TEDGlobal 2013
Bernie Krause: The voice of the natural world
Bernie Krause: A természet hangja
Filmed:
Readability: 4.8
1,141,373 views
Bernie Krause 45 éve foglalkozik hangképek rögzítésével -- hangképekével, melyek magukban foglalják a szél susogását a fákon, a madarak csiripelését és a rovarlárvák finom neszét. Az évek során szemtanúja volt sok környezet radikális változásának, amit mi, emberek okoztunk, gyakran olyan beavatkozásokkal, amelyek akkor ártalmatlannak tűntek a környezet szempontjából. Gondolatébresztő bepillantás abba, hogy mi mindent árul el a természet szimfóniája: kezdve a tengerirózsa dörmögésével, s a családját gyászoló hód panaszkiáltásaival bezárva.
Bernie Krause - Natural sounds expert
Bernie Krause's legendary soundscapes uncover nature’s rich sonic tapestry -- along with some unexpected results. Full bio
Bernie Krause's legendary soundscapes uncover nature’s rich sonic tapestry -- along with some unexpected results. Full bio
Double-click the English transcript below to play the video.
00:14
(Nature sounds)
0
2366
5454
(A természet hangjai)
00:19
When I first began recording wild soundscapes
1
7820
2716
Amikor elkezdtem hangképeket rögzíteni a szabad természetben --
00:22
45 years ago,
2
10536
1931
ez 45 éve volt --
00:24
I had no idea that ants,
3
12467
2422
fogalmam sem volt arról, hogy a hangyák,
00:26
insect larvae, sea anemones and viruses
4
14889
3479
rovarlárvák, tengerirózsák és vírusok
00:30
created a sound signature.
5
18368
2128
hangaláírással rendelkeznek.
00:32
But they do.
6
20496
1443
Pedig így van.
00:33
And so does every wild habitat on the planet,
7
21939
3413
És ez igaz a bolygó minden szabad élőhelyére.
00:37
like the Amazon rainforest you're hearing behind me.
8
25352
3235
Ahogy az Amazonas esőerdeire is, ami a háttérben hallható.
00:40
In fact, temperate and tropical rainforests
9
28587
3574
A mérsékelt övi és trópusi esőerdők
00:44
each produce a vibrant animal orchestra,
10
32161
3180
energiától lüktető állatzenekara
00:47
that instantaneous and organized expression
11
35341
3228
azonnali és szervezett kifejeződését sugározza
00:50
of insects, reptiles, amphibians, birds and mammals.
12
38569
4808
rovaroknak, hüllőknek, kétéltűknek, madaraknak és emlősöknek.
00:55
And every soundscape that springs from a wild habitat
13
43377
2927
És minden természetes élőhelyről származó hangkép
00:58
generates its own unique signature,
14
46304
3592
egyedi aláírás is egyben,
01:01
one that contains incredible amounts of information,
15
49896
2917
mely hihetetlen mennyiségű információt hordoz --
01:04
and it's some of that information I want to share with you today.
16
52813
4359
ezt az információt szeretném most önökkel megosztani.
01:09
The soundscape is made up of three basic sources.
17
57172
3206
A hangképnek három alapkomponense van.
01:12
The first is the geophony,
18
60378
2539
Az első a geofónia,
01:14
or the nonbiological sounds that occur
19
62917
2366
vagyis a nem biológiai eredetű hangok
01:17
in any given habitat,
20
65283
1977
összessége az adott élőhelyen,
01:19
like wind in the trees, water in a stream,
21
67260
2592
mint a szélzúgás a fákon, a vízcsobogás a folyóban,
01:21
waves at the ocean shore, movement of the Earth.
22
69852
3594
a hullámverés az óceán partján és a Föld mozgolódása.
01:25
The second of these is the biophony.
23
73446
3278
A második a biofónia.
01:28
The biophony is all of the sound
24
76724
3122
A biofónia az olyan hangok összessége,
01:31
that's generated by organisms in a given habitat
25
79846
3118
melyet az adott élőhely organizmusai keltenek
01:34
at one time and in one place.
26
82964
3620
egyazon időben és helyen.
01:38
And the third is all of the sound that we humans generate
27
86584
4534
A harmadik hangkomponens az embertől származik --
01:43
that's called anthrophony.
28
91118
1818
ez az antrofónia.
01:44
Some of it is controlled, like music or theater,
29
92936
3361
Ez részben szabályozott, mint a színház és a muzsika,
01:48
but most of it is chaotic and incoherent,
30
96297
3917
de jobbára kaotikus és inkoherens,
01:52
which some of us refer to as noise.
31
100214
3705
amit hétköznapi kifejezéssel zajnak hívunk.
01:55
There was a time when I considered wild soundscapes
32
103919
2700
Volt idő, amikor a természeti hangképeket
01:58
to be a worthless artifact.
33
106619
1732
értéktelen valaminek tartottam.
02:00
They were just there, but they had no significance.
34
108351
4082
Valaminek, ami csak úgy van, de nincs jelentősége.
02:04
Well, I was wrong. What I learned from these encounters
35
112433
3373
Nos, tévedtem. Ezekből a felvételekből megtanultam, hogy ha
02:07
was that careful listening gives us incredibly valuable tools
36
115806
4776
figyelmesen hallgatja őket az ember, akkor hihetetlenül értékes
02:12
by which to evaluate the health of a habitat
37
120582
2584
eszközzé válnak, melynek segítségével felmérhetjük egy élőhely
02:15
across the entire spectrum of life.
38
123166
3812
egészségi állapotát az élet teljes spektrumában.
02:18
When I began recording in the late '60s,
39
126978
3212
Amikor a 60-as évek végén elkezdtem ilyen felvételeket készíteni,
02:22
the typical methods of recording were limited
40
130190
3276
a tipikus módszer arra korlátozódott,
02:25
to the fragmented capture of individual species
41
133466
4468
hogy egyes fajok hangtöredékeit rögzítsük --
02:29
like birds mostly, in the beginning,
42
137934
3096
eleinte főleg madarakét,
02:33
but later animals like mammals and amphibians.
43
141030
5701
de később emlősökét és kétéltűekét is.
02:38
To me, this was a little like trying to understand
44
146731
3512
Olyan volt ez számomra, mintha úgy próbáltam volna megérteni
02:42
the magnificence of Beethoven's Fifth Symphony
45
150243
3065
Beethoven Ötödik szimfóniájának nagyszerűségét,
02:45
by abstracting the sound of a single violin player
46
153308
2909
hogy kiszűröm az egyik hegedű hangját
02:48
out of the context of the orchestra
47
156217
2570
a zenekari hangzás egészéből,
02:50
and hearing just that one part.
48
158787
3103
és csak azt hallgatom.
02:53
Fortunately, more and more institutions
49
161890
3017
Szerencsére egyre több kutatóhelyen
02:56
are implementing the more holistic models
50
164907
2068
alkalmaznak már ennél holisztikusabb modelleket,
02:58
that I and a few of my colleagues have introduced
51
166975
2363
melyeket én és néhány kollégám vezetett be
03:01
to the field of soundscape ecology.
52
169338
3873
a hangképökológia területén.
03:05
When I began recording over four decades ago,
53
173211
5068
Amikor 40 éve belekezdtem a felvételek készítésébe,
03:10
I could record for 10 hours
54
178279
2409
10 óra kellett ahhoz,
03:12
and capture one hour of usable material,
55
180688
2235
hogy 1 órányi használható anyagot vegyek fel,
03:14
good enough for an album or a film soundtrack
56
182923
3057
ami megfelel egy albumhoz, egy film hangosításához
03:17
or a museum installation.
57
185980
2719
vagy egy múzeumi installációhoz.
03:20
Now, because of global warming,
58
188699
2953
Most, a globális felmelegedés miatt,
03:23
resource extraction,
59
191652
1418
a környezeti erőforrások kiaknázása
03:25
and human noise, among many other factors,
60
193070
3069
és az emberi zaj miatt, hogy csak egy pár okot említsek,
03:28
it can take up to 1,000 hours or more
61
196139
2676
1000 óra vagy még több idő kell
03:30
to capture the same thing.
62
198815
2833
ugyanekkora anyag rögzítéséhez.
03:33
Fully 50 percent of my archive
63
201648
3055
Az archívumom 50 százaléka
03:36
comes from habitats so radically altered
64
204703
3196
olyan élőhelyekről származik, amelyek olyannyira megváltoztak,
03:39
that they're either altogether silent
65
207899
2900
hogy vagy teljesen elnémultak,
03:42
or can no longer be heard in any of their original form.
66
210799
4721
vagy teljesen más lett a hangzásuk.
03:47
The usual methods of evaluating a habitat
67
215520
2286
Egy élőhely szokásos felmérésnek alapja
03:49
have been done by visually counting the numbers of species
68
217806
3326
a fajok számának vizuális megállapítása,
03:53
and the numbers of individuals within each species in a given area.
69
221132
4205
és a fajok egyedszámának meghatározása az adott területen.
03:57
However, by comparing data that ties together
70
225337
3552
Én azonban, a hangokból kiszűrt adatok alapján,
04:00
both density and diversity from what we hear,
71
228889
2800
melyek az egyedsűrűségről és a sokféleségről árulkodnak,
04:03
I'm able to arrive at much more precise fitness outcomes.
72
231689
5373
sokkal pontosabb megfelelőségi következtetésekhez jutok.
04:09
And I want to show you some examples
73
237062
2040
Most pedig mutatok néhány példát,
04:11
that typify the possibilities unlocked
74
239102
2790
melyek érzékeltetik a megnyíló lehetőségeket
04:13
by diving into this universe.
75
241892
3022
az efféle mikrouniverzumok feltárásában.
04:16
This is Lincoln Meadow.
76
244914
1392
Ez itt a Lincoln-völgy.
04:18
Lincoln Meadow's a three-and-a-half-hour drive
77
246306
1884
A Lincoln-völgy három és fél órányi autózásra van
04:20
east of San Francisco in the Sierra Nevada Mountains,
78
248190
3224
San Franciscótól keletre, a Sierra Nevada hegységben,
04:23
at about 2,000 meters altitude,
79
251414
2097
kb. 2000 méteres tengerszint feletti magasságban.
04:25
and I've been recording there for many years.
80
253511
2809
Sok éve készítek ott felvételeket.
04:28
In 1988, a logging company convinced local residents
81
256320
3920
1988-ban egy fakitermelő társaság meggyőzte a helybélieket,
04:32
that there would be absolutely no environmental impact
82
260240
3162
hogy abszolút semmi környezeti hatása nem lenne
04:35
from a new method they were trying
83
263402
1454
annak az új módszernek,
04:36
called "selective logging,"
84
264856
1910
amit "szelektív vágásnak" hívnak.
04:38
taking out a tree here and there
85
266766
1555
Ez, a szálaláshoz hasonlóan, csak itt-ott távolít el fát,
04:40
rather than clear-cutting a whole area.
86
268321
3283
nem úgy, mint a terület tarvágása.
04:43
With permission granted to record
87
271604
1760
Engedélyt kaptam felvételkészítésre
04:45
both before and after the operation,
88
273364
1963
a műveletek előtt és után, így hát
04:47
I set up my gear and captured a large number of dawn choruses
89
275327
4618
felállítottam a felszerelésemet, és nagy számú hajnali hangversenyt
04:51
to very strict protocol and calibrated recordings,
90
279945
3533
rögzítettem szigorú protokoll szerint, kalibrált beállításokkal,
04:55
because I wanted a really good baseline.
91
283478
2194
mert szerettem volna egy igazán jó összehasonlítási alapot.
04:57
This is an example of a spectrogram.
92
285672
2185
Íme egy példa a spektrogramokra.
04:59
A spectrogram is a graphic illustration of sound
93
287857
2431
A spektrogram a hang grafikus ábrázolása,
05:02
with time from left to right across the page --
94
290288
3173
melyen az idő balról jobbra telik --
05:05
15 seconds in this case is represented —
95
293461
2507
a példa összesen 15 másodpercet fog át --,
05:07
and frequency from the bottom of the page to the top,
96
295968
2855
a frekvencia pedig lentről
05:10
lowest to highest.
97
298823
1219
felfelé növekszik.
05:12
And you can see that the signature of a stream
98
300042
3134
A folyó hangaláírása például
05:15
is represented here in the bottom third or half of the page,
99
303176
4805
a grafikon alsó harmadában-felében látszik,
05:19
while birds that were once in that meadow
100
307981
3443
míg a völgyet egykor benépesítő madaraké
05:23
are represented in the signature across the top.
101
311424
3057
a grafikon felső szélén.
05:26
There were a lot of them.
102
314481
1155
Jó sok madár volt.
05:27
And here's Lincoln Meadow before selective logging.
103
315636
3164
Íme a Lincoln-völgy a szelektív vágás előtt.
05:30
(Nature sounds)
104
318800
14793
(Természeti hangok)
05:45
Well, a year later I returned,
105
333593
1878
Nos, egy évvel később visszatértem,
05:47
and using the same protocols
106
335471
1757
és ugyanazon protokoll szerint,
05:49
and recording under the same conditions,
107
337228
2715
ugyanolyan körülmények között,
05:51
I recorded a number of examples
108
339943
2228
rögzítettem egynéhány példát
05:54
of the same dawn choruses,
109
342171
2100
ugyanazokról a hajnali kórusokról,
05:56
and now this is what we've got.
110
344271
2143
és most ezt kaptam.
05:58
This is after selective logging.
111
346414
1280
Ez tehát a szelektív vágás után volt.
05:59
You can see that the stream is still represented
112
347694
2073
Láthatják, hogy a folyó hangaláírása még mindig ott van
06:01
in the bottom third of the page,
113
349767
1907
a grafikon alsó harmadában,
06:03
but notice what's missing in the top two thirds.
114
351674
4503
de figyeljék meg, mi minden hiányzik a legfelső harmadból.
06:08
(Nature sounds)
115
356177
5513
(A természet hangjai)
06:13
Coming up is the sound of a woodpecker.
116
361690
9487
Most jön a fakopáncs hangja.
06:23
Well, I've returned to Lincoln Meadow 15 times
117
371177
2590
Összesen 15 alkalommal tértem vissza a Lincoln-völgybe
06:25
in the last 25 years,
118
373767
1484
az elmúlt 25 évben,
06:27
and I can tell you that the biophony,
119
375251
3686
de állítom, hogy a biofónia,
06:30
the density and diversity of that biophony,
120
378937
2905
a biofónia intenzitása és sokfélesége,
06:33
has not yet returned to anything like it was
121
381842
2552
még mindig messze van attól, amilyen
06:36
before the operation.
122
384394
2198
a beavatkozás előtt volt.
06:38
But here's a picture of Lincoln Meadow taken after,
123
386592
3098
De itt egy fénykép is a Lincoln-völgyről, mely később készült,
06:41
and you can see that from the perspective of the camera
124
389690
3238
amely azt mutatja, hogy a kamera
06:44
or the human eye,
125
392928
1111
vagy az emberi szem számára
06:46
hardly a stick or a tree appears to be out of place,
126
394039
2775
minden fa vagy gally beleillik a régi képbe,
06:48
which would confirm the logging company's contention
127
396814
2940
ami igazolni látszik a fakitermelő cég állítását, miszerint
06:51
that there's nothing of environmental impact.
128
399754
2629
a beavatkozásnak semmiféle környezeti hatása nincsen.
06:54
However, our ears tell us a very different story.
129
402383
6417
Ugyanakkor a fülünk teljesen más történetet mesél.
07:00
Young students are always asking me
130
408800
1827
A diákjaim gyakran kérdezik tőlem,
07:02
what these animals are saying,
131
410627
1422
mit mondanak ezek az állatok.
07:04
and really I've got no idea.
132
412049
4862
Őszintén szólva, halvány fogalmam sincsen.
07:08
But I can tell you that they do express themselves.
133
416911
5269
De abban biztos vagyok, hogy jelent valamit a beszédük.
07:14
Whether or not we understand it is a different story.
134
422180
3078
Akár értjük, akár nem, más a történet.
07:17
I was walking along the shore in Alaska,
135
425258
2328
Alaszka tengerpartján sétáltam egyszer,
07:19
and I came across this tide pool
136
427586
2344
amikor egy dagálytócsára akadtam,
07:21
filled with a colony of sea anemones,
137
429930
3032
mely tele volt tengerirózsákkal,
07:24
these wonderful eating machines,
138
432962
2076
ezekkel a csodálatos zabagépekkel,
07:27
relatives of coral and jellyfish.
139
435038
2851
a korallok és a medúzák rokonaival.
07:29
And curious to see if any of them made any noise,
140
437889
2217
Kíváncsi lettem, hogy kiadnak-e valami hangot,
07:32
I dropped a hydrophone,
141
440106
1171
ezért egy hidrofont dugtam a vízbe --
07:33
an underwater microphone covered in rubber,
142
441277
3133
egy vízalatti, gumiburkolatos mikrofont --
07:36
down the mouth part,
143
444410
1188
az egyik virágállat szája közelébe,
07:37
and immediately the critter began
144
445598
1761
és a jószág nyomban megpróbálta
07:39
to absorb the microphone into its belly,
145
447359
2209
bekebelezni a mikrofont,
07:41
and the tentacles were searching out of the surface
146
449568
2694
miközben a csápjai a felületét tapogatták,
07:44
for something of nutritional value.
147
452262
2411
hátha akad rajta valami, aminek van egy kis tápértéke.
07:46
The static-like sounds that are very low,
148
454673
2505
A háttérzajra emlékeztető halk hangok...
07:49
that you're going to hear right now.
149
457178
2004
mindjárt hallani fogják...
07:51
(Static sounds)
150
459182
4402
(Háttérzaj)
07:55
Yeah, but watch. When it didn't find anything to eat --
151
463584
2867
És most figyeljenek. Rájött, hogy nincs semmi ennivaló --
07:58
(Honking sound)
152
466451
1389
(Gágogó hang)
07:59
(Laughter)
153
467840
2660
(Nevetés)
08:02
I think that's an expression that can be understood
154
470500
2497
Szerintem ez a kifejezés
08:04
in any language.
155
472997
1417
bármelyik nyelven érthető.
08:06
(Laughter)
156
474414
4866
(Nevetés)
08:11
At the end of its breeding cycle,
157
479280
1600
Az amerikai Nagy-medencében élő
08:12
the Great Basin Spadefoot toad
158
480880
2156
lapátlábú béka szaporodási időszaka végén
08:15
digs itself down about a meter under
159
483036
2075
beássa magát egy méternyire
08:17
the hard-panned desert soil of the American West,
160
485111
3150
a keményre száradt sivatagi talajba,
08:20
where it can stay for many seasons
161
488261
1879
ahol sok évszakot átvészel,
08:22
until conditions are just right for it to emerge again.
162
490140
3500
míg a feltételek meg nem felelnek ahhoz, hogy ismét előbújjon.
08:25
And when there's enough moisture in the soil
163
493640
1710
Ha a talaj nedvességtartalma elég nagy tavasszal,
08:27
in the spring, frogs will dig themselves to the surface
164
495350
2795
a békák felszínre ássák magukat,
08:30
and gather around these large, vernal pools
165
498145
4481
és az időszakos tócsák körül gyülekeznek
08:34
in great numbers.
166
502626
2037
nagy létszámban.
08:36
And they vocalize in a chorus
167
504663
3406
A békakórus hangjai
08:40
that's absolutely in sync with one another.
168
508069
3208
tökéletes szinkronban vannak.
08:43
And they do that for two reasons.
169
511277
1404
Ennek két oka van.
08:44
The first is competitive, because they're looking for mates,
170
512681
3621
Az egyik a versengés, hiszen a párjukat keresik,
08:48
and the second is cooperative,
171
516302
1365
a másik az együttműködés,
08:49
because if they're all vocalizing in sync together,
172
517667
2481
hiszen ha a hangok szinkronban vannak,
08:52
it makes it really difficult for predators like coyotes,
173
520148
4247
a prérifarkas, a róka és más ragadozók
08:56
foxes and owls to single out any individual for a meal.
174
524395
4219
nehezebben találnak rá egy konkrét egyedre, hogy elfogyasszák.
09:00
This is a spectrogram of what the frog chorusing looks like
175
528614
3272
Itt egy spektrogram, mely a békakórus hangját mutatja,
09:03
when it's in a very healthy pattern.
176
531886
2261
amikor minden a legnagyobb rendben van.
09:06
(Frogs croaking)
177
534147
10016
(Brekegés)
09:16
Mono Lake is just to the east of Yosemite National Park
178
544163
3965
A Mono-tó, mely a Yosemite Nemzeti Parktól keletre fekszik
09:20
in California,
179
548128
1829
Kaliforniában,
09:21
and it's a favorite habitat of these toads,
180
549957
2855
kedvelt élőhelye ezeknek a békáknak,
09:24
and it's also favored by U.S. Navy jet pilots,
181
552812
2887
de az US Tengerészet sugárhajtású pilótái is kedvelik,
09:27
who train in their fighters flying them at speeds
182
555699
3046
akik a vadászgépeiken itt gyakorolják be a repülést
09:30
exceeding 1,100 kilometers an hour
183
558745
2458
1100 km/óra feletti sebességgel
09:33
and altitudes only a couple hundred meters
184
561203
2781
és mindezt csupán pár száz méteres magasságban
09:35
above ground level of the Mono Basin,
185
563984
2579
a Mono-medence talajszintje fölött.
09:38
very fast, very low, and so loud
186
566563
3674
Nagyon alacsonyan, nagyon gyorsan repülnek, és olyan hangosan,
09:42
that the anthrophony, the human noise,
187
570237
2866
hogy az antrofónia, az emberi zaj,
09:45
even though it's six and a half kilometers
188
573103
1850
mely ugyan 6,5 km-re van
09:46
from the frog pond you just heard a second ago,
189
574953
2974
a békáktól, melyek hangját az imént hallották,
09:49
it masked the sound of the chorusing toads.
190
577927
3566
teljesen elfedi a békakórust.
09:53
You can see in this spectrogram that all of the energy
191
581493
3266
Figyeljük meg ezen a spektrogramon, hogy a felső széléről
09:56
that was once in the first spectrogram is gone
192
584759
2747
hiányzik az az energia,
09:59
from the top end of the spectrogram,
193
587506
1747
ami az elsőn még megvolt,
10:01
and that there's breaks in the chorusing at two and a half,
194
589253
2513
és hogy a békakórus szünetel a kettő, a két és fél,
10:03
four and a half, and six and a half seconds,
195
591766
2513
a négy és fél, valamint a hat és fél másodperces időpontban,
10:06
and then the sound of the jet, the signature,
196
594279
3099
és a sugárhajtású hangja, a hanglenyomata,
10:09
is in yellow at the very bottom of the page.
197
597378
2559
ott látszik sárgán a grafikon alján.
10:11
(Frogs croaking)
198
599937
9645
(Brekegés)
10:21
Now at the end of that flyby,
199
609582
2394
Nos, az elröpülés után
10:23
it took the frogs fully 45 minutes
200
611976
3489
teljes 45 perc kellett a békáknak ahhoz,
10:27
to regain their chorusing synchronicity,
201
615465
2404
hogy a kórust ismét szinkronizálják.
10:29
during which time, and under a full moon,
202
617869
2945
Ezalatt, a teliholdat kihasználva,
10:32
we watched as two coyotes and a great horned owl
203
620814
2781
megfigyeltük, amint két prérifarkas és egy amerikai uhu
10:35
came in to pick off a few of their numbers.
204
623595
3107
elkapott néhány békát a sok közül.
10:38
The good news is that, with a little bit of habitat restoration
205
626718
3526
A jó hír az, hogy az élőhely bizonyos mértékű visszaállítása
10:42
and fewer flights, the frog populations,
206
630244
2705
és a repülések ritkítása nagyjából normalizálta
10:44
once diminishing during the 1980s and early '90s,
207
632949
3723
a békák 1980-1990 között lecsökkent
10:48
have pretty much returned to normal.
208
636672
3533
populációját.
10:52
I want to end with a story told by a beaver.
209
640205
2939
Végezetül egy hód által elmesélt történet következik.
10:55
It's a very sad story,
210
643144
1474
A történet nagyon szomorú,
10:56
but it really illustrates how animals
211
644618
3878
de jól érzékelteti, hogy az állatok
11:00
can sometimes show emotion,
212
648496
1982
olykor érzelmeket is kifejeznek,
11:02
a very controversial subject among some older biologists.
213
650478
4652
ami vitatott kérdés öregebb biológusok körében.
11:07
A colleague of mine was recording in the American Midwest
214
655130
3233
Egyik kollégám az USA középnyugati részén készített
11:10
around this pond that had been formed
215
658363
2542
hangfelvételeket ennél a tónál, mely
11:12
maybe 16,000 years ago at the end of the last ice age.
216
660905
3899
kb. 16 ezer éve keletkezett az utolsó jégkorszakban.
11:16
It was also formed in part by a beaver dam
217
664804
2153
A tó kialakulásához egy hódgát is hozzájárult,
11:18
at one end that held that whole ecosystem together
218
666957
2918
mely az sérülékeny ökoszisztéma egészének
11:21
in a very delicate balance.
219
669875
2752
egyensúlyáról gondoskodott.
11:24
And one afternoon, while he was recording,
220
672627
3775
Egyik délután, miközben felvételt készített,
11:28
there suddenly appeared from out of nowhere
221
676402
3824
előbukkant a nagy semmiből
11:32
a couple of game wardens,
222
680226
2448
néhány vadőr,
11:34
who for no apparent reason,
223
682674
1595
és minden látható ok nélkül,
11:36
walked over to the beaver dam,
224
684269
1579
odasétált a hódgáthoz,
11:37
dropped a stick of dynamite down it, blowing it up,
225
685848
3282
rádobott egy dinamitrudat és felrobbantotta,
11:41
killing the female and her young babies.
226
689130
4030
megölve a nőstényt és kicsinyeit.
11:45
Horrified, my colleagues remained behind
227
693160
2832
A kollégám, elborzadva, a helyszínen maradt,
11:47
to gather his thoughts
228
695992
2041
hogy a gondolatait összeszedje,
11:50
and to record whatever he could the rest of the afternoon,
229
698033
3484
és folytassa a felvételkészítést, ameddig még lehetett,
11:53
and that evening, he captured a remarkable event:
230
701517
4893
míg aztán, este elkapott egy figyelemreméltó eseményt:
11:58
the lone surviving male beaver swimming in slow circles
231
706410
4189
az egyedüli túlélő, a hím, lassú körözését a vízben,
12:02
crying out inconsolably for its lost mate and offspring.
232
710599
5733
miközben vigasztalanul siratta elveszett párját és ivadékait.
12:08
This is probably the saddest sound
233
716332
2909
Alighanem ez a legszomorúbb hang,
12:11
I've ever heard coming from any organism,
234
719241
2918
amit valaha hallottam egy élőlénytől,
12:14
human or other.
235
722159
2719
az embert is beleértve.
12:18
(Beaver crying)
236
726517
15663
(A hód sírása)
12:34
Yeah. Well.
237
742180
1815
Nos... Igen...
12:35
There are many facets to soundscapes,
238
743995
2582
A hangkép sok mindenről mesél.
12:38
among them the ways in which animals taught us to dance and sing,
239
746577
3216
Például arról, hogyan tanítottak minket az állatok táncra és énekre.
12:41
which I'll save for another time.
240
749793
2625
De ezt más alkalomra hagyom.
12:44
But you have heard how biophonies
241
752418
3018
De arról hallottak, hogyan segít a biofónia
12:47
help clarify our understanding of the natural world.
242
755436
3843
megérteni a természet világát.
12:51
You've heard the impact of resource extraction,
243
759279
2464
Hallottak a forráskiaknázás hatásáról,
12:53
human noise and habitat destruction.
244
761743
3064
az emberi zajról és az élőhelypusztulásról.
12:56
And where environmental sciences have typically
245
764807
1978
A környezettudományok jellemzően
12:58
tried to understand the world from what we see,
246
766785
3342
abból próbálják megérteni a világot, amit látunk,
13:02
a much fuller understanding can be got from what we hear.
247
770127
4468
holott teljesebb megértéshez jutunk az alapján, amit hallunk.
13:06
Biophonies and geophonies are the signature voices
248
774595
3857
A biofónia és a geofónia aláírásértékű hangjai
13:10
of the natural world,
249
778452
1991
a természet világának.
13:12
and as we hear them,
250
780443
1353
Miközben hallgatjuk,
13:13
we're endowed with a sense of place,
251
781796
2672
belülről érzékeljük a helyet
13:16
the true story of the world we live in.
252
784468
3417
és annak a világnak az igazi történetét, amelyben élünk.
13:19
In a matter of seconds,
253
787885
1919
Néhány másodperc,
13:21
a soundscape reveals much more information
254
789804
2715
és egy hangképből sokkal több információt nyerünk
13:24
from many perspectives,
255
792519
1548
és sokféle nézőpontból,
13:26
from quantifiable data to cultural inspiration.
256
794067
4622
a számszerűsíthető adatoktól kezdve a kulturális inspirációig.
13:30
Visual capture implicitly frames
257
798689
2901
A látás dominanciája a többi érzék felett leegyszerűsített,
13:33
a limited frontal perspective of a given spatial context,
258
801590
3996
elölnézeti képét ragadja meg a komplex térbeliségnek,
13:37
while soundscapes widen that scope
259
805586
2373
míg a hangkép 360 fokra tágítja ki a látóteret,
13:39
to a full 360 degrees, completely enveloping us.
260
807959
5185
mely teljesen körülvesz minket.
13:45
And while a picture may be worth 1,000 words,
261
813144
3772
És meglehet, hogy egy kép ezer szóval ér fel,
13:48
a soundscape is worth 1,000 pictures.
262
816916
4373
ám a hangkép ezer kép értékű.
13:53
And our ears tell us
263
821289
2124
És a fülünk azt mondja,
13:55
that the whisper of every leaf and creature
264
823413
3595
hogy a levelek és lények suttogása
13:59
speaks to the natural sources of our lives,
265
827008
3074
életünk természetes forrásaihoz beszél.
14:02
which indeed may hold the secrets of love for all things,
266
830082
5062
Ez lehet a titka a minden létező felé irányuló szeretetnek,
14:07
especially our own humanity,
267
835144
1958
beleértve és legfőképp az emberiséget, melyhez tartozunk.
14:09
and the last word goes to a jaguar from the Amazon.
268
837102
6285
Legyen az utolsó szó egy jaguáré az Amazonastól.
14:15
(Growling)
269
843387
13748
(Morgás)
14:29
Thank you for listening.
270
857135
2200
Köszönöm, hogy meghallgattak.
14:31
(Applause)
271
859335
5697
(Taps)
ABOUT THE SPEAKER
Bernie Krause - Natural sounds expertBernie Krause's legendary soundscapes uncover nature’s rich sonic tapestry -- along with some unexpected results.
Why you should listen
With a stellar electronic music resumé including work with The Byrds, Stevie Wonder and many others, Bernie Krause is assured a place in the pop culture canon. But Krause continues to make history by capturing the fading voices of nature: studying sonic interplay between species as they attract mates, hunt prey, and sound out their roles in the ecosystem.
Krause’s recordings are not merely travelogues or relaxation tools -- they are critical barometers of global environmental health. His documents of vanishing aural habitats are a chilling reminder of shrinking biodiversity. As he tells the Guardian: "The fragile weave of natural sound is being torn apart by our seemingly boundless need to conquer the environment rather than to find a way to abide in consonance with it."
Bernie Krause | Speaker | TED.com