Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Барбара Блок: Да проследиш риба тон в дълбокият океан
Filmed:
Readability: 4.4
368,018 views
Риба тон е атлетът в океаните - бърза, хищници, обитаващи големи разстояния, чиито навици едва започваме да разбираме. Морският биолог Барбара Блок поставя проследяващи маркери (които имат предаватели), които записват голямо количество информация за тези великолепни, застрашени видове риба и за хабитатите, които те обитават.
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
Винаги съм била запленена
00:18
by the beauty, form and function
1
3000
2000
от красотата, формата и действията
00:20
of giant bluefin tuna.
2
5000
3000
на голямата червена риба тон.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Червената риба тон е топлокръвна като нас.
00:26
They're the largest of the tunas,
4
11000
3000
Тя е най-голямата риба тон,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
втората най-голяма риба в морето - костна риба.
00:32
They actually are a fish
6
17000
2000
Тези риби всъщност са
00:34
that is endothermic --
7
19000
2000
ендотермични -
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
движи се през океаните с топлите си мускули, точно като бозайник.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Това е една от нашите червени риби тон в аквариума в залива Монтерей.
00:43
You can see in its shape and its streamlined design
10
28000
3000
По вида и аеродинамичната форма може да видите,
00:46
it's powered for ocean swimming.
11
31000
3000
че е създадена за плуване в океана.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Тя буквално лети през океана с гръдните си перки, издига се,
00:52
powers its movements
13
37000
2000
засилвайки движенията си
00:54
with a lunate tail.
14
39000
2000
със сърповидната си опашка.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Всъщност тя има гладка кожа почти по цялото си тяло,
00:59
so it reduces friction with the water.
16
44000
3000
за да се намали триенето с водата.
01:02
This is what one of nature's finest machines.
17
47000
3000
Това е една от най-фините машини, създадени от природата.
01:05
Now, bluefin
18
50000
2000
Червената риба тон
01:07
were revered by Man
19
52000
2000
е била почитана от човека
01:09
for all of human history.
20
54000
3000
през цялата човешка история.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
От 4000 години, ние постоянно ловим тази риба
01:15
and it's evidenced
22
60000
2000
и има доказателства за това
01:17
in the art that we see
23
62000
2000
в произведенията на изкуството,
01:19
from thousands of years ago.
24
64000
2000
датиращи от хиляди години назад.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Има я в пещерните рисунки във Франция.
01:24
They're on coins
26
69000
2000
Има я в монетите,
01:26
that date back 3,000 years.
27
71000
3000
датиращи 3000 години назад.
01:29
This fish was revered by humankind.
28
74000
3000
Тази риба е била почитана от човечеството.
01:32
It was fished sustainably
29
77000
2000
Била обект на риболова без да се нарушава баланса
01:34
till all of time,
30
79000
2000
през цялото време,
01:36
except for our generation.
31
81000
2000
с изключение на нашето поколение.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
Тази риба е преследвана където и да отиде.
01:41
there is a gold rush on Earth,
33
86000
2000
Има златна треска на Земята,
01:43
and this is a gold rush for bluefin.
34
88000
2000
и тази златна треска е за червената риба тон.
01:45
There are traps that fish sustainably
35
90000
2000
Има капани, които ловят риби без да нарушават баланса,
01:47
up until recently.
36
92000
3000
но това беше доскоро.
01:50
And yet, the type of fishing going on today,
37
95000
3000
И сега, начинът по който се лови риба
01:53
with pens, with enormous stakes,
38
98000
3000
с големи заградени места и с огромни колове,
01:56
is really wiping bluefin
39
101000
2000
унищожават популациите на рибата
01:58
ecologically off the planet.
40
103000
2000
на планетата.
02:00
Now bluefin, in general,
41
105000
2000
Основно, червената риба тон
02:02
goes to one place: Japan.
42
107000
2000
стига до едно място, Япония.
02:04
Some of you may be guilty
43
109000
2000
Някои от вас може да се почувстват виновни
02:06
of having contributed to the demise of bluefin.
44
111000
2000
за допринасянето за смъртта на тази риба.
02:08
They're delectable muscle,
45
113000
2000
Техните прекрасни мускули,
02:10
rich in fat --
46
115000
2000
богати на мазнини,
02:12
absolutely taste delicious.
47
117000
2000
имат невероятен вкус.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
И това е техният проблем, ще ги ядем докато не изчезнат.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
В Атлантическият океан историята е проста и ясна.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Червената риба тон има две популации - една голяма и една малка.
02:23
The North American population
51
128000
2000
От северноамериканската популация
02:25
is fished at about 2,000 ton.
52
130000
3000
се лови около 2000 тона.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
Европейската и северноафриканската, тоест източната червена риба тон,
02:31
is fished at tremendous levels:
54
136000
3000
се лови в огромни количества:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
по 50 000 тона почти всяка година за последното десетилетие.
02:37
The result is whether you're looking
56
142000
2000
Без значение къде ще следите, но като резултат
02:39
at the West or the Eastern bluefin population,
57
144000
3000
за западната и източната популации на червена риба тон,
02:42
there's been tremendous decline on both sides,
58
147000
2000
има много голям спад -
02:44
as much as 90 percent
59
149000
2000
стига се до 90%,
02:46
if you go back with your baseline
60
151000
2000
ако сравните
02:48
to 1950.
61
153000
2000
с 1950 година.
02:50
For that, bluefin have been given a status
62
155000
3000
Затова на червената риба тон е даден статус,
02:53
equivalent to tigers, to lions,
63
158000
3000
равен на статусите на тигри, лъвове,
02:56
to certain African elephants
64
161000
2000
някои африкански слонове,
02:58
and to pandas.
65
163000
2000
както и на пандите.
03:00
These fish have been proposed
66
165000
2000
Тази риба е предложена
03:02
for an endangered species listing in the past two months.
67
167000
3000
за включване в списъка със застрашени видове, в последните два месеца.
03:05
They were voted on and rejected
68
170000
2000
Имаше гласуване и това включване беше отказано
03:07
just two weeks ago,
69
172000
2000
преди две седмици,
03:09
despite outstanding science
70
174000
2000
въпреки неоспоримите доказателства,
03:11
that shows from two committees
71
176000
3000
които са представени от два комитета,
03:14
this fish meets the criteria of CITES I.
72
179000
3000
че тази риба покрива критериите от Конвенцията за международна търговия със застрашени видове.
03:17
And if it's tunas you don't care about,
73
182000
2000
И ако не ви интересува тази риба,
03:19
perhaps you might be interested
74
184000
2000
може би ще се поинтересувате от това,
03:21
that international long lines and pursing
75
186000
2000
че международни парагади
03:23
chase down tunas and bycatch animals
76
188000
3000
ловят риба тон и други съпъстващи риби
03:26
such as leatherbacks, sharks,
77
191000
2000
като костенурки, акули,
03:28
marlin, albatross.
78
193000
2000
марлини, албатроси.
03:30
These animals and their demise
79
195000
2000
Тези животни и тяхното изчезване
03:32
occurs in the tuna fisheries.
80
197000
3000
са резултат от лова на риба тон.
03:35
The challenge we face
81
200000
2000
Предизвикателството, пред което се изправяме
03:37
is that we know very little about tuna,
82
202000
3000
е, че знаем много малко за риба тон,
03:40
and everyone in the room knows what it looks like
83
205000
3000
а всеки в тази стая е гледал
03:43
when an African lion
84
208000
2000
как африкански лъв
03:45
takes down its prey.
85
210000
2000
напада своята жертва.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Съмнявам се, че някой е виждал как се храни червената риба тон.
03:50
This tuna symbolizes
87
215000
3000
Тази риба символизира
03:53
what's the problem for all of us in the room.
88
218000
3000
проблемът на всички нас в тази стая.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
Вече сме в 21 век, но едва тепърва започваме
03:59
to really study our oceans in a deep way.
90
224000
3000
да изучаваме океаните по-задълбочено.
04:02
Technology has come of age
91
227000
2000
Технологията е достигнала ниво,
04:04
that's allowing us to see the Earth from space
92
229000
3000
което ни позволява да видим Земята от космоса
04:07
and go deep into the seas remotely.
93
232000
3000
и да се потопим в моретата от разстояние.
04:10
And we've got to use these technologies immediately
94
235000
2000
И ние веднага започнахме да използваме тези технологии,
04:12
to get a better understanding
95
237000
2000
за да разберем по-добре
04:14
of how our ocean realm works.
96
239000
3000
как работи подводното царство.
04:17
Most of us from the ship -- even I --
97
242000
2000
От кораб, повечето от нас, дори и аз,
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
гледаме океана и виждаме едно равно море.
04:22
We don't know where the structure is.
99
247000
2000
Не знаем къде и каква е структурата му.
04:24
We can't tell where are the watering holes
100
249000
3000
Не можем да кажем откъде се пълни и наводнява,
04:27
like we can on an African plain.
101
252000
3000
както бихме да определим в африканските равнини.
04:30
We can't see the corridors,
102
255000
2000
Не виждаме коридорите
04:32
and we can't see what it is
103
257000
2000
и не виждаме кое
04:34
that brings together a tuna,
104
259000
2000
събира рибата тон,
04:36
a leatherback and an albatross.
105
261000
2000
костенурката и албатроса на едно място.
04:38
We're only just beginning to understand
106
263000
2000
Ние тепърва разбираме
04:40
how the physical oceanography
107
265000
2000
как физическата океанография
04:42
and the biological oceanography
108
267000
2000
и биологическата океанография
04:44
come together
109
269000
2000
се събират,
04:46
to create a seasonal force
110
271000
2000
за да създадат силата,
04:48
that actually causes the upwelling
111
273000
2000
която всъщност
04:50
that might make a hot spot a hope spot.
112
275000
3000
може да създаде гореща точка, или да даде надежда.
04:53
The reasons these challenges are great
113
278000
2000
Причината тези предизвикателства да са толкова големи
04:55
is that technically it's difficult to go to sea.
114
280000
3000
е, че технически е трудно да бъдеш в морето.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
Трудно е да изучаваш червената риба тон в нейната територия,
05:00
the entire Pacific realm.
116
285000
2000
която е тихоокеанското царство.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
Наистина е трудно да се доближиш до остроносата акула
05:06
and try to put a tag on it.
118
291000
2000
и да се опиташ да я маркираш.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
И сега си представете екипът на Брус Мейт, от Държавният университет на Орегон,
05:11
getting up close to a blue whale
120
296000
2000
да се приближава до един син кит
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
и да слага маркер на син кит, който да остане там,
05:16
an engineering challenge
122
301000
2000
това е инжинерно предизвикателство,
05:18
we've yet to really overcome.
123
303000
2000
което тепърва преодоляваме.
05:20
So the story of our team, a dedicated team,
124
305000
3000
И така, историята на нашият отдаден екип,
05:23
is fish and chips.
125
308000
2000
е риба и чипове.
05:25
We basically are taking
126
310000
2000
Ние взимаме
05:27
the same satellite phone parts,
127
312000
2000
същите сателитни части за телефони,
05:29
or the same parts that are in your computer, chips.
128
314000
3000
или същите части като във вашия компютър - чиповете.
05:32
We're putting them together in unusual ways,
129
317000
3000
Събираме ги заедно
05:35
and this is taking us into the ocean realm
130
320000
2000
и те ни отвеждат във водното царство,
05:37
like never before.
131
322000
2000
както нищо друго досега.
05:39
And for the first time,
132
324000
2000
За първи път
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
ние имаме възможността да наблюдаваме пътя на риба тон в океана,
05:44
using light and photons
134
329000
2000
използвайки светлина и фотони,
05:46
to measure sunrise and sunset.
135
331000
3000
за да измерим изгрева и залеза.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Работим с риба тон повече от 15 години.
05:52
I have the privilege of being a partner
137
337000
2000
Имам привилегията да бъда партньор
05:54
with the Monterey Bay Aquarium.
138
339000
2000
на аквариума в залива Монтерей.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Всъщност ние взехме част от океана,
05:58
put it behind glass,
140
343000
2000
сложихме го под стъкло
06:00
and we together
141
345000
2000
и заедно
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
наблюдавахме червената и жълтоперата риба тон.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Когато завесата от мехурчета се надигне всяка сутрин,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
ние виждаме общество в открития океан,
06:11
one of the only places on Earth
145
356000
2000
едно от малкото места на Земята,
06:13
you can see giant bluefin swim by.
146
358000
3000
където можете да видите да плува гигантската червена риба тон.
06:16
We can see in their beauty of form and function,
147
361000
2000
Ние можем да видим красотата им като форма и действия,
06:19
their ceaseless activity.
148
364000
2000
тяхната непрекъсната активност.
06:21
They're flying through their space, ocean space.
149
366000
3000
Те летят в тяхното пространство - океанът.
06:24
And we can bring two million people a year
150
369000
2000
Можем да водим по два милиона човека на година,
06:26
into contact with this fish
151
371000
2000
за да се докоснат до тази риба
06:28
and show them its beauty.
152
373000
3000
и да им покажем нейната красота.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Работна лаборатория в Станфордския университет
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
партнира на аквариума в залива Монтерей.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Тук, повече от 14-15 години
06:38
we've actually brought in
156
383000
2000
ние всъщност пленяваме
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
червена и жълтопера риба тон.
06:42
We'd been studying these fish,
158
387000
2000
Изучавахме тези риби.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Но първо трябваше да се научим как да се грижим за тях.
06:46
What do they like to eat?
160
391000
2000
Какво ядат?
06:48
What is it that they're happy with?
161
393000
2000
От какво се чувстват добре?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Ходим до аквариумите с риба тон. Докосваме тяхната кожа.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
Невероятно е. Прекрасно чувство.
06:56
And then, better yet,
164
401000
2000
И тогава,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
ние имаме наша версия на говорещите с рибата,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
нашите собствени Чък Фаруел, Алекс Нортън,
07:02
who can take a big tuna
167
407000
2000
които могат да грабнат една риба тон
07:04
and in one motion,
168
409000
2000
и с едно движение
07:06
put it into an envelope of water,
169
411000
2000
да я сложат в плик с вода,
07:08
so that we can actually work with the tuna
170
413000
2000
за да можем да работим с тази риба
07:10
and learn the techniques it takes
171
415000
2000
и да научим техниките, които ни помагат
07:12
to not injure this fish
172
417000
2000
да не нараним тази риба,
07:14
who never sees a boundary in the open sea.
173
419000
3000
която никога не е виждала прегради в открито море.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Джеф и Джейсън са учени,
07:19
who are going to take a tuna
175
424000
2000
които биха взели тази риба тон
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
и биха я сложили в изкуствен воден поток.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Така рибата си мисли, чи отива в Япония, но остава при нас.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
Ние измерваме нейната консумация на кислород,
07:29
its energy consumption.
179
434000
2000
нейната енергийна консумация.
07:32
We're taking this data and building better models.
180
437000
3000
Събираме тези данни и създаваме по-добри модели.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
И когато видя тази риба тон - това е любимата ми гледка -
07:38
I begin to wonder:
182
443000
2000
започвам да се чудя:
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
Как тази риба се е справила с тези разстояния преди нас?
07:44
So take a look at that animal.
184
449000
2000
Вижте това животно.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Това вероятно е най-близкото разстояние, до което ще стигнете някога.
07:48
Now, the activities from the lab
186
453000
3000
Дейностите в лабораторията
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
ни научиха как да излизаме в открито море.
07:54
So in a program called Tag-A-Giant
188
459000
3000
И така, в програма, наречена "Маркирай гигант"
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
ние всъщност отидохме от Ирландия до Канада,
08:00
from Corsica to Spain.
190
465000
2000
и от Корсика до Испания.
08:02
We've fished with many nations around the world
191
467000
3000
Ловяхме риба с много народи по света
08:05
in an effort to basically
192
470000
2000
и се постарахме
08:07
put electronic computers
193
472000
3000
да сложим електронни компютри
08:10
inside giant tunas.
194
475000
2000
в огромни риби тон.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Успяхме да маркираме 1100 риби.
08:15
And I'm going to show you three clips,
196
480000
2000
Ще ви покажа три клипа,
08:17
because I tagged 1,100 tunas.
197
482000
3000
защото аз маркирах 1100 риби.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
Много тежък процес, но е като "балет".
08:23
We bring the tuna out, we measure it.
199
488000
3000
Изваждаме рибата. Измерваме я.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Екип от рибари, капитани, учени и техници
08:29
work together to keep this animal out of the ocean
201
494000
3000
работят заедно, за да задържат това животно извън океана
08:32
for about four to five minutes.
202
497000
3000
за около 4-5 минути.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Поливаме хрилете с вода, даваме й кислород.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
И тогава с много усилия, след маркирането,
08:41
putting in the computer,
205
506000
2000
слагането на компютъра,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
след като се уверим, че предавателят стърчи и има сигнал,
08:46
we send this fish back into the sea.
207
511000
3000
ние връщаме тази риба обратно в морето.
08:49
And when it goes, we're always happy.
208
514000
2000
И когато отплува, ние винаги сме щастливи.
08:51
We see a flick of the tail.
209
516000
2000
Виждаме удара на нейната опашка.
08:53
And from our data that gets collected,
210
518000
3000
И от данните, които събираме,
08:56
when that tag comes back,
211
521000
2000
когато получим обратно нейния маркер,
08:58
because a fisher returns it
212
523000
2000
защото рибарите ги връщат
09:00
for a thousand-dollar reward,
213
525000
2000
срещу награда от хиляда долара,
09:02
we can get tracks beneath the sea
214
527000
2000
можем да направим проследяване под морето
09:04
for up to five years now,
215
529000
2000
за срок от до пет години
09:06
on a backboned animal.
216
531000
2000
на гръбначно животно.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Понякога рибата тон е наистина огромна,
09:11
such as this fish off Nantucket.
218
536000
2000
като тази риба в крайбрежието на Нантакет.
09:13
But that's about half the size
219
538000
2000
Но дори тази риба е наполовина
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
на най-голямата риба, която сме маркирали.
09:17
It takes a human effort,
221
542000
2000
Нужно е усилие,
09:19
a team effort, to bring the fish in.
222
544000
2000
усилието на цял екип, за да извади рибата.
09:21
In this case, what we're going to do
223
546000
2000
В този случай, това което правим,
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
е да сложим върху рибата маркер, проследяван от сателит.
09:27
This tag rides on the tuna,
225
552000
2000
Този маркер се носи върху рибата,
09:29
senses the environment around the tuna
226
554000
3000
приема информация за средата около рибата
09:32
and actually will come off the fish,
227
557000
3000
и всъщност се откъсва от рибата,
09:35
detach, float to the surface
228
560000
2000
отдалечава се, изплува на повърхността,
09:37
and send back to Earth-orbiting satellites
229
562000
3000
и изпраща обратно на сателитите над Земята
09:40
position data estimated by math on the tag,
230
565000
3000
позицията, математически изчислена от маркера,
09:43
pressure data and temperature data.
231
568000
3000
както и инфармация за налягането и температурата.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Това, което получаваме от този тип сателитни маркери
09:48
is we get away from having to have a human interaction
233
573000
3000
е, че ние избягваме човешката намеса,
09:51
to recapture the tag.
234
576000
2000
за да приберем обратно маркера.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
И двата типа електронни маркери, за които говоря, са скъпи.
09:56
These tags have been engineered
236
581000
2000
Те са проектирани
09:58
by a variety of teams in North America.
237
583000
3000
от много групи инженери в Северна Америка.
10:01
They are some of our finest instruments,
238
586000
2000
Те са едни от най-фините инструменти,
10:03
our new technology in the ocean today.
239
588000
3000
нашата нова технология в океана днес.
10:07
One community in general
240
592000
2000
Едно общество
10:09
has given more to help us than any other community.
241
594000
2000
ни помогна много повече отколкото всяко друго общество.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
И това са риболовците от щата Нова Каролина.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Там има две селища - Харис и Морхед Сити,
10:17
every winter for over a decade,
244
602000
2000
и всяка зима вече повече от десетилетие,
10:19
held a party called Tag-A-Giant,
245
604000
3000
организират едно събитие, наречено "Маркирай риба тон",
10:22
and together, fishers worked with us
246
607000
2000
и заедно, риболовците работят с нас,
10:24
to tag 800 to 900 fish.
247
609000
3000
за да маркираме между 800 и 900 риби.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
В този случай, ние всъщност ще измерваме рибите.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Ще направим нещо, което в последните години вече беше започнато:
10:33
take a mucus sample.
250
618000
2000
ще вземем проби слуз.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Наблюдавайки колко е лъскава кожата, можете да видите и моето отражение там.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
От тази слуз ние можем да изработим генетични профили.
10:41
we can get information on gender,
253
626000
2000
Можем да получим информация за пол,
10:43
checking the pop-up tag one more time,
254
628000
2000
да проверим изскачащия маркер още веднъж,
10:45
and then it's out in the ocean.
255
630000
2000
и после я пускаме в океана.
10:47
And this is my favorite.
256
632000
2000
А това е любимата ми част.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
С помощта на моят бивш студент, Гарет Лосън,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
това е разкошна снимка на една риба тон.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Тази риба всъщност минава през няколко океана.
10:57
The warm is the Gulf Stream,
260
642000
2000
Топлият е Гълфстрийм,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
студеният е в Залива на Мейн.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
Дотам иска да отиде рибата. Иска да се храни от пасажите от херинга.
11:05
but it can't get there. It's too cold.
263
650000
2000
Но не може да стигне дотам, защото е твърде студено.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Но след това се затопля, рибата тон се появява, хапва малко риба,
11:10
maybe comes back to home base,
265
655000
2000
може би се връща дотам, откъдето тръгва,
11:12
goes in again
266
657000
2000
отива отново
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
и след това отива да зимува в Северна Каролина,
11:17
and then on to the Bahamas.
268
662000
2000
и след това отива към Бахамите.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Любимата ми картина, три риби, отиващи към Залива в Мексико.
11:22
Three tunas tagged.
270
667000
2000
Три риби тон, които са маркирани.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Ние изчисляваме позициите им астрономически.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Те се събират. Това може би е секс между рибите.
11:29
and there it is.
273
674000
2000
И това е.
11:31
That is where the tuna spawn.
274
676000
2000
Тук риба тон изхвърля хайвера си.
11:33
So from data like this,
275
678000
2000
И така, от информация като тази,
11:35
we're able now to put the map up,
276
680000
2000
ние можем да увеличим информацията на картата,
11:37
and in this map
277
682000
2000
а в тази карта
11:39
you see thousands of positions
278
684000
2000
вие виждате хиляди позиции,
11:41
generated by this decade and a half of tagging.
279
686000
3000
маркирани за десетилетие и половина.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Така ние ще покажем, че риба тон от западната част
11:47
go to the eastern side.
281
692000
2000
отива към източната част.
11:49
So two populations of tunas --
282
694000
2000
Така че имаме две популации риба тон -
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
имаме популация от Залива, тази която можем да маркираме,
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
те отиват към Залива в Мексико, вече ви показах това,
11:56
and a second population.
285
701000
2000
както имаме и втора популация.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
Живеейки сред нашите риби, нашата северноамериканска риба тон
12:00
are European tunas that go back to the Med.
287
705000
3000
е европейска риба тон, която се връща в Средиземно море.
12:03
On the hot spots -- the hope spots --
288
708000
2000
На мястото на горещите точки, там където се срещат,
12:05
they're mixed populations.
289
710000
2000
двете популации се смесват.
12:07
And so what we've done with the science
290
712000
2000
Това, което постигнахме чрез науката
12:09
is we're showing the International Commission,
291
714000
2000
е, че ние показваме на Международната комисия,
12:11
building new models,
292
716000
2000
построяваме нови модели,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
показваме им, че моделът с два вида, които не се смесват -
12:15
to this day, used to reject
294
720000
3000
и до този момент отхвърлят
12:18
the CITES treaty --
295
723000
2000
Конвенцията за международна търговия със застрашени видове от дивата фауна и флора -
12:20
that model isn't the right model.
296
725000
2000
че този модел не е правилният.
12:22
This model, a model of overlap,
297
727000
2000
Този модел на смесване
12:24
is the way to move forward.
298
729000
2000
е начинът да се продължи напред.
12:26
So we can then predict
299
731000
2000
Така ние можем да предположим
12:28
where management places should be.
300
733000
2000
къде ще са точките на събиране.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Места като Заливът в Мексико и Средиземно море
12:33
are places where the single species,
302
738000
2000
са места, където самотни екземпляри,
12:35
the single population, can be captured.
303
740000
2000
единични популации, мога да бъдат уловени.
12:37
These become forthright in places we need to protect.
304
742000
3000
Това са места, които трябва да защитаваме.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Центърът на Атлантика, където става смесването е,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
място, където Канада и Америка ловят риба,
12:45
because they manage their fisheries well,
307
750000
3000
и тъй като управляват ловуването добре,
12:48
they're doing a good job.
308
753000
2000
всъщност вършат добра работа.
12:50
But in the international realm,
309
755000
2000
Но в международни води,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
където риболовът надхвърля границите,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
това са места, където трябва да създадем тези горещи точки.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Това е тяхната големина, за да може червената риба тон да бъде защитена.
13:00
Now in a second project
313
765000
2000
Във втори проект,
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
наречен Маркиране на тихоокеанските дълбини,
13:04
we took on the planet as a team,
315
769000
2000
започнахме да работим в екип,
13:06
those of us in the Census of Marine Life.
316
771000
2000
тези от нас в Преброяване на морският живот.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
И, финансирани предимно от Фондация Слоун и други,
13:12
we were able to actually go in, in our project --
318
777000
3000
можехме да навлезем в нашият проект,
13:15
we're one of 17 field programs
319
780000
2000
ние сме една от 17 полеви програми
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
и да започнем да маркираме голям брой хищници,
13:20
not just tunas.
321
785000
2000
не само риба тон.
13:22
So what we've done
322
787000
2000
Това, което направихме -
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
всъщност отидохме до Аляска, за да маркираме сьомгова акула,
13:27
met salmon shark on their home territory,
324
792000
3000
за се срещнем с нея на нейната територия,
13:30
followed them catching salmon
325
795000
2000
проследихме я докато лови сьомга
13:32
and then went in and figured out
326
797000
2000
и тогава разбрахме,
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
че ако използваме сьомга за примамка,
13:37
we can actually take up a salmon shark --
328
802000
2000
всъщност можем да хванем тази акула.
13:39
This is the cousin of the white shark --
329
804000
2000
А тя е братовчедка на бялата акула,
13:41
and very carefully --
330
806000
2000
и тогава много внимателно,
13:43
note, I say "very carefully," --
331
808000
2000
забележете, че казвам "много внимателно",
13:45
we can actually keep it calm,
332
810000
2000
тогава може да запазим спокойствието им,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
да сложим маркуч в устата й, да я задържим на палубата,
13:50
and then tag it with a satellite tag.
334
815000
3000
и после да я маркираме, с проследяван от сателит маркер.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Този маркер се свързва с базата
13:56
and send in a message.
336
821000
2000
и изпраща съобщения.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Вижте тази акула, която прескача там. Тя има антена.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
Това е свободно плуваща акула със сателитен маркер,
14:03
jumping after salmon,
339
828000
2000
подскачаща след сьомгата,
14:05
sending home its data.
340
830000
3000
и изпращаща данни до базата.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Това не са единствените акули, които маркираме.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Но ето една акула с този уред за измерване
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
на температурата на океана - по-топлите цветове показват по-висока температура.
14:17
Salmon sharks go down
344
842000
2000
Акулите слизат надолу
14:19
to the tropics to pup
345
844000
2000
към тропиците, за да се размножават
14:21
and come into Monterey.
346
846000
2000
и идват в Монтерей.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Близко до Монтерей, нагоре към Фаралонските острови
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
е екипът, следящ бялата акула, водени от Скот Андерсън
14:28
and Sal Jorgensen.
349
853000
2000
и Сал Йоргенсен.
14:30
They can throw out a target --
350
855000
2000
Те хвърлят цел -
14:32
it's a carpet shaped like a seal --
351
857000
2000
това е килим във формата на тюлен,
14:34
and in will come a white shark, a curious critter
352
859000
3000
ще се приближи бяла акула, любопитно животинче,
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
което ще се приближи до нашата близо 5-метрова лодка.
14:40
It's a several thousand-pound animal.
354
865000
2000
Това животно тежи няколко хиляди килограма.
14:42
And we'll wind in the target.
355
867000
3000
Ще извадим нашата цел.
14:45
And we'll place an acoustic tag
356
870000
2000
И ще поставим звуков маркер,
14:47
that says, "OMSHARK 10165,"
357
872000
2000
който ще казва "OMSHARK 10165",
14:49
or something like that, acoustically with a ping.
358
874000
3000
или нещо подобно на това, със звук.
14:52
And then we'll put on a satellite tag
359
877000
2000
И тогава ще поставим сателитен маркер,
14:54
that will give us the long-distance journeys
360
879000
3000
който ще ни информира за големите разстояния
14:57
with the light-based geolocation algorithms
361
882000
2000
със светлинно-базирани геолокационни алгоритми,
14:59
solved on the computer that's on the fish.
362
884000
3000
решавани от компютъра, позициониран на рибата.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
Тук Сал търси два маркера.
15:05
and there they are: the white sharks of California
364
890000
3000
И ето ги тук: белите калифорнийски акули,
15:08
going off to the white shark cafe and coming back.
365
893000
3000
които отиват до кафето за бели акули и връщането им обратно.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Също така ние маркираме мако акули с колегите ни от НАОА
15:14
blue sharks.
367
899000
2000
а това са сини акули.
15:16
And now, together, what we can see
368
901000
2000
Това, което виждаме заедно сега
15:18
on this ocean of color that's temperature,
369
903000
2000
в този океан от цветове, това е температурата,
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
ние виждаме десетдневни проследявания на мако и сьомгови акули.
15:24
We have white sharks and blue sharks.
371
909000
2000
Виждаме бели и сини акули.
15:26
For the first time,
372
911000
2000
За първи път
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
виждаме в почти реални размери
15:30
showing where the sharks go.
374
915000
3000
къде в океана се движат акулите.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
Екипът, проследяващ риба тон от "Маркиране на тихоокеански хищници" направиха немислимото:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
три екипа маркираха 1700 риба-тон.
15:39
bluefin, yellowfin and albacore
377
924000
2000
червена риба тон, жълтопера риба тон и дългопереста риба тон,
15:41
all at the same time --
378
926000
2000
всичко това наведнъж,
15:43
carefully rehearsed tagging programs
379
928000
2000
внимателно планирани програми за маркиране,
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
в коите ние излизаме, хващаме младите риби,
15:48
put in the tags that actually have the sensors,
381
933000
3000
слагаме им маркери със сензори,
15:51
stick out the tuna
382
936000
2000
подаваме туната навън
15:53
and then let them go.
383
938000
2000
и я освобождаваме.
15:55
They get returned, and when they get returned,
384
940000
2000
Те си връщат и когато се върнат,
15:57
here on a NASA numerical ocean
385
942000
3000
тук в цифровия океан на НАСА
16:00
you can see bluefin in blue
386
945000
2000
можете да видите червенопера риба тон в синьо
16:02
go across their corridor,
387
947000
2000
да преминава през нейния коридор,
16:04
returning to the Western Pacific.
388
949000
3000
връщайки се в западният Тих океан.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Нашият екип от Калифорнийският университет в Санта Круз маркира морски слонове
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
с маркери, които са залепени на техните глави, които падат при смяната на кожата.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Тези морски слонове покриват половината от океана,
16:16
take data down to 1,800 feet --
392
961000
2000
давайки информация за дълбочина до около 550 метра,
16:18
amazing data.
393
963000
2000
невероятна информация !
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Това са Скот Шейфър и нашите средиземноморски буревестници,
16:23
wearing tuna tags, light-based tags,
395
968000
3000
носещи светлинни маркери за риба тон,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
които ще ви разходят от Нова Зеландия до Монтерей и обратно,
16:29
journeys of 35,000 nautical miles
397
974000
3000
разстояния от 35 000 морски мили,
16:32
we had never seen before.
398
977000
2000
които не бяхме виждали преди.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Но сега с тези светлинни локализиращи маркери, които са много малки,
16:37
we can actually see these journeys.
400
982000
2000
ние можем да видим тези пътувания.
16:39
Same thing with Laysan albatross
401
984000
2000
Същото се случва и с този хавайски албатрос,
16:41
who travel an entire ocean
402
986000
2000
който прелетява цял океан
16:43
on a trip sometimes,
403
988000
2000
като на обиколка понякога,
16:45
up to the same zone the tunas use.
404
990000
2000
до същите места, които посещават и риба тон.
16:47
You can see why they might be caught.
405
992000
3000
Виждате защо могат да бъдат уловени.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Това са Джордж Шилинджър и нашият екип от Плая Гранде /Големият плаж/,
16:53
tagging leatherbacks
407
998000
2000
които маркират костенурки,
16:55
that go right past where we are.
408
1000000
3000
които минават точно оттам, където сме ние.
16:58
And Scott Benson's team
409
1003000
2000
Това е екипът на Скот Бенсън,
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
който показва как костенурките тръгват от Индонезия
17:02
all the way to Monterey.
411
1007000
2000
и изминават целият път до Монтерей.
17:04
So what we can see on this moving ocean
412
1009000
3000
Това, което може да видим в този океан,
17:07
is we can finally see where the predators are.
413
1012000
3000
е къде в него всъщност се намират хищниците.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Всъщност ние виждаме как те използват защитени места,
17:13
as large as an ocean.
415
1018000
2000
големи колкото океан.
17:15
And from this information,
416
1020000
2000
И от тази информация
17:17
we can begin to map the hope spots.
417
1022000
3000
можем да маркираме горещите точки.
17:20
So this is just three years of data right here --
418
1025000
2000
Това тук е информация само от три години.
17:22
and there's a decade of this data.
419
1027000
2000
А тук е цяло десетилетие със същата информация.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Ние виждаме пулсациите на сезонните активности,
17:26
that these animals are going on.
421
1031000
3000
през които преминават тези животни.
17:30
So what we're able to do with this information
422
1035000
2000
Но това, което може да направим с тази информация,
17:32
is boil it down to hot spots,
423
1037000
3000
е да я организираме до горещи точки,
17:35
4,000 deployments,
424
1040000
2000
4000 позиции,
17:37
a huge herculean task,
425
1042000
3000
огромна, непосилна задача,
17:40
2,000 tags
426
1045000
2000
2000 маркера
17:42
in an area, shown here for the first time,
427
1047000
2000
в зона, показана тук за първи път,
17:44
off the California coast,
428
1049000
2000
край бреговете на Калифорния,
17:46
that appears to be a gathering place.
429
1051000
3000
където явно е мястото им на събиране.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
И тогава, нещо като бис от тези животни,
17:53
they're helping us.
431
1058000
2000
те ни помагат.
17:55
They're carrying instruments
432
1060000
2000
Те носят инструменти,
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
които всъщност събират информация от дълбочина 2000 метра.
18:00
They're taking information from our planet
434
1065000
2000
Те събират информация за нашата планета
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
от много критични места като Антарктика и полюсите.
18:05
Those are seals from many countries
436
1070000
2000
Това са тюлени от много страни,
18:07
being released
437
1072000
2000
които са освобождавани,
18:09
who are sampling underneath the ice sheets
438
1074000
2000
които проверяват как е под ледените обвивки
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
и ни дават информация за температурата
18:14
on both poles.
440
1079000
2000
на двата полюса.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Когато тази информация бъде визуализирана те пленява да я гледаш.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Все още не сме открили най-добрият начин да я визуализираме.
18:22
And then, as these animals swim
443
1087000
2000
И тогава, докато тези животни плуват
18:24
and give us the information
444
1089000
2000
и ни дават информация,
18:26
that's important to climate issues,
445
1091000
2000
която е важна за проблемите с климата,
18:28
we also think it's critical
446
1093000
2000
мислим, че също е особено важно
18:30
to get this information to the public,
447
1095000
2000
да предоставим тази информация на хората,
18:32
to engage the public with this kind of data.
448
1097000
3000
за да ги ангажираме с нея.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Направихме това с Голямото маркиране на костенурки -
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
маркирани костенурки, доведени след 4 милиона опита.
18:40
And now with Google's Oceans,
451
1105000
3000
И сега, използвайки приложение на Гугъл,
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
ние всъщност можем да пуснем бяла акула в този океан.
18:45
And when we do and it swims,
453
1110000
2000
И когато го направим и тя плува там,
18:47
we see this magnificent bathymetry
454
1112000
2000
ние виждаме тази невероятна батиметрия,
18:49
that the shark knows is there on its path
455
1114000
2000
която показва как акулата знае къде е по пътя си
18:51
as it goes from California to Hawaii.
456
1116000
2000
от Калифорния до Хаваите.
18:53
But maybe Mission Blue
457
1118000
2000
Може би Синята мисия
18:55
can fill in that ocean that we can't see.
458
1120000
3000
може да ни даде информация за океана и това, което не виждаме.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Имаме капацитета, НАСА има океана.
19:01
We just need to put it together.
460
1126000
2000
Просто трябва да съберем двете заедно.
19:03
So in conclusion,
461
1128000
2000
В заключение,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
всички знаем къде е Йелоустоун в Северна Америка,
19:08
it's off our coast.
463
1133000
2000
на разстояние от нашето крайбрежие.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Имаме технология, която ни показва къде е.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Това, за което трябва да помислим в Синята мисия
19:15
is increasing the biologging capacity.
466
1140000
3000
е увеличаването на био проследяващия капацитет.
19:18
How is it that we can actually
467
1143000
2000
Как всъщност
19:20
take this type of activity elsewhere?
468
1145000
3000
можем да пренесем този тип дейност на друго място?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
И накрая да съберем информацията,
19:26
maybe use live links
470
1151000
2000
може би да използваме жива връзка
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
с животни като синия кит и бялата акула.
19:30
Make killer apps, if you will.
472
1155000
2000
Или да направим убийствени приложения.
19:32
A lot of people are excited
473
1157000
2000
Много хора са ентусиазирани
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
когато акулите стигнат до моста Голдън Гейт.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Нека да свържем хората с тази активност чрез iPhone.
19:40
That way we do away with a few internet myths.
476
1165000
3000
Така ще изчезнат няколко мита от интернет.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Така ще можем да спасим червената риба тон.
19:46
We can save the white shark.
478
1171000
2000
Можем да спасим бялата акула.
19:48
We have the science and technology.
479
1173000
2000
Имаме науката и технологията.
19:50
Hope is here. Yes we can.
480
1175000
2000
Надеждата е тук. Да, можем.
19:52
We need just to apply this capacity
481
1177000
2000
Просто трябва да приложим това, което имаме
19:54
further in the oceans.
482
1179000
2000
все повече в океаните.
19:56
Thank you.
483
1181000
2000
Благодаря.
19:58
(Applause)
484
1183000
2000
(Ръкопляскания)
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