ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean.

Why you should listen

Daniel Pauly heads the Sea Around Us Project, based at the Fisheries Centre, at the University of British Columbia. Pauly has been a leader in conceptualizing and codeveloping software that’s used by ocean experts throughout the world. At the Sea Around Us and in his other work, he’s developing new ways to view complex ocean data.

Pauly’s work includes the Ecopath ecological/ecosystem modeling software suite; the massive FishBase, the online encyclopaedia of fishes; and, increasingly, the quantitative results of the Sea Around Us Project.

Read Mission Blue's interview with Daniel Pauly >>

More profile about the speaker
Daniel Pauly | Speaker | TED.com
Mission Blue Voyage

Daniel Pauly: The ocean's shifting baseline

Daniel Pauly : Le changement de niveau de référence de l'océan

Filmed:
254,411 views

L'océan s'est dégradé au cours de notre vie, comme le montre la taille moyenne des poissons qui diminue. Et pourtant, comme Daniel Pauly nous le montre sur scène à Mission Blue, chaque fois que le niveau de référence descend brutalement, nous appelons-ça la nouvelle "norme". A quel moment cesserons-nous d'ajuster à la baisse?
- Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio

Double-click the English transcript below to play the video.

00:12
I'm going to speakparler
0
0
2000
Je vais parler
00:14
about a tinyminuscule, little ideaidée.
1
2000
3000
d'une petite idée minuscule.
00:17
And this is about shiftingdéplacement baselinebaseline.
2
5000
4000
Et ceci est en un transfert de base.
00:21
And because the ideaidée can be explainedexpliqué in one minuteminute,
3
9000
4000
Et parce que l'idée peut être expliqué en une minute,
00:25
I will tell you threeTrois storieshistoires before
4
13000
3000
je vais vous raconter trois histoires avant
00:28
to fillremplir in the time.
5
16000
2000
de faire du remplissage.
00:30
And the first storyrécit
6
18000
2000
Et la première histoire
00:32
is about CharlesCharles DarwinDarwin, one of my heroeshéros.
7
20000
3000
parle de Charles Darwin, un de mes héros.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Et il était là, comme vous le savez bien, en 1835.
00:38
And you'dtu aurais think he was chasingciselure finchespinsons,
9
26000
2000
Et on pourrait croire qu'il chassait les pinsons,
00:40
but he wasn'tn'était pas.
10
28000
2000
mais non.
00:42
He was actuallyréellement collectingrecueillir fishpoisson.
11
30000
2000
En fait il collectait des poissons.
00:44
And he describeddécrit one of them
12
32000
2000
Et il a décrit l'un d'eux
00:46
as very "commoncommun."
13
34000
2000
comme très «commun».
00:48
This was the sailfinSailFin groupermérou.
14
36000
2000
C'était le mérou voile
00:50
A biggros fisherypêche was runcourir on it
15
38000
2000
On l'a beaucoup pêché
00:52
untiljusqu'à the '80s.
16
40000
3000
jusque dans les années 80.
00:55
Now the fishpoisson is on the IUCNUICN RedRouge ListListe.
17
43000
3000
Maintenant, le poisson est sur la liste rouge de l'UICN.
00:58
Now this storyrécit,
18
46000
2000
Cette histoire,
01:00
we have heardentendu it lots of timesfois
19
48000
3000
nous l'avons entendu de nombreuses fois
01:03
on GalapagosGalapagos and other placesdes endroits,
20
51000
2000
aux Galapagos et d'autres endroits,
01:05
so there is nothing particularparticulier about it.
21
53000
3000
elle n'a donc rien de particulier.
01:08
But the pointpoint is, we still come to GalapagosGalapagos.
22
56000
3000
Mais le fait est, nous venons toujours aux Galapagos.
01:11
We still think it is pristineparfait.
23
59000
3000
Nous continuons de penser que c'est un endroit vierge.
01:14
The brochuresbrochures still say
24
62000
3000
Les brochures disent toujours
01:17
it is untouchedintacte.
25
65000
2000
qu'il est intact.
01:19
So what happensarrive here?
26
67000
3000
Que se passe-t-il donc ici?
01:22
The secondseconde storyrécit, alsoaussi to illustrateillustrer anotherun autre conceptconcept,
27
70000
3000
La seconde histoire, aussi pour illustrer un autre concept,
01:25
is calledappelé shiftingdéplacement waistlinetour de taille.
28
73000
2000
s'appelle le changement de tour de taille.
01:27
(LaughterRires)
29
75000
3000
(Rires)
01:30
Because I was there in '71,
30
78000
2000
Parce que j'étais là en 71,
01:32
studyingen train d'étudier a lagoonlagune in WestOuest AfricaL’Afrique.
31
80000
2000
j'étudiais un lagon en Afrique de l'Ouest.
01:34
I was there because I grewgrandi up in EuropeL’Europe
32
82000
3000
J'étais là parce que j'ai grandi en Europe
01:37
and I wanted laterplus tard to work in AfricaL’Afrique.
33
85000
2000
et je voulais plus tard travailler en Afrique.
01:39
And I thought I could blendBlend in.
34
87000
2000
Et je pensais que je pouvais m'intégrer.
01:41
And I got a biggros sunburncoup de soleil,
35
89000
2000
Et j'ai eu un coup de soleil important,
01:43
and I was convincedconvaincu that I was really not from there.
36
91000
3000
et j'ai été convaincu que je n'étais vraiment pas originaire de là.
01:46
This was my first sunburncoup de soleil.
37
94000
2000
Ce fut mon premier coup de soleil.
01:48
And the lagoonlagune
38
96000
3000
Et le lagon
01:51
was surroundedentouré by palmpaume treesdes arbres,
39
99000
2000
était entourée de palmiers,
01:53
as you can see, and a fewpeu mangrovemangrove.
40
101000
2000
comme vous pouvez le voir, et d'une mangrove.
01:55
And it had tilapiatilapia
41
103000
2000
Et il y avait des tilapias
01:57
about 20 centimeterscentimètres,
42
105000
2000
environ 20 centimètres,
01:59
a speciesespèce of tilapiatilapia calledappelé blackchinmenton noir tilapiatilapia.
43
107000
2000
une espèce de tilapia appelé tilapia amrin sénégalais.
02:01
And the fisheriespêche for this tilapiatilapia
44
109000
2000
Et les pêches de ce tilapia
02:03
sustainedsoutenu lots of fishpoisson and they had a good time
45
111000
3000
ont fait vivre beaucoup de pêcheurs et ils ont passé du bon temps
02:06
and they earnedgagné more than averagemoyenne
46
114000
2000
et ils ont gagné plus que la moyenne
02:08
in GhanaGhana.
47
116000
2000
au Ghana.
02:10
When I wentest allé there 27 yearsannées laterplus tard,
48
118000
3000
Quand j'y suis allé 27 ans plus tard,
02:13
the fishpoisson had shrunkrétréci to halfmoitié of theirleur sizeTaille.
49
121000
3000
le poisson avait diminué de moitié en taille.
02:16
They were maturingvenant à échéance at fivecinq centimeterscentimètres.
50
124000
2000
Ils venaient à maturité à cinq centimètres.
02:18
They had been pushedpoussé geneticallygénétiquement.
51
126000
2000
Ils avaient été "poussés" génétiquement.
02:20
There were still fishespoissons.
52
128000
2000
Il y avait encore des poissons.
02:22
They were still kindgentil of happycontent.
53
130000
2000
Ils étaient toujours heureux d'une certaine manière.
02:24
And the fishpoisson alsoaussi were happycontent to be there.
54
132000
5000
Et les poissons aussi étaient heureux d'être là.
02:29
So nothing has changedmodifié,
55
137000
2000
Donc, rien n'a changé,
02:31
but everything has changedmodifié.
56
139000
2000
mais en fait tout a changé.
02:33
My thirdtroisième little storyrécit
57
141000
2000
Ma troisième petite histoire
02:35
is that I was an accomplicecomplice
58
143000
2000
c'est que j'ai été complice
02:37
in the introductionintroduction of trawlingpêche au chalut
59
145000
2000
de l'introduction du chalutage
02:39
in SoutheastSud-est AsiaL’Asie.
60
147000
2000
en Asie du sud-est
02:41
In the '70s -- well, beginningdébut in the '60s --
61
149000
3000
Dans les années 70 - en fait, commençant dans les années 60 -
02:44
EuropeL’Europe did lots of developmentdéveloppement projectsprojets.
62
152000
3000
l'Europe a fait beaucoup de projets de développement.
02:47
FishPoisson developmentdéveloppement
63
155000
2000
Pour le développement des poissons
02:49
meantsignifiait imposingimposant on countriesdes pays
64
157000
2000
ce qui signifiait d'imposer à des pays
02:51
that had alreadydéjà 100,000 fisherspêcheurs
65
159000
3000
qui avait déjà 100 000 pêcheurs
02:54
to imposeimposer des on them industrialindustriel fishingpêche.
66
162000
3000
leur imposer la pêche industrielle.
02:57
And this boatbateau, quiteassez uglylaid,
67
165000
2000
Et ce bateau, assez laid,
02:59
is calledappelé the MutiaraMutiara 4.
68
167000
2000
s'appelle le Mutiara 4.
03:01
And I wentest allé sailingvoile on it,
69
169000
2000
Et je suis allé naviguer dessus,
03:03
and we did surveysenquêtes
70
171000
3000
et nous avons fait des études
03:06
throughouttout au long de the southerndu sud SouthSud ChinaLa Chine seamer
71
174000
3000
dans toute l'extrême sud de la mer de Chine
03:09
and especiallynotamment the JavaJava SeaMer.
72
177000
2000
et surtout la mer de Java.
03:11
And what we caughtpris,
73
179000
2000
Et ce que nous avons pris,
03:13
we didn't have wordsmots for it.
74
181000
2000
nous n'avions pas de mots pour cela.
03:15
What we caughtpris, I know now,
75
183000
3000
Ce nous avons pris, je le sais maintenant,
03:18
is the bottombas of the seamer.
76
186000
2000
est le fond de la mer.
03:20
And 90 percentpour cent of our catchcapture
77
188000
2000
Et 90 pour cent de nos prises
03:22
were spongeséponges,
78
190000
2000
étaient des éponges,
03:24
other animalsanimaux that are fixedfixé on the bottombas.
79
192000
3000
d'autres animaux qui sont fixés sur le fond.
03:27
And actuallyréellement mostles plus of the fishpoisson,
80
195000
2000
Et en fait la plupart des poissons,
03:29
they are a little spotplace on the debrisdébris,
81
197000
2000
ils sont une petite tache sur les débris,
03:31
the pilespieux of debrisdébris, were coralcorail reefrécif fishpoisson.
82
199000
3000
les tas de débris, étaient des poissons des récifs coralliens.
03:34
EssentiallyEssentiellement the bottombas of the seamer camevenu ontosur the deckplate-forme
83
202000
2000
Essentiellement, le fond de la mer arrivait sur le pont
03:36
and then was thrownjeté down.
84
204000
2000
puis était déversé.
03:38
And these picturesdes photos are extraordinaryextraordinaire
85
206000
3000
Et ces photos sont extraordinaires
03:41
because this transitiontransition is very rapidrapide.
86
209000
3000
parce que cette transition est très rapide.
03:44
WithinAu sein de a yearan, you do a surveyenquête
87
212000
3000
En moins d'un an, vous faites une étude
03:47
and then commercialcommercial fishingpêche beginscommence.
88
215000
2000
et puis la pêche commerciale commence.
03:49
The bottombas is transformedtransformé
89
217000
2000
Le fond est transformé
03:51
from, in this caseCas, a harddifficile bottombas or softdoux coralcorail
90
219000
3000
dans ce cas, d'un fond dur ou d'un corail mou
03:54
into a muddyboueux messdésordre.
91
222000
3000
en un fond boueux.
03:57
This is a deadmort turtleTortue.
92
225000
2000
Il s'agit d'une tortue morte.
03:59
They were not eatenmangé, they were thrownjeté away because they were deadmort.
93
227000
3000
Elles n'ont pas été mangé, on les a jetées parce qu'elles étaient mortes.
04:02
And one time we caughtpris a livevivre one.
94
230000
2000
Et une fois, nous en avons pris une vivante.
04:04
It was not drownednoyé yetencore.
95
232000
2000
Elle n'était pas encore noyée.
04:06
And then they wanted to killtuer it because it was good to eatmanger.
96
234000
3000
Et puis ils ont voulu la tuer parce qu'elle était bonne à manger.
04:09
This mountainMontagne of debrisdébris
97
237000
3000
Cette montagne de débris
04:12
is actuallyréellement collectedrecueilli by fisherspêcheurs
98
240000
3000
est en fait ramassée par les pêcheurs
04:15
everychaque time they go
99
243000
2000
chaque fois qu'ils vont
04:17
into an arearégion that's never been fishedpêché.
100
245000
2000
dans une zone où il n'y a jamais eu de pêche.
04:19
But it's not documenteddocumenté.
101
247000
2000
Mais ce n'est pas documenté.
04:21
We transformtransformer the worldmonde,
102
249000
2000
Nous transformons le monde,
04:23
but we don't rememberrappelles toi it.
103
251000
2000
mais nous ne nous en souvenons pas.
04:25
We adjustrégler our baselinebaseline
104
253000
3000
Nous ajustons notre niveau de référence
04:28
to the newNouveau levelniveau,
105
256000
2000
à un nouveau niveau,
04:30
and we don't recallrappel what was there.
106
258000
4000
et nous ne nous souvenons pas ce qu'il y avait là avant.
04:34
If you generalizegénéraliser this,
107
262000
2000
Si vous généraliser ceci,
04:36
something like this happensarrive.
108
264000
2000
quelque chose comme cela se produit.
04:38
You have on the y axisaxe some good thing:
109
266000
3000
Vous avez sur l'axe quelque chose de bon :
04:41
biodiversitybiodiversité, numbersNombres of orcaOrca,
110
269000
3000
la biodiversité, le nombre d'orques,
04:44
the greennessverdeur of your countryPays, the watereau supplyla fourniture.
111
272000
3000
la végétation de votre pays, l'approvisionnement en eau.
04:47
And over time it changeschangements --
112
275000
2000
Et au fil du temps ça change.
04:49
it changeschangements
113
277000
2000
Ça change
04:51
because people do things, or naturallynaturellement.
114
279000
2000
parce que les gens font les choses tout naturellement.
04:53
EveryChaque generationgénération
115
281000
2000
Chaque génération
04:55
will use the imagesimages
116
283000
2000
utilisera les images
04:57
that they got at the beginningdébut of theirleur consciousconscient livesvies
117
285000
3000
qu'elle a reçu au début de sa vie consciente
05:00
as a standardla norme
118
288000
2000
en tant que norme
05:02
and will extrapolateextrapoler forwardvers l'avant.
119
290000
2000
et extrapolera vers l'avenir.
05:04
And the differencedifférence then,
120
292000
2000
Et alors la différence,
05:06
they perceivepercevoir as a lossperte.
121
294000
2000
est perçue comme une perte.
05:08
But they don't perceivepercevoir what happenedarrivé before as a lossperte.
122
296000
3000
Mais ils ne perçoivent pas ce qui s'est passé avant comme une perte.
05:11
You can have a successionsuccession of changeschangements.
123
299000
2000
Vous pouvez avoir une succession de changements.
05:13
At the endfin you want to sustainsoutenir
124
301000
3000
A la fin vous voulez conserver
05:16
miserablemisérable leftoversrestes.
125
304000
3000
les misérables restes.
05:19
And that, to a largegrand extentampleur, is what we want to do now.
126
307000
3000
Et ceci, est dans une large mesure, ce que nous voulons faire maintenant.
05:22
We want to sustainsoutenir things that are gonedisparu
127
310000
3000
Nous voulons maintenir les choses qui n'existent plus
05:25
or things that are not the way they were.
128
313000
4000
ou des choses qui ne sont pas comme elles étaient avant.
05:29
Now one should think
129
317000
2000
Maintenant il faut penser
05:31
this problemproblème affectedaffecté people
130
319000
2000
que ce problème touchait certainement les gens
05:33
certainlycertainement when in predatoryprédateur societiessociétés,
131
321000
4000
lorsque dans les sociétés prédatrices,
05:37
they killedtué animalsanimaux
132
325000
2000
ils tuaient des animaux
05:39
and they didn't know they had doneterminé so
133
327000
2000
et ils ne réalisaient pas qu'ils l'avaient fait cela
05:41
after a fewpeu generationsgénérations.
134
329000
2000
après quelques générations.
05:43
Because, obviouslyévidemment,
135
331000
3000
Parce que, évidemment,
05:46
an animalanimal that is very abundantabondant,
136
334000
5000
un animal qui est très abondant,
05:51
before it getsobtient extinctdisparu,
137
339000
3000
avant qu'il ne disparaisse,
05:54
it becomesdevient rarerare.
138
342000
3000
il devient rare.
05:57
So you don't loseperdre abundantabondant animalsanimaux.
139
345000
3000
Donc, vous ne perdez pas les animaux abondants.
06:00
You always loseperdre rarerare animalsanimaux.
140
348000
2000
Vous perdez toujours des animaux rares.
06:02
And thereforedonc they're not perceivedperçue
141
350000
2000
Et donc ils ne sont pas perçus
06:04
as a biggros lossperte.
142
352000
2000
comme une grande perte.
06:06
Over time,
143
354000
2000
Au fil du temps,
06:08
we concentrateconcentrer on largegrand animalsanimaux,
144
356000
2000
nous nous concentrons sur les grands animaux,
06:10
and in a seamer that meansveux dire the biggros fishpoisson.
145
358000
2000
et dans une mer ça signifie les gros poissons.
06:12
They becomedevenir rarerplus rare because we fishpoisson them.
146
360000
3000
Ils deviennent plus rares parce que nous les pêchons.
06:15
Over time we have a fewpeu fishpoisson left
147
363000
2000
Au fil du temps, il nous reste quelques poissons
06:17
and we think this is the baselinebaseline.
148
365000
3000
et nous pensons que c'est le niveau de référence.
06:20
And the questionquestion is,
149
368000
2000
Et la question est,
06:22
why do people acceptAcceptez this?
150
370000
5000
pourquoi les gens acceptent-ils cela?
06:27
Well because they don't know that it was differentdifférent.
151
375000
3000
Eh bien parce qu'ils ne savent pas que c'était différent avant.
06:30
And in factfait, lots of people, scientistsscientifiques,
152
378000
3000
Et en fait, beaucoup de gens, des scientifiques,
06:33
will contestconcours that it was really differentdifférent.
153
381000
2000
contesteront que c'était vraiment différent.
06:35
And they will contestconcours this
154
383000
2000
Et ils vont contester ça
06:37
because the evidencepreuve
155
385000
2000
parce que les preuves
06:39
presentedprésenté in an earlierplus tôt modemode
156
387000
5000
présentées dans une premier mode
06:44
is not in the way
157
392000
3000
ne sont pas telles
06:47
they would like the evidencepreuve presentedprésenté.
158
395000
2000
qu'ils voudraient qu'on les présentent.
06:49
For exampleExemple,
159
397000
2000
Par exemple :
06:51
the anecdoteanecdote that some presentprésent,
160
399000
2000
l'anecdote que certains présentent,
06:53
as CaptainCapitaine so-and-soUntel
161
401000
2000
telle que le Capitaine Machin-Truc
06:55
observedobservé lots of fishpoisson in this arearégion
162
403000
3000
a observé beaucoup de poissons dans cet endroit
06:58
cannotne peux pas be used
163
406000
2000
ne peut pas être utilisée
07:00
or is usuallyd'habitude not utilizedutilisé by fisherypêche scientistsscientifiques,
164
408000
3000
ou n'est généralement pas utilisée par les scientifiques de la pêche,
07:03
because it's not "scientificscientifique."
165
411000
2000
parce que ce n'est pas «scientifique».
07:05
So you have a situationsituation
166
413000
2000
Donc, vous avez une situation
07:07
where people don't know the pastpassé,
167
415000
3000
où les gens ne connaissent pas le passé,
07:10
even thoughbien que we livevivre in literatealphabétisés societiessociétés,
168
418000
3000
même si nous vivons dans des sociétés alphabétisées,
07:13
because they don't trustconfiance
169
421000
2000
parce qu'ils ne font pas confiance
07:15
the sourcessources of the pastpassé.
170
423000
3000
aux sources du passé.
07:18
And hencePar conséquent, the enormousénorme rolerôle
171
426000
3000
D'où le rôle énorme
07:21
that a marineMarine protectedprotégé arearégion can playjouer.
172
429000
2000
qu'une aire marine protégée peut jouer.
07:23
Because with marineMarine protectedprotégé areaszones,
173
431000
3000
Parce qu'avec des aires marines protégées,
07:26
we actuallyréellement recreaterecréer the pastpassé.
174
434000
4000
nous faisons revivre le passé.
07:30
We recreaterecréer the pastpassé that people cannotne peux pas conceiveconcevoir
175
438000
3000
Nous recréons le passé que les gens ne peuvent concevoir
07:33
because the baselinebaseline has shifteddécalé
176
441000
2000
parce que le niveau de référence a changé
07:35
and is extremelyextrêmement lowfaible.
177
443000
2000
et est extrêmement faible.
07:37
That is for people
178
445000
2000
C'est à dire pour les gens
07:39
who can see a marineMarine protectedprotégé arearégion
179
447000
5000
qui peuvent envisager une aire marine protégée
07:44
and who can benefitavantage
180
452000
2000
et qui peuvent bénéficier
07:46
from the insightperspicacité that it providesfournit,
181
454000
3000
de l'idée que cela l'offre,
07:49
whichlequel enablespermet them to resetremise à zéro theirleur baselinebaseline.
182
457000
4000
qui leur permet de réinitialiser leur niveau de référence.
07:53
How about the people who can't do that
183
461000
2000
Que diriez-vous des gens qui ne peuvent pas le faire
07:55
because they have no accessaccès --
184
463000
2000
parce qu'ils n'ont pas accès -
07:57
the people in the MidwestMidwest for exampleExemple?
185
465000
3000
les personnes dans le Midwest, par exemple?
08:00
There I think
186
468000
2000
Je pense que là
08:02
that the artsles arts and filmfilm
187
470000
2000
les arts et le cinéma
08:04
can perhapspeut être fillremplir the gapécart,
188
472000
2000
peuvent peut-être combler le vide,
08:06
and simulationsimulation.
189
474000
2000
et la simulation.
08:08
This is a simulationsimulation of ChesapeakeChesapeake BayBaie.
190
476000
3000
Il s'agit d'une simulation de la baie de Chesapeake.
08:11
There were graygris whalesbaleines in ChesapeakeChesapeake BayBaie a long time agodepuis --
191
479000
2000
Il y avait des baleines grises dans la baie de Chesapeake il y a longtemps -
08:13
500 yearsannées agodepuis.
192
481000
2000
Il y a 500 ans.
08:15
And you will have noticedremarqué that the huesteintes and tonestons
193
483000
3000
Et vous aurez remarqué que les teintes et les tons
08:18
are like "AvatarAvatar."
194
486000
2000
sont les mêmes que dans "Avatar".
08:20
(LaughterRires)
195
488000
2000
(Rires)
08:22
And if you think about "AvatarAvatar,"
196
490000
2000
Et si vous pensez à "Avatar",
08:24
if you think of why people were so touchedtouché by it --
197
492000
3000
si vous pensez que la raison pour laquelle ça a tellement touché les gens --
08:27
never mindesprit the PocahontasPocahontas storyrécit --
198
495000
4000
sans parler de l'histoire de Pocahontas -
08:31
why so touchedtouché by the imageryimagerie?
199
499000
4000
pourquoi l'imagerie les a tellement touchés ?
08:35
Because it evokesévoque something
200
503000
3000
Parce qu'elle évoque quelque chose
08:38
that in a sensesens has been lostperdu.
201
506000
2000
qui dans un sens a été perdu.
08:40
And so my recommendationrecommandation,
202
508000
2000
Et donc ce que je recommande,
08:42
it's the only one I will providefournir,
203
510000
2000
c'est mon unique préconisation,
08:44
is for CameronCameron to do "AvatarAvatar IIII" underwatersous-marin.
204
512000
5000
c'est que Cameron fasse "Avatar II" sous l'eau.
08:49
Thank you very much.
205
517000
2000
Merci beaucoup.
08:51
(ApplauseApplaudissements)
206
519000
2000
(Applaudissements)
Translated by Elisabeth Buffard
Reviewed by Joel Bomane

▲Back to top

ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean.

Why you should listen

Daniel Pauly heads the Sea Around Us Project, based at the Fisheries Centre, at the University of British Columbia. Pauly has been a leader in conceptualizing and codeveloping software that’s used by ocean experts throughout the world. At the Sea Around Us and in his other work, he’s developing new ways to view complex ocean data.

Pauly’s work includes the Ecopath ecological/ecosystem modeling software suite; the massive FishBase, the online encyclopaedia of fishes; and, increasingly, the quantitative results of the Sea Around Us Project.

Read Mission Blue's interview with Daniel Pauly >>

More profile about the speaker
Daniel Pauly | Speaker | TED.com