TEDGlobal 2011
Paul Snelgrove: A census of the ocean
Paul Snelgrove : recenser l'océan
Filmed:
Readability: 4
336,429 views
L'océanographe Paul Snelgrove parle des résultats d'un projet de dix ans dont le seul but était de recenser toute les formes de vie dans les océans. Il montre des photos magnifiques de certaines des surprenantes découvertes du recensement de la vie marine
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
Les océans couvrent environ 70 % de notre planète.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
Et je pense que Arthur C. Clarke avait probablement raison
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
de dire que nous devrions peut-être appeler notre planète
00:23
Planet Ocean.
3
8000
2000
Planète Océan.
00:25
And the oceans are hugely productive,
4
10000
2000
Les océans sont extrêmement productifs,
00:27
as you can see by the satellite image
5
12000
2000
comme vous pouvez le voir d'après l'image satellite
00:29
of photosynthesis, the production of new life.
6
14000
2000
de la photosynthèse, la production d'une nouvelle vie.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
En fait, les océans produisent la moitié de la vie nouvelle chaque jour sur Terre
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
ainsi que près de la moitié de l'oxygène que nous respirons.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
En outre, ils abritent une grande partie de la biodiversité sur la Terre,
00:40
and much of it we don't know about.
10
25000
2000
et nous ignorons tout d'une grande partie de cette biodiversité.
00:42
But I'll tell you some of that today.
11
27000
2000
Mais je vais vous en raconter une partie aujourd'hui.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Nous effleurerons à peine le sujet de l'extraction de protéines
00:46
that we do from the ocean.
13
31000
2000
provenant de l'océan.
00:48
That's about 10 percent of our global needs
14
33000
2000
C'est à peu près 10 % de nos besoins mondiaux
00:50
and 100 percent of some island nations.
15
35000
3000
et 100 % de ceux de certaines nations insulaires.
00:53
If you were to descend
16
38000
2000
Si on descendait
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
dans les 95 % de la biosphère qui est vivable,
00:57
it would quickly become pitch black,
18
42000
2000
elle deviendrait d'une obscurité totale,
00:59
interrupted only by pinpoints of light
19
44000
2000
interrompue seulement par de petits points de lumière
01:01
from bioluminescent organisms.
20
46000
2000
venus d'organismes bioluminescents.
01:03
And if you turn the lights on,
21
48000
2000
Et si on allumait la lumière,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
on pourrait voir passer des organismes spectaculaires régulièrement,
01:07
because those are the denizens of the deep,
23
52000
2000
parce que ce sont les habitants des profondeurs,
01:09
the things that live in the deep ocean.
24
54000
2000
les créatures qui vivent dans l'océan profond.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
Et finalement, le fond de la mer profonde apparaîtrait.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
Ce type d'habitat couvre plus de surface sur la Terre
01:17
than all other habitats combined.
27
62000
2000
que tous les autres habitats associés.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
Et pourtant, nous en savons plus sur la surface de la Lune et sur Mars
01:21
than we do about this habitat,
29
66000
2000
que sur cet habitat,
01:23
despite the fact that we have yet to extract
30
68000
2000
malgré le fait que nous n'avons pas encore extrait
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
un gramme de nourriture, une bouffée d'oxygène ou une goutte d'eau
01:28
from those bodies.
32
73000
2000
de ces organismes.
01:30
And so 10 years ago,
33
75000
2000
Et donc, il y a 10 ans,
01:32
an international program began called the Census of Marine Life,
34
77000
3000
un programme international intitulé le Recensement de la Vie Marine a commencé ;
01:35
which set out to try and improve our understanding
35
80000
2000
il visait à tenter d'améliorer notre compréhension
01:37
of life in the global oceans.
36
82000
2000
de la vie dans les océans de la planète.
01:39
It involved 17 different projects around the world.
37
84000
3000
Il s'agissait de 17 projets différents dans le monde entier.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
Comme vous pouvez le voir, ce sont les empreintes des différents projets.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
Et j'espère que vous apprécierez le niveau de couverture mondiale
01:47
that it managed to achieve.
40
92000
2000
qu'il a réussi à atteindre.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
Tout a commencé lorsque deux scientifiques, Fred Grassle et Jesse Ausubel,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
se sont rencontrés à Woods Hole, Massachusetts
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
où tous les deux étaient invités par un institut océanographique célèbre.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
Fred se lamentait de l'état de la biodiversité marine
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
du fait qu'elle était en danger et qu'on ne faisait rien.
02:02
Well, from that discussion grew this program
46
107000
2000
De cette discussion est né ce programme
02:04
that involved 2,700 scientists
47
109000
2000
qui a réuni 2700 scientifiques
02:06
from more than 80 countries around the world
48
111000
2000
de plus de 80 pays à travers le monde
02:08
who engaged in 540 ocean expeditions
49
113000
3000
qui se sont lancés dans 540 expéditions océaniques
02:11
at a combined cost of 650 million dollars
50
116000
3000
pour un coût total de 650 millions de dollars
02:14
to study the distribution, diversity and abundance
51
119000
2000
afin d'étudier la distribution, la diversité et l'abondance
02:16
of life in the global ocean.
52
121000
3000
de la vie dans l'océan mondial.
02:19
And so what did we find?
53
124000
2000
Et qu'avons-nous donc trouvé ?
02:21
We found spectacular new species,
54
126000
2000
Nous avons trouvé de nouvelles espèces spectaculaires ,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
des choses incroyablement belles et magnifiques partout où nous avons regardé --
02:26
from the shoreline to the abyss,
56
131000
2000
de la rive aux abysses,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
et tout des microbes jusqu'aux poissons
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
Et l'étape limitante ici n'était pas la diversité inconnue de la vie,
02:34
but rather the taxonomic specialists
59
139000
2000
mais plutôt les spécialistes en taxonomie
02:36
who can identify and catalog these species
60
141000
2000
qui peuvent identifier et cataloguer ces espèces
02:38
that became the limiting step.
61
143000
2000
qui sont devenus l'étape limitante.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
En fait, ils sont une espèce en danger eux-mêmes.
02:43
There are actually four to five new species
63
148000
2000
Il y a en fait quatre à cinq nouvelles espèces
02:45
described everyday for the oceans.
64
150000
2000
décrites tous les jours pour les océans.
02:47
And as I say, it could be a much larger number.
65
152000
3000
Et comme je le dis, il pourrait y en avoir bien plus.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Je viens de Terre-Neuve au Canada -
02:53
It's an island off the east coast of that continent --
67
158000
2000
C'est une île au large de la côte Est de ce continent -
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
nous y avons vécu l'une des pires catastrophes de pêche
02:58
in human history.
69
163000
2000
dans l'histoire humaine.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
Et donc cette photo montre un petit garçon à côté d'une morue.
03:02
It's around 1900.
71
167000
2000
C'est vers 1900.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Quand j'étais un petit garçon d'environ son âge,
03:06
I would go out fishing with my grandfather
73
171000
2000
j'allais à la pêche avec mon grand-père
03:08
and we would catch fish about half that size.
74
173000
2000
et nous attrapions du poisson de près de la moitié de cette taille.
03:10
And I thought that was the norm,
75
175000
2000
Et je pensais que c'était la norme,
03:12
because I had never seen fish like this.
76
177000
2000
parce que je n'avais jamais vu des poissons de ce genre.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
Si vous deviez aller là-bas aujourd'hui, 20 ans après l'effondrement de cette pêche,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
si vous pouviez attraper un poisson, ce qui serait difficile,
03:20
it would be half that size still.
79
185000
2000
il serait d'encore la moitié de cette taille.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Donc, ce que nous vivons est ce qu'on appelle le changement du niveau de référence.
03:25
Our expectations of what the oceans can produce
81
190000
2000
Nos attentes sur ce que les océans peuvent produire
03:27
is something that we don't really appreciate
82
192000
2000
sont difficiles à appréhender
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
parce que nous ne l'avons pas vu au cours de nos vies.
03:32
Now most of us, and I would say me included,
84
197000
3000
Aujourd'hui, la plupart d'entre nous, et je dirais moi y compris,
03:35
think that human exploitation of the oceans
85
200000
2000
pensons que l'exploitation humaine des océans
03:37
really only became very serious
86
202000
2000
n'a vraiment pris d'ampleur
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
que dans les 50 ou peut-être 100 dernières années.
03:41
The census actually tried to look back in time,
88
206000
2000
Le recensement a essayé de regarder en arrière dans le temps,
03:43
using every source of information they could get their hands on.
89
208000
3000
en utilisant toutes les sources d'informations disponibles.
03:46
And so anything from restaurant menus
90
211000
2000
Ce qui incluait les menus de restaurants
03:48
to monastery records to ships' logs
91
213000
2000
les registres des monastères et les journaux de bord des navires
03:50
to see what the oceans looked like.
92
215000
2000
pour voir à quoi ressemblaient les océans.
03:52
Because science data really goes back
93
217000
2000
Parce que les données scientifiques ne remontent vraiment
03:54
to, at best, World War II, for the most part.
94
219000
2000
au mieux, qu'à la Seconde Guerre mondiale, pour la plupart.
03:56
And so what they found, in fact,
95
221000
2000
Et donc ce qu'ils ont trouvé,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
est que l'exploitation commence réellement fortement avec les Romains.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
Et à cette époque, bien sûr, il n'y avait pas de réfrigération.
04:03
So fishermen could only catch
98
228000
2000
Donc, les pêcheurs ne pouvaient attraper
04:05
what they could either eat or sell that day.
99
230000
2000
que ce qu'ils pouvaient manger ou vendre ce jour-là.
04:07
But the Romans developed salting.
100
232000
2000
Mais les Romains ont développé le salage.
04:09
And with salting,
101
234000
2000
Et avec le salage,
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
on a pu conserver le poisson et le transporter sur de longues distances.
04:14
And so began industrial fishing.
103
239000
3000
C'est ainsi qu'a commencé la pêche industrielle.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
C'est le genre d'extrapolations dont nous disposons
04:20
of what sort of loss we've had
105
245000
2000
sur le genre des pertes que nous avons eu
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
par rapport aux impacts pré-humains sur l'océan.
04:25
They range from 65 to 98 percent
107
250000
2000
Elles vont de 65 à 98 pour cent
04:27
for these major groups of organisms,
108
252000
2000
pour ces grands groupes d'organismes,
04:29
as shown in the dark blue bars.
109
254000
2000
comme indiqué dans les barres en bleu foncé.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
Et pour les espèces que nous avons réussi à épargner, que nous protégeons -
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
par exemple, les mammifères marins ces dernières années et les oiseaux marins -
04:36
there is some recovery.
112
261000
2000
il y a une certaine reprise.
04:38
So it's not all hopeless.
113
263000
2000
Donc, tout espoir n'est pas perdu.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
Mais pour l'essentiel, nous sommes passés du salage à l'épuisement.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
Or, cet autre élément de preuve est vraiment intéressant.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
Elle vient de poissons trophées pêchés au large des côtes de Floride.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
C'est une photographie qui date des années 1950.
04:51
I want you to notice the scale on the slide,
118
276000
2000
Je veux que vous remarquiez l'échelle sur la diapositive,
04:53
because when you see the same picture from the 1980s,
119
278000
2000
parce que quand vous voyez la même image à partir des années 1980,
04:55
we see the fish are much smaller
120
280000
2000
nous voyons que les poissons sont beaucoup plus petits
04:57
and we're also seeing a change
121
282000
2000
et nous voyons aussi un changement
04:59
in terms of the composition of those fish.
122
284000
2000
en termes de la composition de ces poissons.
05:01
By 2007, the catch was actually laughable
123
286000
2000
En 2007, la prise était en fait risible
05:03
in terms of the size for a trophy fish.
124
288000
2000
en termes de taille pour un poisson trophée.
05:05
But this is no laughing matter.
125
290000
2000
Mais il n'y a pas là matière à rire.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Les océans ont perdu beaucoup de leur productivité
05:09
and we're responsible for it.
127
294000
3000
et nous en sommes responsables.
05:12
So what's left? Actually quite a lot.
128
297000
2000
Donc que reste-t-il ? En fait, beaucoup de choses.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
Il y a beaucoup de choses passionnantes, et je vais vous en parler un peu.
05:17
And I want to start with a bit on technology,
130
302000
2000
Je tiens à commencer par parler un peu de technologie,
05:19
because, of course, this is a TED Conference
131
304000
2000
car, bien sûr, il s'agit d'une conférence TED
05:21
and you want to hear something on technology.
132
306000
2000
et vous voulez entendre parler de technologie.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Parmi les outils que nous utilisons pour prélever des échantillons dans l'océan profond
05:25
are remotely operated vehicles.
134
310000
2000
on trouve des véhicules télécommandés.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Ce sont des véhicules câblés que nous descendons sur le fond marin
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
où ils sont nos yeux et nos mains pour travailler sur le fond de la mer.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
Ainsi, il y a deux ans, je devais partir en croisière océanographique
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
et je ne pouvais pas y aller à cause d'un problème d'emploi du temps.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Mais grâce à une liaison satellite, j'ai pu m'asseoir à mon bureau à la maison
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
avec mon chien couché à mes pieds, une tasse de thé dans la main,
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
et je pouvais dire au pilote, "je veux un échantillon juste là."
05:47
And that's exactly what the pilot did for me.
142
332000
2000
C'est exactement ce que le pilote a fait pour moi.
05:49
That's the sort of technology that's available today
143
334000
3000
C'est le genre de technologie qui est disponible aujourd'hui
05:52
that really wasn't available even a decade ago.
144
337000
2000
ce n'était pas vraiment disponible, même il y a dix ans.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
Donc, ça nous permet de récolter des échantillons dans ces habitats étonnants
05:56
that are very far from the surface
146
341000
2000
qui sont très loin de la surface
05:58
and very far from light.
147
343000
2000
et très loin de la lumière.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
Et un autre outil que nous pouvons utiliser pour échantillonner les océans
06:03
is acoustics, or sound waves.
149
348000
2000
est l'acoustique, ou les ondes sonores.
06:05
And the advantage of sound waves
150
350000
2000
Et l'avantage des ondes sonores
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
c'est qu'elles passent vraiment bien à travers l'eau, contrairement à la lumière.
06:09
And so we can send out sound waves,
152
354000
2000
Et nous pouvons envoyer des ondes sonores,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
elles rebondissent sur des objets comme les poissons et sont réfléchies.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
Et dans cet exemple, un scientifique du recensement envoyé deux navires.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
L'un envoyait des ondes sonores qui rebondissaient.
06:19
They would be received by a second ship,
156
364000
2000
Ils étaient reçues par un second navire,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
et ça nous donnait des évaluations très précises, dans ce cas,
06:24
of 250 billion herring
158
369000
2000
de 250 milliards de harengs
06:26
in a period of about a minute.
159
371000
2000
sur une période d'environ une minute.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
Et c'est une zone d'environ la taille de l'île de Manhattan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
Pouvoir faire cela est un formidable outil de la pêche,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
parce qu'il est vraiment important de savoir combien de poissons sont là.
06:36
We can also use satellite tags
163
381000
2000
Nous pouvons également utiliser des balises satellites
06:38
to track animals as they move through the oceans.
164
383000
2000
pour suivre les animaux qui se déplacent à travers les océans.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
Et pour les animaux qui viennent à la surface pour respirer,
06:42
such as this elephant seal,
166
387000
2000
comme cet éléphant de mer,
06:44
it's an opportunity to send data back to shore
167
389000
2000
c'est une occasion pour envoyer des données vers le rivage
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
et nous dire où exactement il se trouve dans l'océan.
06:49
And so from that we can produce these tracks.
169
394000
2000
Et à partir de ça, nous pouvons produire ces pistes.
06:51
For example, the dark blue
170
396000
2000
Par exemple, le bleu foncé
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
vous montre où l'éléphant de mer s'est déplacé dans le Pacifique nord.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Je me rends compte que pour les daltoniens, cette diapo n'est pas très utile,
06:58
but stick with me nonetheless.
173
403000
2000
mais restez avec moi tout de même.
07:00
For animals that don't surface,
174
405000
2000
Pour les animaux qui ne sont pas en surface,
07:02
we have something called pop-up tags,
175
407000
2000
nous avons quelque chose qui s'appelle un tag émetteur
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
qui recueille des données sur la lumière et l'heure où le soleil se lève et se couche.
07:07
And then at some period of time
177
412000
2000
Et puis, à un moment,
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
ce tag surgit à la surface et transmet à nouveau les données au rivage.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
Le GPS ne fonctionne pas sous l'eau, c'est pourquoi nous avons besoin de ces outils.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
Et à partir de ça, nous sommes en mesure d'identifier ces autoroutes bleues,
07:18
these hot spots in the ocean,
181
423000
2000
ces pics de fréquentation dans l'océan,
07:20
that should be real priority areas
182
425000
2000
qui devraient être les vrais domaines prioritaires
07:22
for ocean conservation.
183
427000
2000
pour la conservation des océans.
07:24
Now one of the other things that you may think about
184
429000
2000
Une autre chose à laquelle vous pouvez penser,
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
c'est que quand vous allez au supermarché pour acheter des produits, ils sont scannés.
07:29
And so there's a barcode on that product
186
434000
2000
Il y a un code-barres sur chaque produit
07:31
that tells the computer exactly what the product is.
187
436000
3000
qui dit à l'ordinateur précisément ce qu'est le produit.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Les généticiens ont développé un outil similaire, appelé code-barres génétique.
07:37
And what barcoding does
189
442000
2000
Et ce code-barres
07:39
is use a specific gene called CO1
190
444000
2000
utilise un gène spécifique, appelé CO1
07:41
that's consistent within a species, but varies among species.
191
446000
3000
qui est cohérent au sein d'une espèce, mais varie selon les espèces.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
Cela signifie que nous pouvons identifier sans ambiguïté
07:46
which species are which
193
451000
2000
quelles sont les espèces qui
07:48
even if they look similar to each other,
194
453000
2000
même si elles se ressemblent
07:50
but may be biologically quite different.
195
455000
2000
sont peut-être biologiquement très différentes.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
Un des plus beaux exemples que je voudrais citer à ce sujet,
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
c'est l'histoire de deux jeunes femmes, lycéennes à New York City,
07:57
who worked with the census.
198
462000
2000
qui travaillaient pour le recensement.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Elles sont allées collecter des poissons sur les marchés et les restaurants à New York
08:02
and they barcoded it.
200
467000
2000
et elles ont lu leurs codes barres.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Elles ont découvert que les poissons étaient mal étiquetés.
08:06
So for example,
202
471000
2000
Ainsi, par exemple,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
elles ont trouvé qu'un poisson vendu sous le nom de thon, qui a une grande valeur,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
était en fait du tilapia, un poisson qui a beaucoup moins de valeur.
08:13
They also found an endangered species
205
478000
2000
Elles ont également trouvé une espèce en voie de disparition
08:15
sold as a common one.
206
480000
2000
vendue comme si c'était une espèce commune.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
Donc, les code-barres nous permettent de savoir avec quoi nous travaillons
08:19
and also what we're eating.
208
484000
3000
et aussi ce que nous mangeons.
08:22
The Ocean Biogeographic Information System
209
487000
2000
Le Système d'information biogéographique océan
08:24
is the database for all the census data.
210
489000
2000
est la base de données pour toutes les données de recensement.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
Elle est en libre accès, vous pouvez tous aller télécharger des données.
08:29
And it contains all the data from the census
212
494000
3000
Et elle contient toutes les données du recensement
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
ainsi que d'autres données que les gens étaient disposés à fournir.
08:34
And so what you can do with that
214
499000
2000
Avec la base de données, vous pouvez
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
tracer la distribution des espèces et où elles se trouvent dans les océans.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
Ce que j'ai tracé ici, ce sont les données dont nous disposons.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
C'est là que notre effort d'échantillonnage s'est concentré.
08:44
Now what you can see
218
509000
2000
Ce que vous pouvez voir
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
c'est que nous avons assez bien échantillonné la zone dans l'Atlantique Nord,
08:48
in the North Sea in particular,
220
513000
2000
dans la mer du Nord en particulier,
08:50
and also the east coast of North America fairly well.
221
515000
2000
et aussi la côte est de l'Amérique du Nord.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
Ce sont les couleurs chaudes qui montrent une région bien échantillonnée.
08:55
The cold colors, the blue and the black,
223
520000
2000
Les couleurs froides, le bleu et le noir,
08:57
show areas where we have almost no data.
224
522000
2000
montrent les domaines où nous n'avons presque pas de données.
08:59
So even after a 10-year census,
225
524000
2000
Ainsi, même après un recensement de 10 ans,
09:01
there are large areas that still remain unexplored.
226
526000
3000
il y a de grandes zones qui restent inexplorées.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
Il y a un groupe de scientifiques qui vivent au Texas et travaillent dans le golfe du Mexique.
09:07
who decided really as a labor of love
228
532000
2000
Ils ont décidé, vraiment par passion,
09:09
to pull together all the knowledge they could
229
534000
2000
de rassembler toutes les connaissances qu'ils pouvaient
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
sur la biodiversité dans le golfe du Mexique.
09:13
And so they put this together, a list of all the species,
231
538000
3000
Ils ont tout rassemblé, une liste de toutes les espèces,
09:16
where they're known to occur,
232
541000
2000
où on sait qu'elles se trouvent,
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
et ça ressemblait vraiment à un exercice scientifique très obscur.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
Mais alors, bien sûr, il y eu la marée noire de la plateforme Deep Horizon.
09:24
So all of a sudden, this labor of love
235
549000
2000
Donc, tout d'un coup, ce travail fait par passion
09:26
for no obvious economic reason
236
551000
3000
sans raison économique évidente
09:29
has become a critical piece of information
237
554000
2000
est devenu un élément essentiel d'information
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
en termes des moyens de récupération du système, du temps nécessaire,
09:34
and how the lawsuits
239
559000
2000
et de la façon dont les procès
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
et les négociations à plusieurs milliards de dollars des prochaines années
09:39
are likely to be resolved.
241
564000
3000
sont susceptibles d'être résolus.
09:42
So what did we find?
242
567000
2000
Qu'avons-nous constaté?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
Je pourrais rester ici pendant des heures, mais je n'en ai pas le droit, bien sûr.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Mais je vais vous dire quelques unes de mes plus belles découvertes
09:48
from the census.
245
573000
2000
provenant du recensement.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Donc, l'une de nos découvertes, ce sont les hauts lieux de la diversité.
09:53
Where do we find the most species of ocean life?
247
578000
3000
Où trouvons-nous la plupart des espèces de la vie des océans?
09:56
And what we find if we plot up the well-known species
248
581000
2000
Et ce que nous trouvons si nous traçons les espèces bien connues
09:58
is this sort of a distribution.
249
583000
2000
est cette espèce de distribution.
10:00
And what we see is that for coastal tags,
250
585000
2000
Et ce que nous voyons, c'est que pour les balises côtières,
10:02
for those organisms that live near the shoreline,
251
587000
2000
pour les organismes qui vivent près du rivage,
10:04
they're most diverse in the tropics.
252
589000
2000
ils sont plus diversifiés sous les tropiques.
10:06
This is something we've actually known for a while,
253
591000
2000
C'est une chose que nous savons depuis un certain temps,
10:08
so it's not a real breakthrough.
254
593000
2000
ce n'est donc pas une véritable découverte.
10:10
What is really exciting though
255
595000
2000
Ce qui est vraiment passionnant pourtant
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
est que les balises océaniques, ou celles qui vivent loin de la côte,
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
sont en réalité plus diversifiées à des latitudes intermédiaires.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
C'est le genre de données, encore une fois, que les gestionnaires pourraient utiliser
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
s'ils veulent donner la priorité à des zones de l'océan que nous devons conserver.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
On peut le faire à l'échelle mondiale, mais aussi à l'échelle régionale.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
Et c'est pourquoi les données de la biodiversité peut être si précieuses.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Si beaucoup des espèces que nous avons découvertes dans le recensement
10:31
are things that are small and hard to see,
263
616000
2000
sont petites et difficiles à voir,
10:33
that certainly wasn't always the case.
264
618000
2000
ce n'était pas toujours le cas, indéniablement.
10:35
For example, while it's hard to believe
265
620000
2000
Par exemple, alors qu'il est difficile de croire
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
qu'un homard de trois kilos pourrait échapper aux scientifiques,
10:39
it did until a few years ago
267
624000
2000
c'était le cas jusqu'à il y a quelques années
10:41
when South African fishermen requested an export permit
268
626000
3000
lorsque des pêcheurs sud-africains ont demandé un permis d'exportation
10:44
and scientists realized that this was something new to science.
269
629000
3000
et que les scientifiques ont vu que c'était une nouveauté pour la science.
10:47
Similarly this Golden V kelp
270
632000
2000
De même, ce laminaire Aureophycus aleuticus
10:49
collected in Alaska just below the low water mark
271
634000
2000
recueilli en Alaska juste en dessous de la laisse de basse mer
10:51
is probably a new species.
272
636000
2000
est probablement une nouvelle espèce.
10:53
Even though it's three meters long,
273
638000
2000
Même si elle fait trois mètres de long,
10:55
it actually, again, eluded science.
274
640000
2000
elle a, là encore, échappé à la science.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Ce type-là, ce calmar à grandes nageoires, fait sept mètres de long.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Mais à vrai dire, il vit dans les eaux profondes de la dorsale médio-atlantique,
11:03
so it was a lot harder to find.
277
648000
2000
il était donc beaucoup plus difficile à trouver.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Mais il y a encore un potentiel pour la découverte de grandes choses passionnantes.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
Cette crevette notamment, nous l'avons surnommée la crevette du Jurassique,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
on pensait que l'espèce s'était éteinte il y a 50 ans -
11:13
at least it was, until the census discovered
281
658000
2000
au moins, jusqu'à ce que le recensement découvre
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
qu'elle vivait et se portait très bien au large des côtes de l'Australie.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
Et cela montre que l'océan, en raison de son immensité,
11:21
can hide secrets for a very long time.
284
666000
2000
peut cacher des secrets sur un temps très long.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Steven Spielberg peut aller se rhabiller.
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Si nous les regardons, en fait, les distributions changent de façon spectaculaire.
11:29
And so one of the records that we had
287
674000
3000
Et un des records que nous avons eu
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
était ce puffin fuligineux, qui subit ces migrations spectaculaires
11:35
all the way from New Zealand
289
680000
2000
depuis la Nouvelle-Zélande
11:37
all the way up to Alaska and back again
290
682000
2000
jusqu'à l'Alaska et revient
11:39
in search of endless summer
291
684000
2000
à la recherche de l'été sans fin
11:41
as they complete their life cycles.
292
686000
2000
alors qu'ils terminent leur cycle de vie.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
Nous avons aussi parlé du bistrot des requins blancs.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Il s'agit d'un emplacement dans le Pacifique où les requins blancs convergent.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Nous ne savons pas du tout pourquoi ils y convergent.
11:50
That's a question for the future.
296
695000
2000
C'est une question pour l'avenir.
11:52
One of the things that we're taught in high school
297
697000
2000
Une des choses qu'on nous a enseigné au collège
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
est que tous les animaux ont besoin d'oxygène pour survivre.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Or, cette petite bête fait seulement environ un demi-millimètre,
12:00
not terribly charismatic.
300
705000
2000
pas très charismatique.
12:02
But it was only discovered in the early 1980s.
301
707000
2000
Mais elle a été découverte seulement dans les années 1980.
12:04
But the really interesting thing about it
302
709000
2000
Mais ce qui est vraiment intéressant à son sujet
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
est que, il y a quelques années, les scientifiques du recensement ont découvert
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
que celui-là peut se développer dans les sédiments pauvres en oxygène
12:11
in the deep Mediterranean Sea.
305
716000
2000
dans les profondeurs de la Mer Méditerranée.
12:13
So now they know that, in fact,
306
718000
2000
Alors maintenant, ils savent que, en fait,
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
les animaux peuvent vivre sans oxygène, au moins certains d'entre eux,
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
et qu'ils peuvent s'adapter même aux pires conditions.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Si vous retiriez toute l'eau de l'océan,
12:23
this is what you'd be left behind with,
310
728000
2000
voilà ce qui vous resterait,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
et c'est la biomasse de la vie sur le plancher océanique.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
Ce que nous voyons est une biomasse énorme vers les pôles
12:30
and not much biomass in between.
313
735000
3000
et pas beaucoup de biomasse dans l'intervalle.
12:33
We found life in the extremes.
314
738000
2000
Nous avons trouvé la vie dans les extrêmes.
12:35
And so there were new species that were found
315
740000
2000
Et donc on a trouvé de nouvelles espèces
12:37
that live inside ice
316
742000
2000
qui vivent à l'intérieur de la glace
12:39
and help to support an ice-based food web.
317
744000
2000
et contribuent à soutenir une chaîne alimentaire dans la glace.
12:41
And we also found this spectacular yeti crab
318
746000
2000
Et nous avons également trouvé ce crabe yéti spectaculaire
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
qui vit à proximité de sources hydrothermales bouillantes à l'île de Pâques.
12:46
And this particular species
320
751000
2000
Et cette espèce particulière
12:48
really captured the public's attention.
321
753000
3000
a vraiment capté l'attention du public.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
Nous avons aussi trouvé les plus profondes bouches connues : 5000 mètres,
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
les plus chaudes bouches à 407 degrés Celsius,
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
dans le Pacifique Sud et aussi dans l'Arctique
12:59
where none had been found before.
325
764000
2000
là où on n'en avait pas trouvé avant.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
Ainsi, on peut même encore découvrir de nouveaux environnements.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Quant aux inconnues, il y en a beaucoup.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
Et je vais juste en résumer quelques-unes
13:08
very quickly for you.
329
773000
2000
très rapidement pour vous.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
Tout d'abord, on peut se demander, combien de poissons y a-t-il dans la mer?
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
Nous connaissons les poissons mieux que nous tout autre groupe dans l'océan
13:15
other than marine mammals.
332
780000
2000
si l'on omet les mammifères marins.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
Et nous pouvons en fait extrapoler à partir des taux de découverte
13:20
how many more species we're likely to discover.
334
785000
3000
combien d'autres espèces nous sommes susceptibles de découvrir.
13:23
And from that, we actually calculate
335
788000
2000
Et à partir de ça, nous calculons en fait
13:25
that we know about 16,500 marine species
336
790000
3000
que nous connaissons environ 16 500 espèces marines
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
et il y en a probablement 1000 à 4000 de plus à trouver.
13:30
So we've done pretty well.
338
795000
2000
Donc, nous avons assez bien travaillé.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Nous avons environ 75 % des poissons,
13:34
maybe as much as 90 percent.
340
799000
2000
peut-être 90 pour cent au plus.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Mais les poissons, comme je le dis, sont les plus connus.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
Notre niveau de connaissance est bien moindre pour d'autres groupes d'organismes.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Ce chiffre est en fait basé sur un nouvel article
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
qui va sortir dans la revue PLoS Biology.
13:47
And what is does is predict how many more species there are
345
812000
2000
Et il prédit combien d'autres espèces il y a
13:49
on land and in the ocean.
346
814000
2000
sur terre et dans l'océan.
13:51
And what they found
347
816000
2000
Et ce qu'ils ont trouvé c'est qu'ils pensent que
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
nous connaissons environ 9 % des espèces dans l'océan.
13:56
That means 91 percent, even after the census,
349
821000
2000
Cela signifie que 91 %, même après le recensement,
13:58
still remain to be discovered.
350
823000
2000
restent encore à découvrir.
14:00
And so that turns out to be about two million species
351
825000
2000
Et cela se révèle être environ deux millions d'espèces
14:02
once all is said and done.
352
827000
2000
en fin de compte.
14:04
So we still have quite a lot of work to do
353
829000
2000
Nous avons donc encore beaucoup de travail à faire
14:06
in terms of unknowns.
354
831000
2000
en termes d'inconnues.
14:08
Now this bacterium
355
833000
2000
Cette bactérie
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
fait partie de tapis que l'on trouve au large des côtes du Chili.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
Et ces tapis couvrent en fait une zone de la taille de la Grèce.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
Et cette bactérie particulière est effectivement visible à l'œil nu.
14:18
But you can imagine the biomass that represents.
359
843000
3000
Mais vous pouvez imaginer la biomasse que ça représente.
14:21
But the really intriguing thing about the microbes
360
846000
2000
Mais ce qui est vraiment intéressant avec les microbes
14:23
is just how diverse they are.
361
848000
2000
c'est à quel point ils sont variés.
14:25
A single drop of seawater
362
850000
2000
Une seule goutte d'eau de mer
14:27
could contain 160 different types of microbes.
363
852000
2000
pourrait contenir 160 différents types de microbes.
14:29
And the oceans themselves
364
854000
2000
Et on pense que les océans eux-mêmes
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
contiennent potentiellement un milliard de types différents.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Donc, c'est vraiment excitant. Que font-ils tous là-bas?
14:37
We actually don't know.
367
862000
2000
En fait, nous ne le savons pas.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
Le plus excitant, je dirais, à propos de ce recensement
14:41
is the role of global science.
369
866000
2000
est le rôle de la science mondiale.
14:43
And so as we see in this image of light during the night,
370
868000
2000
Et donc, comme nous le voyons sur cette image de la lumière la nuit,
14:45
there are lots of areas of the Earth
371
870000
2000
il y a beaucoup de zones de la Terre
14:47
where human development is much greater
372
872000
3000
où le développement humain est beaucoup plus grand
14:50
and other areas where it's much less,
373
875000
2000
et d'autres domaines où il l'est beaucoup moins,
14:52
but between them we see large dark areas
374
877000
2000
mais entre ces zones, nous voyons de grandes zones sombres
14:54
of relatively unexplored ocean.
375
879000
2000
d'océan relativement inexploré.
14:56
The other point I'd like to make about this
376
881000
2000
L'autre point que je voudrais faire à ce sujet
14:58
is that this ocean's interconnected.
377
883000
2000
est que cet océan est interconnecté.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Les organismes marins ne se soucient pas des frontières internationales;
15:02
they move where they will.
379
887000
2000
ils se déplacent là où ils le veulent.
15:04
And so the importance then of global collaboration
380
889000
3000
Et l'importance de la collaboration mondiale
15:07
becomes all the more important.
381
892000
2000
devient d'autant plus importante.
15:09
We've lost a lot of paradise.
382
894000
2000
Nous avons perdu beaucoup de paradis.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
Par exemple, ces thons qui étaient autrefois si abondants dans la mer du Nord
15:14
are now effectively gone.
384
899000
2000
ont maintenant effectivement disparu.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
Il y avait des chaluts pris dans la mer profonde dans le bassin méditerranéen,
15:19
which collected more garbage than they did animals.
386
904000
2000
qui récoltaient plus de déchets que d'animaux.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
Et c'est la mer profonde, c'est l'environnement que nous considérons comme
15:24
among the most pristine left on Earth.
388
909000
2000
parmi les plus intacts qui restent sur Terre.
15:26
And there are a lot of other pressures.
389
911000
2000
Et il y a beaucoup d'autres pressions.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
L'acidification des océans est vraiment un grand problème dont on s'inquiète,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
comme le réchauffement des océans, et les effets qu'ils vont avoir sur les récifs coralliens.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
Sur une échelle de plusieurs décennies, au cours de nos vies,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
nous allons voir beaucoup de dégâts causés aux récifs coralliens.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
Et je pourrais passer le reste de mon temps, qui devient très limité,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
à énumérer cette litanie d'inquiétudes sur l'océan,
15:44
but I want to end on a more positive note.
396
929000
2000
mais je veux terminer sur une note plus positive.
15:46
And so the grand challenge then
397
931000
2000
Donc, le grand défi
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
est d'essayer de nous assurer que nous préservons ce qui reste,
15:50
because there is still spectacular beauty.
399
935000
2000
parce qu'il ya encore une beauté spectaculaire.
15:52
And the oceans are so productive,
400
937000
2000
Et les océans sont si productifs,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
il y a tellement de choses qui y sont importantes pour les humains
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
que nous devons vraiment, même d'un point de vue égoïste,
16:00
try to do better than we have in the past.
403
945000
2000
essayer de faire mieux que ce que nous avons fait dans le passé.
16:02
So we need to recognize those hot spots
404
947000
2000
Donc, nous devons reconnaître ces points chauds
16:04
and do our best to protect them.
405
949000
2000
et faire de notre mieux pour les protéger.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Quand on regarde des photos de ce genre, elles nous coupent le souffle,
16:08
in addition to helping to give us breath
407
953000
2000
en plus de contribuer à nous donner le souffle
16:10
by the oxygen that the oceans provide.
408
955000
2000
par l'oxygène que les océans fournissent.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Les scientifiques du recensement ont travaillé sous la pluie, dans le froid,
16:15
they worked under water and they worked above water
410
960000
2000
ils ont travaillé sous l'eau et ils ont travaillé au-dessus de l'eau
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
et ont essayé d'éclairer la découverte merveilleuse,
16:19
the still vast unknown,
412
964000
2000
l'inconnu encore vaste,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
les adaptations spectaculaires que nous voyons dans la vie des océans.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
Donc, que vous soyez un éleveur de yaks vivant dans les montagnes du Chili,
16:27
whether you're a stockbroker in New York City
415
972000
3000
un courtier à New York
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
ou un TEDster qui vit à Edimbourg,
16:32
the oceans matter.
417
977000
2000
Les océans ont de l'importance.
16:34
And as the oceans go so shall we.
418
979000
2000
Et la santé des océans influence la nôtre.
16:36
Thanks for listening.
419
981000
2000
Merci d'avoir écouté.
16:38
(Applause)
420
983000
2000
(Applaudissements)
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