Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: A inconstante base de referência do oceano
Filmed:
Readability: 3.8
254,411 views
O oceano vem se degradando dentro do espaço de tempo das nossas próprias vidas, como mostra o decrescente tamanho médio dos peixes. E ainda assim, como Daniel Pauly nos mostra no palco da Mission Blue, a cada vez que a base de referência cai, nós chamamos a nova de "normal". Em que ponto iremos parar de reajustar para baixo?
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
Vou falar
00:14
about a tiny, little idea.
1
2000
3000
acerca de uma minúscula, pequena ideia.
00:17
And this is about shifting baseline.
2
5000
4000
Sobre a inconstante base de referência.
00:21
And because the idea can be explained in one minute,
3
9000
4000
E porque a ideia pode ser explicada em um minuto,
00:25
I will tell you three stories before
4
13000
3000
contarei antes a vocês 3 histórias
00:28
to fill in the time.
5
16000
2000
para preencher o tempo.
00:30
And the first story
6
18000
2000
A primeira história
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
é sobre Charles Darwin, um de meus heróis.
00:35
And he was here, as you well know, in '35.
8
23000
3000
E ele esteve aqui, como bem sabem, em 1835.
00:38
And you'd think he was chasing finches,
9
26000
2000
Podem achar que ele estava atrás de pintassilgos,
00:40
but he wasn't.
10
28000
2000
mas não.
00:42
He was actually collecting fish.
11
30000
2000
Na verdade ele coletava peixes.
00:44
And he described one of them
12
32000
2000
E descreveu um deles
00:46
as very "common."
13
34000
2000
como muito "comum".
00:48
This was the sailfin grouper.
14
36000
2000
Era o mero.
00:50
A big fishery was run on it
15
38000
2000
Muito se pescou este peixe
00:52
until the '80s.
16
40000
3000
até os anos 80.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Agora ele está na Lista Vermelha da UICN.
00:58
Now this story,
18
46000
2000
Agora esta história,
01:00
we have heard it lots of times
19
48000
3000
nós a escutamos muitas vezes
01:03
on Galapagos and other places,
20
51000
2000
em Galápagos e outros lugares,
01:05
so there is nothing particular about it.
21
53000
3000
então não há nada de especial nela.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Mas a questão é, nós ainda vamos a Galápagos.
01:11
We still think it is pristine.
23
59000
3000
Ainda achamos que é imaculado.
01:14
The brochures still say
24
62000
3000
Os folhetos ainda dizem
01:17
it is untouched.
25
65000
2000
que é intocado.
01:19
So what happens here?
26
67000
3000
O que está acontecendo aqui?
01:22
The second story, also to illustrate another concept,
27
70000
3000
A segunda história, também para ilustrar um outro conceito,
01:25
is called shifting waistline.
28
73000
2000
é chamada de inconstante cintura.
01:27
(Laughter)
29
75000
3000
(Risos)
01:30
Because I was there in '71,
30
78000
2000
Porque eu estive lá em 71,
01:32
studying a lagoon in West Africa.
31
80000
2000
estudando uma lagoa na África Ocidental.
01:34
I was there because I grew up in Europe
32
82000
3000
Estava lá porque eu cresci na Europa
01:37
and I wanted later to work in Africa.
33
85000
2000
e queria mais tarde trabalhar na África.
01:39
And I thought I could blend in.
34
87000
2000
Eu pensei que pudesse me misturar.
01:41
And I got a big sunburn,
35
89000
2000
Tive uma grande queimadura de sol,
01:43
and I was convinced that I was really not from there.
36
91000
3000
e me convenci que realmente eu não era de lá.
01:46
This was my first sunburn.
37
94000
2000
Foi minha primeira queimadura.
01:48
And the lagoon
38
96000
3000
E a lagoa
01:51
was surrounded by palm trees,
39
99000
2000
era cercada por palmeiras,
01:53
as you can see, and a few mangrove.
40
101000
2000
como podem ver,e alguns manguezais.
01:55
And it had tilapia
41
103000
2000
Tinha tilápia
01:57
about 20 centimeters,
42
105000
2000
com cerca de 20 centímetros,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
uma espécie de tilápia chamada 'blackchin'.
02:01
And the fisheries for this tilapia
44
109000
2000
E a pesca desta tilápia
02:03
sustained lots of fish and they had a good time
45
111000
3000
forneceu muito peixe e eles tiveram bons tempos
02:06
and they earned more than average
46
114000
2000
e ganharam mais que a média
02:08
in Ghana.
47
116000
2000
em Gana.
02:10
When I went there 27 years later,
48
118000
3000
Quando fui lá 27 anos depois,
02:13
the fish had shrunk to half of their size.
49
121000
3000
o peixe encolhera até a metade de seu tamanho.
02:16
They were maturing at five centimeters.
50
124000
2000
Tornavam-se maduros com 5 centímetros.
02:18
They had been pushed genetically.
51
126000
2000
Eles haviam sido forçados geneticamente.
02:20
There were still fishes.
52
128000
2000
Eles ainda eram peixes.
02:22
They were still kind of happy.
53
130000
2000
Eles ainda eram meio que felizes.
02:24
And the fish also were happy to be there.
54
132000
5000
E o peixe ainda estava feliz em estar lá.
02:29
So nothing has changed,
55
137000
2000
Então nada havia mudado,
02:31
but everything has changed.
56
139000
2000
mas tudo mudou.
02:33
My third little story
57
141000
2000
Minha terceira pequena história
02:35
is that I was an accomplice
58
143000
2000
é que fui um cúmplice
02:37
in the introduction of trawling
59
145000
2000
na introdução da pesca de arrasto
02:39
in Southeast Asia.
60
147000
2000
no Sudeste Asiático.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Nos anos 70 -- bom, começando nos 60 --
02:44
Europe did lots of development projects.
62
152000
3000
Europa fez muitos projetos de desenvolvimento.
02:47
Fish development
63
155000
2000
Criação de peixes
02:49
meant imposing on countries
64
157000
2000
significava impôr aos países
02:51
that had already 100,000 fishers
65
159000
3000
que já possuiam 100.000 peixes,
02:54
to impose on them industrial fishing.
66
162000
3000
impôr a eles a industrialização da pesca.
02:57
And this boat, quite ugly,
67
165000
2000
Este barco, bem feio,
02:59
is called the Mutiara 4.
68
167000
2000
se chama Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
E nele saí velejando,
03:03
and we did surveys
70
171000
3000
e fizemos pesquisas
03:06
throughout the southern South China sea
71
174000
3000
por todo o sul do mar da China Meridional
03:09
and especially the Java Sea.
72
177000
2000
e especialmente o mar de Java.
03:11
And what we caught,
73
179000
2000
E o que apanhamos,
03:13
we didn't have words for it.
74
181000
2000
não tínhamos palavras para isso.
03:15
What we caught, I know now,
75
183000
3000
O que apanhamos, sei agora,
03:18
is the bottom of the sea.
76
186000
2000
é o fundo do mar.
03:20
And 90 percent of our catch
77
188000
2000
E 90% do que recolhemos
03:22
were sponges,
78
190000
2000
eram esponjas,
03:24
other animals that are fixed on the bottom.
79
192000
3000
outros animais que se fixam no fundo.
03:27
And actually most of the fish,
80
195000
2000
Na verdade a maior parte dos peixes,
03:29
they are a little spot on the debris,
81
197000
2000
era um pequeno ponto das sobras,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
as pilhas de restos, eram peixes dos corais.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Essencialmente o fundo do mar veio para o deque
03:36
and then was thrown down.
84
204000
2000
e então foi descartado.
03:38
And these pictures are extraordinary
85
206000
3000
Esta fotos são extraordinárias
03:41
because this transition is very rapid.
86
209000
3000
porque a transição é muito rápida.
03:44
Within a year, you do a survey
87
212000
3000
Dentro de um ano, você faz uma pesquisa
03:47
and then commercial fishing begins.
88
215000
2000
e então a pesca comercial inicia.
03:49
The bottom is transformed
89
217000
2000
O fundo é transformado
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
de, neste caso, um fundo duro ou coral macio
03:54
into a muddy mess.
91
222000
3000
em uma confusão lamacenta.
03:57
This is a dead turtle.
92
225000
2000
Esta é um tartaruga morta.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Elas não eram comidas, eram jogadas fora porque estavam mortas.
04:02
And one time we caught a live one.
94
230000
2000
Uma vez pegamos uma viva.
04:04
It was not drowned yet.
95
232000
2000
Ainda não havia se afogado.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Eles queriam matá-la porque era boa para ser comida.
04:09
This mountain of debris
97
237000
3000
Esta montanha de restos
04:12
is actually collected by fishers
98
240000
3000
na verdade é coletada pelos pescadores
04:15
every time they go
99
243000
2000
toda vez que vão
04:17
into an area that's never been fished.
100
245000
2000
em uma área em que ainda não pescaram.
04:19
But it's not documented.
101
247000
2000
Mas não é documentado.
04:21
We transform the world,
102
249000
2000
Nós transformamos o mundo,
04:23
but we don't remember it.
103
251000
2000
mas não nos lembramos disso.
04:25
We adjust our baseline
104
253000
3000
Ajustamos nossa referência
04:28
to the new level,
105
256000
2000
para outro nível,
04:30
and we don't recall what was there.
106
258000
4000
e não recordamos o que estava lá.
04:34
If you generalize this,
107
262000
2000
Se generalizarem isto,
04:36
something like this happens.
108
264000
2000
alguma coisa assim acontece.
04:38
You have on the y axis some good thing:
109
266000
3000
Você tem no eixo y algo bom:
04:41
biodiversity, numbers of orca,
110
269000
3000
biodiversidade, quantidades de orca,
04:44
the greenness of your country, the water supply.
111
272000
3000
o verde de seu país, suprimento d'água.
04:47
And over time it changes --
112
275000
2000
E com o tempo ele muda.
04:49
it changes
113
277000
2000
Ele muda
04:51
because people do things, or naturally.
114
279000
2000
porque pessoas fazem coisas com naturalidade.
04:53
Every generation
115
281000
2000
Cada geração
04:55
will use the images
116
283000
2000
usará as imagens
04:57
that they got at the beginning of their conscious lives
117
285000
3000
que tinham no início de suas vidas conscientes
05:00
as a standard
118
288000
2000
como padrão
05:02
and will extrapolate forward.
119
290000
2000
e o extrapolará mais adiante.
05:04
And the difference then,
120
292000
2000
A diferença então,
05:06
they perceive as a loss.
121
294000
2000
eles percebem como uma perda.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Mas não percebem o que aconteceu antes como uma perda.
05:11
You can have a succession of changes.
123
299000
2000
Pode haver uma sucessão de mudanças.
05:13
At the end you want to sustain
124
301000
3000
No final você quer sustentar
05:16
miserable leftovers.
125
304000
3000
miseráveis sobras.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Isso, em uma larga escala, é o que queremos fazer agora.
05:22
We want to sustain things that are gone
127
310000
3000
Queremos sustentar coisas, que se foram
05:25
or things that are not the way they were.
128
313000
4000
ou coisas que não são mais o que eram.
05:29
Now one should think
129
317000
2000
Alguém deveria pensar
05:31
this problem affected people
130
319000
2000
que este problema certamente
05:33
certainly when in predatory societies,
131
321000
4000
afetava pessoas quando em sociedades predatórias,
05:37
they killed animals
132
325000
2000
elas matavam animais
05:39
and they didn't know they had done so
133
327000
2000
e não sabiam que assim o tinham feito
05:41
after a few generations.
134
329000
2000
após algumas poucas gerações.
05:43
Because, obviously,
135
331000
3000
Porque, obviamente,
05:46
an animal that is very abundant,
136
334000
5000
um animal que é muito abundante,
05:51
before it gets extinct,
137
339000
3000
antes que esteja extinto,
05:54
it becomes rare.
138
342000
3000
torna-se raro.
05:57
So you don't lose abundant animals.
139
345000
3000
Você não perde animais abundantes.
06:00
You always lose rare animals.
140
348000
2000
Sempre se perde animais raros.
06:02
And therefore they're not perceived
141
350000
2000
E portanto não são percebidos
06:04
as a big loss.
142
352000
2000
como uma grande perda.
06:06
Over time,
143
354000
2000
Com o tempo,
06:08
we concentrate on large animals,
144
356000
2000
nos concentramos em animais grandes,
06:10
and in a sea that means the big fish.
145
358000
2000
e em um mar que significa grandes pescarias.
06:12
They become rarer because we fish them.
146
360000
3000
Eles se tornam raros porque os pescamos.
06:15
Over time we have a few fish left
147
363000
2000
Com o tempo sobram menos peixes
06:17
and we think this is the baseline.
148
365000
3000
e pensamos que esta é a referência.
06:20
And the question is,
149
368000
2000
A pergunta é,
06:22
why do people accept this?
150
370000
5000
por que as pessoas acreditam nisto?
06:27
Well because they don't know that it was different.
151
375000
3000
Porque elas não sabem que já foi diferente.
06:30
And in fact, lots of people, scientists,
152
378000
3000
De fato, muitas pessoas, cientistas,
06:33
will contest that it was really different.
153
381000
2000
contestarão que já foi realmente diferente.
06:35
And they will contest this
154
383000
2000
Eles o contestarão
06:37
because the evidence
155
385000
2000
porque a evidência
06:39
presented in an earlier mode
156
387000
5000
apresentada em um modo anterior
06:44
is not in the way
157
392000
3000
não é como eles
06:47
they would like the evidence presented.
158
395000
2000
gostariam que a evidência fosse apresentada.
06:49
For example,
159
397000
2000
Por exemplo,
06:51
the anecdote that some present,
160
399000
2000
a piada que alguns contam,
06:53
as Captain so-and-so
161
401000
2000
do Capitão tal e tal
06:55
observed lots of fish in this area
162
403000
3000
que observou muitos peixes nesta área
06:58
cannot be used
163
406000
2000
não pode ser usada
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
ou normalmente não é utilizada pelos cientistas da pesca,
07:03
because it's not "scientific."
165
411000
2000
porque não é "científica".
07:05
So you have a situation
166
413000
2000
Temos uma situação
07:07
where people don't know the past,
167
415000
3000
onde as pessoas não sabem do passado,
07:10
even though we live in literate societies,
168
418000
3000
mesmo vivendo em sociedades cultas,
07:13
because they don't trust
169
421000
2000
porque não confiam
07:15
the sources of the past.
170
423000
3000
nas fontes do passado.
07:18
And hence, the enormous role
171
426000
3000
Daí, o enorme papel
07:21
that a marine protected area can play.
172
429000
2000
que uma área marinha protegida pode ter.
07:23
Because with marine protected areas,
173
431000
3000
Porque com áreas marinhas protegidas,
07:26
we actually recreate the past.
174
434000
4000
na verdade podemos recriar o passado.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Recriamos o passado que as pessoas não podem conceber
07:33
because the baseline has shifted
176
441000
2000
porque a referência se alterou
07:35
and is extremely low.
177
443000
2000
e é extremamente baixa.
07:37
That is for people
178
445000
2000
Isso é para pessoas
07:39
who can see a marine protected area
179
447000
5000
que podem ver uma área marinha protegida
07:44
and who can benefit
180
452000
2000
e que podem se beneficiar
07:46
from the insight that it provides,
181
454000
3000
do retorno que ela fornece,
07:49
which enables them to reset their baseline.
182
457000
4000
que os habilita a reiniciar as suas referências.
07:53
How about the people who can't do that
183
461000
2000
E as pessoas que não podem fazê-lo
07:55
because they have no access --
184
463000
2000
porque não têm acesso --
07:57
the people in the Midwest for example?
185
465000
3000
as pessoas no meio-oeste por exemplo?
08:00
There I think
186
468000
2000
Penso que aí
08:02
that the arts and film
187
470000
2000
as artes e filmes
08:04
can perhaps fill the gap,
188
472000
2000
podem talvez preencher o vazio,
08:06
and simulation.
189
474000
2000
e simulação.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Esta é uma simulação da Baía Chesapeake.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Existiam baleias-cinzentas em Chesapeake muito tempo atrás --
08:13
500 years ago.
192
481000
2000
500 anos atrás.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Perceberão que os matizes e tonalidades
08:18
are like "Avatar."
194
486000
2000
parecem do "Avatar".
08:20
(Laughter)
195
488000
2000
(Risos)
08:22
And if you think about "Avatar,"
196
490000
2000
E se pensarem em "Avatar",
08:24
if you think of why people were so touched by it --
197
492000
3000
se pensarem porque as pessoas se comoveram com ele --
08:27
never mind the Pocahontas story --
198
495000
4000
esqueçam a história de Pocahontas --
08:31
why so touched by the imagery?
199
499000
4000
por que tão sensibilizadas pelas imagens?
08:35
Because it evokes something
200
503000
3000
Porque evocam algo
08:38
that in a sense has been lost.
201
506000
2000
que de certa maneira se perdeu.
08:40
And so my recommendation,
202
508000
2000
Assim minha recomendação,
08:42
it's the only one I will provide,
203
510000
2000
a única que irei fornecer,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
é que Cameron faça "Avatar II" debaixo d'água.
08:49
Thank you very much.
205
517000
2000
Muito obrigado a vocês.
08:51
(Applause)
206
519000
2000
(Aplausos)
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