Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: Okyanusun değişen taban seviyesi
Filmed:
Readability: 3.8
254,411 views
Okyanus, bizim yaşam süremiz boyunca değişti, bunu balıkların ortalama büyüklüklerinin küçülmesinden görebiliyoruz. Yine de Daniel Pauly'nin Mission Blue'da bize gösterdiği gibi, okyanus tabanının her alçalışında, yeni seviyeye "normal" diyoruz. Aşağıya doğru normalleştirmeye ne zaman dur diyeceğiz?
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
Bu gün konuşacağım
00:14
about a tiny, little idea.
1
2000
3000
konu küçük bir fikir.
00:17
And this is about shifting baseline.
2
5000
4000
Değişen taban seviyesi hakkında.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Bu fikir bir dakikada açıklanabileceği için
00:25
I will tell you three stories before
4
13000
3000
zamanı doldurayım diye
00:28
to fill in the time.
5
16000
2000
önce size üç hikaye anlatacağım.
00:30
And the first story
6
18000
2000
Ve ilk hikaye
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
benim kahramanlarımdan biri olan Charles Darwin hakkında.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Bildiğiniz gibi 1835 yılında buradaydı.
00:38
And you'd think he was chasing finches,
9
26000
2000
İspinoz kovaladığını düşünebilirsiniz,
00:40
but he wasn't.
10
28000
2000
fakat kovalamıyordu.
00:42
He was actually collecting fish.
11
30000
2000
Aslında balık topluyordu.
00:44
And he described one of them
12
32000
2000
Ve bir türü
00:46
as very "common."
13
34000
2000
oldukça ''yaygın'' olarak tanımladı.
00:48
This was the sailfin grouper.
14
36000
2000
Bu sailfin orfozuydi.
00:50
A big fishery was run on it
15
38000
2000
Bu balıkları avlamak '80 lere kadar
00:52
until the '80s.
16
40000
3000
çok yaygın idi.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Şimdi bu balıklar IUCN'nin tehlikedeki türler listesinde.
00:58
Now this story,
18
46000
2000
Şimdi bu hikayeyi
01:00
we have heard it lots of times
19
48000
3000
birçok kez duyduk,
01:03
on Galapagos and other places,
20
51000
2000
Galapagos adaları ve diğer yerlerin
01:05
so there is nothing particular about it.
21
53000
3000
belirli bir özelliği yok.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Fakat biz halen Galapagos'a gidiyoruz.
01:11
We still think it is pristine.
23
59000
3000
Bozulmamış olduğunu düşünüyoruz
01:14
The brochures still say
24
62000
3000
ve broşürlerde de
01:17
it is untouched.
25
65000
2000
bozulmamış saf ve temiz olarak gösteriliyor.
01:19
So what happens here?
26
67000
3000
Peki buralarda neler oluyor?
01:22
The second story, also to illustrate another concept,
27
70000
3000
İkinci hikaye de, aynı zamanda başka bir kavramı gösteriyor,
01:25
is called shifting waistline.
28
73000
2000
değişen bel ölçüsü.
01:27
(Laughter)
29
75000
3000
(Gülüşmeler)
01:30
Because I was there in '71,
30
78000
2000
1971'de buradaydım,
01:32
studying a lagoon in West Africa.
31
80000
2000
Batı Afrika'da gölcük çalışması yapıyordum.
01:34
I was there because I grew up in Europe
32
82000
3000
Oradaydım çünkü Avrupa'da büyümüştüm
01:37
and I wanted later to work in Africa.
33
85000
2000
ve sonra Afrika'da çalışmak istiyordum.
01:39
And I thought I could blend in.
34
87000
2000
Uyum sağlarım diye düşünmüştüm.
01:41
And I got a big sunburn,
35
89000
2000
Güneşte kötü bir şekilde yandım
01:43
and I was convinced that I was really not from there.
36
91000
3000
ve aslında oradan olmadığıma ikna oldum.
01:46
This was my first sunburn.
37
94000
2000
Bu benim ilk güneş yanığımdı.
01:48
And the lagoon
38
96000
3000
Bu gölcük,
01:51
was surrounded by palm trees,
39
99000
2000
palmiye ağaçlarıyla
01:53
as you can see, and a few mangrove.
40
101000
2000
ve biraz da mangrovlarla sarılıydı.
01:55
And it had tilapia
41
103000
2000
yaklaşık 20 santimetre büyüklüğünde
01:57
about 20 centimeters,
42
105000
2000
tilapia balıkları vardı,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
tilapia türünden blackthin tilapialar.
02:01
And the fisheries for this tilapia
44
109000
2000
Bu tür tilapialar için balıkçılık
02:03
sustained lots of fish and they had a good time
45
111000
3000
sürdürüldü ve iyi vakit geçirildi
02:06
and they earned more than average
46
114000
2000
ve Gana'nın ortalamasından daha çok
02:08
in Ghana.
47
116000
2000
kazanıldı.
02:10
When I went there 27 years later,
48
118000
3000
Ben 27 yıl sonra oraya gidince
02:13
the fish had shrunk to half of their size.
49
121000
3000
balıklar yarı yarıya küçülmüşlerdi.
02:16
They were maturing at five centimeters.
50
124000
2000
Beş santimetreye kadar gelişiyorlardı.
02:18
They had been pushed genetically.
51
126000
2000
Genetik olarak zorlanmışlardı.
02:20
There were still fishes.
52
128000
2000
Balık çiftlikleri hala vardı.
02:22
They were still kind of happy.
53
130000
2000
Hala mutlu sayılırlardı.
02:24
And the fish also were happy to be there.
54
132000
5000
Balıklar da orada olmaktan da mutlulardı.
02:29
So nothing has changed,
55
137000
2000
Değişen bir şey yoktu,
02:31
but everything has changed.
56
139000
2000
fakat her şey değişmişti.
02:33
My third little story
57
141000
2000
Üçüncü hikayem ise,
02:35
is that I was an accomplice
58
143000
2000
Güneydoğu Asya'ya
02:37
in the introduction of trawling
59
145000
2000
ağ ile balık tutmayı tanıştırmakta
02:39
in Southeast Asia.
60
147000
2000
suç ortağı olmam.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
1970'lerde, daha doğrusu 1960'ların başında
02:44
Europe did lots of development projects.
62
152000
3000
Avrupa birçok geliştirme projesi yaptı.
02:47
Fish development
63
155000
2000
Balıkçılıkta gelişmeler,
02:49
meant imposing on countries
64
157000
2000
100.000 balıkçısı olan ülkelerin
02:51
that had already 100,000 fishers
65
159000
3000
endüstriyel balıkçılık yapmasına
02:54
to impose on them industrial fishing.
66
162000
3000
zorlanması anlamına geliyordu.
02:57
And this boat, quite ugly,
67
165000
2000
Bu oldukça çirkin teknenin
02:59
is called the Mutiara 4.
68
167000
2000
adı Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Bu tekneyle denize açıldım
03:03
and we did surveys
70
171000
3000
ve Güney Çin Denizi'nin güneyinde,
03:06
throughout the southern South China sea
71
174000
3000
özellikle Java Denizi'nde
03:09
and especially the Java Sea.
72
177000
2000
araştırmalar yaptık.
03:11
And what we caught,
73
179000
2000
Yakaladıklarımızı
03:13
we didn't have words for it.
74
181000
2000
kelimelerle tarif edemezdik.
03:15
What we caught, I know now,
75
183000
3000
Ne yakaladığımızı şimdi anlıyorum,
03:18
is the bottom of the sea.
76
186000
2000
denizin dibini yakaladık.
03:20
And 90 percent of our catch
77
188000
2000
Yakaladıklarımızın %90'ı
03:22
were sponges,
78
190000
2000
sünger
03:24
other animals that are fixed on the bottom.
79
192000
3000
ve denizin altına sabitlenen diğer canlılardı.
03:27
And actually most of the fish,
80
195000
2000
Açıkçası balıkların çoğu
03:29
they are a little spot on the debris,
81
197000
2000
enkazda küçük noktalardı,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
döküntülerin arasında mercanlar vardı.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Denizin dibi güvertedeydi
03:36
and then was thrown down.
84
204000
2000
ve sonra geri denize atıldı.
03:38
And these pictures are extraordinary
85
206000
3000
Bu fotoğraflar olağanüstü
03:41
because this transition is very rapid.
86
209000
3000
çünkü geçişler çok hızlı.
03:44
Within a year, you do a survey
87
212000
3000
Bir sene içerisinde araştırma yapıyorsunuz
03:47
and then commercial fishing begins.
88
215000
2000
ve ticari balıkçılık başlıyor.
03:49
The bottom is transformed
89
217000
2000
Denizin altı
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
sert dip ya da yumuşak mercanlardan
03:54
into a muddy mess.
91
222000
3000
çamura dönüştü.
03:57
This is a dead turtle.
92
225000
2000
Bu ölü bir kaplumbağa.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Yenilmemişlerdi, öldükleri için denize tekrar atılmışlardı.
04:02
And one time we caught a live one.
94
230000
2000
Bir keresinde canlı yakaladık.
04:04
It was not drowned yet.
95
232000
2000
Henüz boğulmamıştı.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Yemek için öldürmek istediler.
04:09
This mountain of debris
97
237000
3000
Balıkçılar bu döküntü yığınını
04:12
is actually collected by fishers
98
240000
3000
gittikleri daha önce balıkçılık
04:15
every time they go
99
243000
2000
yapılmamış yerlerde
04:17
into an area that's never been fished.
100
245000
2000
topladılar.
04:19
But it's not documented.
101
247000
2000
Ancak bunlar belgelenmemiş.
04:21
We transform the world,
102
249000
2000
Biz dünyamızı değiştiriyoruz
04:23
but we don't remember it.
103
251000
2000
ve bunu unutuyoruz.
04:25
We adjust our baseline
104
253000
3000
Okyanus tabanını
04:28
to the new level,
105
256000
2000
yeni bir seviyeye getiriyoruz
04:30
and we don't recall what was there.
106
258000
4000
ve eski halini hatırlamıyoruz.
04:34
If you generalize this,
107
262000
2000
Genelleme yaparsak,
04:36
something like this happens.
108
264000
2000
bunun gibi bir şey oluyor.
04:38
You have on the y axis some good thing:
109
266000
3000
Y ekseninde iyi şeyler olduğunu varsayalım:
04:41
biodiversity, numbers of orca,
110
269000
3000
biyoçeşitlilik, katil balina sayıları,
04:44
the greenness of your country, the water supply.
111
272000
3000
ülkenizin yeşillikleri, su kaynakları.
04:47
And over time it changes --
112
275000
2000
Zaman içinde değişiyor --
04:49
it changes
113
277000
2000
değişimin sebebi
04:51
because people do things, or naturally.
114
279000
2000
insanların yaptıkları ya da doğal koşullar.
04:53
Every generation
115
281000
2000
Her nesil
04:55
will use the images
116
283000
2000
bilinçli hayatının başlangıcında
04:57
that they got at the beginning of their conscious lives
117
285000
3000
gördüğü resimleri
05:00
as a standard
118
288000
2000
standart olarak alır
05:02
and will extrapolate forward.
119
290000
2000
ve ekstrapole eder.
05:04
And the difference then,
120
292000
2000
O anda var olanla arasındaki farkı
05:06
they perceive as a loss.
121
294000
2000
kayıp olarak görür.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Ancak bundan önce olanları kayıp olarak görmez.
05:11
You can have a succession of changes.
123
299000
2000
Arka arkaya değişimler olabilir.
05:13
At the end you want to sustain
124
301000
3000
Sonunda bir bakarsınız, korumak istedikleriniz
05:16
miserable leftovers.
125
304000
3000
aslında zavallı artıklar olmuş.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Şimdi büyük ölçüde yaptığımız bu.
05:22
We want to sustain things that are gone
127
310000
3000
Devam ettirmek istediklerimiz çoktan gitmiş
05:25
or things that are not the way they were.
128
313000
4000
ya da aslında eskiden oldukları gibi değil.
05:29
Now one should think
129
317000
2000
Bunların
05:31
this problem affected people
130
319000
2000
tarih öncesi insanları da
05:33
certainly when in predatory societies,
131
321000
4000
etkilediği düşünülebilir,
05:37
they killed animals
132
325000
2000
onlar da hayvanları öldürdüler
05:39
and they didn't know they had done so
133
327000
2000
ve birkaç nesil sonra
05:41
after a few generations.
134
329000
2000
bunu yaptıklarının farkında değillerdi.
05:43
Because, obviously,
135
331000
3000
Çünkü doğal olarak
05:46
an animal that is very abundant,
136
334000
5000
çok bulunan bir hayvanın
05:51
before it gets extinct,
137
339000
3000
soyu tükenmeden önce,
05:54
it becomes rare.
138
342000
3000
sayısı azalır.
05:57
So you don't lose abundant animals.
139
345000
3000
Yani çok bulunan hayvanları birden kaybetmezsiniz.
06:00
You always lose rare animals.
140
348000
2000
Hep sayıları azalmış hayvanları kaybedersiniz.
06:02
And therefore they're not perceived
141
350000
2000
Bu yüzden bunlar
06:04
as a big loss.
142
352000
2000
büyük bir kayıp olarak algılanmazlar.
06:06
Over time,
143
354000
2000
Zamanla,
06:08
we concentrate on large animals,
144
356000
2000
büyük hayvanlara odaklanırız
06:10
and in a sea that means the big fish.
145
358000
2000
ve denizde bunun anlamı büyük balıklar.
06:12
They become rarer because we fish them.
146
360000
3000
Bunların sayıları azalır, çünkü onları avlarız.
06:15
Over time we have a few fish left
147
363000
2000
Zamanla birkaç balık kalınca,
06:17
and we think this is the baseline.
148
365000
3000
buna taban seviyesi deriz.
06:20
And the question is,
149
368000
2000
Soru şu ki,
06:22
why do people accept this?
150
370000
5000
insanlar neden bunu kabulleniyorlar?
06:27
Well because they don't know that it was different.
151
375000
3000
Çünkü daha önce bunun farklı olduğunu bilmiyoruz.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Aslında birçok insan, bilimadamı
06:33
will contest that it was really different.
153
381000
2000
bunun aslında çok farklı olduğunu söyler.
06:35
And they will contest this
154
383000
2000
Bunu söylerler
06:37
because the evidence
155
385000
2000
çünkü daha önceki
06:39
presented in an earlier mode
156
387000
5000
kanıtlar
06:44
is not in the way
157
392000
3000
onların istedikleri
06:47
they would like the evidence presented.
158
395000
2000
gibi sunulmaz.
06:49
For example,
159
397000
2000
Örneğin,
06:51
the anecdote that some present,
160
399000
2000
Kaptan Bilmemkim'in
06:53
as Captain so-and-so
161
401000
2000
daha önce burada
06:55
observed lots of fish in this area
162
403000
3000
çok fazla balık olduğunu söylemesi
06:58
cannot be used
163
406000
2000
su ürünleri bilimadamları
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
tarafından kullanılamaz,
07:03
because it's not "scientific."
165
411000
2000
çünkü "bilimsel" değil.
07:05
So you have a situation
166
413000
2000
Yani durum öyle ki
07:07
where people don't know the past,
167
415000
3000
yazıya sahip toplumlar olmamıza rağmen,
07:10
even though we live in literate societies,
168
418000
3000
geçmişi bilmiyoruz
07:13
because they don't trust
169
421000
2000
çünkü geçmişin
07:15
the sources of the past.
170
423000
3000
kaynaklarına inanmıyorlar.
07:18
And hence, the enormous role
171
426000
3000
Bundan dolayı,
07:21
that a marine protected area can play.
172
429000
2000
korunma alanları önemli rol oynuyor.
07:23
Because with marine protected areas,
173
431000
3000
Çünkü korunma alanlarıyla
07:26
we actually recreate the past.
174
434000
4000
geçmişi yeniden yaratıyoruz.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Taban seviyesi değiştiği
07:33
because the baseline has shifted
176
441000
2000
ve çok aşağıda olduğu için insanların algılayamadığı
07:35
and is extremely low.
177
443000
2000
geçmişi yeniden yaratıyoruz.
07:37
That is for people
178
445000
2000
Bu,
07:39
who can see a marine protected area
179
447000
5000
korunmuş alanları görüp
07:44
and who can benefit
180
452000
2000
bunların sağladığı
07:46
from the insight that it provides,
181
454000
3000
bilgilerden yararlanabilecek insanlar için,
07:49
which enables them to reset their baseline.
182
457000
4000
böylece taban seviyelerini yeniden ayarlayabilirler.
07:53
How about the people who can't do that
183
461000
2000
Peki ya bunlara erişimi
07:55
because they have no access --
184
463000
2000
olmayan insanlar --
07:57
the people in the Midwest for example?
185
465000
3000
Ortabatı'dakiler mesela?
08:00
There I think
186
468000
2000
Onlar için
08:02
that the arts and film
187
470000
2000
bence sanat, filmler
08:04
can perhaps fill the gap,
188
472000
2000
ve simülasyonlar
08:06
and simulation.
189
474000
2000
boşluğu doldurabilir.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Bu Chesapeake Körfezi'nin bir simülasyonu.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Çok eskiden, 500 yıl önce, Chesapeake Körfezi'nde
08:13
500 years ago.
192
481000
2000
gri balinalar vardı.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Renklerin ve tonların Avatar'a benzediğini
08:18
are like "Avatar."
194
486000
2000
fark etmişsinizdir.
08:20
(Laughter)
195
488000
2000
(Gülüşmeler)
08:22
And if you think about "Avatar,"
196
490000
2000
Avatar'ı düşünürseniz,
08:24
if you think of why people were so touched by it --
197
492000
3000
insanların neden ondan çok etkilendiklerini --
08:27
never mind the Pocahontas story --
198
495000
4000
Pokahontas hikayesini boşverin --
08:31
why so touched by the imagery?
199
499000
4000
neden o resimlerden o kadar etkilendiler?
08:35
Because it evokes something
200
503000
3000
Çünkü onlara
08:38
that in a sense has been lost.
201
506000
2000
kaybolan şeyleri anımsattı.
08:40
And so my recommendation,
202
508000
2000
Bu yüzden benim önerim,
08:42
it's the only one I will provide,
203
510000
2000
bu tek önerim olacak,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
James Cameron'un Avatar 2'yi sualtında çekmesi.
08:49
Thank you very much.
205
517000
2000
Çok teşekkür ederim.
08:51
(Applause)
206
519000
2000
(Alkış)
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