Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: Etiquetando atún en el océano profundo
Filmed:
Readability: 4.4
368,018 views
Los atunes son atletas marinos: son rápidos depredadores de gran envergadura cuyos hábitos recién estamos empezando a entender. La bióloga marina Barbara Block equipa al atún con etiquetas de seguimiento (transpondedores) que registran cantidades de datos sin precedentes de este magnifico pez que se encuentra en peligro y del hábitat marino por el que se mueve.
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
Toda la vida me fascinó
00:18
by the beauty, form and function
1
3000
2000
la belleza, la forma y la función
00:20
of giant bluefin tuna.
2
5000
3000
del atún rojo gigante.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Es de sangre caliente como nosotros.
00:26
They're the largest of the tunas,
4
11000
3000
Es el más grande de los atunes;
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
el segundo pez más grande del mar... con espinas.
00:32
They actually are a fish
6
17000
2000
En realidad es un pez
00:34
that is endothermic --
7
19000
2000
endotérmico:
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
se propulsa por el océano con músculos calientes como un mamífero.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Ese es un atún rojo en el Acuario de la Bahía de Monterrey.
00:43
You can see in its shape and its streamlined design
10
28000
3000
Pueden ver en su forma y en su diseño aerodinámico
00:46
it's powered for ocean swimming.
11
31000
3000
que está equipado para nadar en el océano.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Vuela por el océano con sus aletas pectorales, se eleva,
00:52
powers its movements
13
37000
2000
realza sus movimientos
00:54
with a lunate tail.
14
39000
2000
con la cola semilunar.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Tiene la piel al descubierto en casi todo el cuerpo
00:59
so it reduces friction with the water.
16
44000
3000
para reducir la fricción con el agua. Por eso...
01:02
This is what one of nature's finest machines.
17
47000
3000
es una de las máquinas más fantásticas de la Naturaleza.
01:05
Now, bluefin
18
50000
2000
El atún rojo
01:07
were revered by Man
19
52000
2000
fue venerado por el Hombre
01:09
for all of human history.
20
54000
3000
en toda la historia humana.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Durante 4.000 años pescamos este animal de manera sostenible
01:15
and it's evidenced
22
60000
2000
y hay evidencia de eso
01:17
in the art that we see
23
62000
2000
en el arte que vemos
01:19
from thousands of years ago.
24
64000
2000
de hace miles de años.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
El atún rojo en pinturas rupestres de Francia.
01:24
They're on coins
26
69000
2000
Están en monedas
01:26
that date back 3,000 years.
27
71000
3000
que datan de hace 3.000 años.
01:29
This fish was revered by humankind.
28
74000
3000
Este pez fue venerado por la Humanidad.
01:32
It was fished sustainably
29
77000
2000
Se pescaba de modo sostenible,
01:34
till all of time,
30
79000
2000
en todas las épocas,
01:36
except for our generation.
31
81000
2000
salvo en nuestra generación.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
El atún rojo es perseguido dondequiera que vaya.
01:41
there is a gold rush on Earth,
33
86000
2000
Hay una fiebre del oro en el planeta,
01:43
and this is a gold rush for bluefin.
34
88000
2000
una fiebre del oro por el atún rojo.
01:45
There are traps that fish sustainably
35
90000
2000
Había trampas que pescaban de manera sostenible
01:47
up until recently.
36
92000
3000
hasta hace poco.
01:50
And yet, the type of fishing going on today,
37
95000
3000
Y, sin embargo, el tipo de pesca de hoy en día,
01:53
with pens, with enormous stakes,
38
98000
3000
con rediles, con estacas enormes,
01:56
is really wiping bluefin
39
101000
2000
está aniquilando ecológicamente
01:58
ecologically off the planet.
40
103000
2000
al atún rojo del planeta.
02:00
Now bluefin, in general,
41
105000
2000
En general, el atún rojo
02:02
goes to one place: Japan.
42
107000
2000
va a un lugar: Japón.
02:04
Some of you may be guilty
43
109000
2000
Alguno de Uds. pueden ser culpables
02:06
of having contributed to the demise of bluefin.
44
111000
2000
de haber contribuido a la desaparición del atún rojo.
02:08
They're delectable muscle,
45
113000
2000
Tienen músculos deliciosos
02:10
rich in fat --
46
115000
2000
ricos en grasa...
02:12
absolutely taste delicious.
47
117000
2000
con un sabor absolutamente delicioso.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
Y ese es su problema: los estamos comiendo hasta la extinción.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
En el Atlántico la historia es bastante simple.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Hay dos poblaciones de atún rojo: una grande y una pequeña.
02:23
The North American population
51
128000
2000
La población norteamericana
02:25
is fished at about 2,000 ton.
52
130000
3000
se pesca a unas 2.000 toneladas.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
La población europea y norafricana, el atún rojo oriental,
02:31
is fished at tremendous levels:
54
136000
3000
se pesca a niveles tremendos:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
50.000 toneladas en la última década casi todos los años.
02:37
The result is whether you're looking
56
142000
2000
El resultado es que si uno mira
02:39
at the West or the Eastern bluefin population,
57
144000
3000
las poblaciones de atún, en Occidente o en Oriente,
02:42
there's been tremendous decline on both sides,
58
147000
2000
ha habido una tremenda caída en ambos lados
02:44
as much as 90 percent
59
149000
2000
hasta del 90%
02:46
if you go back with your baseline
60
151000
2000
si nos remontamos a la línea base
02:48
to 1950.
61
153000
2000
de 1950.
02:50
For that, bluefin have been given a status
62
155000
3000
Por eso, al atún rojo se le ha dado el estatus
02:53
equivalent to tigers, to lions,
63
158000
3000
equivalente a los tigres, leones,
02:56
to certain African elephants
64
161000
2000
a ciertos elefantes africanos,
02:58
and to pandas.
65
163000
2000
y a los pandas.
03:00
These fish have been proposed
66
165000
2000
Estos peces han sido propuestos
03:02
for an endangered species listing in the past two months.
67
167000
3000
como especie en peligro de extinción en los últimos dos meses.
03:05
They were voted on and rejected
68
170000
2000
Se votó y fueron rechazados
03:07
just two weeks ago,
69
172000
2000
hace apenas dos semanas
03:09
despite outstanding science
70
174000
2000
a pesar de la marcada evidencia
03:11
that shows from two committees
71
176000
3000
que muestra a partir de dos comités que
03:14
this fish meets the criteria of CITES I.
72
179000
3000
esta especie cumple los criterios de la CITES I.
03:17
And if it's tunas you don't care about,
73
182000
2000
Si se trata de atunes y no les importa,
03:19
perhaps you might be interested
74
184000
2000
quizá sí podría interesarles saber
03:21
that international long lines and pursing
75
186000
2000
que las largas líneas de pesca internacionales
03:23
chase down tunas and bycatch animals
76
188000
3000
persiguiendo al atún capturan sin querer animales
03:26
such as leatherbacks, sharks,
77
191000
2000
como tortugas laúd, tiburones,
03:28
marlin, albatross.
78
193000
2000
marlines, albatros.
03:30
These animals and their demise
79
195000
2000
La desaparición de estos animales
03:32
occurs in the tuna fisheries.
80
197000
3000
se produce en los caladeros de atún.
03:35
The challenge we face
81
200000
2000
El desafío que enfrentamos
03:37
is that we know very little about tuna,
82
202000
3000
es que sabemos muy poco sobre el atún,
03:40
and everyone in the room knows what it looks like
83
205000
3000
y todos en la sala sabemos cómo es
03:43
when an African lion
84
208000
2000
cuando un león africano
03:45
takes down its prey.
85
210000
2000
atrapa su presa.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Dudo que alguien haya visto alimentarse al atún rojo.
03:50
This tuna symbolizes
87
215000
3000
Este atún simboliza
03:53
what's the problem for all of us in the room.
88
218000
3000
el problema que todos tenemos en esta sala.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
Estamos en el siglo XXI, pero en realidad recién empezamos
03:59
to really study our oceans in a deep way.
90
224000
3000
a estudiar realmente los océanos en profundidad.
04:02
Technology has come of age
91
227000
2000
La tecnología ha evolucionado;
04:04
that's allowing us to see the Earth from space
92
229000
3000
eso nos permite ver la Tierra desde el espacio
04:07
and go deep into the seas remotely.
93
232000
3000
y sumergirnos en los mares de forma remota.
04:10
And we've got to use these technologies immediately
94
235000
2000
Tenemos que emplear estas tecnologías de manera inmediata
04:12
to get a better understanding
95
237000
2000
para entender mejor
04:14
of how our ocean realm works.
96
239000
3000
cómo funciona el reino marino.
04:17
Most of us from the ship -- even I --
97
242000
2000
La mayoría desde un barco, incluso yo,
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
miramos el mar y lo vemos homogéneo.
04:22
We don't know where the structure is.
99
247000
2000
No sabemos dónde está la estructura.
04:24
We can't tell where are the watering holes
100
249000
3000
No se nota donde están los "espejos de agua"
04:27
like we can on an African plain.
101
252000
3000
como en la planicie africana.
04:30
We can't see the corridors,
102
255000
2000
No podemos ver los corredores,
04:32
and we can't see what it is
103
257000
2000
y tampoco qué es
04:34
that brings together a tuna,
104
259000
2000
lo que congrega al atún
04:36
a leatherback and an albatross.
105
261000
2000
la tortuga laúd y el albatros.
04:38
We're only just beginning to understand
106
263000
2000
Recién estamos empezando a entender
04:40
how the physical oceanography
107
265000
2000
como la oceanografía física
04:42
and the biological oceanography
108
267000
2000
y la oceanografía biológica
04:44
come together
109
269000
2000
se unen
04:46
to create a seasonal force
110
271000
2000
para crear una fuerza estacional
04:48
that actually causes the upwelling
111
273000
2000
que provoque el afloramiento para convertir
04:50
that might make a hot spot a hope spot.
112
275000
3000
una zona conflictiva en un "área de esperanza".
04:53
The reasons these challenges are great
113
278000
2000
Estos desafíos son grandes porque
04:55
is that technically it's difficult to go to sea.
114
280000
3000
hacerse a la mar es algo técnicamente difícil.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
Es difícil estudiar al atún rojo en su territorio:
05:00
the entire Pacific realm.
116
285000
2000
toda la región del Pacífico.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
Es muy difícil conocer de cerca y en persona a un tiburón marrajo
05:06
and try to put a tag on it.
118
291000
2000
y tratar de ponerle una etiqueta.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
Imaginen ser parte del equipo de Bruce Mate de OSU,
05:11
getting up close to a blue whale
120
296000
2000
acercándose a una ballena azul
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
y poniéndole una etiqueta que perdure,
05:16
an engineering challenge
122
301000
2000
un desafío de ingeniería
05:18
we've yet to really overcome.
123
303000
2000
que todavía tenemos que superar.
05:20
So the story of our team, a dedicated team,
124
305000
3000
La historia de nuestro equipo, un equipo dedicado,
05:23
is fish and chips.
125
308000
2000
es de pescados y chips.
05:25
We basically are taking
126
310000
2000
Básicamente estamos tomando
05:27
the same satellite phone parts,
127
312000
2000
las componentes de un teléfono satelital
05:29
or the same parts that are in your computer, chips.
128
314000
3000
o de una computadora, los chips.
05:32
We're putting them together in unusual ways,
129
317000
3000
Las estamos ensamblando de formas inusuales
05:35
and this is taking us into the ocean realm
130
320000
2000
y esto nos está acercando el reino marino
05:37
like never before.
131
322000
2000
como nunca antes.
05:39
And for the first time,
132
324000
2000
Y por primera vez
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
podemos ver el viaje de un atún bajo el océano
05:44
using light and photons
134
329000
2000
usando luz y fotones
05:46
to measure sunrise and sunset.
135
331000
3000
para medir la salida y la puesta del sol.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
He estado trabajando con los atunes durante 15 años.
05:52
I have the privilege of being a partner
137
337000
2000
Tengo el privilegio de ser socia
05:54
with the Monterey Bay Aquarium.
138
339000
2000
del Acuario de la Bahía de Monterrey.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
De hecho, hemos tomado una franja del océano,
05:58
put it behind glass,
140
343000
2000
la pusimos detrás de un vidrio,
06:00
and we together
141
345000
2000
y juntos hemos puesto
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
en exhibición al atún rojo y al rabil.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Cuando se levanta el velo de burbujas cada mañana,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
podemos ver una comunidad del océano marino
06:11
one of the only places on Earth
145
356000
2000
uno de los pocos lugares del planeta
06:13
you can see giant bluefin swim by.
146
358000
3000
donde se puede ver nadando al atún rojo gigante.
06:16
We can see in their beauty of form and function,
147
361000
2000
Se lo puede ver en su belleza de forma y función,
06:19
their ceaseless activity.
148
364000
2000
en su actividad incesante.
06:21
They're flying through their space, ocean space.
149
366000
3000
Vuelan por su espacio, el espacio marino.
06:24
And we can bring two million people a year
150
369000
2000
Y podemos poner a dos millones de personas al año
06:26
into contact with this fish
151
371000
2000
en contacto con este pez
06:28
and show them its beauty.
152
373000
3000
y mostrarles su belleza.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
entre bambalinas hay un laboratorio de la Universidad de Stanford
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
asociado con el Acuario de la Bahía de Monterrey.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Aquí, durante 14 ó 15 años,
06:38
we've actually brought in
156
383000
2000
hemos implantado en cautiverio
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
al atún rojo y al rabil.
06:42
We'd been studying these fish,
158
387000
2000
Hemos estado estudiando estos peces.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Pero primero tuvimos que aprender a criarlos.
06:46
What do they like to eat?
160
391000
2000
¿Qué les gusta comer?
06:48
What is it that they're happy with?
161
393000
2000
¿Qué los hace felices?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Nos metemos en los tanques con el atún. Tocamos su piel desnuda.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
Es bastante sorprendente; maravilloso al tacto.
06:56
And then, better yet,
164
401000
2000
Y luego, mejor aún,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
tenemos nuestra propia versión de susurrador de atún,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
nuestros propios Chuck Farwell, Alex Norton,
07:02
who can take a big tuna
167
407000
2000
que pueden tomar un atún grande
07:04
and in one motion,
168
409000
2000
y, en un solo movimiento,
07:06
put it into an envelope of water,
169
411000
2000
ponerlo en un sobre de agua,
07:08
so that we can actually work with the tuna
170
413000
2000
para que podamos trabajar con el atún
07:10
and learn the techniques it takes
171
415000
2000
y aprender las técnicas necesarias
07:12
to not injure this fish
172
417000
2000
para no herir a este pez
07:14
who never sees a boundary in the open sea.
173
419000
3000
que no conoce de límites en el mar abierto.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Jeff y Jason son científicos
07:19
who are going to take a tuna
175
424000
2000
que van a poner un atún
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
en el equivalente de una cinta, de un canal de flujo.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Y ese atún piensa que va a Japón, pero se queda en el lugar.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
En realidad estamos midiendo su consumo de oxígeno,
07:29
its energy consumption.
179
434000
2000
su consumo de energía.
07:32
We're taking this data and building better models.
180
437000
3000
Estamos tomando estos datos para crear mejores modelos.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
Y al ver ese atún, esta es mi vista favorita,
07:38
I begin to wonder:
182
443000
2000
empiezo a preguntarme:
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
¿cómo resolvió este pez el problema de la longitud antes que nosotros?
07:44
So take a look at that animal.
184
449000
2000
Miren ese animal.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Probablemente es lo más cerca que jamás estarán.
07:48
Now, the activities from the lab
186
453000
3000
Las actividades del laboratorio
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
nos han enseñado cómo salir al océano abierto.
07:54
So in a program called Tag-A-Giant
188
459000
3000
Así, en el programa Tag-A-Giant (marca un gigante)
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
hemos ido de Irlanda a Canadá,
08:00
from Corsica to Spain.
190
465000
2000
de Córcega a España.
08:02
We've fished with many nations around the world
191
467000
3000
Hemos pescado con muchas naciones en todo el mundo
08:05
in an effort to basically
192
470000
2000
en un esfuerzo para, básicamente,
08:07
put electronic computers
193
472000
3000
meter computadoras electrónicas
08:10
inside giant tunas.
194
475000
2000
en atunes gigantes.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Hemos etiquetado 1.100 atunes.
08:15
And I'm going to show you three clips,
196
480000
2000
Les voy a mostrar tres clips
08:17
because I tagged 1,100 tunas.
197
482000
3000
porque etiqueté 1.100 atunes.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
Es un proceso muy duro, pero es un ballet.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Sacamos el atún. Lo medimos.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Un equipo de pescadores, capitanes, científicos y técnicos
08:29
work together to keep this animal out of the ocean
201
494000
3000
trabajan en conjunto para sacar a este animal del océano
08:32
for about four to five minutes.
202
497000
3000
unos 4 ó 5 minutos.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Ponemos agua sobre sus branquias, le damos oxígeno.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
Y luego, con mucho esfuerzo, luego de etiquetarlo
08:41
putting in the computer,
205
506000
2000
de ingresarlo en la computadora,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
asegurándonos que la estaca está aferrada y detecte el ambiente,
08:46
we send this fish back into the sea.
207
511000
3000
enviamos este pez de nuevo al mar.
08:49
And when it goes, we're always happy.
208
514000
2000
Y cuando se va siempre estamos felices.
08:51
We see a flick of the tail.
209
516000
2000
Vemos un golpe seco de la cola.
08:53
And from our data that gets collected,
210
518000
3000
Y a partir de los datos obtenidos
08:56
when that tag comes back,
211
521000
2000
cuando esa etiqueta regresa,
08:58
because a fisher returns it
212
523000
2000
porque los pescadores la devuelven
09:00
for a thousand-dollar reward,
213
525000
2000
a cambio de una recompensa de mil dólares,
09:02
we can get tracks beneath the sea
214
527000
2000
podemos obtener pistas submarinas
09:04
for up to five years now,
215
529000
2000
de hasta cinco años,
09:06
on a backboned animal.
216
531000
2000
en un animal vertebrado.
09:08
Now sometimes the tunas are really large,
217
533000
3000
A veces los atunes son muy grandes,
09:11
such as this fish off Nantucket.
218
536000
2000
como este pez de la costa de Nantucket.
09:13
But that's about half the size
219
538000
2000
Pero eso es la mitad del tamaño
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
de los más grandes que hemos marcado.
09:17
It takes a human effort,
221
542000
2000
Se necesita un esfuerzo humano,
09:19
a team effort, to bring the fish in.
222
544000
2000
de equipo, para sacar el pez.
09:21
In this case, what we're going to do
223
546000
2000
En este caso vamos a colocar
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
en el atún una etiqueta satelital desplegable.
09:27
This tag rides on the tuna,
225
552000
2000
Se monta en el atún,
09:29
senses the environment around the tuna
226
554000
3000
detecta el ambiente que rodea al atún
09:32
and actually will come off the fish,
227
557000
3000
y, de hecho, se va a desprender del pez
09:35
detach, float to the surface
228
560000
2000
se va a separar, flotar en la superficie,
09:37
and send back to Earth-orbiting satellites
229
562000
3000
y enviar a los satélites geoestacionarios
09:40
position data estimated by math on the tag,
230
565000
3000
la ubicación calculada con la etiqueta,
09:43
pressure data and temperature data.
231
568000
3000
la presión y la temperatura.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Y entonces con la etiqueta satelital desplegable
09:48
is we get away from having to have a human interaction
233
573000
3000
nos evitamos la interacción humana
09:51
to recapture the tag.
234
576000
2000
para recuperar la etiqueta.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Las dos etiquetas electrónicas de las que hablo son caras.
09:56
These tags have been engineered
236
581000
2000
Estas etiquetas han sido diseñadas
09:58
by a variety of teams in North America.
237
583000
3000
por varios equipos en América del Norte.
10:01
They are some of our finest instruments,
238
586000
2000
Son uno de nuestros mejores instrumentos,
10:03
our new technology in the ocean today.
239
588000
3000
nuestra nueva tecnología en el océano de hoy
10:07
One community in general
240
592000
2000
Una comunidad, en general,
10:09
has given more to help us than any other community.
241
594000
2000
nos ha ayudado más que cualquier otra.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Y son los caladeros frente a las costas de Carolina del Norte.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Hay dos pueblos, Harris y Morehead City,
10:17
every winter for over a decade,
244
602000
2000
cada invierno desde hace más de una década,
10:19
held a party called Tag-A-Giant,
245
604000
3000
celebra la fiesta Tag-A-Giant (marca un gigante)
10:22
and together, fishers worked with us
246
607000
2000
y juntos con los pescadores
10:24
to tag 800 to 900 fish.
247
609000
3000
marcamos de 800 a 900 peces.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
En este caso, vamos a medir el pez.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Vamos a hacer algo que comenzamos en años recientes:
10:33
take a mucus sample.
250
618000
2000
tomar muestras de mucosa.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Miren lo brillante de la piel; pueden ver mi reflejo allí.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Con esa mucosa obtenemos perfiles genéticos.
10:41
we can get information on gender,
253
626000
2000
Podemos obtener información de género,
10:43
checking the pop-up tag one more time,
254
628000
2000
verificamos una vez más la etiqueta desplegable
10:45
and then it's out in the ocean.
255
630000
2000
y luego lo devolvemos al océano.
10:47
And this is my favorite.
256
632000
2000
Y esta es mi favorita.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Con ayuda de mi ex-post-doctorado, Gareth Lawson,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
esta es una imagen magnífica de un atún.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Este atún se mueve en un océano numérico.
10:57
The warm is the Gulf Stream,
260
642000
2000
Lo caliente es la Corriente del Golfo,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
lo frío allá arriba es el Golfo de Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
Ahí es donde el atún quiere ir. Quiere buscar en los bancos de arenques.
11:05
but it can't get there. It's too cold.
263
650000
2000
Pero no puede llegar. Hace demasiado frío.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Pero luego se calienta y aparece el atún, consigue algunos peces,
11:10
maybe comes back to home base,
265
655000
2000
quizá regrese a la base,
11:12
goes in again
266
657000
2000
va de nuevo
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
y luego vuelve a pasar el invierno en Carolina del Norte
11:17
and then on to the Bahamas.
268
662000
2000
y luego sigue a las Bahamas.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Y mi escena favorita: tres atunes entran en el Golfo de México.
11:22
Three tunas tagged.
270
667000
2000
Tres atunes marcados.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Calculamos las posiciones desde el espacio.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Vienen juntos. Podría tratarse de sexo de atunes.
11:29
and there it is.
273
674000
2000
Y ahí está.
11:31
That is where the tuna spawn.
274
676000
2000
Ahí es donde desova el atún.
11:33
So from data like this,
275
678000
2000
Así, a partir de datos de este tipo
11:35
we're able now to put the map up,
276
680000
2000
ahora podemos construir el mapa;
11:37
and in this map
277
682000
2000
y en este mapa
11:39
you see thousands of positions
278
684000
2000
ven miles de posiciones
11:41
generated by this decade and a half of tagging.
279
686000
3000
generadas en una década y media de marcado.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Y ahora estamos demostrando que los atunes en el lado occidental
11:47
go to the eastern side.
281
692000
2000
van a la parte oriental.
11:49
So two populations of tunas --
282
694000
2000
Hay dos poblaciones de atunes.
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
Está la población del Golfo, que podemos marcar...
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
van al Golfo de México, les mostré eso,
11:56
and a second population.
285
701000
2000
y una segunda población
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
que vive entre nuestros atunes, los de América del Norte,
12:00
are European tunas that go back to the Med.
287
705000
3000
son atunes europeos que regresan al Mediterráneo.
12:03
On the hot spots -- the hope spots --
288
708000
2000
En las zonas conflictivas, las "áreas de esperanza",
12:05
they're mixed populations.
289
710000
2000
hay poblaciones mixtas.
12:07
And so what we've done with the science
290
712000
2000
Y así lo hemos hecho con la evidencia científica
12:09
is we're showing the International Commission,
291
714000
2000
es mostrarle a la Comisión Internacional
12:11
building new models,
292
716000
2000
nuevos modelos;
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
mostrarle que el modelo de dos reservas separadas
12:15
to this day, used to reject
294
720000
3000
(que hoy se usa para rechazar
12:18
the CITES treaty --
295
723000
2000
el tratado de la CITES)
12:20
that model isn't the right model.
296
725000
2000
no es el modelo correcto.
12:22
This model, a model of overlap,
297
727000
2000
Este modelo, un modelo de superposición,
12:24
is the way to move forward.
298
729000
2000
es la manera de avanzar.
12:26
So we can then predict
299
731000
2000
Luego podemos predecir
12:28
where management places should be.
300
733000
2000
dónde ubicar los lugares de manejo.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Lugares como el Golfo de México y el Mediterráneo
12:33
are places where the single species,
302
738000
2000
son lugares donde las especies individuales,
12:35
the single population, can be captured.
303
740000
2000
cada población puede ser capturada.
12:37
These become forthright in places we need to protect.
304
742000
3000
Estos se convierten directamente en lugares a proteger.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
El centro del Atlántico, donde se da la mezcla,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
imagino una política que permita la pesca a Canadá y EE.UU.,
12:45
because they manage their fisheries well,
307
750000
3000
porque gestionan bien sus caladeros,
12:48
they're doing a good job.
308
753000
2000
están haciendo un buen trabajo.
12:50
But in the international realm,
309
755000
2000
Pero en el ámbito internacional,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
donde la pesca y la sobrepesca ha ido realmente salvajes,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
son estos lugares donde tenemos que hacer "áreas de esperanza".
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Ese es el tamaño que tienen que tener para proteger al atún rojo.
13:00
Now in a second project
313
765000
2000
En un segundo proyecto
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
llamado Censo de Pelágicos del Pacífico
13:04
we took on the planet as a team,
315
769000
2000
tomamos el planeta como un equipo
13:06
those of us in the Census of Marine Life.
316
771000
2000
aquellos de nosotros en el Censo de Vida Marina.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Y, financiados principalmente a través de la Fundación Sloan y otros,
13:12
we were able to actually go in, in our project --
318
777000
3000
hemos podido avanzar con el proyecto,
13:15
we're one of 17 field programs
319
780000
2000
somos uno de los 17 programas
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
y empezamos a marcar un gran número de depredadores,
13:20
not just tunas.
321
785000
2000
no sólo el atún.
13:22
So what we've done
322
787000
2000
Así que, lo que hemos hecho
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
es marcar tiburones salmón en Alaska,
13:27
met salmon shark on their home territory,
324
792000
3000
a encontrar tiburones salmón en su territorio
13:30
followed them catching salmon
325
795000
2000
los seguimos en la caza de salmones
13:32
and then went in and figured out
326
797000
2000
y luego continuamos imaginando
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
que, si poníamos un salmón en una línea de pesca,
13:37
we can actually take up a salmon shark --
328
802000
2000
podíamos capturar un tiburón salmón.
13:39
This is the cousin of the white shark --
329
804000
2000
Este es primo del tiburón blanco...
13:41
and very carefully --
330
806000
2000
y con mucho cuidado...
13:43
note, I say "very carefully," --
331
808000
2000
noten que digo "con mucho cuidado"
13:45
we can actually keep it calm,
332
810000
2000
podemos mantenerlo en calma,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
ponerle una manguera en la boca, mantenerlo fuera de la cubierta,
13:50
and then tag it with a satellite tag.
334
815000
3000
y marcarlo con una etiqueta satelital.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Esa etiqueta satelital hará que el tiburón llame a casa
13:56
and send in a message.
336
821000
2000
y envíe un mensaje.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Y ese tiburón que salta allí, si se fijan bien, tiene una antena.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
Es un tiburón que nada libremente con una etiqueta satelital,
14:03
jumping after salmon,
339
828000
2000
salta sobre el salmón,
14:05
sending home its data.
340
830000
3000
y envía información a casa.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Los tiburones salmón no son los únicos que marcamos.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Allí van los tiburones salmón con esta resolución de metros de nivel
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
sobre un océano térmico... los colores cálidos son más cálidos.
14:17
Salmon sharks go down
344
842000
2000
Los tiburones salmón bajan
14:19
to the tropics to pup
345
844000
2000
a los trópicos a tener cría
14:21
and come into Monterey.
346
846000
2000
y entran en Monterrey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Justo al lado de Monterrey, y hasta los Farallones,
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
hay un equipo del tiburón blanco dirigido por Scott Anderson
14:28
and Sal Jorgensen.
349
853000
2000
y Sal Jorgensen.
14:30
They can throw out a target --
350
855000
2000
Pueden arrojar una carnada,
14:32
it's a carpet shaped like a seal --
351
857000
2000
es una alfombra con forma de foca;
14:34
and in will come a white shark, a curious critter
352
859000
3000
y llegará un tiburón blanco, una criatura curiosa;
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
llegará hasta nuestro barco de 16 pies.
14:40
It's a several thousand-pound animal.
354
865000
2000
Es un animal de cientos de kilos.
14:42
And we'll wind in the target.
355
867000
3000
Y levantaremos la carnada.
14:45
And we'll place an acoustic tag
356
870000
2000
Y le pondremos una etiqueta acústica
14:47
that says, "OMSHARK 10165,"
357
872000
2000
que dice: "OMSHARK 10165",
14:49
or something like that, acoustically with a ping.
358
874000
3000
o algo así, con un sonido.
14:52
And then we'll put on a satellite tag
359
877000
2000
Y luego le pondremos una etiqueta satelital
14:54
that will give us the long-distance journeys
360
879000
3000
que nos dará los viajes de larga distancia
14:57
with the light-based geolocation algorithms
361
882000
2000
con los algoritmos de geolocalización fotosensibles
14:59
solved on the computer that's on the fish.
362
884000
3000
resueltos en el equipo que está en el pez.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
En este caso, Sal está mirando dos etiquetas.
15:05
and there they are: the white sharks of California
364
890000
3000
Y ahí están, los tiburones blancos de California,
15:08
going off to the white shark cafe and coming back.
365
893000
3000
yendo al café de tiburones blancos y regresando.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
También marcamos marrajos con nuestros colegas de la NOAA,
15:14
blue sharks.
367
899000
2000
tiburones azules.
15:16
And now, together, what we can see
368
901000
2000
Y ahora, juntos, lo que podemos ver
15:18
on this ocean of color that's temperature,
369
903000
2000
en este océano de color que representan distintas temperaturas
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
podemos ver "gusanos" de 10 días de marrajos y tiburones salmón.
15:24
We have white sharks and blue sharks.
371
909000
2000
Tenemos tiburones blancos y azules.
15:26
For the first time,
372
911000
2000
Por primera vez
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
un eco-paisaje de escala oceánica
15:30
showing where the sharks go.
374
915000
3000
que muestra el destino de los tiburones.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
El equipo de atunes de TOPP ha hecho lo impensable:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
tres equipos han marcado 1.700 atunes:
15:39
bluefin, yellowfin and albacore
377
924000
2000
rojo, rabil y blanco,
15:41
all at the same time --
378
926000
2000
todos al mismo tiempo,
15:43
carefully rehearsed tagging programs
379
928000
2000
programas de marcado ensayados con cuidado
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
en los que salimos, recogemos atunes jóvenes,
15:48
put in the tags that actually have the sensors,
381
933000
3000
les ponemos las etiquetas con los sensores,
15:51
stick out the tuna
382
936000
2000
se las aferramos
15:53
and then let them go.
383
938000
2000
y los dejamos ir.
15:55
They get returned, and when they get returned,
384
940000
2000
Y regresan, y cuando lo hacen,
15:57
here on a NASA numerical ocean
385
942000
3000
aquí en un océano numérico de la NASA
16:00
you can see bluefin in blue
386
945000
2000
puede verse al atún rojo, en azul,
16:02
go across their corridor,
387
947000
2000
atravesar su corredor
16:04
returning to the Western Pacific.
388
949000
3000
regresando al Pacífico Occidental.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Nuestro equipo de la UCSC ha marcado elefantes marinos
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
con etiquetas adheridas a sus cabezas que se desprenden cuando mudan la piel.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Estos elefantes marinos cubren medio océano,
16:16
take data down to 1,800 feet --
392
961000
2000
toman datos de hasta 550 metros,
16:18
amazing data.
393
963000
2000
datos sorprendentes.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Y luego está Scott Shaffer y nuestras pardelas
16:23
wearing tuna tags, light-based tags,
395
968000
3000
con marcas para atún, etiquetas fotosensibles,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
que ahora nos llevarán desde Nueva Zelanda a Monterrey y viceversa,
16:29
journeys of 35,000 nautical miles
397
974000
3000
viajes de 35.000 millas náuticas
16:32
we had never seen before.
398
977000
2000
nunca antes vistos.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Pero ahora, con etiquetas de geolocalización fotosensibles, muy pequeñas,
16:37
we can actually see these journeys.
400
982000
2000
se pueden ver estos viajes.
16:39
Same thing with Laysan albatross
401
984000
2000
Lo mismo con los albatros de Laysan
16:41
who travel an entire ocean
402
986000
2000
que viajan todo un océano
16:43
on a trip sometimes,
403
988000
2000
en un viaje, a veces,
16:45
up to the same zone the tunas use.
404
990000
2000
hasta la misma zona que los atunes utilizan.
16:47
You can see why they might be caught.
405
992000
3000
Pueden ver por qué podrían ser capturados.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Luego está George Schillinger y nuestro equipo de tortugas laúd en Playa Grande,
16:53
tagging leatherbacks
407
998000
2000
marcándolas,
16:55
that go right past where we are.
408
1000000
3000
que pasan por donde estamos.
16:58
And Scott Benson's team
409
1003000
2000
Y el equipo de Scott Benson
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
que mostró que la tortuga laúd va desde Indonesia
17:02
all the way to Monterey.
411
1007000
2000
hasta Monterrey.
17:04
So what we can see on this moving ocean
412
1009000
3000
Lo que vemos en este océano en movimiento
17:07
is we can finally see where the predators are.
413
1012000
3000
es la posición de los predadores.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
De hecho, podemos ver cómo usan eco-espacios
17:13
as large as an ocean.
415
1018000
2000
grandes como océanos.
17:15
And from this information,
416
1020000
2000
Y con esta información
17:17
we can begin to map the hope spots.
417
1022000
3000
podemos empezar a trazar las "áreas de esperanza".
17:20
So this is just three years of data right here --
418
1025000
2000
Aquí hay sólo tres años de datos.
17:22
and there's a decade of this data.
419
1027000
2000
Y hay una década de estos datos.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Vemos el pulso y las actividades estacionales
17:26
that these animals are going on.
421
1031000
3000
que realizan estos animales.
17:30
So what we're able to do with this information
422
1035000
2000
Entonces, ¿qué podemos hacer con esta información?
17:32
is boil it down to hot spots,
423
1037000
3000
es reducirla a zonas conflictivas,
17:35
4,000 deployments,
424
1040000
2000
4.000 implementaciones,
17:37
a huge herculean task,
425
1042000
3000
una tarea hercúlea,
17:40
2,000 tags
426
1045000
2000
2.000 etiquetas
17:42
in an area, shown here for the first time,
427
1047000
2000
en un área, que se muestra aquí por primera vez,
17:44
off the California coast,
428
1049000
2000
frente a la costa de California,
17:46
that appears to be a gathering place.
429
1051000
3000
que parece ser un lugar de reunión.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
Y luego, en una especie de repetición de estos animales,
17:53
they're helping us.
431
1058000
2000
nos están ayudando.
17:55
They're carrying instruments
432
1060000
2000
Llevan instrumentos
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
que están obteniendo datos a 2.000 metros de profundidad.
18:00
They're taking information from our planet
434
1065000
2000
Están tomando información de nuestro planeta
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
en lugares muy críticos, como la Antártida y los polos.
18:05
Those are seals from many countries
436
1070000
2000
Esas son focas de muchos países
18:07
being released
437
1072000
2000
liberadas
18:09
who are sampling underneath the ice sheets
438
1074000
2000
que toman muestras bajo las capas de hielo
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
y nos dan datos de temperatura de calidad oceanográfica
18:14
on both poles.
440
1079000
2000
de ambos polos.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Visualizar estos datos es algo cautivante.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Todavía no hemos descubierto la mejor forma de visualizar los datos.
18:22
And then, as these animals swim
443
1087000
2000
Y a medida que estos animales nadan
18:24
and give us the information
444
1089000
2000
y nos brindan esta información
18:26
that's important to climate issues,
445
1091000
2000
tan importante para temas del clima
18:28
we also think it's critical
446
1093000
2000
pensamos que también es crítico
18:30
to get this information to the public,
447
1095000
2000
divulgar la información al público
18:32
to engage the public with this kind of data.
448
1097000
3000
para involucrarlo en este tipo de datos.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Lo hicimos con la Gran Carrera de Tortugas,
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
tortugas marcadas, ingresaron 4 millones de visitas.
18:40
And now with Google's Oceans,
451
1105000
3000
Y ahora con los Océanos de Google,
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
podemos poner realmente un tiburón blanco en ese océano.
18:45
And when we do and it swims,
453
1110000
2000
Y cuando lo hacemos y nada
18:47
we see this magnificent bathymetry
454
1112000
2000
vemos esta magnífica batimetría
18:49
that the shark knows is there on its path
455
1114000
2000
que el tiburón sabe que está en su camino
18:51
as it goes from California to Hawaii.
456
1116000
2000
al avanzar desde California hasta Hawaii.
18:53
But maybe Mission Blue
457
1118000
2000
Pero quizá la Misión Azul
18:55
can fill in that ocean that we can't see.
458
1120000
3000
pueda llenar ese océano que no vemos.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Tenemos la capacidad, la NASA tiene el océano.
19:01
We just need to put it together.
460
1126000
2000
Sólo tenemos que unir ambas cosas.
19:03
So in conclusion,
461
1128000
2000
En conclusión,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
sabemos que es Yellowstone para América del Norte;
19:08
it's off our coast.
463
1133000
2000
está en frente a nuestra costa.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Tenemos la tecnología que nos muestra dónde está.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Lo que tenemos que pensar quizá en la Misión Azul
19:15
is increasing the biologging capacity.
466
1140000
3000
es en incrementar la capacidad de bio-registro.
19:18
How is it that we can actually
467
1143000
2000
¿Cómo se puede realmente
19:20
take this type of activity elsewhere?
468
1145000
3000
medir este tipo de actividad en otro lugar?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
Y finalmente, para llevar el mensaje a casa,
19:26
maybe use live links
470
1151000
2000
quizá usar vínculos vivientes
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
de animales como ballenas azules y tiburones blancos.
19:30
Make killer apps, if you will.
472
1155000
2000
Hacer aplicaciones innovadoras, si se quiere.
19:32
A lot of people are excited
473
1157000
2000
Muchas personas están entusiasmadas
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
cuando pasaron los tiburones bajo el Puente Golden Gate.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Conectemos al público con esta actividad a través de sus iPhone´s.
19:40
That way we do away with a few internet myths.
476
1165000
3000
Acabemos así algunos mitos de internet.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Así podemos salvar al atún rojo.
19:46
We can save the white shark.
478
1171000
2000
Podemos salvar al tiburón blanco.
19:48
We have the science and technology.
479
1173000
2000
Tenemos la ciencia y la tecnología.
19:50
Hope is here. Yes we can.
480
1175000
2000
Aquí hay esperanza. Sí podemos.
19:52
We need just to apply this capacity
481
1177000
2000
Sólo tenemos que aplicar esta capacidad
19:54
further in the oceans.
482
1179000
2000
más adentro en los océanos.
19:56
Thank you.
483
1181000
2000
Gracias.
19:58
(Applause)
484
1183000
2000
(Aplausos)
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