TEDGlobal 2011
Paul Snelgrove: A census of the ocean
Paul Snelgrove: Un censo del océano
Filmed:
Readability: 4
336,429 views
El oceanógrafo Paul Snelgrove comparte los resultados de un proyecto de diez años, que perseguía un objetivo: hacer un censo de la vida en los océanos. Comparte fotos asombrosas de algunos de los hallazgos sorprendentes del Censo de la Vida Marina.
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Double-click the English transcript below to play the video.
00:15
The oceans cover some 70 percent of our planet.
0
0
3000
Los océanos cubren el 70% del planeta.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
Creo que Arthur C. Clarke tenía razón
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
cuando dijo que quizá deberíamos llamar al planeta
00:23
Planet Ocean.
3
8000
2000
Planeta Océano.
00:25
And the oceans are hugely productive,
4
10000
2000
Los océanos son sumamente productivos,
00:27
as you can see by the satellite image
5
12000
2000
como puede verse en la imagen satelital
00:29
of photosynthesis, the production of new life.
6
14000
2000
de la fotosíntesis, la producción de vida nueva.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
De hecho, los océanos producen a diario la mitad de la vida nueva del planeta
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
y casi la mitad del oxígeno que respiramos.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
Además, abriga gran parte de la biodiversidad de la Tierra,
00:40
and much of it we don't know about.
10
25000
2000
y en gran medida no lo sabemos.
00:42
But I'll tell you some of that today.
11
27000
2000
Pero hoy les contaré algo de eso.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Pasando incluso por alto la extracción de proteínas
00:46
that we do from the ocean.
13
31000
2000
procedente del océano
00:48
That's about 10 percent of our global needs
14
33000
2000
que cubre el 10% de las necesidades globales
00:50
and 100 percent of some island nations.
15
35000
3000
y el 100% de algunos países insulares.
00:53
If you were to descend
16
38000
2000
Si descendiéramos
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
en el 95% de la biosfera habitable
00:57
it would quickly become pitch black,
18
42000
2000
pronto se tornaría negra azabache,
00:59
interrupted only by pinpoints of light
19
44000
2000
salpicada sólo por pequeños resquicios
01:01
from bioluminescent organisms.
20
46000
2000
de luz de organismos bioluminiscentes.
01:03
And if you turn the lights on,
21
48000
2000
Y si uno encendiera las luces
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
vería pasar organismos espectaculares,
01:07
because those are the denizens of the deep,
23
52000
2000
los moradores de las profundidades,
01:09
the things that live in the deep ocean.
24
54000
2000
quienes viven en las profunidades.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
Finalmente veríamos el fondo marino.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
Este tipo de hábitat cubre más superficie del planeta
01:17
than all other habitats combined.
27
62000
2000
que el resto de los hábitats combinados.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
Sin embargo, sabemos más de las superficies lunar y marciana
01:21
than we do about this habitat,
29
66000
2000
que de este hábitat,
01:23
despite the fact that we have yet to extract
30
68000
2000
a pesar de que aún no hemos extraído
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
ni un gramo de alimento, ni una bocanada de oxígeno, ni una gota de agua,
01:28
from those bodies.
32
73000
2000
de esos cuerpos celestes.
01:30
And so 10 years ago,
33
75000
2000
Por eso hace 10 años
01:32
an international program began called the Census of Marine Life,
34
77000
3000
comenzó un programa internacional denominado Censo de la Vida Marina
01:35
which set out to try and improve our understanding
35
80000
2000
para comprender mejor
01:37
of life in the global oceans.
36
82000
2000
la vida de los océanos del mundo.
01:39
It involved 17 different projects around the world.
37
84000
3000
Hubo 17 proyectos de todo el mundo.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
Como pueden ver, estas son las áreas de los distintos proyectos.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
Espero que aprecien el nivel de cobertura mundial
01:47
that it managed to achieve.
40
92000
2000
que ha conseguido.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
Todo empezó cuando dos científicos, Fred Grassle y Jesse Ausubel,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
se conocieron en Woods Hole, Massachusetts,
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
como invitados de un instituto oceanográfico de renombre.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
Fred se lamentaba del estado de la biodiversidad marina
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
y de que estaba en peligro pero nadie hacía nada para protegerla.
02:02
Well, from that discussion grew this program
46
107000
2000
Bien, ese debate dio lugar a este programa
02:04
that involved 2,700 scientists
47
109000
2000
en el que participan 2700 científicos
02:06
from more than 80 countries around the world
48
111000
2000
de más de 80 países del mundo
02:08
who engaged in 540 ocean expeditions
49
113000
3000
que hicieron 540 expediciones oceánicas
02:11
at a combined cost of 650 million dollars
50
116000
3000
con un costo total de 650 millones de dólares
02:14
to study the distribution, diversity and abundance
51
119000
2000
para estudiar la distribución, la diversidad y la abundancia
02:16
of life in the global ocean.
52
121000
3000
de la vida en los océanos del mundo.
02:19
And so what did we find?
53
124000
2000
¿Qué hallamos?
02:21
We found spectacular new species,
54
126000
2000
Hallamos nuevas especies espectaculares,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
criaturas más hermosas y de alto impacto visual por doquier:
02:26
from the shoreline to the abyss,
56
131000
2000
desde la costa hasta las profundidades,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
desde los microbios hasta los peces, y todo lo demás.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
El cuello de botella no era la diversidad biológica desconocida
02:34
but rather the taxonomic specialists
59
139000
2000
sino más bien los especialistas en taxonomía
02:36
who can identify and catalog these species
60
141000
2000
que pueden identificar y catalogar estas especies,
02:38
that became the limiting step.
61
143000
2000
ese fue el cuello de botella.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
De hecho, ellos mismos son especies en peligro de extinción.
02:43
There are actually four to five new species
63
148000
2000
Todos los días se describen 4 o 5
02:45
described everyday for the oceans.
64
150000
2000
especies nuevas en los océanos.
02:47
And as I say, it could be a much larger number.
65
152000
3000
Y, como dije, podría haber muchas más.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Vengo de Canadá; de Terranova,
02:53
It's an island off the east coast of that continent --
67
158000
2000
una isla frente a la costa este del continente,
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
donde ocurrió uno de los peores desastres en la historia
02:58
in human history.
69
163000
2000
de la pesca.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
Esta imagen muestra a un niño al lado de un bacalao.
03:02
It's around 1900.
71
167000
2000
Estamos en el 1900.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Cuando yo tenía su edad
03:06
I would go out fishing with my grandfather
73
171000
2000
iba a pescar con mi abuelo
03:08
and we would catch fish about half that size.
74
173000
2000
y pescábamos piezas de la mitad de ese tamaño.
03:10
And I thought that was the norm,
75
175000
2000
Yo pensaba que eso era normal
03:12
because I had never seen fish like this.
76
177000
2000
porque nunca había visto peces como este.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
Si fuéramos a pescar hoy, 20 años después del colapso de esa industria,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
si atrapáramos un pez, que no sería poca cosa,
03:20
it would be half that size still.
79
185000
2000
tendría incluso la mitad de ese tamaño.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Estamos experimentando el desplazamiento del punto de partida.
03:25
Our expectations of what the oceans can produce
81
190000
2000
Realmente no apreciamos las expectativas
03:27
is something that we don't really appreciate
82
192000
2000
de lo que pueden producir los océanos
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
porque no lo vemos durante nuestras vidas.
03:32
Now most of us, and I would say me included,
84
197000
3000
Muchos de nosotros, y me incluyo,
03:35
think that human exploitation of the oceans
85
200000
2000
creemos que la explotación humana de los océanos
03:37
really only became very serious
86
202000
2000
se ha convertido en un problema
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
en los últimos 50, quizá 100 años.
03:41
The census actually tried to look back in time,
88
206000
2000
El Censo ha tratado de retroceder en el tiempo
03:43
using every source of information they could get their hands on.
89
208000
3000
usando todas las fuentes de información disponibles.
03:46
And so anything from restaurant menus
90
211000
2000
Desde menús de restaurantes
03:48
to monastery records to ships' logs
91
213000
2000
y registros monacales, hasta diarios de viaje
03:50
to see what the oceans looked like.
92
215000
2000
para ver cómo eran los océanos.
03:52
Because science data really goes back
93
217000
2000
Porque los datos científicos se remontan,
03:54
to, at best, World War II, for the most part.
94
219000
2000
en el mejor caso, hasta la 2ª Guerra Mundial.
03:56
And so what they found, in fact,
95
221000
2000
El resultado del estudio arroja
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
que la explotación pesada empezó con los antiguos romanos.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
Obviamente, en ese momento no había frigoríficos,
04:03
So fishermen could only catch
98
228000
2000
por eso los pescadores capturaban sólo
04:05
what they could either eat or sell that day.
99
230000
2000
lo que podían comer o vender en el día.
04:07
But the Romans developed salting.
100
232000
2000
Pero los romanos inventaron la salmuera.
04:09
And with salting,
101
234000
2000
Y eso posibilitó
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
la preservación del pescado y su transporte a largas distancias.
04:14
And so began industrial fishing.
103
239000
3000
Así nació la pesca industrial.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
Este es el tipo de extrapolaciones que hacemos
04:20
of what sort of loss we've had
105
245000
2000
de las pérdidas que hemos sufrido,
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
en relación a los impactos previos al océano.
04:25
They range from 65 to 98 percent
107
250000
2000
Van desde el 65% al 98%
04:27
for these major groups of organisms,
108
252000
2000
para estos grandes grupos de organismos,
04:29
as shown in the dark blue bars.
109
254000
2000
como se ve en las bandas azules.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
En cuanto a las especies que logramos salvar, que protegemos
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
-por ejemplo, las aves y mamíferos marinos en años recientes-
04:36
there is some recovery.
112
261000
2000
vemos cierta recuperación.
04:38
So it's not all hopeless.
113
263000
2000
Todavía hay esperanza.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
Pero en su mayoría, pasamos del saladero a la extinción.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
Otra evidencia muy interesante proviene
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
de los torneos de pesca de la costa de Florida.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
Esta es una foto de los años 50.
04:51
I want you to notice the scale on the slide,
118
276000
2000
Quiero que observen la escala en la diapositiva
04:53
because when you see the same picture from the 1980s,
119
278000
2000
porque cuando uno ve la misma foto de los años 80
04:55
we see the fish are much smaller
120
280000
2000
observa peces mucho más chicos
04:57
and we're also seeing a change
121
282000
2000
y también se nota un cambio
04:59
in terms of the composition of those fish.
122
284000
2000
en la composición de esos peces.
05:01
By 2007, the catch was actually laughable
123
286000
2000
Para el 2007, la pesca era risible
05:03
in terms of the size for a trophy fish.
124
288000
2000
en cuanto al tamaño de los peces.
05:05
But this is no laughing matter.
125
290000
2000
Pero no hay nada de que reírse.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Los océanos han perdido gran parte de su productividad,
05:09
and we're responsible for it.
127
294000
3000
a causa nuestra.
05:12
So what's left? Actually quite a lot.
128
297000
2000
¿Qué queda? Mucho, en realidad.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
Hay muchas cosas interesantes y ahora les voy a contar algunas.
05:17
And I want to start with a bit on technology,
130
302000
2000
Quiero empezar con un poco de tecnología,
05:19
because, of course, this is a TED Conference
131
304000
2000
porque, claro, esto es una Conferencia TED
05:21
and you want to hear something on technology.
132
306000
2000
y Uds. quieren oír hablar de tecnología.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Una forma de detectar muestras en aguas profundas
05:25
are remotely operated vehicles.
134
310000
2000
son los vehículos a control remoto.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Son vehículos que, atados, enviamos al lecho marino
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
y se convierten en nuestros ojos y manos en el fondo del mar.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
Hace un par de años yo tenía que partir en un crucero oceanográfico
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
pero no pude ir por otros compromisos previos.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Gracias al vínculo satelital pude, desde la comodidad de mi casa,
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
con el perro acurrucado a mis pies y una taza de té en la mano,
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
pude decirle al piloto: "Quiero una muestra allí".
05:47
And that's exactly what the pilot did for me.
142
332000
2000
Y el piloto hizo exactamente lo que le pedí.
05:49
That's the sort of technology that's available today
143
334000
3000
Hoy contamos con ese tipo de tecnología,
05:52
that really wasn't available even a decade ago.
144
337000
2000
algo que no teníamos hace una década.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
Eso nos permite tomar muestras de estos hábitats asombrosos
05:56
that are very far from the surface
146
341000
2000
tan lejanos de la superficie
05:58
and very far from light.
147
343000
2000
y de la luz.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
Uno de los instrumentos usados en el muestreo de los océanos
06:03
is acoustics, or sound waves.
149
348000
2000
son las ondas acústicas.
06:05
And the advantage of sound waves
150
350000
2000
La ventaja de las ondas acústicas
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
es que penetran fácilmente en el agua, a diferencia de la luz.
06:09
And so we can send out sound waves,
152
354000
2000
Podemos enviar ondas acústicas
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
que rebotan en los peces y se reflejan.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
En este ejemplo, un científico del Censo envió dos barcos.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
Uno emitía ondas acústicas que se reflejaban
06:19
They would be received by a second ship,
156
364000
2000
y eran recibidas por el segundo barco
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
y, en este caso, nos dio estimaciones muy precisas
06:24
of 250 billion herring
158
369000
2000
de 250 mil millones de arenques
06:26
in a period of about a minute.
159
371000
2000
en aproximadamente un minuto.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
Esa es un área de cerca del tamaño de Manhattan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
Poder hacer eso es una herramienta de pesca enorme
06:33
because knowing how many fish are there is really critical.
162
378000
3000
porque conocer la cantidad de peces es algo crucial.
06:36
We can also use satellite tags
163
381000
2000
También podemos usar etiquetas satelitales
06:38
to track animals as they move through the oceans.
164
383000
2000
para rastrear a los animales en los océanos.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
Y los animales que salen a la superficie a respirar,
06:42
such as this elephant seal,
166
387000
2000
como los elefantes marinos,
06:44
it's an opportunity to send data back to shore
167
389000
2000
dan una oportunidad de enviar los datos
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
para indicarnos en qué parte del océano están.
06:49
And so from that we can produce these tracks.
169
394000
2000
A partir de eso podemos trazar estas líneas.
06:51
For example, the dark blue
170
396000
2000
Por ejemplo, la azul oscura
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
muestra el desplazamiento de elefantes marinos en el Pacífico Norte.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Acabo de darme cuenta que para los daltónicos esta diapositiva no es de gran ayuda,
06:58
but stick with me nonetheless.
173
403000
2000
pero síganme de todos modos.
07:00
For animals that don't surface,
174
405000
2000
Para animales que no salen a la superficie
07:02
we have something called pop-up tags,
175
407000
2000
usamos etiquetas desplegables
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
que recopilan datos sobre la luz y la hora del amanecer y del ocaso.
07:07
And then at some period of time
177
412000
2000
Y luego de un cierto tiempo
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
la etiqueta emerge a la superficie y transmite los datos a tierra.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
Usamos estas herramientas porque el GPS no funciona bajo el agua.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
Con esto podemos identificar esas autopistas azules,
07:18
these hot spots in the ocean,
181
423000
2000
esas zonas del océano
07:20
that should be real priority areas
182
425000
2000
que deben recibir prioridad
07:22
for ocean conservation.
183
427000
2000
de conservación.
07:24
Now one of the other things that you may think about
184
429000
2000
Otro aspecto que se podría considerar
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
es que cuando van al supermercado a comprar cosas, las escanean.
07:29
And so there's a barcode on that product
186
434000
2000
Hay un código de barras en cada producto
07:31
that tells the computer exactly what the product is.
187
436000
3000
que le dice a la computadora qué producto es.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Los genetistas han desarrollado algo similar: el código de barras genético.
07:37
And what barcoding does
189
442000
2000
Este código
07:39
is use a specific gene called CO1
190
444000
2000
usa un gen específico llamado CO1
07:41
that's consistent within a species, but varies among species.
191
446000
3000
que es constante dentro de una especie, pero varía entre especies.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
Eso significa que podemos identificar de forma inequívoca
07:46
which species are which
193
451000
2000
cuál es cada especie porque,
07:48
even if they look similar to each other,
194
453000
2000
aunque se parezcan,
07:50
but may be biologically quite different.
195
455000
2000
biológicamente pueden ser muy diferentes.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
Quisiera traer a colación
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
la historia de dos chicas, estudiantes de secundaria de Nueva York,
07:57
who worked with the census.
198
462000
2000
que trabajaron en el Censo.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Fueron a censar peces a los mercados y restaurantes de Nueva York
08:02
and they barcoded it.
200
467000
2000
y les tomaron el código.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Hallaron nombres que no correspondían.
08:06
So for example,
202
471000
2000
Por ejemplo,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
hallaron que algo que se vende como atún, que es muy valioso,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
en realidad era tilapia, que es mucho más económico.
08:13
They also found an endangered species
205
478000
2000
También encontraron especies en riesgo
08:15
sold as a common one.
206
480000
2000
vendidas como especies comunes.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
Por eso el código de barras nos permite saber con qué trabajamos
08:19
and also what we're eating.
208
484000
3000
y también qué estamos comiendo.
08:22
The Ocean Biogeographic Information System
209
487000
2000
El Sistema de Información Biogeográfica Oceánica
08:24
is the database for all the census data.
210
489000
2000
es la base de datos para todos los datos del Censo.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
Es de libre acceso; pueden ir a descargar los datos.
08:29
And it contains all the data from the census
212
494000
3000
Contiene todos los datos del Censo
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
y otros que la gente proporcionó con gusto.
08:34
And so what you can do with that
214
499000
2000
De esta manera es posible graficar
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
la distribución de las especies y su ubicación en el océano.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
En este gráfico puse los datos que tenemos.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
Aquí hemos concentrado nuestro trabajo de muestreo.
08:44
Now what you can see
218
509000
2000
Pueden verse
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
las muestras de la zona del Atlántico Norte,
08:48
in the North Sea in particular,
220
513000
2000
del mar del Norte en particular,
08:50
and also the east coast of North America fairly well.
221
515000
2000
y bastante bien la costa este de América del Norte.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
Los colores cálidos muestran las áreas analizadas en detalle.
08:55
The cold colors, the blue and the black,
223
520000
2000
Los colores fríos, azul y negro,
08:57
show areas where we have almost no data.
224
522000
2000
muestran las áreas para las cuales no tenemos datos.
08:59
So even after a 10-year census,
225
524000
2000
Aún después de un censo de 10 años,
09:01
there are large areas that still remain unexplored.
226
526000
3000
todavía hay grandes áreas que permanecen sin explorar.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
Hay un grupo de científicos que vive en Texas y trabaja en el golfo de México
09:07
who decided really as a labor of love
228
532000
2000
que decidió, por pura pasión,
09:09
to pull together all the knowledge they could
229
534000
2000
recopilar toda la información posible
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
sobre la biodiversidad del golfo de México.
09:13
And so they put this together, a list of all the species,
231
538000
3000
Recopilaron una lista de todas las especies,
09:16
where they're known to occur,
232
541000
2000
con los lugares más frecuentados;
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
parecía un ejercicio científico muy esotérico.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
Pero luego ocurrió el derrame de petróleo de la Deep Horizon.
09:24
So all of a sudden, this labor of love
235
549000
2000
De repente, esta tarea desinteresada,
09:26
for no obvious economic reason
236
551000
3000
que no perseguía fines económicos,
09:29
has become a critical piece of information
237
554000
2000
se transformó en una información vital
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
en términos de cómo y cuándo se recuperaría el sistema
09:34
and how the lawsuits
239
559000
2000
y cómo se podrían resolver
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
los pleitos y las discusiones de miles de millones de dólares
09:39
are likely to be resolved.
241
564000
3000
en los años venideros.
09:42
So what did we find?
242
567000
2000
¿Qué hallamos?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
Podría hablar durante horas, pero obviamente no puedo hacerlo.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Pero les contaré algunos de mis mejores descubrimientos
09:48
from the census.
245
573000
2000
del Censo.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Una de las cosas que descubrimos es dónde están las zonas de mayor diversidad.
09:53
Where do we find the most species of ocean life?
247
578000
3000
¿Dónde encontramos la mayoría de las especies de vida marina?
09:56
And what we find if we plot up the well-known species
248
581000
2000
Si seguimos a las especies conocidas encontramos
09:58
is this sort of a distribution.
249
583000
2000
este tipo de distribución.
10:00
And what we see is that for coastal tags,
250
585000
2000
Vemos que para las etiquetas costeras,
10:02
for those organisms that live near the shoreline,
251
587000
2000
de aquellos organismos que viven cerca de la costa,
10:04
they're most diverse in the tropics.
252
589000
2000
hay más diversidad en los trópicos.
10:06
This is something we've actually known for a while,
253
591000
2000
Esto es algo que ya conocíamos desde hace tiempo
10:08
so it's not a real breakthrough.
254
593000
2000
así que no es un gran descubrimiento.
10:10
What is really exciting though
255
595000
2000
Lo apasionante, sin embargo,
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
es que las etiquetas oceánicas, las que están muy lejos de la costa,
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
son más diversas en las latitudes intermedias.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
Este es el tipo de datos que podrían usar las autoridades
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
para priorizar las zonas del océano que tenemos que conservar.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
Puede hacerse a escala mundial, pero también a escala regional.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
Por eso los datos de la biodiversidad pueden ser tan valiosos.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Si bien muchas especies que hemos descubierto en el Censo
10:31
are things that are small and hard to see,
263
616000
2000
son pequeñas y difíciles de ver,
10:33
that certainly wasn't always the case.
264
618000
2000
desde luego, no siempre fue así.
10:35
For example, while it's hard to believe
265
620000
2000
Por ejemplo, es difícil de creer
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
que una langosta de 3 kilos pueda eludir a los científicos;
10:39
it did until a few years ago
267
624000
2000
era el caso hasta hace pocos años
10:41
when South African fishermen requested an export permit
268
626000
3000
hasta que los pesqueros sudafricanos solicitaban permiso de exportación
10:44
and scientists realized that this was something new to science.
269
629000
3000
y los científicos se dieron cuenta de que era algo nuevo para la ciencia.
10:47
Similarly this Golden V kelp
270
632000
2000
Asimismo, el laminar aleuticus
10:49
collected in Alaska just below the low water mark
271
634000
2000
recogido en Alaska, en bajamar,
10:51
is probably a new species.
272
636000
2000
probablemente sea una especie nueva.
10:53
Even though it's three meters long,
273
638000
2000
Si bien mide 3 metros
10:55
it actually, again, eluded science.
274
640000
2000
había eludido a la ciencia.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Este muchacho, este calamar gigante, mide 7 metros de largo.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Pero, en verdad, vive en las aguas profundas del Atlántico Medio
11:03
so it was a lot harder to find.
277
648000
2000
por eso fue más difícil de encontrar.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Pero aún existe potencial para descubrir cosas apasionantes.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
Este camarón particular, apodado el camarón del Jurásico,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
se suponía extinguido hace 50 años,
11:13
at least it was, until the census discovered
281
658000
2000
al menos lo estaba hasta que el Censo descubrió
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
que vivía muy bien frente a la costa de Australia.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
Eso muestra que el océano, debido a su inmensidad,
11:21
can hide secrets for a very long time.
284
666000
2000
puede ocultar secretos durante mucho tiempo.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Steven Spielberg, ¡muérete de envidia!
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Si miramos, las distribuciones cambian dramáticamente.
11:29
And so one of the records that we had
287
674000
3000
Uno de los registros que obtuvimos
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
fue el de esta pardela sombría que realiza migraciones espectaculares
11:35
all the way from New Zealand
289
680000
2000
desde Nueva Zelanda
11:37
all the way up to Alaska and back again
290
682000
2000
hasta Alaska, y regresa nuevamente
11:39
in search of endless summer
291
684000
2000
en busca del verano eterno
11:41
as they complete their life cycles.
292
686000
2000
a medida que completa su ciclo de vida.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
También hablamos del café Tiburón Blanco.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Es el lugar de reunión de los tiburones blancos en el Pacífico.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Sencillamente no sabemos por qué convergen allí.
11:50
That's a question for the future.
296
695000
2000
Es una pregunta para el futuro.
11:52
One of the things that we're taught in high school
297
697000
2000
Una de las cosas que nos enseñan en la secundaria
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
es que todos los animales necesitan oxígeno para vivir.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Esta criaturita, que mide medio milímetro
12:00
not terribly charismatic.
300
705000
2000
y no es de lo más carismática,
12:02
But it was only discovered in the early 1980s.
301
707000
2000
fue descubierta a principios de los años 80.
12:04
But the really interesting thing about it
302
709000
2000
Pero tiene algo muy interesante y es que,
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
hace unos años, los científicos del Censo descubrieron
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
que el tipo puede crecer en sedimentos con poco oxígeno
12:11
in the deep Mediterranean Sea.
305
716000
2000
en las profundidades del Mediterráneo.
12:13
So now they know that, in fact,
306
718000
2000
De hecho, ahora se sabe que
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
algunos animales pueden vivir sin oxígeno
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
y pueden adaptarse incluso a las peores condiciones.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Si se quitara toda el agua en el océano,
12:23
this is what you'd be left behind with,
310
728000
2000
quedaría esto,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
esta es la biomasa de la vida en el fondo marino.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
Vemos una gran biomasa hacia los polos
12:30
and not much biomass in between.
313
735000
3000
y no tanta en zonas intermedias.
12:33
We found life in the extremes.
314
738000
2000
Hallamos vida en los extremos.
12:35
And so there were new species that were found
315
740000
2000
Encontramos nuevas especies
12:37
that live inside ice
316
742000
2000
que viven en el hielo
12:39
and help to support an ice-based food web.
317
744000
2000
y ayudan a mantener una cadena alimenticia allí.
12:41
And we also found this spectacular yeti crab
318
746000
2000
Y también este espectacular cangrejo yeti
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
que vive cerca de las fuentes hidrotermales de la isla de Pascua.
12:46
And this particular species
320
751000
2000
Esta especie en particular
12:48
really captured the public's attention.
321
753000
3000
llamó la atención del público.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
También encontramos bocas profundas, de 5000 metros,
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
las más calientes registraron 407 °C,
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
en el Pacífico Sur y también en el Ártico,
12:59
where none had been found before.
325
764000
2000
donde antes no se había encontrado nada.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
Podemos incluso llegar a descubrir nuevos entornos.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Hay mucho por conocer todavía.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
Sólo voy a resumir algunos puntos
13:08
very quickly for you.
329
773000
2000
muy rápidamente.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
En primer lugar, podríamos preguntarnos cuántos peces hay en el mar.
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
Conocemos más de los peces que de cualquier otro grupo del océano,
13:15
other than marine mammals.
332
780000
2000
quitando a los mamíferos marinos.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
Podemos extrapolar en función de la tasa de descubrimientos
13:20
how many more species we're likely to discover.
334
785000
3000
la cantidad de especies probable a descubrir.
13:23
And from that, we actually calculate
335
788000
2000
Con eso, calculamos que en realidad
13:25
that we know about 16,500 marine species
336
790000
3000
conocemos unas 16 500 especies marinas
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
y probablemente haya entre 1000 y 4000 más.
13:30
So we've done pretty well.
338
795000
2000
Lo hemos hecho bastante bien.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Tenemos cerca del 75% de los peces,
13:34
maybe as much as 90 percent.
340
799000
2000
quizá el 90%.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Pero, como dije, los peces son los más conocidos.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
Nuestro nivel de conocimiento es mucho menor en otros grupos de organismos.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Esta cifra se basa realmente en un nuevo artículo
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
que se publicará en la revista PLoS Biology.
13:47
And what is does is predict how many more species there are
345
812000
2000
Y predice cuántas especies existen
13:49
on land and in the ocean.
346
814000
2000
en tierra y en el océano.
13:51
And what they found
347
816000
2000
Y hallaron que creen
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
que conocemos un 9% de las especies del océano.
13:56
That means 91 percent, even after the census,
349
821000
2000
Esto significa que el 91%, incluso después del Censo,
13:58
still remain to be discovered.
350
823000
2000
queda aún por descubrir.
14:00
And so that turns out to be about two million species
351
825000
2000
Eso da como resultado unos dos millones de especies,
14:02
once all is said and done.
352
827000
2000
en última instancia.
14:04
So we still have quite a lot of work to do
353
829000
2000
Así que todavía tenemos mucho trabajo por hacer
14:06
in terms of unknowns.
354
831000
2000
en materia de incógnitas.
14:08
Now this bacterium
355
833000
2000
Esta bacteria
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
es parte de las mantas que se encuentran frente a la costa de Chile.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
Cubren un área del tamaño de Grecia.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
Esta bacteria en particular se ve a simple vista.
14:18
But you can imagine the biomass that represents.
359
843000
3000
Imaginen la biomasa que representa.
14:21
But the really intriguing thing about the microbes
360
846000
2000
Pero algo realmente interesante de los microbios
14:23
is just how diverse they are.
361
848000
2000
es su gran variedad.
14:25
A single drop of seawater
362
850000
2000
Una gota de agua de mar
14:27
could contain 160 different types of microbes.
363
852000
2000
podría contener 160 tipos diferentes de microbios.
14:29
And the oceans themselves
364
854000
2000
Pensamos que los océanos
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
contienen, en potencia, mil millones de tipos diferentes.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Es apasionante. ¿Qué función cumplirán allí?
14:37
We actually don't know.
367
862000
2000
No lo sabemos.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
Yo diría que lo más apasionante del Censo
14:41
is the role of global science.
369
866000
2000
es el papel de la ciencia mundial.
14:43
And so as we see in this image of light during the night,
370
868000
2000
Como vemos en esta imagen del planeta iluminado por la noche,
14:45
there are lots of areas of the Earth
371
870000
2000
hay muchas áreas de la Tierra
14:47
where human development is much greater
372
872000
3000
en las que el desarrollo humano es más grande
14:50
and other areas where it's much less,
373
875000
2000
y otras en las que es mucho menor,
14:52
but between them we see large dark areas
374
877000
2000
pero entre ellas vemos muchas zonas oscuras
14:54
of relatively unexplored ocean.
375
879000
2000
de un océano relativamente inexplorado.
14:56
The other point I'd like to make about this
376
881000
2000
El otro punto que quiero destacar
14:58
is that this ocean's interconnected.
377
883000
2000
es que el océano está interconectado.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Los organismos marinos no conocen de límites internacionales;
15:02
they move where they will.
379
887000
2000
se mueven a voluntad.
15:04
And so the importance then of global collaboration
380
889000
3000
Y es allí donde la colaboración mundial
15:07
becomes all the more important.
381
892000
2000
gana cada vez más importancia.
15:09
We've lost a lot of paradise.
382
894000
2000
Hemos perdido mucho paraíso.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
Por ejemplo, este atún que solía ser tan abundante en el mar del Norte
15:14
are now effectively gone.
384
899000
2000
ahora ha desaparecido.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
Hay redes en las profundidades del Mediterráneo
15:19
which collected more garbage than they did animals.
386
904000
2000
que recogen más basura que animales.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
Y es el mar profundo, ese entorno que consideramos entre
15:24
among the most pristine left on Earth.
388
909000
2000
los reductos más prístinos de la Tierra.
15:26
And there are a lot of other pressures.
389
911000
2000
Y hay muchas otras presiones.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
La acidificación del océano es realmente un gran problema para la gente,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
así como el calentamiento del océano y los efectos que tendrá en los arrecifes de coral.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
En cuestión de décadas, durante nuestras vidas,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
veremos mucho daño a los arrecifes de coral.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
Y podría seguir, pero mi tiempo se termina,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
con esta letanía de preocupaciones sobre el océano,
15:44
but I want to end on a more positive note.
396
929000
2000
pero quiero terminar con una nota más positiva.
15:46
And so the grand challenge then
397
931000
2000
Entonces, el gran desafío
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
es asegurarnos de preservar lo que queda
15:50
because there is still spectacular beauty.
399
935000
2000
porque todavía hay una belleza espectacular.
15:52
And the oceans are so productive,
400
937000
2000
Y los océanos son tan productivos,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
hay tantas cosas allí importantes para los seres humanos
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
que realmente necesitamos, incluso desde un punto de vista egoísta,
16:00
try to do better than we have in the past.
403
945000
2000
tratar de hacerlo mejor que nosotros en el pasado.
16:02
So we need to recognize those hot spots
404
947000
2000
Por eso tenemos que reconocer esas zonas importantes
16:04
and do our best to protect them.
405
949000
2000
y empeñarnos en protegerlas.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Cuando miramos fotos como esta, nos quitan el aliento,
16:08
in addition to helping to give us breath
407
953000
2000
además de ayudarnos a respirar
16:10
by the oxygen that the oceans provide.
408
955000
2000
con el oxígeno que proveen los océanos.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Los científicos del Censo trabajaron bajo la lluvia, en el frío,
16:15
they worked under water and they worked above water
410
960000
2000
bajo el agua y en la superficie
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
tratando de iluminar el maravilloso descubrimiento,
16:19
the still vast unknown,
412
964000
2000
lo desconocido que aún es mucho,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
las adaptaciones espectaculares que vemos en la vida del océano.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
Por eso, si eres un pastor de llamas en las montañas chilenas,
16:27
whether you're a stockbroker in New York City
415
972000
3000
o un agente bursátil en Nueva York,
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
o un seguidor de TED que vive en Edimburgo,
16:32
the oceans matter.
417
977000
2000
los océanos son importantes.
16:34
And as the oceans go so shall we.
418
979000
2000
Como vayan los océanos, iremos nosotros.
16:36
Thanks for listening.
419
981000
2000
Gracias por su atención.
16:38
(Applause)
420
983000
2000
(Aplausos)
ABOUT THE SPEAKER
Paul Snelgrove - Marine biologistPaul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.
Why you should listen
From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.
It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.
He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."
Paul Snelgrove | Speaker | TED.com