2000
i zarobiono na nich więcej niż zwykle
02:08
in Ghana.
47
116000
2000
w Ghanie.
02:10
When I went there 27 years later,
48
118000
3000
Kiedy udałem się tam 27 lat temu,
02:13
the fish had shrunk to half of their size.
49
121000
3000
rozmiar ryb zmniejszył się o połowę.
02:16
They were maturing at five centimeters.
50
124000
2000
Osiągały dojrzałość przy rozmiarach 5 cm.
02:18
They had been pushed genetically.
51
126000
2000
Zostały zmodyfikowane genetycznie.
02:20
There were still fishes.
52
128000
2000
Nadal były rybami.
02:22
They were still kind of happy.
53
130000
2000
W pewnym sensie były szczęśliwe.
02:24
And the fish also were happy to be there.
54
132000
5000
Ryby lubiły to miejsce.
02:29
So nothing has changed,
55
137000
2000
Wbrew pozorom nic się nie zmieniło.
02:31
but everything has changed.
56
139000
2000
Zmieniło się jednak wszystko.
02:33
My third little story
57
141000
2000
Moja trzecia opowieść jest o tym,
02:35
is that I was an accomplice
58
143000
2000
że byłem współodpowiedzialny
02:37
in the introduction of trawling
59
145000
2000
za zapoczątkowanie połowów włokiem
02:39
in Southeast Asia.
60
147000
2000
w południowo-wschodniej Azji.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Od lat '60 XX w.
02:44
Europe did lots of development projects.
62
152000
3000
Europa wykonała wiele rozwojowych projektów.
02:47
Fish development
63
155000
2000
Rozwój rybołówstwa
02:49
meant imposing on countries
64
157000
2000
oznaczał wprowadzenie w krajach
02:51
that had already 100,000 fishers
65
159000
3000
wyławiających już 100 000 ryb
02:54
to impose on them industrial fishing.
66
162000
3000
rybołówstwa przemysłowego.
02:57
And this boat, quite ugly,
67
165000
2000
Ta łódź, całkiem brzydka,
02:59
is called the Mutiara 4.
68
167000
2000
nazywa się Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Pływałem nią
03:03
and we did surveys
70
171000
3000
i robiliśmy badania
03:06
throughout the southern South China sea
71
174000
3000
na południu Morza Południowochińskiego,
03:09
and especially the Java Sea.
72
177000
2000
a szczególnie na Morzu Jawajskim.
03:11
And what we caught,
73
179000
2000
Zabrakło nam słów na to,
03:13
we didn't have words for it.
74
181000
2000
co złapaliśmy.
03:15
What we caught, I know now,
75
183000
3000
Teraz już wiem, że złowiliśmy
03:18
is the bottom of the sea.
76
186000
2000
morskie dno.
03:20
And 90 percent of our catch
77
188000
2000
90% tego co złowiliśmy,
03:22
were sponges,
78
190000
2000
to gąbki
03:24
other animals that are fixed on the bottom.
79
192000
3000
i inne zwierzęta żyjące na dnie.
03:27
And actually most of the fish,
80
195000
2000
Większość ryb to ryby koralowe,
03:29
they are a little spot on the debris,
81
197000
2000
to te małe punkty na odpadach,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
na górze resztek.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Mieliśmy dno morza na pokładzie
03:36
and then was thrown down.
84
204000
2000
i wyrzuciliśmy to z powrotem za burtę.
03:38
And these pictures are extraordinary
85
206000
3000
To niesamowite obrazy,
03:41
because this transition is very rapid.
86
209000
3000
ponieważ zmiana jest bardzo gwałtowna.
03:44
Within a year, you do a survey
87
212000
3000
Jednego roku robimy badania,
03:47
and then commercial fishing begins.
88
215000
2000
później zaczyna się rybołówstwo komercyjne.
03:49
The bottom is transformed
89
217000
2000
Dno ulega zmianom,
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
jak w tym przypadku, z dna twardego lub miękkiego koralowego
03:54
into a muddy mess.
91
222000
3000
w dno muliste.
03:57
This is a dead turtle.
92
225000
2000
To martwy żółw.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Nie były zjedzone. Wyrzucano je, bo były martwe.
04:02
And one time we caught a live one.
94
230000
2000
Raz złapaliśmy żywego żółwia.
04:04
It was not drowned yet.
95
232000
2000
Jeszcze nie utonął.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Później chciano go zabić, bo nadawał się do jedzenia.
04:09
This mountain of debris
97
237000
3000
Góra odpadów
04:12
is actually collected by fishers
98
240000
3000
jest zbierana przez rybaków,
04:15
every time they go
99
243000
2000
za każdym razem, gdy udają się na obszary,
04:17
into an area that's never been fished.
100
245000
2000
na których wcześniej nie poławiano,
04:19
But it's not documented.
101
247000
2000
ale nie jest to udokumentowane.
04:21
We transform the world,
102
249000
2000
Zmieniamy świat,
04:23
but we don't remember it.
103
251000
2000
ale o tym nie pamiętamy.
04:25
We adjust our baseline
104
253000
3000
Dostosowujemy nasz punkt odniesienia
04:28
to the new level,
105
256000
2000
do nowego poziomu
04:30
and we don't recall what was there.
106
258000
4000
i nie pamiętamy, co było wcześniej.
04:34
If you generalize this,
107
262000
2000
Ogólnie rzecz ujmując,
04:36
something like this happens.
108
264000
2000
dzieje się coś takiego.
04:38
You have on the y axis some good thing:
109
266000
3000
Na osi rzędnych, mamy coś dobrego:
04:41
biodiversity, numbers of orca,
110
269000
3000
bioróżnorodność, liczebność orek,
04:44
the greenness of your country, the water supply.
111
272000
3000
zieleń we własnym kraju, zapas wody.
04:47
And over time it changes --
112
275000
2000
Z czasem to ulega zmianie.
04:49
it changes
113
277000
2000
Zmienia się przez ludzi.
04:51
because people do things, or naturally.
114
279000
2000
Zmienia się przez ludzi.
04:53
Every generation
115
281000
2000
Każde pokolenie
04:55
will use the images
116
283000
2000
wykorzysta obrazy
04:57
that they got at the beginning of their conscious lives
117
285000
3000
z początku swego świadomego życia
05:00
as a standard
118
288000
2000
jako pewien standard
05:02
and will extrapolate forward.
119
290000
2000
i na ich podstawie dokona szacunków na przyszłość.
05:04
And the difference then,
120
292000
2000
Różnicę traktują jako stratę.
05:06
they perceive as a loss.
121
294000
2000
Różnicę traktują jako stratę.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Nie dostrzegają straty która nastąpiła wcześniej.
05:11
You can have a succession of changes.
123
299000
2000
Może zaistnieć następstwo zmian.
05:13
At the end you want to sustain
124
301000
3000
Na końcu będziemy chcieli chronić
05:16
miserable leftovers.
125
304000
3000
marne resztki.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
W dużym stopniu to to, co chcemy robić teraz.
05:22
We want to sustain things that are gone
127
310000
3000
Chcemy chronić coś czego nie ma,
05:25
or things that are not the way they were.
128
313000
4000
lub z czym jest źle.
05:29
Now one should think
129
317000
2000
Każdy powinien wziąć pod uwagę fakt,
05:31
this problem affected people
130
319000
2000
że ten problem dotykał ludzi
05:33
certainly when in predatory societies,
131
321000
4000
kiedy w społecznościach drapieżnych
05:37
they killed animals
132
325000
2000
zabijano zwierzęta,
05:39
and they didn't know they had done so
133
327000
2000
nie zdając sobie sprawy ze skutków,
05:41
after a few generations.
134
329000
2000
które następowały po kilku pokoleniach.
05:43
Because, obviously,
135
331000
3000
Oczywistym jest,
05:46
an animal that is very abundant,
136
334000
5000
że zwierzę, które występuje licznie,
05:51
before it gets extinct,
137
339000
3000
zanim wyginie,
05:54
it becomes rare.
138
342000
3000
będzie rzadko występować.
05:57
So you don't lose abundant animals.
139
345000
3000
Licznie występującym zwierzętom nie grozi wyginięcie.
06:00
You always lose rare animals.
140
348000
2000
Zawsze giną rzadkie zwierzęta.
06:02
And therefore they're not perceived
141
350000
2000
Dlatego nie są uważane
06:04
as a big loss.
142
352000
2000
za istotną stratę.
06:06
Over time,
143
354000
2000
Z czasem,
06:08
we concentrate on large animals,
144
356000
2000
koncentrujemy się na dużych zwierzętach,
06:10
and in a sea that means the big fish.
145
358000
2000
w morzu to duże ryby.
06:12
They become rarer because we fish them.
146
360000
3000
Rzadziej występują, bo je łowimy.
06:15
Over time we have a few fish left
147
363000
2000
Z czasem zostanie mała ich liczba,
06:17
and we think this is the baseline.
148
365000
3000
a my uznamy to za normę, punkt odniesienia.
06:20
And the question is,
149
368000
2000
Dlaczego ludzie to akceptują?
06:22
why do people accept this?
150
370000
5000
Dlaczego ludzie to akceptują?
06:27
Well because they don't know that it was different.
151
375000
3000
Ponieważ nie wiedzą, że wcześniej było inaczej.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Wielu ludzi, naukowców,
06:33
will contest that it was really different.
153
381000
2000
będzie spierać się, że było naprawdę inaczej.
06:35
And they will contest this
154
383000
2000
Będą się spierać,
06:37
because the evidence
155
385000
2000
ponieważ dowody
06:39
presented in an earlier mode
156
387000
5000
przedstawione wcześniej
06:44
is not in the way
157
392000
3000
nie były przedstawione tak,
06:47
they would like the evidence presented.
158
395000
2000
jakby chcieli,
06:49
For example,
159
397000
2000
np. anegdota, że jakiś tam kapitan
06:51
the anecdote that some present,
160
399000
2000
np. anegdota, że jakiś tam kapitan
06:53
as Captain so-and-so
161
401000
2000
np. anegdota, że jakiś tam kapitan
06:55
observed lots of fish in this area
162
403000
3000
który widział w tym miejscu dużo ryb
06:58
cannot be used
163
406000
2000
nie może lub nie będzie wzięty pod uwagę
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
przez naukowców od rybołówstwa,
07:03
because it's not "scientific."
165
411000
2000
ponieważ nie jest to "naukowe" podejście.
07:05
So you have a situation
166
413000
2000
Mamy sytuację,
07:07
where people don't know the past,
167
415000
3000
kiedy to ludzie nie znają przeszłości,
07:10
even though we live in literate societies,
168
418000
3000
mimo że żyjemy w piśmiennych społecznościach,
07:13
because they don't trust
169
421000
2000
ponieważ nie ufają
07:15
the sources of the past.
170
423000
3000
źródłom z przeszłości.
07:18
And hence, the enormous role
171
426000
3000
W związku z tym,
07:21
that a marine protected area can play.
172
429000
2000
morskie obszary chronione mogą odegrać ogromną rolę.
07:23
Because with marine protected areas,
173
431000
3000
Dzięki morskim obszarom chronionym,
07:26
we actually recreate the past.
174
434000
4000
odtwarzamy przeszłość,
07:30
We recreate the past that people cannot conceive
175
438000
3000
której ludzie nie potrafią sobie wyobrazić,
07:33
because the baseline has shifted
176
441000
2000
ponieważ zmienił się punkt odniesienia
07:35
and is extremely low.
177
443000
2000
i znajduje się na bardzo niskim poziomie.
07:37
That is for people
178
445000
2000
To dla ludzi,
07:39
who can see a marine protected area
179
447000
5000
którzy widzą sens w morskich obszarach chronionych
07:44
and who can benefit
180
452000
2000
i którzy mogą czerpać korzyści
07:46
from the insight that it provides,
181
454000
3000
z dostarczanej przez nie wiedzy,
07:49
which enables them to reset their baseline.
182
457000
4000
co pozwala im ustawić swój punkt odniesienia na nowo.
07:53
How about the people who can't do that
183
461000
2000
Co z ludźmi, którzy nie mogą tego zrobić,
07:55
because they have no access --
184
463000
2000
bo nie mają dostępu,
07:57
the people in the Midwest for example?
185
465000
3000
np. ludzie ze środkowego zachodu USA?
08:00
There I think
186
468000
2000
Myślę, że tam
08:02
that the arts and film
187
470000
2000
sztuka i film
08:04
can perhaps fill the gap,
188
472000
2000
mogą wypełnić braki,
08:06
and simulation.
189
474000
2000
również symulacja.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
To symulacja Zatoki Chesapeake.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Dawno temu, były tam wieloryby szare,
08:13
500 years ago.
192
481000
2000
ok. 500 lat temu.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Zauważyliście pewnie, że kolory i odcienie
08:18
are like "Avatar."
194
486000
2000
jak w "Avatarze".
08:20
(Laughter)
195
488000
2000
(Śmiech)
08:22
And if you think about "Avatar,"
196
490000
2000
Jeśli zastanawiacie się nad "Avatarem",
08:24
if you think of why people were so touched by it --
197
492000
3000
dlaczego ludzie byli tak poruszeni,
08:27
never mind the Pocahontas story --
198
495000
4000
pomińcie wątek miłosny,
08:31
why so touched by the imagery?
199
499000
4000
dlaczego obrazy były tak poruszające?
08:35
Because it evokes something
200
503000
3000
Poniewa przywołują coś,
08:38
that in a sense has been lost.
201
506000
2000
co w pewnym sensie zostało utracone.
08:40
And so my recommendation,
202
508000
2000
Mam tylko jedną sugestię,
08:42
it's the only one I will provide,
203
510000
2000
Mam tylko jedną sugestię,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
by Cameron nakręcił "Avatara II" pod wodą.
08:49
Thank you very much.
205
517000
2000
Bardzo dziękuję.
08:51
(Applause)
206
519000
2000
(Oklaski)
ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologistDaniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean.
Why you should listen
Daniel Pauly heads the Sea Around Us Project, based at the Fisheries Centre, at the University of British Columbia. Pauly has been a leader in conceptualizing and codeveloping software that’s used by ocean experts throughout the world. At the Sea Around Us and in his other work, he’s developing new ways to view complex ocean data.
Pauly’s work includes the Ecopath ecological/ecosystem modeling software suite; the massive FishBase, the online encyclopaedia of fishes; and, increasingly, the quantitative results of the Sea Around Us Project.
Daniel Pauly | Speaker | TED.com