Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: Oznaczanie tuńczyków w głębokim oceanie
Filmed:
Readability: 4.4
368,018 views
Tuńczyki to tytani oceanów - szybkie drapieżniki o ogromnym zasięgu, których nawyki dopiero zaczynamy rozumieć. Biolog morski Barbara Block umieszcza na tuńczykach śledzące znaczniki (pełne, z transponderami), które zbierają niebywałą ilość danych o tych wspaniałych, zagrożonych rybach, a także o środowisku oceanicznym, w którym się poruszają.
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Double-click the English transcript below to play the video.
00:15
I've been fascinated for a lifetime
0
0
3000
Przez całe życie fascynowały mnie
00:18
by the beauty, form and function
1
3000
2000
piękno, kształt i funkcjonowanie
00:20
of giant bluefin tuna.
2
5000
3000
tuńczyka błękitnopłetwego.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Jest on ciepłokrwisty, jak my.
00:26
They're the largest of the tunas,
4
11000
3000
To największy z tuńczyków,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
druga co do wielkości ryba morska - ryba oścista.
00:32
They actually are a fish
6
17000
2000
Jest to ryba
00:34
that is endothermic --
7
19000
2000
endotermiczna -
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
przemierzająca ocean za pomocą ciepłych mięśni - jak ssak.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Oto jeden z błękitnopłetwych w Monterey Bay Aquarium.
00:43
You can see in its shape and its streamlined design
10
28000
3000
Zwróćcie uwagę na jego opływowy kształt.
00:46
it's powered for ocean swimming.
11
31000
3000
Jest stworzony do pływania w oceanie.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Przemierza ocean za pomocą płetw piersiowych, unosi się
00:52
powers its movements
13
37000
2000
i napędza swoje ruchy
00:54
with a lunate tail.
14
39000
2000
półksiężycowatym ogonem.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Większość ciała pokryte ma gołą skórą,
00:59
so it reduces friction with the water.
16
44000
3000
przez co zmniejsza tarcie z wodą.
01:02
This is what one of nature's finest machines.
17
47000
3000
To jeden z najwspanialszych tworów natury.
01:05
Now, bluefin
18
50000
2000
Błękitnopłetwy
01:07
were revered by Man
19
52000
2000
był szanowany przez ludzi
01:09
for all of human history.
20
54000
3000
przez całe wieki.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Przez 4,000 lat łowiliśmy te zwierzęta w sposób zrównoważony.
01:15
and it's evidenced
22
60000
2000
Dowodem na to
01:17
in the art that we see
23
62000
2000
jest sztuka
01:19
from thousands of years ago.
24
64000
2000
sprzed tysięcy lat.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Błękitnopłetwe są na malowidłach jaskiniowych we Francji.
01:24
They're on coins
26
69000
2000
Są na monetach
01:26
that date back 3,000 years.
27
71000
3000
sprzed 3,000 lat.
01:29
This fish was revered by humankind.
28
74000
3000
Ta ryba była szanowana przez ludzkość.
01:32
It was fished sustainably
29
77000
2000
Łowiono ją w sposób zrównoważony
01:34
till all of time,
30
79000
2000
przez cały czas -
01:36
except for our generation.
31
81000
2000
oprócz naszego pokolenia.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
Błękitnopłetwe ścigane są wszędzie.
01:41
there is a gold rush on Earth,
33
86000
2000
Na Ziemi była gorączka złota,
01:43
and this is a gold rush for bluefin.
34
88000
2000
a teraz jest gorączka na błękitnopłetwe.
01:45
There are traps that fish sustainably
35
90000
2000
Aż do dzisiaj dało się łapać te ryby
01:47
up until recently.
36
92000
3000
w sposób zrównoważony.
01:50
And yet, the type of fishing going on today,
37
95000
3000
A jednak dzisiejszy styl łowienia,
01:53
with pens, with enormous stakes,
38
98000
3000
z zagrodami, z olbrzymimi palami,
01:56
is really wiping bluefin
39
101000
2000
ekologicznie zmiata te ryby
01:58
ecologically off the planet.
40
103000
2000
z powierzchni Ziemi
02:00
Now bluefin, in general,
41
105000
2000
Obecnie błękitnopłetwy
02:02
goes to one place: Japan.
42
107000
2000
udaje się do jednego miejsca - Japonii.
02:04
Some of you may be guilty
43
109000
2000
Niektórzy z was pewnie są winni
02:06
of having contributed to the demise of bluefin.
44
111000
2000
współudziału w niszczeniu błękitnopłetwych.
02:08
They're delectable muscle,
45
113000
2000
Są one smakowitym kąskiem,
02:10
rich in fat --
46
115000
2000
bogate w tłuszcz -
02:12
absolutely taste delicious.
47
117000
2000
smakują wspaniale.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
I to właśnie ich problem - zjadamy je na śmierć.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
W Atlantyku historia jest prosta.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Są dwie populacje błękitnopłetwych - duża i mała.
02:23
The North American population
51
128000
2000
Z populacji północnoamerykańskiej
02:25
is fished at about 2,000 ton.
52
130000
3000
łowi się około 2,000 ton.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
Z populacji europejskiej i północnoafrykańskiej - tuńczyka wschodniego -
02:31
is fished at tremendous levels:
54
136000
3000
łowi się straszliwe
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
50,000 ton co roku przez ostatnie 10 lat.
02:37
The result is whether you're looking
56
142000
2000
Wskutek tego, zarówno
02:39
at the West or the Eastern bluefin population,
57
144000
3000
w zachodniej, jak i wschodniej populacji
02:42
there's been tremendous decline on both sides,
58
147000
2000
obserwujemy ogromne ubytki,
02:44
as much as 90 percent
59
149000
2000
nawet do 90 procent,
02:46
if you go back with your baseline
60
151000
2000
jeśli za bazę przyjmiemy stan
02:48
to 1950.
61
153000
2000
z 1950 r.
02:50
For that, bluefin have been given a status
62
155000
3000
Dlatego tuńczykom przyznano taki sam status
02:53
equivalent to tigers, to lions,
63
158000
3000
co tygrysom, lwom,
02:56
to certain African elephants
64
161000
2000
niektórym słoniom afrykańskim
02:58
and to pandas.
65
163000
2000
i pandom.
03:00
These fish have been proposed
66
165000
2000
Ryby te zgłaszano
03:02
for an endangered species listing in the past two months.
67
167000
3000
do listy zagrożonych gatunków przez ostatnie dwa miesiące.
03:05
They were voted on and rejected
68
170000
2000
Odrzucono je w głosowaniu
03:07
just two weeks ago,
69
172000
2000
dwa tygodnie temu,
03:09
despite outstanding science
70
174000
2000
pomimo oczywistych dowodów naukowych
03:11
that shows from two committees
71
176000
3000
dwóch komitetów,
03:14
this fish meets the criteria of CITES I.
72
179000
3000
że ryba spełnia kryteria CITES I.
03:17
And if it's tunas you don't care about,
73
182000
2000
A jeśli nie interesują was tuńczyki,
03:19
perhaps you might be interested
74
184000
2000
być może zwrócicie uwagę na to,
03:21
that international long lines and pursing
75
186000
2000
że międzynarodowe sznury haczykowe
03:23
chase down tunas and bycatch animals
76
188000
3000
łapią tuńczyki, a przy okazji inne zwierzęta,
03:26
such as leatherbacks, sharks,
77
191000
2000
na przykład żółwie, rekiny,
03:28
marlin, albatross.
78
193000
2000
marliny, albatrosy.
03:30
These animals and their demise
79
195000
2000
Zagłada tych zwierząt
03:32
occurs in the tuna fisheries.
80
197000
3000
ma miejsce na łowiskach tuńczyków.
03:35
The challenge we face
81
200000
2000
Wyzwanie polega na tym,
03:37
is that we know very little about tuna,
82
202000
3000
że o tuńczykach wiemy bardzo niewiele.
03:40
and everyone in the room knows what it looks like
83
205000
3000
Każdy na tej sali wie, jak wygląda
03:43
when an African lion
84
208000
2000
lew afrykański
03:45
takes down its prey.
85
210000
2000
pożerający swoją zdobycz.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Wątpię, by ktokolwiek widział, jak pożywia się tuńczyk.
03:50
This tuna symbolizes
87
215000
3000
Ten tuńczyk symbolizuje
03:53
what's the problem for all of us in the room.
88
218000
3000
problem nas wszystkich tu zgromadzonych.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
jest XXI wiek, ale dopiero zaczęliśmy
03:59
to really study our oceans in a deep way.
90
224000
3000
dogłębnie badać oceany.
04:02
Technology has come of age
91
227000
2000
Technika się rozwinęła
04:04
that's allowing us to see the Earth from space
92
229000
3000
i umożliwiła oglądanie Ziemi z kosmosu
04:07
and go deep into the seas remotely.
93
232000
3000
i zagłębianie się w morza na duże odległości.
04:10
And we've got to use these technologies immediately
94
235000
2000
Od razu zaczęliśmy korzystać z tych technologii,
04:12
to get a better understanding
95
237000
2000
aby lepiej zrozumieć,
04:14
of how our ocean realm works.
96
239000
3000
jak działa królestwo oceanów.
04:17
Most of us from the ship -- even I --
97
242000
2000
Większość z nas, nawet ja,
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
patrzy na ocean ze statku i widzi jednorodną powierzchnię.
04:22
We don't know where the structure is.
99
247000
2000
Nie wiemy, jaka jest struktura.
04:24
We can't tell where are the watering holes
100
249000
3000
Nie możemy stwierdzić, gdzie są wodopoje -
04:27
like we can on an African plain.
101
252000
3000
tak jak na afrykańskiej równinie.
04:30
We can't see the corridors,
102
255000
2000
Nie widzimy korytarzy,
04:32
and we can't see what it is
103
257000
2000
nie widzimy,
04:34
that brings together a tuna,
104
259000
2000
co łączy tuńczyka,
04:36
a leatherback and an albatross.
105
261000
2000
żółwia skórzastego i albatrosa.
04:38
We're only just beginning to understand
106
263000
2000
Dopiero zaczynamy rozumieć,
04:40
how the physical oceanography
107
265000
2000
jak oceanografia fizyczna
04:42
and the biological oceanography
108
267000
2000
i biologiczna
04:44
come together
109
269000
2000
łączą się
04:46
to create a seasonal force
110
271000
2000
i tworzą okresową siłę,
04:48
that actually causes the upwelling
111
273000
2000
która podnosi wody głębinowe
04:50
that might make a hot spot a hope spot.
112
275000
3000
i zamienia punkty zapalne w miejsca niezbędne dla oceanu.
04:53
The reasons these challenges are great
113
278000
2000
Wyzwania te są ogromne, ponieważ
04:55
is that technically it's difficult to go to sea.
114
280000
3000
badanie mórz jest trudne technicznie.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
Trudno jest badać tuńczyka na jego terytorium,
05:00
the entire Pacific realm.
116
285000
2000
całym królestwie Pacyfiku.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
Naprawdę trudno jest zbliżyć się do ostronosa atlantyckiego
05:06
and try to put a tag on it.
118
291000
2000
i spróbować go oznaczyć.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
A potem wyobrażać sobie, że jesteśmy zespołem Bruce'a Mate'a z Oregon State University
05:11
getting up close to a blue whale
120
296000
2000
zbliżamy się do płetwala blękitnego
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
i oznaczamy go. To wciąż jest
05:16
an engineering challenge
122
301000
2000
wyzwanie techniki,
05:18
we've yet to really overcome.
123
303000
2000
które musimy pokonać.
05:20
So the story of our team, a dedicated team,
124
305000
3000
To, czemu poświęca się nasz oddany zespół,
05:23
is fish and chips.
125
308000
2000
jest jak tworzenie zestawów.
05:25
We basically are taking
126
310000
2000
Po prostu bierzemy
05:27
the same satellite phone parts,
127
312000
2000
takie same części telefonów satelitarnych,
05:29
or the same parts that are in your computer, chips.
128
314000
3000
albo takie same części, jakie są w komputerach, chipy.
05:32
We're putting them together in unusual ways,
129
317000
3000
Zastawiamy je w nietypowy sposób,
05:35
and this is taking us into the ocean realm
130
320000
2000
a to pozwala nam badać królestwo oceanów
05:37
like never before.
131
322000
2000
jak nigdy przedtem.
05:39
And for the first time,
132
324000
2000
Po raz pierwszy
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
jesteśmy w stanie obserwować podróże tuńczyka w oceanie
05:44
using light and photons
134
329000
2000
za pomocą światła i fotonów,
05:46
to measure sunrise and sunset.
135
331000
3000
mierzących wschody i zachody słońca.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Pracowałam nad tuńczykami przez ponad 15 lat.
05:52
I have the privilege of being a partner
137
337000
2000
Mam zaszczyt współpracować
05:54
with the Monterey Bay Aquarium.
138
339000
2000
z Monterey Bay Aquarium.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Dosłownie wzięliśmy kawałek oceanu,
05:58
put it behind glass,
140
343000
2000
umieściliśmy go za szybą
06:00
and we together
141
345000
2000
i wspólnie
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
prezentujemy tuńczyka błękitnopłetwego i żółtopłetwego.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Kiedy zasłona bąbelków unosi się co rano,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
możemy oglądać społeczność bezkresnego oceanu.
06:11
one of the only places on Earth
145
356000
2000
To jedno z niewielu miejsc na Ziemi,
06:13
you can see giant bluefin swim by.
146
358000
3000
gdzie można zobaczyć pływające błękitnopłetwe.
06:16
We can see in their beauty of form and function,
147
361000
2000
Możemy zobaczyć ich piękno, kształt czy funkcje,
06:19
their ceaseless activity.
148
364000
2000
ich nieustającą aktywność.
06:21
They're flying through their space, ocean space.
149
366000
3000
Przemieszczają się po przestrzeni oceanów.
06:24
And we can bring two million people a year
150
369000
2000
A my możemy zebrać dwa miliony ludzi rocznie
06:26
into contact with this fish
151
371000
2000
i pokazać im tę rybę,
06:28
and show them its beauty.
152
373000
3000
pokazać im jej piękno.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Za kulisami działa laboratorium Universytetu Stanforda -
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
partnera Monterey Bay Aquarium.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Tam, przez ponad 14 lub 15 lat,
06:38
we've actually brought in
156
383000
2000
uwięziliśmy zarówno
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
błękitnopłetwego, jak i żółtopłetwego.
06:42
We'd been studying these fish,
158
387000
2000
Badaliśmy te ryby. Ale najpierw
06:44
but first we had to learn how to husbandry them.
159
389000
2000
musieliśmy się dowiedzieć, jak je hodować.
06:46
What do they like to eat?
160
391000
2000
Co lubią jeść?
06:48
What is it that they're happy with?
161
393000
2000
Co je zadowala?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Wchodzimy do zbiorników z tuńczykami. Dotykamy ich nagiej skóry.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
To zadziwiające. To wspaniałe uczucie.
06:56
And then, better yet,
164
401000
2000
A oprócz tego
06:58
we've got our own version of tuna whisperers,
165
403000
2000
mamy własną wersję zaklinaczy tuńczyków,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
własnego Chucka Farwella, Alexa Nortona,
07:02
who can take a big tuna
167
407000
2000
który potrafi
07:04
and in one motion,
168
409000
2000
jednym ruchem
07:06
put it into an envelope of water,
169
411000
2000
umieścić tuńczyka w wodnej torbie,
07:08
so that we can actually work with the tuna
170
413000
2000
żebyśmy mogli z nim pracować
07:10
and learn the techniques it takes
171
415000
2000
i nauczyć się, jak postępować,
07:12
to not injure this fish
172
417000
2000
aby nie skrzywdzić ryby,
07:14
who never sees a boundary in the open sea.
173
419000
3000
która w otwartym oceanie nie ma granic.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Jeff i Jason są naukowcami,
07:19
who are going to take a tuna
175
424000
2000
którzy potrafią umieścić tuńczyka
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
w pewnego rodzaju korytarzu, kieracie,
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
tak że tuńczyk myśli, że płynie do Japonii, mimo że zostaje w miejscu.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
Mierzymy ich poziom zużycia tlenu,
07:29
its energy consumption.
179
434000
2000
energii.
07:32
We're taking this data and building better models.
180
437000
3000
Zbieramy dane i tworzymy lepsze modele.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
I kiedy widzę tuńczyka - to mój ulubiony widok -
07:38
I begin to wonder:
182
443000
2000
zastanawiam się:
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
jak ta ryba rozwiązała problem długości geograficznej przed nami?
07:44
So take a look at that animal.
184
449000
2000
Spójrzcie na to zwierzę.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Prawdopodobnie nigdy bliżej już nie będziecie.
07:48
Now, the activities from the lab
186
453000
3000
Działalność w laboratorium
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
nauczyła nas, jak udać się do otwartego oceanu.
07:54
So in a program called Tag-A-Giant
188
459000
3000
W ramach programu "Tag-A-Giant"
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
udaliśmy się z Irlandii do Kanady,
08:00
from Corsica to Spain.
190
465000
2000
z Korsyki do Hiszpanii.
08:02
We've fished with many nations around the world
191
467000
3000
Łowiliśmy z wieloma narodami na całym świecie,
08:05
in an effort to basically
192
470000
2000
aby, krótko mówiąc,
08:07
put electronic computers
193
472000
3000
umieścić elektroniczne komputery
08:10
inside giant tunas.
194
475000
2000
w środku tuńczyków.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Udało nam się oznaczyć 1,100 tuńczyków.
08:15
And I'm going to show you three clips,
196
480000
2000
Pokażę wam trzy nagrania,
08:17
because I tagged 1,100 tunas.
197
482000
3000
ponieważ oznaczyłam 1,100 tuńczyków,
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
To bardzo trudny proces, ale jest jak balet.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Wyławiamy tuńczyka, mierzymy go.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Zespół rybaków, kapitanów, naukowców i techników
08:29
work together to keep this animal out of the ocean
201
494000
3000
współpracuje, aby utrzymać zwierzę poza oceanem
08:32
for about four to five minutes.
202
497000
3000
przez około cztery do pięciu minut.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
polewamy wodą jego skrzela, podajemy mu tlen.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
A potem, z wielkim trudem, po oznaczeniu,
08:41
putting in the computer,
205
506000
2000
po umieszczeniu komputera,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
upewnieniu się, że czujnik wystaje pionowo, aby mógł badać środowisko,
08:46
we send this fish back into the sea.
207
511000
3000
wpuszczamy rybę z powrotem do oceanu.
08:49
And when it goes, we're always happy.
208
514000
2000
Kiedy odpływa, zawsze się cieszymy.
08:51
We see a flick of the tail.
209
516000
2000
Widzimy machnięcie ogona.
08:53
And from our data that gets collected,
210
518000
3000
Z danych uzbieranych,
08:56
when that tag comes back,
211
521000
2000
kiedy znacznik do nas wraca,
08:58
because a fisher returns it
212
523000
2000
ponieważ rybak go oddaje
09:00
for a thousand-dollar reward,
213
525000
2000
za tysiąc dolarów nagrody,
09:02
we can get tracks beneath the sea
214
527000
2000
poznajemy już od pięciu lat,
09:04
for up to five years now,
215
529000
2000
co dzieje się w morzu
09:06
on a backboned animal.
216
531000
2000
z tym zwierzęciem.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Czasami tuńczyki są naprawdę wielkie,
09:11
such as this fish off Nantucket.
218
536000
2000
jak na przykład ta ryba z Nantucket.
09:13
But that's about half the size
219
538000
2000
Ale jest ona aż o połowę mniejsza
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
od największego oznaczonego tuńczyka.
09:17
It takes a human effort,
221
542000
2000
Wiele wysiłku wymaga -
09:19
a team effort, to bring the fish in.
222
544000
2000
wysiłku całego zespołu - złapanie takiej ryby.
09:21
In this case, what we're going to do
223
546000
2000
W tym wypadku umieścimy na niej
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
satelitarny znacznik automatyczny (pop-up tag)
09:27
This tag rides on the tuna,
225
552000
2000
Taki znacznik przemieszcza się na tuńczyku,
09:29
senses the environment around the tuna
226
554000
3000
bada środowisko wokół niego
09:32
and actually will come off the fish,
227
557000
3000
i sam odczepia się od ryby,
09:35
detach, float to the surface
228
560000
2000
płynie na powierzchnię
09:37
and send back to Earth-orbiting satellites
229
562000
3000
i wysyła do satelitów na orbicie Ziemi
09:40
position data estimated by math on the tag,
230
565000
3000
dane o położeniu, oszacowanym przez znacznik,
09:43
pressure data and temperature data.
231
568000
3000
dane o ciśnieniu oraz temperaturze.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Dzięki takim znacznikom automatycznym
09:48
is we get away from having to have a human interaction
233
573000
3000
unikamy przymusu współdziałania z ludźmi
09:51
to recapture the tag.
234
576000
2000
w celu odzyskania znacznika.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Oba rodzaje znaczników są drogie.
09:56
These tags have been engineered
236
581000
2000
Zostały zaprojektowane
09:58
by a variety of teams in North America.
237
583000
3000
przez różne zespoły w Ameryce Północnej.
10:01
They are some of our finest instruments,
238
586000
2000
To jedne z najdoskonalszych narzędzi
10:03
our new technology in the ocean today.
239
588000
3000
nowej technologii w oceanach.
10:07
One community in general
240
592000
2000
Jedna społeczność
10:09
has given more to help us than any other community.
241
594000
2000
pomogła nam najbardziej ze wszystkich.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Były to łowiska w Karolinie Północnej.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Dwie wioski - Harris i Morehead City -
10:17
every winter for over a decade,
244
602000
2000
każdej zimy przez ponad dziesięć lat
10:19
held a party called Tag-A-Giant,
245
604000
3000
organizują akcję zwaną "Tag-A-Giant".
10:22
and together, fishers worked with us
246
607000
2000
Rybacy pracują razem z nami,
10:24
to tag 800 to 900 fish.
247
609000
3000
aby oznaczyć 800 do 900 ryb.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
W takim przypadku zmierzymy rybę.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Zrobimy też coś, co zaczęliśmy w ostatnim czasie:
10:33
take a mucus sample.
250
618000
2000
pobierzemy próbkę śluzu.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Spójrzcie, jak błyszczącą ma skórę - widać moje odbicie.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Ze śluzu możemy poznać profile genetyczne,
10:41
we can get information on gender,
253
626000
2000
dostajemy informację o płci.
10:43
checking the pop-up tag one more time,
254
628000
2000
Sprawdzamy znacznik automatyczny jeszcze raz -
10:45
and then it's out in the ocean.
255
630000
2000
i już jest w oceanie.
10:47
And this is my favorite.
256
632000
2000
A to lubię najbardziej.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Stworzony z pomocą doktora Garetha Lawsona,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
wspaniały obraz pojedynczego tuńczyka.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Tuńczyk ten porusza się po numerycznym oceanie.
10:57
The warm is the Gulf Stream,
260
642000
2000
Ciepły obszar to Golfsztrom,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
tamten zimny obszar to Zatoka Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
To tam chce dotrzeć tuńczyk. Chce żywić się ławicami śledzi.
11:05
but it can't get there. It's too cold.
263
650000
2000
Ale nie może się tam dostać. Jest za zimno.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Ale potem ociepla się. Tuńczyk wpływa do środka, łapie trochę ryb,
11:10
maybe comes back to home base,
265
655000
2000
być może wraca do bazy,
11:12
goes in again
266
657000
2000
wpływa ponownie,
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
a potem wraca na zimę w dół - do Karoliny Północnej,
11:17
and then on to the Bahamas.
268
662000
2000
a potem do Bahamów.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
Moja ulubiona scena: trzy tuńczyki płyną do Zatoki Meksykańskiej.
11:22
Three tunas tagged.
270
667000
2000
Trzy oznaczone tuńczyki.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Obliczamy astronomicznie pozycje.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Płyną razem. To może być seks tuńczyków.
11:29
and there it is.
273
674000
2000
I oto jest.
11:31
That is where the tuna spawn.
274
676000
2000
Oto gdzie mnożą się tuńczyki.
11:33
So from data like this,
275
678000
2000
Z takich danych
11:35
we're able now to put the map up,
276
680000
2000
jesteśmy w stanie stworzyć mapę,
11:37
and in this map
277
682000
2000
a na niej widzimy
11:39
you see thousands of positions
278
684000
2000
tysiące pozycji,
11:41
generated by this decade and a half of tagging.
279
686000
3000
wytworzonych przez 15 lat oznaczania.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Wykazujemy, że tuńczyki ze strony zachodniej
11:47
go to the eastern side.
281
692000
2000
płyną na stronę wschodnią.
11:49
So two populations of tunas --
282
694000
2000
A więc są dwie populacje tuńczyków -
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
populacja zatokowa - ta, którą możemy oznaczyć -
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
płynie do Zatoki Meksykańskiej - pokazywałam to wam -
11:56
and a second population.
285
701000
2000
i druga populacja.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
pomiędzy naszymi tuńczykami północnoamerykańskimi
12:00
are European tunas that go back to the Med.
287
705000
3000
żyją tuńczyki europejskie, które wracają do Morza Śródziemnego.
12:03
On the hot spots -- the hope spots --
288
708000
2000
W najistotniejszych punktach
12:05
they're mixed populations.
289
710000
2000
populacje się mieszają.
12:07
And so what we've done with the science
290
712000
2000
Nauka umożliwiła nam
12:09
is we're showing the International Commission,
291
714000
2000
pokazanie Komisji Międzynarodowej,
12:11
building new models,
292
716000
2000
przez tworzenie nowych modeli,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
pokazanie jej, że model dwóch niemieszających się populacji -
12:15
to this day, used to reject
294
720000
3000
cały czas odrzucano
12:18
the CITES treaty --
295
723000
2000
traktat CITES -
12:20
that model isn't the right model.
296
725000
2000
a ten model nie jest właściwy.
12:22
This model, a model of overlap,
297
727000
2000
Taki model - model zachodzenia na siebie -
12:24
is the way to move forward.
298
729000
2000
to droga postępowania naprzód.
12:26
So we can then predict
299
731000
2000
Wówczas możemy przewidzieć,
12:28
where management places should be.
300
733000
2000
gdzie powinny być miejsca zarządzania.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Zatoka Meksykańska czy Morze Śródziemne to jedne z miejsc,
12:33
are places where the single species,
302
738000
2000
gdzie można uchwycić
12:35
the single population, can be captured.
303
740000
2000
pojedyncze gatunki czy populacje.
12:37
These become forthright in places we need to protect.
304
742000
3000
To właśnie te miejsca musimy chronić.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Centrum Atlantyku - gdzie zachodzi mieszanie się.
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
Mogę wyobrazić sobie politykę, która pozwala łowić Kanadzie czy Ameryce,
12:45
because they manage their fisheries well,
307
750000
3000
bo dobrze prowadzą swoje łowiska,
12:48
they're doing a good job.
308
753000
2000
dobrze wykonują swoją pracę.
12:50
But in the international realm,
309
755000
2000
Ale w sferze międzynarodowej,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
gdzie łowienie wymknęło się spod kontroli,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
musimy stworzyć miejsca niezbędne dla oceanu.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Aby chronić tuńczyka, muszą one być tak duże.
13:00
Now in a second project
313
765000
2000
W drugim projekcie,
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
zwanym "Oznaczanie Ryb Pelagicznych Pacyfiku",
13:04
we took on the planet as a team,
315
769000
2000
zajęliśmy się planetą jako zespół,
13:06
those of us in the Census of Marine Life.
316
771000
2000
w ramach Spisu Morskich Form Życia (Census of Marine Life).
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Jesteśmy finansowani głównie przez Fundację Sloana i inne,
13:12
we were able to actually go in, in our project --
318
777000
3000
a więc możemy rzeczywiście zajmować się projektem.
13:15
we're one of 17 field programs
319
780000
2000
Stanowimy jeden z 17 programów tematycznych
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
i zaczynamy oznaczać wiele drapieżników,
13:20
not just tunas.
321
785000
2000
nie tylko tuńczyki.
13:22
So what we've done
322
787000
2000
A więc udaliśmy się,
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
żeby oznaczyć lamnę pacyficzną na Alasce.
13:27
met salmon shark on their home territory,
324
792000
3000
Spotkaliśmy lamny na ich terytorium,
13:30
followed them catching salmon
325
795000
2000
obserwowaliśmy, jak łapią łososie,
13:32
and then went in and figured out
326
797000
2000
a potem odkryliśmy,
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
że jeśli umieścimy łososia na linie,
13:37
we can actually take up a salmon shark --
328
802000
2000
możemy złapać tego rekina.
13:39
This is the cousin of the white shark --
329
804000
2000
To kuzyn żarłacza białego.
13:41
and very carefully --
330
806000
2000
A potem bardzo ostrożnie -
13:43
note, I say "very carefully," --
331
808000
2000
powtórzę raz jeszcze: bardzo ostrożnie -
13:45
we can actually keep it calm,
332
810000
2000
staramy się, by był spokojny,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
wkładamy wąż do jego paszczy, trzymamy go poza pokładem,
13:50
and then tag it with a satellite tag.
334
815000
3000
a potem umieszczamy znacznik satelitarny.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Dzięki temu znacznikowi rekin skontaktuje się z nami
13:56
and send in a message.
336
821000
2000
i prześle nam wiadomość.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Tamten skaczący rekin ma, jeśli popatrzycie uważnie - antenkę.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
To oznaczony rekin pływający na swobodzie,
14:03
jumping after salmon,
339
828000
2000
ścigający łososia
14:05
sending home its data.
340
830000
3000
i wysyłający nam dane.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Lamny to nie jedyne rekiny, które oznaczamy.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
A tutaj płynie lamna pacyficzna po dokładnie wytyczonym szlaku,
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
na oceanie temperatur - ciepłe kolory to cieplejsze miejsca.
14:17
Salmon sharks go down
344
842000
2000
Lamny płyną w dół,
14:19
to the tropics to pup
345
844000
2000
aby rozmnożyć się w tropikach
14:21
and come into Monterey.
346
846000
2000
i udają się do Monterey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
A tuż obok w Monterey i powyżej przy Wyspach Farallońskich
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
pracuje zespół żarłacza białego, pod przewodnictwem
14:28
and Sal Jorgensen.
349
853000
2000
Scotta Andersona i Sala Jorgensena.
14:30
They can throw out a target --
350
855000
2000
Wyrzucają cel -
14:32
it's a carpet shaped like a seal --
351
857000
2000
to dywan w kształcie foki -
14:34
and in will come a white shark, a curious critter
352
859000
3000
i zaraz przypłynie żarłacz biały - ciekawski stwór -
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
który zbliży się do naszej 16-stopowej łodzi.
14:40
It's a several thousand-pound animal.
354
865000
2000
To zwierzę waży kilka tysięcy funtów.
14:42
And we'll wind in the target.
355
867000
3000
Potem zwiniemy cel
14:45
And we'll place an acoustic tag
356
870000
2000
i umieścimy znacznik akustyczny,
14:47
that says, "OMSHARK 10165,"
357
872000
2000
mówiący: "OMSHARK 10165,"
14:49
or something like that, acoustically with a ping.
358
874000
3000
albo coś w tym rodzaju, akustycznie, brzęczeniem.
14:52
And then we'll put on a satellite tag
359
877000
2000
A potem umieścimy znacznik satelitarny,
14:54
that will give us the long-distance journeys
360
879000
3000
który pokaże nam długodystansowe trasy
14:57
with the light-based geolocation algorithms
361
882000
2000
przy pomocy opartych na świetle algorytmów geolokacji,
14:59
solved on the computer that's on the fish.
362
884000
3000
umieszczonych w komputerze na rybie.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
W tym przypadku więc, Sal pracuje nad dwoma znacznikami.
15:05
and there they are: the white sharks of California
364
890000
3000
I oto one: żarłacze białe z Kalifornii
15:08
going off to the white shark cafe and coming back.
365
893000
3000
wypływają z żarłaczowej kawiarni i wpływają z powrotem.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Oznaczamy również ostronosy wspólnie z kolegami z NOAA,
15:14
blue sharks.
367
899000
2000
żarłacze błękitne.
15:16
And now, together, what we can see
368
901000
2000
A tutaj - na tym kolorowym oceanie,
15:18
on this ocean of color that's temperature,
369
903000
2000
oznaczającym temperatury,
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
widzimy dziesięciodniowe robaczki ostronosów i lamn pacyficznych.
15:24
We have white sharks and blue sharks.
371
909000
2000
Mamy też żarłacze białe i błękitne.
15:26
For the first time,
372
911000
2000
Po raz pierwszy w historii
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
na tak wielką skalę, jaką jest ocean,
15:30
showing where the sharks go.
374
915000
3000
możemy widzieć, gdzie pływają rekiny.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
Zespół tuńczyka z TOPP uczynił coś niewyobrażalnego:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
trzy zespoły oznaczyły 1,700 tuńczyków,
15:39
bluefin, yellowfin and albacore
377
924000
2000
błękitnopłetwych, żółtopłetwych i długopłetwych
15:41
all at the same time --
378
926000
2000
w tym samym czasie.
15:43
carefully rehearsed tagging programs
379
928000
2000
Ostrożnie powtarzali program oznaczania,
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
w którym wypływamy, łowimy młode tuńczyki,
15:48
put in the tags that actually have the sensors,
381
933000
3000
umieszczamy znaczniki z czujnikami,
15:51
stick out the tuna
382
936000
2000
wypuszczamy tuńczyka
15:53
and then let them go.
383
938000
2000
i pozwalamy mu odpłynąć.
15:55
They get returned, and when they get returned,
384
940000
2000
Potem wracają do nas, a kiedy wrócą,
15:57
here on a NASA numerical ocean
385
942000
3000
tutaj - na numerycznym oceanie NASA -
16:00
you can see bluefin in blue
386
945000
2000
widzimy błękitnopłetwe na niebiesko,
16:02
go across their corridor,
387
947000
2000
które płyną swoimi korytarzami
16:04
returning to the Western Pacific.
388
949000
3000
i wracają do Pacyfiku Zachodniego.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Nasz zespół z UCSC oznaczał też słonie morskie,
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
przyklejając im do głów znaczniki, które odpadały, gdy liniały.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Te słonie morskie pokrywają połowę oceanu,
16:16
take data down to 1,800 feet --
392
961000
2000
zbierają dane sięgające 1,8000 stóp -
16:18
amazing data.
393
963000
2000
niesamowite dane.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
A tutaj widzimy Scotta Shaffera i nasze burzyki,
16:23
wearing tuna tags, light-based tags,
395
968000
3000
noszące lekkie znaczniki tuńczyków,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
które teraz poprowadzą nas z Nowej Zelandii do Monterey i z powrotem,
16:29
journeys of 35,000 nautical miles
397
974000
3000
przemierzając 35,000 mil morskich -
16:32
we had never seen before.
398
977000
2000
nigdy przedtem nie widzieliśmy takich odległości.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Ale teraz z lekkimi znacznikami geolokacji, które są bardzo małe,
16:37
we can actually see these journeys.
400
982000
2000
możemy śledzić te podróże.
16:39
Same thing with Laysan albatross
401
984000
2000
Tak samo z albatrosem ciemnolicym,
16:41
who travel an entire ocean
402
986000
2000
który przemierza cały ocean,
16:43
on a trip sometimes,
403
988000
2000
czasami aż do tych samych stref,
16:45
up to the same zone the tunas use.
404
990000
2000
z jakich korzystają tuńczyki.
16:47
You can see why they might be caught.
405
992000
3000
Widzicie, dlaczego można je złapać.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
A oto George Schillinger i nasz zespół żółwi skórzastych z Playa Grande,
16:53
tagging leatherbacks
407
998000
2000
który oznacza żółwie skórzaste,
16:55
that go right past where we are.
408
1000000
3000
wzdłuż miejsca, w którym jesteśmy.
16:58
And Scott Benson's team
409
1003000
2000
I zespół Scotta Bensona,
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
który wykazał, że żółwie skórzaste płyną z Indonezji
17:02
all the way to Monterey.
411
1007000
2000
aż do Monterey.
17:04
So what we can see on this moving ocean
412
1009000
3000
A więc na tym ruchomym oceanie możemy
17:07
is we can finally see where the predators are.
413
1012000
3000
wreszcie zobaczyć, gdzie są drapieżniki.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Możemy zobaczyć, jak korzystają z ekoprzestrzeni
17:13
as large as an ocean.
415
1018000
2000
tak wielkiej jak ocean.
17:15
And from this information,
416
1020000
2000
Dzięki tym informacjom
17:17
we can begin to map the hope spots.
417
1022000
3000
możemy zacząć nanosić miejsca niezbędne dla oceanu.
17:20
So this is just three years of data right here --
418
1025000
2000
Tutaj widzimy dane z zaledwie trzech lat,
17:22
and there's a decade of this data.
419
1027000
2000
a w ogóle mamy dane z dziesięciu lat.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Możemy zaobserwować rytm i czynności sezonowe,
17:26
that these animals are going on.
421
1031000
3000
podejmowane przez te zwierzęta.
17:30
So what we're able to do with this information
422
1035000
2000
A więc dzięki tym informacjom
17:32
is boil it down to hot spots,
423
1037000
3000
możemy sprowadzić je do punktów zapalnych,
17:35
4,000 deployments,
424
1040000
2000
4,000 rozmieszczeń -
17:37
a huge herculean task,
425
1042000
3000
praca herkulesowa -
17:40
2,000 tags
426
1045000
2000
2,000 znaczników
17:42
in an area, shown here for the first time,
427
1047000
2000
na po raz pierwszy tu ukazanym obszarze
17:44
off the California coast,
428
1049000
2000
u wybrzeży Kalifornii,
17:46
that appears to be a gathering place.
429
1051000
3000
który wygląda na miejsce zbierania się.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
w ramach swoistego bisu zwierząt
17:53
they're helping us.
431
1058000
2000
pomagają one nam.
17:55
They're carrying instruments
432
1060000
2000
Noszą narzędzia
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
i zbierają dane z głębokości do 2,000 metrów.
18:00
They're taking information from our planet
434
1065000
2000
Zbierają informacje z naszej planety
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
w miejscach krytycznych, jak Antarktyda czy bieguny.
18:05
Those are seals from many countries
436
1070000
2000
Tutaj mamy foki z wielu krajów,
18:07
being released
437
1072000
2000
które wypuszczono,
18:09
who are sampling underneath the ice sheets
438
1074000
2000
aby zbierały dane pod pokrywą lodu
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
i informowały nas o temperaturze
18:14
on both poles.
440
1079000
2000
na obu biegunach.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Fascynujące jest oglądanie tych danych, kiedy są zwizualizowane.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Jeszcze nie odkryliśmy najlepszego sposobu wizualizacji.
18:22
And then, as these animals swim
443
1087000
2000
A kiedy te zwierzęta pływają
18:24
and give us the information
444
1089000
2000
i przekazują nam informacje,
18:26
that's important to climate issues,
445
1091000
2000
jest to ważne w kwestiach klimatu.
18:28
we also think it's critical
446
1093000
2000
Sądzimy, że niezwykle ważne
18:30
to get this information to the public,
447
1095000
2000
jest upowszechnianie tych informacji,
18:32
to engage the public with this kind of data.
448
1097000
3000
pokazanie społeczeństwu tego rodzaju danych.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Zrobiliśmy to w ramach Wielkiego Wyścigu Żółwi (the Great Turtle Race) -
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
oznaczyliśmy żółwie, osiągnęliśmy 4 miliony wyświetleń.
18:40
And now with Google's Oceans,
451
1105000
3000
A teraz dzięki Google's Oceans
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
możemy umieścić w oceanie żarłacza białego.
18:45
And when we do and it swims,
453
1110000
2000
A kiedy popłynie,
18:47
we see this magnificent bathymetry
454
1112000
2000
możemy obserwować tę niesamowitą batymetrię
18:49
that the shark knows is there on its path
455
1114000
2000
rekina, będącego na swoim szlaku,
18:51
as it goes from California to Hawaii.
456
1116000
2000
kiedy udaje się z Kalifornii na Hawaje.
18:53
But maybe Mission Blue
457
1118000
2000
A może Mission Blue
18:55
can fill in that ocean that we can't see.
458
1120000
3000
może uzupełnić tę część oceanu, którego my nie widzimy.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
My mamy możliwości. NASA ma ocean.
19:01
We just need to put it together.
460
1126000
2000
Musimy tylko połączyć siły.
19:03
So in conclusion,
461
1128000
2000
Zatem, podsumowując,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
wiemy, gdzie jest Yellowstone w Ameryce Północnej.
19:08
it's off our coast.
463
1133000
2000
Jest daleko od brzegu.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Mamy technologie, które pokazały nam, gdzie jest.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Musimy teraz zastanowić się w ramach Mission Blue,
19:15
is increasing the biologging capacity.
466
1140000
3000
jak zwiększyć zdolności biologiczne.
19:18
How is it that we can actually
467
1143000
2000
Jak to się dzieje, że możemy
19:20
take this type of activity elsewhere?
468
1145000
3000
przenieść te czynności tam, gdzie chcemy?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
Aż wreszcie, aby lepiej przekazać, o co nam chodzi,
19:26
maybe use live links
470
1151000
2000
użyjmy połączeń na żywo
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
ze zwierzętami, jak płetwal błękitny czy żarłacz biały.
19:30
Make killer apps, if you will.
472
1155000
2000
Być może stwórzmy killer apps.
19:32
A lot of people are excited
473
1157000
2000
Wielu ludzi ekscytuje się
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
rekinami, które przepływają pod Mostem Golden Gate.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Połączmy ich bezpośrednio z tym wydarzeniem przez iPnony.
19:40
That way we do away with a few internet myths.
476
1165000
3000
W ten sposób rozwiejemy kilka internetowych mitów.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Żebyśmy mogli ocalić tuńczyka błękitnopłetwego.
19:46
We can save the white shark.
478
1171000
2000
Możemy ocalić żarłacza białego.
19:48
We have the science and technology.
479
1173000
2000
Mamy naukę i technikę.
19:50
Hope is here. Yes we can.
480
1175000
2000
Tu leży nadzieja. Możemy.
19:52
We need just to apply this capacity
481
1177000
2000
Musimy tylko zastosować możliwości
19:54
further in the oceans.
482
1179000
2000
głębiej w oceanach.
19:56
Thank you.
483
1181000
2000
Dziękuję.
19:58
(Applause)
484
1183000
2000
(Brawa)
ABOUT THE SPEAKER
Barbara Block - Marine biologistBarbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.
Why you should listen
Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.
Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.
Barbara Block | Speaker | TED.com