TEDGlobal 2009
Eric Sanderson: New York -- before the City
Eric Sanderson schetst het New York van vóór de stad
Filmed:
Readability: 3.7
2,255,711 views
400 Jaar nadat Hudson de haven van New York vond, vertelt Eric Sanderson hoe hij een 3D-kaart maakte van Mannahatta's fascinerende ecologie van heuvels, rivieren, dieren -- tot op het blok precies -- uit de tijd dat Times Square een moeras was, en bezorging aan huis nog niet bestond.
Eric Sanderson - Landscape ecologist
Armed with an 18th-century map, a GPS and reams of data, Eric Sanderson has re-plotted the Manhattan of 1609, just in time for New York's quadricentennial. Full bio
Armed with an 18th-century map, a GPS and reams of data, Eric Sanderson has re-plotted the Manhattan of 1609, just in time for New York's quadricentennial. Full bio
Double-click the English transcript below to play the video.
00:15
The substance of things unseen.
0
0
3000
Het wezen van het ongeziene.
00:18
Cities, past and future.
1
3000
3000
Steden in het verleden en de toekomst.
00:21
In Oxford, perhaps we can use Lewis Carroll
2
6000
4000
In Oxford kunnen we misschien Lewis Carroll gebruiken
00:25
and look in the looking glass that is New York City
3
10000
3000
en in de spiegel kijken die de stad New York is
00:28
to try and see our true selves,
4
13000
3000
om te proberen ons echte zelf te zien,
00:31
or perhaps pass through to another world.
5
16000
3000
of misschien een andere wereld binnen te gaan.
00:34
Or, in the words of F. Scott Fitzgerald,
6
19000
3000
Of, met de woorden van F. Scott Fitzgerald:
00:37
"As the moon rose higher,
7
22000
2000
"Bij het hoger klimmen van de maan,
00:39
the inessential houses began to melt away
8
24000
3000
smolten de bijkomstige huizen weg
00:42
until gradually I became aware of the old island
9
27000
2000
tot ik het oude eiland gewaar werd,
00:44
here that once flowered for Dutch sailors' eyes,
10
29000
3000
dat hier ooit bloeide voor Hollandse zeemansogen;
00:47
a fresh green breast of the new world."
11
32000
3000
een frisgroene borst van de Nieuwe Wereld."
00:50
My colleagues and I have been working for 10 years
12
35000
2000
Met mijn collega's heb ik 10 jaar gewerkt
00:52
to rediscover this lost world
13
37000
3000
aan het herontdekken van deze verloren wereld,
00:55
in a project we call The Mannahatta Project.
14
40000
3000
in een project dat we het Mannahattaproject noemen.
00:58
We're trying to discover what Henry Hudson would have seen
15
43000
2000
We proberen te ontdekken wat Henry Hudson zag
01:00
on the afternoon of September 12th, 1609,
16
45000
3000
op de middag van 12 september 1609,
01:03
when he sailed into New York harbor.
17
48000
3000
toen hij de haven van New York binnenvoer.
01:06
And I'd like to tell you the story in three acts,
18
51000
2000
Ik zou het verhaal graag in drie bedrijven vertellen,
01:08
and if I have time still, an epilogue.
19
53000
3000
en als ik nog tijd heb, een nawoord.
01:11
So, Act I: A Map Found.
20
56000
2000
Bedrijf I: Een gevonden kaart.
01:13
So, I didn't grow up in New York.
21
58000
2000
Ik ben niet in New York opgegroeid,
01:15
I grew up out west in the Sierra Nevada Mountains, like you see here,
22
60000
3000
maar in het westen, in de Sierra Nevada, zoals je hier ziet,
01:18
in the Red Rock Canyon.
23
63000
2000
in de Red Rock Canyon.
01:20
And from these early experiences as a child
24
65000
2000
Door deze vroege ervaringen als kind
01:22
I learned to love landscapes.
25
67000
2000
leerde ik van landschappen houden.
01:24
And so when it became time for me to do my graduate studies,
26
69000
2000
Toen het tijd werd voor mijn promotieonderzoek,
01:26
I studied this emerging field of landscape ecology.
27
71000
4000
koos ik het nieuwe veld van de landschapsecologie.
01:30
Landscape ecology concerns itself
28
75000
2000
Landschapsecologie gaat over de vraag
01:32
with how the stream and the meadow and the forest and the cliffs
29
77000
4000
hoe het beekje en de wei en het bos en de kliffen
01:36
make habitats for plants and animals.
30
81000
2000
een woonplaats vormen voor planten en dieren.
01:38
This experience and this training
31
83000
2000
Deze ervaring en scholing
01:40
lead me to get a wonderful job with the Wildlife Conservation Society,
32
85000
3000
leidden tot een prachtige baan bij de Wildlife Conservation Society,
01:43
which works to save wildlife and wild places all over the world.
33
88000
3000
die overal ter wereld wilde dieren en plekken beschermt.
01:46
And over the last decade,
34
91000
2000
Gedurende de laatste tien jaar
01:48
I traveled to over 40 countries
35
93000
2000
ben ik naar meer dan 40 landen gereisd
01:50
to see jaguars and bears and elephants
36
95000
2000
om jaguars en beren en olifanten
01:52
and tigers and rhinos.
37
97000
2000
en tijgers en neushoorns te zien.
01:54
But every time I would return from my trips I'd return back to New York City.
38
99000
3000
Maar elke keer kwam ik van mijn reizen terug naar New York.
01:57
And on my weekends I would go up, just like all the other tourists,
39
102000
3000
In de weekends ging ik, net als alle andere toeristen,
02:00
to the top of the Empire State Building,
40
105000
2000
naar de top van het Empire State Building,
02:02
and I'd look down on this landscape, on these ecosystems,
41
107000
3000
en keek ik omlaag naar dit landschap, naar deze ecosystemen,
02:05
and I'd wonder, "How does this landscape
42
110000
2000
en vroeg ik me af: "Hoe vormt dit landschap
02:07
work to make habitat for plants and animals?
43
112000
2000
een leefomgeving voor planten en dieren?
02:09
How does it work to make habitat for animals like me?"
44
114000
4000
Hoe vormt het een leefomgeving voor dieren zoals ik?"
02:13
I'd go to Times Square and I'd look at the amazing ladies on the wall,
45
118000
4000
Ik ging naar Times Square en keek naar de wondere dames op de muur,
02:17
and wonder why nobody is looking at the historical figures just behind them.
46
122000
5000
en vroeg me af waarom niemand de historische figuren erachter bekeek.
02:22
I'd go to Central Park and see the rolling topography of Central Park
47
127000
3000
Ik ging naar Central Park en zag de heuvels van dat park
02:25
come up against the abrupt and sheer
48
130000
2000
afsteken tegen de steile en hoekige
02:27
topography of midtown Manhattan.
49
132000
4000
topografie van Manhattan.
02:31
I started reading about the history and the geography in New York City.
50
136000
3000
Ik begon te lezen over de geschiedenis en geografie van de stad New York.
02:34
I read that New York City was the first mega-city,
51
139000
2000
Ik las dat New York de eerste megastad was,
02:36
a city of 10 million people or more, in 1950.
52
141000
4000
een stad met meer dan 10 miljoen mensen, in 1950.
02:40
I started seeing paintings like this.
53
145000
2000
Ik begon schilderijen als deze te zien.
02:42
For those of you who are from New York,
54
147000
2000
Voor diegenen onder jullie uit New York,
02:44
this is 125th street under the West Side Highway.
55
149000
3000
dit is 125th street onder de West Side Highway.
02:47
(Laughter)
56
152000
2000
(Gelach)
02:49
It was once a beach. And this painting
57
154000
2000
Het was ooit een strand. En op dit schilderij
02:51
has John James Audubon, the painter, sitting on the rock.
58
156000
3000
zit John James Audubon, de schilder, op een rots.
02:54
And it's looking up on the wooded heights of Washington Heights
59
159000
2000
Het kijkt uit op de beboste hoogten van Washington Heights
02:56
to Jeffrey's Hook, where the George Washington Bridge goes across today.
60
161000
4000
naar Jeffrey's Hook, waar tegenwoordig de George Washington Bridge overheen gaat.
03:00
Or this painting, from the 1740s, from Greenwich Village.
61
165000
3000
Of dit schilderij, uit de jaren 1740, van Greenwich Village.
03:03
Those are two students at King's College -- later Columbia University --
62
168000
3000
Dit zijn twee studenten van King's College -- het latere Columbia University --
03:06
sitting on a hill, overlooking a valley.
63
171000
3000
die op een heuvel zitten en uitkijken op een vallei.
03:09
And so I'd go down to Greenwich Village and I'd look for this hill,
64
174000
3000
Dus ging ik naar Greenwich Village en zocht naar deze heuvel.
03:12
and I couldn't find it. And I couldn't find that palm tree.
65
177000
3000
Ik kon hem niet vinden. En ik kon de palmboom niet vinden.
03:15
What's that palm tree doing there?
66
180000
2000
Wat doet die palmboom daar?
03:17
(Laughter)
67
182000
1000
(Gelach)
03:18
So, it was in the course of these investigations that I ran into a map.
68
183000
3000
Tijdens deze onderzoekingen vond ik een kaart.
03:21
And it's this map you see here.
69
186000
2000
Het is deze kaart hier.
03:23
It's held in a geographic information system
70
188000
2000
Ze zit in een geografisch informatiesysteem
03:25
which allows me to zoom in.
71
190000
2000
waardoor ik kan inzoomen.
03:27
This map isn't from Hudson's time, but from the American Revolution,
72
192000
3000
Deze kaart is niet uit de tijd van Hudson, maar uit de Amerikaanse revolutie
03:30
170 years later, made by British military cartographers
73
195000
4000
170 jaar later, gemaakt door Britse militaire cartografen
03:34
during the occupation of New York City.
74
199000
2000
tijdens de bezetting van de stad New York.
03:36
And it's a remarkable map. It's in the National Archives here in Kew.
75
201000
4000
Het is een opmerkelijke kaart. Ze ligt in de National Archives hier in Kew.
03:40
And it's 10 feet long and three and a half feet wide.
76
205000
2000
Ze is drie meter lang en één meter breed.
03:42
And if I zoom in to lower Manhattan
77
207000
3000
Als ik inzoom op lower Manhattan
03:45
you can see the extent of New York City as it was,
78
210000
2000
kun je zien hoe groot New York was
03:47
right at the end of the American Revolution.
79
212000
2000
aan het eind van de Amerikaanse Revolutie.
03:49
Here's Bowling Green. And here's Broadway.
80
214000
3000
Hier is Bowling Green. En hier is Broadway.
03:52
And this is City Hall Park.
81
217000
2000
Dit is City Hall Park.
03:54
So the city basically extended to City Hall Park.
82
219000
3000
Dus de stad reikte eigenlijk tot City Hall Park.
03:57
And just beyond it you can see features
83
222000
2000
Daar net voorbij kun je zaken zien
03:59
that have vanished, things that have disappeared.
84
224000
2000
die verdwenen zijn, dingen die niet meer bestaan.
04:01
This is the Collect Pond, which was the fresh water source for New York City
85
226000
3000
Dit is de Collect Pond, de zoetwaterbron van New York
04:04
for its first 200 years,
86
229000
2000
tijdens de eerste 200 jaar van haar bestaan
04:06
and for the Native Americans for thousands of years before that.
87
231000
3000
en voor de indianen gedurende duizenden jaren daarvoor.
04:09
You can see the Lispenard Meadows
88
234000
2000
Je kan de Lispenard Meadows zien
04:11
draining down through here, through what is TriBeCa now,
89
236000
2000
die hier afwateren, door wat nu Tribeca is,
04:13
and the beaches that come up from the Battery,
90
238000
2000
en de stranden die omhoog lopen vanaf The Battery,
04:15
all the way to 42nd St.
91
240000
2000
helemaal naar 42nd St.
04:17
This map was made for military reasons.
92
242000
3000
Deze kaart is gemaakt voor militaire doeleinden.
04:20
They're mapping the roads, the buildings, these fortifications
93
245000
2000
Ze brengt de wegen in kaart, de gebouwen
04:22
that they built.
94
247000
2000
en deze versterkingen die ze bouwden.
04:24
But they're also mapping things of ecological interest,
95
249000
2000
Maar ze brengen ook zaken van ecologisch belang in kaart
04:26
also military interest: the hills,
96
251000
2000
die tevens militair belangrijk zijn: de heuvels,
04:28
the marshes, the streams.
97
253000
3000
de moerassen, de beekjes.
04:31
This is Richmond Hill, and Minetta Water,
98
256000
2000
Dit is Richmond Hill, en Minetta Water
04:33
which used to run its way through Greenwich Village.
99
258000
3000
dat vroeger door Greenwich Village liep.
04:36
Or the swamp at Gramercy Park, right here.
100
261000
5000
Of het moeras in Gramercy Park, hier.
04:41
Or Murray Hill. And this is the Murrays' house
101
266000
2000
Of Murray Hill. En dit is het huis van Murray
04:43
on Murray Hill, 200 years ago.
102
268000
3000
op Murray Hill, 200 jaar geleden.
04:46
Here is Times Square,
103
271000
3000
Hier is Times Square,
04:49
the two streams that came together to make a wetland
104
274000
2000
de beide beekjes die hier samenkwamen vormden een drasland
04:51
in Times Square, as it was at the end of the American Revolution.
105
276000
5000
op Times Square, zoals het was aan het eind van de Amerikaanse revolutie.
04:56
So I saw this remarkable map in a book.
106
281000
2000
Ik zag dus deze opmerkelijke kaart in een boek,
04:58
And I thought to myself, "You know, if I could georeference this map,
107
283000
4000
en ik dacht bij mezelf: "Als ik deze kaart kon georefereren,
05:02
if I could place this map in the grid of the city today,
108
287000
3000
als ik haar over het raster van de huidige stad kon leggen,
05:05
I could find these lost features
109
290000
2000
zou ik deze verloren kenmerken van de stad
05:07
of the city,
110
292000
2000
kunnen vinden,
05:09
in the block-by-block geography that people know,
111
294000
3000
in de ruimtelijke structuur die mensen kennen,
05:12
the geography of where people go to work, and where they go to live,
112
297000
3000
de geografie waarin mensen werken, wonen
05:15
and where they like to eat."
113
300000
2000
en waar ze graag eten.
05:17
So, after some work we were able to georeference it,
114
302000
2000
Na wat werk konden we haar georefereren,
05:19
which allows us to put the modern streets on the city,
115
304000
3000
waardoor we de huidige straten erin kunnen zetten,
05:22
and the buildings, and the open spaces,
116
307000
5000
en de gebouwen, en de open ruimten
05:27
so that we can zoom in to where the Collect Pond is.
117
312000
5000
zodat we kunnen inzoomen op de Collect Pond.
05:32
We can digitize the Collect Pond and the streams,
118
317000
4000
We kunnen de Collect Pond en de beekjes digitaliseren,
05:36
and see where they actually are in the geography of the city today.
119
321000
5000
en zien waar die zich bevinden in de geografie van de huidige stad.
05:41
So this is fun for finding where things are
120
326000
3000
Dat is leuk om uit te vinden waar dingen zijn
05:44
relative to the old topography.
121
329000
5000
ten opzichte van de oude topografie.
05:49
But I had another idea about this map.
122
334000
2000
Maar ik had nog een idee met deze kaart.
05:51
If we take away the streets, and if we take away the buildings,
123
336000
3000
Als we de straten weglaten, en de gebouwen,
05:54
and if we take away the open spaces,
124
339000
2000
en de open ruimten,
05:56
then we could take this map.
125
341000
2000
dan konden we deze kaart gebruiken.
05:58
If we pull off the 18th century features
126
343000
2000
Als we de 18e-eeuwse zaken weglaten
06:00
we could drive it back in time.
127
345000
2000
kunnen we terug in de tijd gaan.
06:02
We could drive it back to its ecological fundamentals:
128
347000
4000
We kunnen het terugbrengen tot de ecologische basis:
06:06
to the hills, to the streams,
129
351000
2000
tot de heuvels, de beekjes,
06:08
to the basic hydrology and shoreline, to the beaches,
130
353000
4000
tot de gegevens over het water en de kustlijn, de stranden,
06:12
the basic aspects that make the ecological landscape.
131
357000
4000
de basisaspecten van het ecologische landschap.
06:16
Then, if we added maps like the geology, the bedrock geology,
132
361000
3000
Als we dan de geologie toevoegen, gesteenten,
06:19
and the surface geology, what the glaciers leave,
133
364000
3000
de oppervlaktegeologie -- wat de gletsjers achterlaten --
06:22
if we make the soil map,
134
367000
2000
als we een grondsoorten-kaart maken
06:24
with the 17 soil classes,
135
369000
3000
met de 17 bodemsoorten
06:27
that are defined by the National Conservation Service,
136
372000
3000
die door de National Soil Conservation Service gedefinieerd zijn,
06:30
if we make a digital elevation model
137
375000
2000
als we een digitaal hoogtemodel maken
06:32
of the topography that tells us how high the hills were,
138
377000
3000
van de topografie, dat ons vertelt hoe hoog de heuvels waren,
06:35
then we can calculate the slopes.
139
380000
3000
dan kunnen we de hellingen berekenen.
06:38
We can calculate the aspect.
140
383000
3000
We kunnen ligging berekenen.
06:41
We can calculate the winter wind exposure --
141
386000
2000
We kunnen de blootstelling aan winterwind berekenen --
06:43
so, which way the winter winds blow across the landscape.
142
388000
2000
hoe woei de wind over het landschap?
06:45
The white areas on this map are the places protected from the winter winds.
143
390000
5000
De witte gebieden lagen 's winters in de luwte.
06:50
We compiled all the information about where the Native Americans were, the Lenape.
144
395000
3000
We verzamelden alle informatie over de verblijfplaatsen van de indianen, de Lenape.
06:53
And we built a probability map about where they might have been.
145
398000
4000
We onderzochten waar zij waarschijnlijk leefden.
06:57
So, the red areas on this map indicate the places
146
402000
2000
De rode gebieden op deze kaart markeren de
06:59
that are best for human sustainability on Manhattan,
147
404000
2000
beste plekken voor menselijke bewoning op Manhattan;
07:01
places that are close to water,
148
406000
2000
plekken dicht bij het water,
07:03
places that are near the harbor to fish,
149
408000
2000
plekken dicht bij de haven om te vissen,
07:05
places protected from the winter winds.
150
410000
5000
plekken beschermd tegen de winterwind.
07:10
We know that there was a Lenape settlement
151
415000
2000
We weten dat er een Lenape-nederzetting was
07:12
down here by the Collect Pond.
152
417000
3000
hier bij de Collect Pond,
07:15
And we knew that they planted a kind of horticulture,
153
420000
2000
en dat ze aan tuinbouw deden,
07:17
that they grew these beautiful gardens of corn, beans, and squash,
154
422000
3000
en prachtige tuinen hadden met mais, bonen en kalebassen,
07:20
the "Three Sisters" garden.
155
425000
2000
de tuinen van de "Drie Zusters".
07:22
So, we built a model that explains where those fields might have been.
156
427000
4000
We hebben een model gemaakt dat aangeeft waar deze velden misschien waren.
07:26
And the old fields, the successional fields that go.
157
431000
2000
En de oude velden, de voorgangers van de toenmalige velden.
07:28
And we might think of these as abandoned.
158
433000
2000
We kunnen deze zien als verlaten...
07:30
But, in fact, they're grassland habitats
159
435000
2000
maar in feite zijn het grasland-habitats
07:32
for grassland birds and plants.
160
437000
2000
voor vogels en planten.
07:34
And they have become successional shrub lands,
161
439000
3000
Het werd vervolgens land met struikgewas,
07:37
and these then mix in to a map of all the ecological communities.
162
442000
4000
binnen het totaal van ecologische gemeenschappen.
07:41
And it turns out that Manhattan had 55 different ecosystem types.
163
446000
4000
Het blijkt dat Manhattan 55 verschillende typen ecosystemen had.
07:45
You can think of these as neighborhoods,
164
450000
2000
Die kun je zien als buurten,
07:47
as distinctive as TriBeCa and the Upper East Side and Inwood --
165
452000
5000
zo verscheiden als Tribeca, de Upper East Side en Inwood --
07:52
that these are the forest and the wetlands
166
457000
2000
dat zijn de bossen en draslanden,
07:54
and the marine communities, the beaches.
167
459000
3000
watergemeenschappen, stranden.
07:57
And 55 is a lot. On a per-area basis,
168
462000
3000
En 55 is veel. Op basis van grondgebied,
08:00
Manhattan had more ecological communities
169
465000
2000
had Manhattan meer ecologische gemeenschappen
08:02
per acre than Yosemite does,
170
467000
2000
per hectare dan Yosemite heeft,
08:04
than Yellowstone, than Amboseli.
171
469000
3000
of Yellowstone, of Amboseli.
08:07
It was really an extraordinary landscape
172
472000
2000
Het was echt een buitengewoon landschap,
08:09
that was capable of supporting an extraordinary biodiversity.
173
474000
4000
in staat om een buitengewone biodiversiteit te herbergen.
08:13
So, Act II: A Home Reconstructed.
174
478000
4000
Tweede bedrijf: Een gereconstrueerd thuis.
08:17
So, we studied the fish and the frogs and the birds and the bees,
175
482000
4000
We bestudeerden de vissen en kikkers en vogels en bijen,
08:21
the 85 different kinds of fish that were on Manhattan,
176
486000
3000
de 85 verschillende soorten vis op Manhattan,
08:24
the Heath hens, the species that aren't there anymore,
177
489000
4000
de Heath-hoenders, de verdwenen soorten,
08:28
the beavers on all the streams, the black bears,
178
493000
3000
de bevers in alle stroompjes, de zwarte beren,
08:31
and the Native Americans, to study how they used
179
496000
3000
en de indianen, om te bestuderen hoe zij hun landschap
08:34
and thought about their landscape.
180
499000
2000
gebruikten en erover dachten.
08:36
We wanted to try and map these. And to do that what we did
181
501000
3000
We wilden proberen dit in kaart te brengen. Daarom brachten
08:39
was we mapped their habitat needs.
182
504000
2000
we hun habitat-behoeften in kaart.
08:41
Where do they get their food?
183
506000
2000
Waar vonden ze hun voedsel?
08:43
Where do they get their water? Where do they get their shelter?
184
508000
2000
Waar vonden ze hun water? Waar hun beschutting?
08:45
Where do they get their reproductive resources?
185
510000
3000
Waar vonden ze hun mogelijkheden tot voortplanting?
08:48
To an ecologist, the intersection of these is habitat,
186
513000
3000
Voor een ecoloog is het snijpunt van dit alles de habitat.
08:51
but to most people, the intersection of these is their home.
187
516000
5000
Maar voor de meeste mensen is dit snijpunt hun thuis.
08:56
So, we would read in field guides, the standard field guides
188
521000
2000
We lazen in veldgidsen, standaard veldgidsen
08:58
that maybe you have on your shelves,
189
523000
2000
zoals je wellicht op je boekenplank hebt staan.
09:00
you know, what beavers need is "A slowly meandering stream
190
525000
2000
Wat bevers nodig hebben, is "een langzaam kronkelend beekje
09:02
with aspen trees and alders and willows,
191
527000
3000
met espen en elzen en wilgen,
09:05
near the water." That's the best thing for a beaver.
192
530000
2000
vlakbij het water". Dat is het beste voor een bever.
09:07
So we just started making a list.
193
532000
2000
Dus we maakten een lijst.
09:09
Here is the beaver. And here is the stream,
194
534000
2000
Hier is de bever. Hier is de stroom,
09:11
and the aspen and the alder and the willow.
195
536000
2000
en de espen en elzen en wilgen.
09:13
As if these were the maps that we would need
196
538000
2000
Alsof dit de kaarten zijn om te voorspellen
09:15
to predict where you would find the beaver.
197
540000
2000
waar je de bever zou kunnen vinden.
09:17
Or the bog turtle, needing wet meadows and insects and sunny places.
198
542000
4000
Of de Muhlenbergs schildpad, die natte weiden, insecten en zonnige plekken nodig heeft.
09:21
Or the bobcat, needing rabbits and beavers and den sites.
199
546000
4000
Of de rode lynx, die konijnen, bevers en beschutte plekken nodig heeft.
09:25
And rapidly we started to realize that beavers can be
200
550000
3000
Al snel realiseerden we ons dat bevers een behoefte
09:28
something that a bobcat needs.
201
553000
3000
kunnen zijn van een lynx.
09:31
But a beaver also needs things. And that having it
202
556000
2000
Maar een bever heeft ook dingen nodig.
09:33
on either side means that we can link it together,
203
558000
2000
Dat betekent dat we die twee kunnen linken,
09:35
that we can create the network
204
560000
2000
een netwerk kunnen creëren
09:37
of the habitat relationships for these species.
205
562000
3000
van de habitat-relaties van deze soorten.
09:40
Moreover, we realized that you can start out
206
565000
2000
Bovendien beseften we dat je kunt beginnen
09:42
as being a beaver specialist,
207
567000
2000
als beverspecialist,
09:44
but you can look up what an aspen needs.
208
569000
2000
maar kunt kijken naar wat een esp nodig heeft.
09:46
An aspen needs fire and dry soils.
209
571000
3000
Een esp heeft vuur en droge grond nodig.
09:49
And you can look at what a wet meadow needs.
210
574000
3000
Ook kun je kijken naar wat een natte weide nodig heeft.
09:52
And it need beavers to create the wetlands,
211
577000
2000
Ze heeft bevers nodig om draslanden te creëren,
09:54
and maybe some other things.
212
579000
2000
en misschien wat andere dingen.
09:56
But you can also talk about sunny places.
213
581000
2000
Maar je kunt ook praten over zonnige plekken.
09:58
So, what does a sunny place need? Not habitat per se.
214
583000
3000
Wat heeft een zonnige plek nodig? Niet echt habitat.
10:01
But what are the conditions that make it possible?
215
586000
2000
Maar wat zijn de omstandigheden die het mogelijk maken?
10:03
Or fire. Or dry soils.
216
588000
3000
Of vuur. Of droge grond.
10:06
And that you can put these on a grid that's 1,000 columns long
217
591000
3000
Dat kun je op een raster zetten met 1000 kolommen
10:09
across the top and 1,000 rows down the other way.
218
594000
3000
horizontaal en 1000 kolommen vertikaal.
10:12
And then we can visualize this data like a network,
219
597000
3000
Dan kunnen we deze data visualiseren als een netwerk,
10:15
like a social network.
220
600000
2000
als een sociaal netwerk.
10:17
And this is the network of all the habitat relationships
221
602000
2000
Dit is het netwerk van alle habitat-relaties
10:19
of all the plants and animals on Manhattan,
222
604000
2000
van alle planten en dieren op Manhattan,
10:21
and everything they needed,
223
606000
2000
en al hun behoeften,
10:23
going back to the geology,
224
608000
2000
door terug te gaan naar de geologie,
10:25
going back to time and space at the very core of the web.
225
610000
3000
naar tijd en ruimte aan de basis van het web.
10:28
We call this the Muir Web. And if you zoom in on it it looks like this.
226
613000
3000
We noemen dit het Muir Web. Als je erop inzoomt, ziet het er zo uit.
10:31
Each point is a different species
227
616000
2000
Elk punt is een andere soort,
10:33
or a different stream or a different soil type.
228
618000
3000
of een andere beek, of een ander bodemtype.
10:36
And those little gray lines are the connections that connect them together.
229
621000
3000
Die kleine grijze lijnen zijn de connecties tussen hen.
10:39
They are the connections that actually make nature resilient.
230
624000
3000
Deze connecties maken de natuur veerkrachtig.
10:42
And the structure of this is what makes nature work,
231
627000
4000
Deze structuur is wat de natuur doet functioneren,
10:46
seen with all its parts.
232
631000
2000
als je alle delen beschouwt.
10:48
We call these Muir Webs after the Scottish-American naturalist
233
633000
3000
We noemen dit Muir Webs, naar de Schots-Amerikaanse natuurvorser
10:51
John Muir, who said, "When we try to pick out anything by itself,
234
636000
3000
John Muir, die zei: "Wanneer we iets proberen eruit te lichten,
10:54
we find that it's bound fast by a thousand invisible cords
235
639000
3000
zien we dat het stevig verbonden is -- door duizend onzichtbare,
10:57
that cannot be broken, to everything in the universe."
236
642000
4000
onverbrekelijke koorden -- met alles in het universum".
11:01
So then we took the Muir webs and we took them back to the maps.
237
646000
3000
Dan namen we de Muir Webs en we zetten deze op de kaarten.
11:04
So if we wanted to go between 85th and 86th,
238
649000
2000
Dus als we tussen 85th en 86th wilden kijken,
11:06
and Lex and Third,
239
651000
2000
en Lex en 3rd,
11:08
maybe there was a stream in that block.
240
653000
2000
was er misschien een beek in dat blok.
11:10
And these would be the kind of trees that might have been there,
241
655000
2000
Deze soort bomen zouden er kunnen zijn geweest,
11:12
and the flowers and the lichens and the mosses,
242
657000
4000
en de bloemen en korstmossen en de mossen,
11:16
the butterflies, the fish in the stream,
243
661000
3000
de vlinders, de vissen in de beek,
11:19
the birds in the trees.
244
664000
2000
de vogels in de bomen.
11:21
Maybe a timber rattlesnake lived there.
245
666000
2000
Misschien leefde er een ratelslang.
11:23
And perhaps a black bear walked by. And maybe Native Americans were there.
246
668000
3000
Misschien liep er een zwarte beer voorbij. Misschien waren er indianen.
11:26
And then we took this data.
247
671000
2000
Dan namen we deze data.
11:28
You can see this for yourself on our website.
248
673000
2000
Je kunt het voor jezelf zien op onze website.
11:30
You can zoom into any block on Manhattan,
249
675000
2000
Je kunt inzoomen op ieder blok op Manhattan,
11:32
and see what might have been there 400 years ago.
250
677000
3000
en zien wat er wellicht was, 400 jaar geleden.
11:35
And we used it to try and reveal a landscape
251
680000
3000
Ook gebruikten we ze om een landschap te onthullen
11:38
here in Act III.
252
683000
2000
in het derde bedrijf.
11:40
We used the tools they use in Hollywood
253
685000
2000
We gebruikten dezelfde gereedschappen
11:42
to make these fantastic landscapes that we all see in the movies.
254
687000
3000
waarmee ze in Hollywood de filmlandschappen maken.
11:45
And we tried to use it to visualize Third Avenue.
255
690000
3000
Wij probeerden 3rd Avenue ermee te visualiseren.
11:48
So we would take the landscape and we would build up the topography.
256
693000
4000
Dus we namen het landschap en we bouwden de topografie op.
11:52
We'd lay on top of that the soils and the waters, and illuminate the landscape.
257
697000
4000
Daar legden we de aarde en het water op, en we belichtten het landschap.
11:56
We would lay on top of that the map of the ecological communities.
258
701000
3000
Daar bovenop legden we de kaart van de ecologische gemeenschappen,
11:59
And feed into that the map of the species.
259
704000
3000
en voegden dan de soorten-kaart eraan toe.
12:02
So that we would actually take a photograph,
260
707000
2000
Zo konden we werkelijk een foto nemen,
12:04
flying above Times Square, looking toward the Hudson River,
261
709000
2000
vliegend boven Times Square, neerkijkend op de Hudson Rivier,
12:06
waiting for Hudson to come.
262
711000
2000
wachtend op Hudson.
12:08
Using this technology, we can make these
263
713000
2000
Met deze technologie kunnen we prachtige
12:10
fantastic georeferenced views.
264
715000
2000
onderbouwde uitzichten maken.
12:12
We can basically take a picture out of any window
265
717000
2000
We kunnen een foto maken vanuit elk raam
12:14
on Manhattan and see what that landscape looked like 400 years ago.
266
719000
3000
op Manhattan, en zien hoe dat landschap er 400 jaar geleden uitzag.
12:17
This is the view from the East River, looking up Murray Hill
267
722000
3000
Dit is het uitzicht van de East River, als je Murray Hill op kijkt
12:20
at where the United Nations is today.
268
725000
3000
naar waar de VN tegenwoordig is.
12:23
This is the view looking down the Hudson River,
269
728000
2000
Dit is het uitzicht over de Hudsonrivier,
12:25
with Manhattan on the left, and New Jersey out on the right,
270
730000
3000
met Manhattan links, en New Jersey rechts,
12:28
looking out toward the Atlantic Ocean.
271
733000
3000
kijkend richting de Atlantische Oceaan.
12:31
This is the view over Times Square,
272
736000
2000
Dit is het uitzicht over Times Square,
12:33
with the beaver pond there, looking out toward the east.
273
738000
4000
met de bevervijver daar, oostwaarts kijkend.
12:37
So we can see the Collect Pond, and Lispenard Marshes back behind.
274
742000
4000
We kunnen de Collect Pond zien, en Lispenard Marshes erachter.
12:41
We can see the fields that the Native Americans made.
275
746000
3000
We kunnen de velden van de indianen zien.
12:44
And we can see this in the geography of the city today.
276
749000
4000
We kunnen dit zien in de geografie van de huidige stad.
12:48
So when you're watching "Law and Order," and the lawyers walk up the steps
277
753000
3000
Dus als je Law en Order bekijkt, en de advocaten lopen de trappen op,
12:51
they could have walked back down those steps
278
756000
2000
dan zouden ze die trappen van de New Yorkse rechtbank
12:53
of the New York Court House, right into the Collect Pond,
279
758000
2000
weer af kunnen lopen, rechtstreeks de Collect Pond in,
12:55
400 years ago.
280
760000
4000
400 jaar geleden.
12:59
So these images are the work of my friend and colleague,
281
764000
3000
Deze beelden zijn het werk van mijn vriend en collega,
13:02
Mark Boyer, who is here in the audience today.
282
767000
2000
Mark Boyer, die hier in het publiek zit.
13:04
And I'd just like, if you would give him a hand,
283
769000
2000
Als jullie hem een applaus zouden willen geven
13:06
to call out for his fine work.
284
771000
3000
voor zijn fraaie werk.
13:09
(Applause)
285
774000
9000
(Applaus)
13:18
There is such power in bringing science and visualization together,
286
783000
3000
Er schuilt zoveel kracht in het samenbrengen van wetenschap en
13:21
that we can create images like this,
287
786000
2000
visualisatie, in beelden als deze.
13:23
perhaps looking on either side of a looking glass.
288
788000
3000
Misschien kijken ze aan weerszijden van een spiegel.
13:26
And even though I've only had a brief time to speak,
289
791000
2000
Ondanks dat mijn spreektijd kort was,
13:28
I hope you appreciate that Mannahatta was a very special place.
290
793000
3000
hoop ik dat jullie Mannahatta zien als een bijzondere plek.
13:31
The place that you see here on the left side
291
796000
3000
De plek die je hier links ziet, was onderling verbonden.
13:34
was interconnected. It was based on this diversity.
292
799000
2000
Ze was gebaseerde op diversiteit.
13:36
It had this resilience that is what we need in our modern world.
293
801000
5000
Ze had de veerkracht die we in onze huidige wereld nodig hebben.
13:41
But I wouldn't have you think that I don't like the place
294
806000
3000
Maar denk alsjeblieft niet dat ik de plek rechts niet zou mogen;
13:44
on the right, which I quite do. I've come to love the city
295
809000
3000
dat doe ik wel. Ik hou van de stad
13:47
and its kind of diversity, and its resilience,
296
812000
2000
met haar eigen soort diversiteit, en haar veerkracht,
13:49
and its dependence on density and how we're connected together.
297
814000
5000
en haar afhankelijkheid van dichtheid en hoe we onderling verbonden zijn.
13:54
In fact, that I see them as reflections of each other,
298
819000
4000
In feite zie ik ze als reflecties van elkaar.
13:58
much as Lewis Carroll did in "Through the Looking Glass."
299
823000
3000
Een beetje als Lewis Carrol deed in "Achter de Spiegel".
14:01
We can compare these two and hold them in our minds at the same time,
300
826000
4000
We kunnen deze twee vergelijken en ze gelijktijdig in gedachten houden,
14:05
that they really are the same place,
301
830000
2000
dat ze werkelijk dezelfde plek zijn,
14:07
that there is no way that cities can escape from nature.
302
832000
3000
dat een stad zich onmogelijk kan losmaken van de natuur.
14:10
And I think this is what we're learning about building cities in the future.
303
835000
4000
Ik denk dat we dit leren voor het bouwen van steden in de toekomst.
14:14
So if you'll allow me a brief epilogue, not about the past,
304
839000
3000
Dus als je me een kort nawoord toestaat, niet over het verleden,
14:17
but about 400 years from now,
305
842000
2000
maar over 400 jaar in de toekomst,
14:19
what we're realizing is that
306
844000
2000
dan realiseren we ons, dat
14:21
cities are habitats for people,
307
846000
2000
steden habitats voor mensen zijn,
14:23
and need to supply what people need:
308
848000
2000
en dat ze moeten leveren wat mensen nodig hebben:
14:25
a sense of home, food, water, shelter,
309
850000
3000
een thuis, voedsel, water, beschutting,
14:28
reproductive resources, and a sense of meaning.
310
853000
4000
voortplantingsmogelijkheden... en zingeving.
14:32
This is the particular additional habitat requirement of humanity.
311
857000
3000
Dat is de specifieke habitat-eis die de mens toevoegt.
14:35
And so many of the talks here at TED are about meaning,
312
860000
3000
Zoveel talks hier bij TED gaan over zingeving,
14:38
about bringing meaning to our lives
313
863000
2000
over het geven van zin aan ons leven
14:40
in all kinds of different ways, through technology,
314
865000
2000
op alle mogelijke manieren, door technologie,
14:42
through art, through science,
315
867000
2000
door kunst, door wetenschap,
14:44
so much so that I think we focus so much on
316
869000
3000
zozeer dat ik denk dat we ons zo sterk richten
14:47
that side of our lives, that we haven't given enough
317
872000
2000
op die kant van onze levens, dat we niet genoeg
14:49
attention to the food and the water and the shelter,
318
874000
3000
aandacht geven aan het voedsel, het water, de beschutting,
14:52
and what we need to raise the kids.
319
877000
3000
en wat we nodig hebben om kinderen op te voeden.
14:55
So, how can we envision the city of the future?
320
880000
3000
Dus, hoe stellen we ons de stad van de toekomst voor?
14:58
Well, what if we go to Madison Square Park,
321
883000
2000
Laten we naar Madison Square Park gaan,
15:00
and we imagine it without all the cars,
322
885000
3000
en het ons voorstellen zonder de auto's,
15:03
and bicycles instead
323
888000
2000
maar met fietsen,
15:05
and large forests, and streams instead of sewers and storm drains?
324
890000
5000
en grote bossen, en beken in plaats van riolen en stormwater-afvoeren.
15:10
What if we imagined the Upper East Side
325
895000
2000
Stel je de Upper East Side voor
15:12
with green roofs, and streams winding through the city,
326
897000
4000
met groene daken, en beken die door de stad kronkelen,
15:16
and windmills supplying the power we need?
327
901000
3000
en windmolens die ons van energie voorzien.
15:19
Or if we imagine the New York City metropolitan area,
328
904000
3000
Of we stellen ons de metropool New York voor,
15:22
currently home to 12 million people,
329
907000
2000
met de huidige 12 miljoen mensen,
15:24
but 12 million people in the future, perhaps living at the density of Manhattan,
330
909000
4000
maar dat deze mensen misschien leven met de dichtheid van Manhattan,
15:28
in only 36 percent of the area,
331
913000
2000
op slechts 36% van het gebied,
15:30
with the areas in between covered by farmland,
332
915000
3000
met de gebieden daartussen bedekt met akkers,
15:33
covered by wetlands,
333
918000
2000
bedekt met draslanden,
15:35
covered by the marshes we need.
334
920000
2000
met de moerassen die we nodig hebben.
15:37
This is the kind of future I think we need,
335
922000
3000
Dit is de soort toekomst die we nodig hebben,
15:40
is a future that has the same diversity
336
925000
3000
een toekomst met dezelfde diversiteit
15:43
and abundance and dynamism of Manhattan,
337
928000
3000
en overvloed en dynamiek van Manhattan,
15:46
but that learns from the sustainability of the past,
338
931000
3000
maar die leert van duurzaamheid van het verleden,
15:49
of the ecology, the original ecology, of nature with all its parts.
339
934000
5000
van de ecologie, de originele ecologie... de natuur met al haar delen.
15:54
Thank you very much.
340
939000
2000
Mijn hartelijke dank.
15:56
(Applause)
341
941000
7000
(Applaus)
ABOUT THE SPEAKER
Eric Sanderson - Landscape ecologistArmed with an 18th-century map, a GPS and reams of data, Eric Sanderson has re-plotted the Manhattan of 1609, just in time for New York's quadricentennial.
Why you should listen
Before becoming the center of the Western cultural universe, Manhattan was Mannahatta, "Island of many hills," in the language of 17th-century Native Americans. Using computer modeling, painstaking research and a lot of legwork, Wildlife Conservation Society ecologist Eric Sanderson has re-envisioned, block by block, the ecology of Manhattan as it was when Henry Hudson first sailed into the forested harbor in 1609.
The Mannahatta Project presents the eye-popping fruits of Sanderson's research, from the now-flattened hills of the financial district to the river otters of Harlem. The project's astonishing visualizations are realized by computer-graphics wizard Markley Boyer, and encompasses a book, a website and a 3-D map -- a sort of Google Earth of ancient New York. Plaques around town will commemorate a lost creek or habitat. Far more than a mournful look back at what has been irrevocably paved over, the Mannahatta Project is designed to inspire ecological sustainability for New York and for other cities.
Eric Sanderson | Speaker | TED.com