Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly: Lo slittamento della linea di riferimento dell'oceano
Filmed:
Readability: 3.8
254,411 views
Nel corso delle nostre vite le condizioni dell'oceano si rivelano sempre più compromesse, come è evidente dal diminuire delle dimensioni medie dei pesci. Eppure, come dimostra Daniel Pauly sul palco di Mission Blue, ogni qualvolta la linea di riferimento si sposta verso il basso, quello rappresenta per noi il nuovo standard di normalità. Quando metteremo freno a questa tendenza al ribasso?
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. Full bio
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 speak
0
0
2000
Vi parlerò
00:14
about a tiny, little idea.
1
2000
3000
di una piccolissima idea.
00:17
And this is about shifting baseline.
2
5000
4000
Si tratta del cambiamento dei nostri standard.
00:21
And because the idea can be explained in one minute,
3
9000
4000
E dato che la mia idea si può spiegare in un minuto,
00:25
I will tell you three stories before
4
13000
3000
vi racconterò prima tre storie,
00:28
to fill in the time.
5
16000
2000
tanto per occupare il tempo.
00:30
And the first story
6
18000
2000
La prima narra
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
di Charles Darwin, uno dei miei eroi.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Come sapete, si trovava da queste parti nel '35.
00:38
And you'd think he was chasing finches,
9
26000
2000
Magari credete che stesse andando a caccia di fringuelli,
00:40
but he wasn't.
10
28000
2000
ma non era così.
00:42
He was actually collecting fish.
11
30000
2000
Di fatto stava campionando dei pesci.
00:44
And he described one of them
12
32000
2000
Descrisse uno di loro
00:46
as very "common."
13
34000
2000
come molto 'comune'.
00:48
This was the sailfin grouper.
14
36000
2000
Era la cernia di fondale,
00:50
A big fishery was run on it
15
38000
2000
la base di un'intera industria ittica
00:52
until the '80s.
16
40000
3000
fino agli anni '80.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Ora è tra le specie a rischio di estinzione dell'IUCN.
00:58
Now this story,
18
46000
2000
E adesso quest'altra storia
01:00
we have heard it lots of times
19
48000
3000
che abbiamo sentito molte volte
01:03
on Galapagos and other places,
20
51000
2000
sulle Galapagos e posti simili,
01:05
so there is nothing particular about it.
21
53000
3000
dunque non c'è nulla di particolare.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Ma il fatto è che veniamo ancora alle Galapagos,
01:11
We still think it is pristine.
23
59000
3000
ritnenendole ancora incontaminate.
01:14
The brochures still say
24
62000
3000
La pubblicità parla
01:17
it is untouched.
25
65000
2000
di territorio vergine.
01:19
So what happens here?
26
67000
3000
Ma cosa sta succedendo qui?
01:22
The second story, also to illustrate another concept,
27
70000
3000
La seconda storia spiega un altro concetto,
01:25
is called shifting waistline.
28
73000
2000
quello di slittamento del giro-vita.
01:27
(Laughter)
29
75000
3000
(Risate)
01:30
Because I was there in '71,
30
78000
2000
Mi trovavo lì nel '71,
01:32
studying a lagoon in West Africa.
31
80000
2000
per studiare una laguna in Africa Occidentale.
01:34
I was there because I grew up in Europe
32
82000
3000
Ero andato lì perché ero cresciuto in Europa
01:37
and I wanted later to work in Africa.
33
85000
2000
e desideravo poter lavorare in Africa.
01:39
And I thought I could blend in.
34
87000
2000
Credevo di potermi integrare con i locali.
01:41
And I got a big sunburn,
35
89000
2000
Mi sono beccato una bella scottatura,
01:43
and I was convinced that I was really not from there.
36
91000
3000
e mi sono convinto che dopotutto non ero uno di loro.
01:46
This was my first sunburn.
37
94000
2000
E' stata la mia prima scottatura.
01:48
And the lagoon
38
96000
3000
La laguna
01:51
was surrounded by palm trees,
39
99000
2000
era circondata da palme,
01:53
as you can see, and a few mangrove.
40
101000
2000
come vedete, e da qualche mangrovia.
01:55
And it had tilapia
41
103000
2000
E c'erano delle tilapie
01:57
about 20 centimeters,
42
105000
2000
di circa 20 centimetri,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
una specie di tilapia detta blackchin.
02:01
And the fisheries for this tilapia
44
109000
2000
E la pesca delle tilapie
02:03
sustained lots of fish and they had a good time
45
111000
3000
dava da vivere a molta gente,
02:06
and they earned more than average
46
114000
2000
e in Ghana era considerato uno dei lavori
02:08
in Ghana.
47
116000
2000
più redditizi.
02:10
When I went there 27 years later,
48
118000
3000
Quando sono tornato 27 anni dopo,
02:13
the fish had shrunk to half of their size.
49
121000
3000
la dimensione dei pesci si era ridotta della metà.
02:16
They were maturing at five centimeters.
50
124000
2000
Le tilapie di 5 centimetri erano già mature.
02:18
They had been pushed genetically.
51
126000
2000
La genetica era stata modificata.
02:20
There were still fishes.
52
128000
2000
C'era ancora del pesce.
02:22
They were still kind of happy.
53
130000
2000
Le cose andavano ancora benino,
02:24
And the fish also were happy to be there.
54
132000
5000
e anche il pesce si trovava bene.
02:29
So nothing has changed,
55
137000
2000
Non era cambiato niente,
02:31
but everything has changed.
56
139000
2000
eppure era cambiato tutto.
02:33
My third little story
57
141000
2000
La mia terza storia
02:35
is that I was an accomplice
58
143000
2000
parla della mia complicità
02:37
in the introduction of trawling
59
145000
2000
nell'introdurre la pesca a strascico
02:39
in Southeast Asia.
60
147000
2000
nell'Asia Sudorientale.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Negli anni '70 - in verità già dagli anni '60 -
02:44
Europe did lots of development projects.
62
152000
3000
l'Europa avviò molti progetti per lo sviluppo.
02:47
Fish development
63
155000
2000
Sviluppare la pesca
02:49
meant imposing on countries
64
157000
2000
significava imporre ai paesi
02:51
that had already 100,000 fishers
65
159000
3000
che avevano già 100.000 pesci
02:54
to impose on them industrial fishing.
66
162000
3000
la pratica della pesca industriale.
02:57
And this boat, quite ugly,
67
165000
2000
Questa barca, piuttosto bruttina,
02:59
is called the Mutiara 4.
68
167000
2000
è la Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Ci ho navigato,
03:03
and we did surveys
70
171000
3000
e abbiamo fatto verifiche
03:06
throughout the southern South China sea
71
174000
3000
in tutto il Mar Cinese Meridionale
03:09
and especially the Java Sea.
72
177000
2000
e specialmente nel Mare di Giava.
03:11
And what we caught,
73
179000
2000
E quello che catturavamo,
03:13
we didn't have words for it.
74
181000
2000
beh, non ci sono parole.
03:15
What we caught, I know now,
75
183000
3000
Quello che raccoglievamo, ora lo so,
03:18
is the bottom of the sea.
76
186000
2000
era il fondale del mare.
03:20
And 90 percent of our catch
77
188000
2000
Il 90% del pescato
03:22
were sponges,
78
190000
2000
erano spugne
03:24
other animals that are fixed on the bottom.
79
192000
3000
e altri animali ancorati al fondale.
03:27
And actually most of the fish,
80
195000
2000
E in effetti la maggior parte dei pesci
03:29
they are a little spot on the debris,
81
197000
2000
sono quelle piccole sagome tra i detriti,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
e le pile di detriti erano una volta pesci di barriera.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
In pratica avevamo raccolto il fondo del mare,
03:36
and then was thrown down.
84
204000
2000
che poi rigettavamo in acqua.
03:38
And these pictures are extraordinary
85
206000
3000
Queste foto sono straordinarie,
03:41
because this transition is very rapid.
86
209000
3000
perché la transizione è molto rapida.
03:44
Within a year, you do a survey
87
212000
3000
Entro un anno dai rilevamenti
03:47
and then commercial fishing begins.
88
215000
2000
inizia la pesca commerciale.
03:49
The bottom is transformed
89
217000
2000
Il fondale si trasforma
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
da fondale duro o di corallo, come in questo caso,
03:54
into a muddy mess.
91
222000
3000
in sudicia fanghiglia.
03:57
This is a dead turtle.
92
225000
2000
Questa è una tartaruga morta.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Non le mangiavano, le gettavano via perché erano morte.
04:02
And one time we caught a live one.
94
230000
2000
Una volta ne prendemmo una viva.
04:04
It was not drowned yet.
95
232000
2000
Ancora non era annegata.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
La volevano uccidere perché era buona da mangiare.
04:09
This mountain of debris
97
237000
3000
Questa montagna di detriti
04:12
is actually collected by fishers
98
240000
3000
è quello che trovano i pescatori
04:15
every time they go
99
243000
2000
ogni volta che gettano le reti
04:17
into an area that's never been fished.
100
245000
2000
in un'area dove non si era mai pescato prima.
04:19
But it's not documented.
101
247000
2000
Ma non esiste documentazione.
04:21
We transform the world,
102
249000
2000
Noi trasformiamo il mondo,
04:23
but we don't remember it.
103
251000
2000
ma poi non ce ne ricordiamo.
04:25
We adjust our baseline
104
253000
3000
Adattiamo la linea di riferimento
04:28
to the new level,
105
256000
2000
ai nuovi standard.
04:30
and we don't recall what was there.
106
258000
4000
e non ricordiamo che cosa ci fosse prima.
04:34
If you generalize this,
107
262000
2000
Se generalizziamo
04:36
something like this happens.
108
264000
2000
avremo qualcosa del genere.
04:38
You have on the y axis some good thing:
109
266000
3000
Sull'asse delle y ci sono le cose buone:
04:41
biodiversity, numbers of orca,
110
269000
3000
biodiversità, popolazione delle orche,
04:44
the greenness of your country, the water supply.
111
272000
3000
il verde del vostro paese, le riserve d'acqua dolce.
04:47
And over time it changes --
112
275000
2000
E con il tempo le cose cambiano.
04:49
it changes
113
277000
2000
Cambiano
04:51
because people do things, or naturally.
114
279000
2000
perché la gente fa le cose in modo naturale.
04:53
Every generation
115
281000
2000
Ogni generazione
04:55
will use the images
116
283000
2000
si rifà alle immagini
04:57
that they got at the beginning of their conscious lives
117
285000
3000
che costituiscono i primi ricordi della propria vita,
05:00
as a standard
118
288000
2000
che vengono considerate lo standard
05:02
and will extrapolate forward.
119
290000
2000
da cui si faranno altre estrapolazioni.
05:04
And the difference then,
120
292000
2000
E la differenza che ne risulterà
05:06
they perceive as a loss.
121
294000
2000
sarà concepita come perdita.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Ma non sanno cosa hanno perso rispetto a prima di allora.
05:11
You can have a succession of changes.
123
299000
2000
Ci può essere una successione di cambiamenti.
05:13
At the end you want to sustain
124
301000
3000
Dopo tutto non si proteggono
05:16
miserable leftovers.
125
304000
3000
che dei miseri rimasugli.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
E' quello che, in larga misura, sta accadendo ora.
05:22
We want to sustain things that are gone
127
310000
3000
Vogliamo proteggere cose che non ci sono più
05:25
or things that are not the way they were.
128
313000
4000
o che non sono più come erano.
05:29
Now one should think
129
317000
2000
Ora si può pensare
05:31
this problem affected people
130
319000
2000
che questo problema fosse tipico
05:33
certainly when in predatory societies,
131
321000
4000
delle società che vivevano di predazione,
05:37
they killed animals
132
325000
2000
che uccidevano animali
05:39
and they didn't know they had done so
133
327000
2000
e non sapevano che era stato fatto
05:41
after a few generations.
134
329000
2000
per generazioni e generazioni.
05:43
Because, obviously,
135
331000
3000
Perché, ovviamente,
05:46
an animal that is very abundant,
136
334000
5000
un animale che si trova in abbondanza,
05:51
before it gets extinct,
137
339000
3000
prima di estinguersi
05:54
it becomes rare.
138
342000
3000
diventa raro.
05:57
So you don't lose abundant animals.
139
345000
3000
Per cui non si estinguono gli animali abbondanti.
06:00
You always lose rare animals.
140
348000
2000
Si estinguono sempre quelli rari.
06:02
And therefore they're not perceived
141
350000
2000
E così la perdita non viene percepita
06:04
as a big loss.
142
352000
2000
come grave.
06:06
Over time,
143
354000
2000
Come nel passato,
06:08
we concentrate on large animals,
144
356000
2000
ci concentriamo sempre sui grandi animali,
06:10
and in a sea that means the big fish.
145
358000
2000
e per il mare significa grandi pesci.
06:12
They become rarer because we fish them.
146
360000
3000
Che diventano rari perché li peschiamo.
06:15
Over time we have a few fish left
147
363000
2000
Dopo un po' di tempo ne rimangono pochi
06:17
and we think this is the baseline.
148
365000
3000
e noi pensiamo che sia questo lo standard di riferimento.
06:20
And the question is,
149
368000
2000
La domanda è:
06:22
why do people accept this?
150
370000
5000
perché le persone l'accettano?
06:27
Well because they don't know that it was different.
151
375000
3000
Beh, perché non sanno che prima era diverso.
06:30
And in fact, lots of people, scientists,
152
378000
3000
E infatti molta gente, gli scienziati,
06:33
will contest that it was really different.
153
381000
2000
vi diranno che prima era davvero diverso.
06:35
And they will contest this
154
383000
2000
E lo diranno
06:37
because the evidence
155
385000
2000
perché l'evidenza dei fatti
06:39
presented in an earlier mode
156
387000
5000
presentata in precedenza
06:44
is not in the way
157
392000
3000
non è il modo in cui
06:47
they would like the evidence presented.
158
395000
2000
vorrebbero che si presentassero i fatti attuali.
06:49
For example,
159
397000
2000
Ad esempio
06:51
the anecdote that some present,
160
399000
2000
l'aneddoto che alcuni dei presenti,
06:53
as Captain so-and-so
161
401000
2000
come il Comandante Tal dei Tali,
06:55
observed lots of fish in this area
162
403000
3000
aveva notato grandi quantità di pesce in queste aree
06:58
cannot be used
163
406000
2000
non può essere utilizzato,
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
per lo meno dagli scienziati che si occupano di pesca,
07:03
because it's not "scientific."
165
411000
2000
perché non è 'scientifico'.
07:05
So you have a situation
166
413000
2000
Quindi si crea una condizione
07:07
where people don't know the past,
167
415000
3000
la gente non conosce il passato,
07:10
even though we live in literate societies,
168
418000
3000
anche se viviamo in società avanzate,
07:13
because they don't trust
169
421000
2000
perché non si fida
07:15
the sources of the past.
170
423000
3000
delle fonti del passato.
07:18
And hence, the enormous role
171
426000
3000
Di qui l'importantissimo ruolo
07:21
that a marine protected area can play.
172
429000
2000
delle aree marine protette.
07:23
Because with marine protected areas,
173
431000
3000
Perché in queste aree si riesce
07:26
we actually recreate the past.
174
434000
4000
davvero a ripristinare il passato.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Un passato che la gente nemmeno riesce a immaginare,
07:33
because the baseline has shifted
176
441000
2000
perché la linea di riferimento si è spostata
07:35
and is extremely low.
177
443000
2000
enormemente verso il basso.
07:37
That is for people
178
445000
2000
Questo vale per la gente
07:39
who can see a marine protected area
179
447000
5000
che riesce a visitare queste aree marine
07:44
and who can benefit
180
452000
2000
e che trae beneficio
07:46
from the insight that it provides,
181
454000
3000
dal constatarne le condizioni,
07:49
which enables them to reset their baseline.
182
457000
4000
che permettono loro di azzerare la linea di riferimento.
07:53
How about the people who can't do that
183
461000
2000
E le persone che per qualche ragione
07:55
because they have no access --
184
463000
2000
non hanno accesso a queste aree -
07:57
the people in the Midwest for example?
185
465000
3000
magari perché vivono nel Midwest?
08:00
There I think
186
468000
2000
Per loro, credo
08:02
that the arts and film
187
470000
2000
che l'arte e i film
08:04
can perhaps fill the gap,
188
472000
2000
possano forse colmare il divario,
08:06
and simulation.
189
474000
2000
come anche la simulazione.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Questa è una simulazione di Chesapeake Bay.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
C'erano molte balene grigie a Chesapeake Bay, molto tempo fa --
08:13
500 years ago.
192
481000
2000
500 anni fa.
08:15
And you will have noticed that the hues and tones
193
483000
3000
E avrete notato che le sfumature e i toni
08:18
are like "Avatar."
194
486000
2000
sono quelli di 'Avatar'.
08:20
(Laughter)
195
488000
2000
(Risate)
08:22
And if you think about "Avatar,"
196
490000
2000
E se pensate ad 'Avatar',
08:24
if you think of why people were so touched by it --
197
492000
3000
al perché gli spettatori si sono sentiti così coinvolti dal film -
08:27
never mind the Pocahontas story --
198
495000
4000
lasciamo perdere la storia di Pocahontas --
08:31
why so touched by the imagery?
199
499000
4000
perché ci siamo sentiti così emozionati?
08:35
Because it evokes something
200
503000
3000
Perché si è evocato qualcosa
08:38
that in a sense has been lost.
201
506000
2000
che in un certo senso si è perduto.
08:40
And so my recommendation,
202
508000
2000
E allora la mia raccomandazione,
08:42
it's the only one I will provide,
203
510000
2000
ed è l'unica che farò,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
è che Cameron giri un 'Avatar II' subacqueo.
08:49
Thank you very much.
205
517000
2000
Molte grazie.
08:51
(Applause)
206
519000
2000
(Applausi)
ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologistDaniel 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.
Daniel Pauly | Speaker | TED.com