TEDGlobal 2011
Paul Snelgrove: A census of the ocean
Paul Snelgrove: Um censo do oceano
Filmed:
Readability: 4
336,429 views
O oceanógrafo Paul Snelgrove compartilha os resultados de um projeto de dez anos com um objetivo: fazer o censo de toda a vida nos oceanos. Ele apresenta fotos espetaculares de algumas das descobertas surpreendentes do Censo da Vida Marinha.
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio
Double-click the English transcript below to play the video.
00:15
The oceans cover some 70 percent of our planet.
0
0
3000
Os oceanos cobrem cerca de 70 por cento de nosso planeta.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
E acho que Arthur C. Clarke provavelmente entendeu isso
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
quando disse que talvez devêssemos chamar nosso planeta
00:23
Planet Ocean.
3
8000
2000
Planeta Oceano.
00:25
And the oceans are hugely productive,
4
10000
2000
E os oceanos são extremamente produtivos,
00:27
as you can see by the satellite image
5
12000
2000
como podem ver, pela imagem de satélite,
00:29
of photosynthesis, the production of new life.
6
14000
2000
em fotossíntese, a produção de nova vida.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
De fato, os oceanos produzem metade da nova vida todos os dias na Terra
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
e também cerca de metade do oxigênio que respiramos.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
Além disso, ele abriga muito da biodiversidade na Terra,
00:40
and much of it we don't know about.
10
25000
2000
e muito do que não conhecemos sobre isso.
00:42
But I'll tell you some of that today.
11
27000
2000
Mas vou dizer-lhes algo sobre isso hoje.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Isso também nem mesmo chega ao total de extração de proteína
00:46
that we do from the ocean.
13
31000
2000
que tiramos do oceano.
00:48
That's about 10 percent of our global needs
14
33000
2000
Isso é cerca de 10 por cento de nossas necessidades globais
00:50
and 100 percent of some island nations.
15
35000
3000
e 100 por cento de algumas nações em ilhas.
00:53
If you were to descend
16
38000
2000
Se você descesse
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
os 95 por cento da biosfera que é habitável,
00:57
it would quickly become pitch black,
18
42000
2000
rápido ficaria completamente escuro,
00:59
interrupted only by pinpoints of light
19
44000
2000
interrompido apenas por pontos de luz
01:01
from bioluminescent organisms.
20
46000
2000
de organismos bioluminescentes.
01:03
And if you turn the lights on,
21
48000
2000
E se você liga as luzes,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
você pode periodicamente ver organismos espetaculares nadando,
01:07
because those are the denizens of the deep,
23
52000
2000
porque esses são os habitantes das profundezas,
01:09
the things that live in the deep ocean.
24
54000
2000
as coisas que vivem no oceano profundo.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
E finalmente, o leito do oceno profundo seria visto.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
Este tipo de habitat cobre mais da superfície da Terra
01:17
than all other habitats combined.
27
62000
2000
do que todos os outros habitats juntos.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
E mesmo assim, sabemos mais sobre a superfície da Lua e sobre Marte
01:21
than we do about this habitat,
29
66000
2000
do que sabemos sobre este habitat,
01:23
despite the fact that we have yet to extract
30
68000
2000
apesar do fato de que não extraímos ainda
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
um grama de alimento, uma baforada de oxigênio ou uma gota de água
01:28
from those bodies.
32
73000
2000
desses corpos.
01:30
And so 10 years ago,
33
75000
2000
Então, 10 anos atrás,
01:32
an international program began called the Census of Marine Life,
34
77000
3000
começou um programa internacional, chamado Censo da Vida Marinha,
01:35
which set out to try and improve our understanding
35
80000
2000
planejado para melhorar nossa compreensão
01:37
of life in the global oceans.
36
82000
2000
da vida nos oceanos do mundo.
01:39
It involved 17 different projects around the world.
37
84000
3000
Ele envolveu 17 projetos diferentes em todo o mundo.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
Como podem ver, estes são os registros dos diferentes projetos.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
E espero que apreciem o nível de cobertura global
01:47
that it managed to achieve.
40
92000
2000
que ele conseguiu atingir.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
Tudo começou quando dois cientistas, Fred Grassle e Jesse Ausubel,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
encontraram-se em Woods Hole, Massachusetts,
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
onde ambos eram convidados no famoso instituto oceanográfico.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
E Fred lamentava o estado da biodiversidade marinha
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
e o fato de que ela tinha problemas e nada estava sendo feito sobre isso.
02:02
Well, from that discussion grew this program
46
107000
2000
Bem, daquela discussão surgiu este programa
02:04
that involved 2,700 scientists
47
109000
2000
que envolveu 2.700 cientistas
02:06
from more than 80 countries around the world
48
111000
2000
de mais de 80 países do mundo,
02:08
who engaged in 540 ocean expeditions
49
113000
3000
que participaram de 540 expedições no oceano,
02:11
at a combined cost of 650 million dollars
50
116000
3000
a um custo total de 650 milhões de dólares,
02:14
to study the distribution, diversity and abundance
51
119000
2000
para estudar a distribuição, diversidade e abundância
02:16
of life in the global ocean.
52
121000
3000
da vida no oceano global.
02:19
And so what did we find?
53
124000
2000
E o que encontramos?
02:21
We found spectacular new species,
54
126000
2000
Encontramos novas espécies espetaculares,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
as coisas mais lindas e visualmente deslumbrantes em todos os locais que observamos --
02:26
from the shoreline to the abyss,
56
131000
2000
da margem da praia ao abismo,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
de micróbios até peixes e tudo que há entre eles.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
E o passo limitante aqui não foi a diversidade desconhecida da vida,
02:34
but rather the taxonomic specialists
59
139000
2000
mas os especialistas em taxinomia,
02:36
who can identify and catalog these species
60
141000
2000
que podem identificar e catalogar essas espécies,
02:38
that became the limiting step.
61
143000
2000
tornaram-se o passo limitante.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
Eles mesmos, na verdade, são uma espécie ameaçada.
02:43
There are actually four to five new species
63
148000
2000
Há realmente quatro ou cinco novas espécies
02:45
described everyday for the oceans.
64
150000
2000
descritas todos os dias para os oceanos.
02:47
And as I say, it could be a much larger number.
65
152000
3000
E, como eu disse, poderia ser um número bem maior.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Bem, eu venho de Newfoundland, no Canadá --
02:53
It's an island off the east coast of that continent --
67
158000
2000
é uma ilha afastada da costa leste desse continente --
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
onde passamos por um dos piores desastres de pesca
02:58
in human history.
69
163000
2000
da história da humanidade.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
Assim, esta fotografia mostra um menino pequeno perto de um bacalhau.
03:02
It's around 1900.
71
167000
2000
É por volta de 1900.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Agora, quando eu era um menino mais ou menos da idade dele,
03:06
I would go out fishing with my grandfather
73
171000
2000
eu ia pescar com meu avô
03:08
and we would catch fish about half that size.
74
173000
2000
e pegávamos peixes com mais ou menos metade do tamanho daquele.
03:10
And I thought that was the norm,
75
175000
2000
E eu pensava que isso era o padrão,
03:12
because I had never seen fish like this.
76
177000
2000
porque eu nunca tinha visto peixe como aquele.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
Se você fosse sair hoje, 20 anos depois do colapso dessa pesca,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
se pudesse pegar um peixe, o que seria mesmo um desafio,
03:20
it would be half that size still.
79
185000
2000
ele seria metade desse tamanho.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Portanto o que experimentamos é algo chamado mudança das linhas de base.
03:25
Our expectations of what the oceans can produce
81
190000
2000
Nossas expectativas do que os oceanos podem produzir
03:27
is something that we don't really appreciate
82
192000
2000
é algo que não avaliamos realmente
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
porque não vimos isso em nossas vidas.
03:32
Now most of us, and I would say me included,
84
197000
3000
A maioria de nós, e eu diria inclusive eu,
03:35
think that human exploitation of the oceans
85
200000
2000
pensa que a exploração humana dos oceanos
03:37
really only became very serious
86
202000
2000
apenas se tornou realmente muito séria
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
nos últimos 50, talvez, 100 anos mais ou menos.
03:41
The census actually tried to look back in time,
88
206000
2000
O censo realmente tentou retroceder no tempo,
03:43
using every source of information they could get their hands on.
89
208000
3000
usando toda fonte de informação que puderam ter em mãos.
03:46
And so anything from restaurant menus
90
211000
2000
Qualquer coisa de cardápios de restaurantes
03:48
to monastery records to ships' logs
91
213000
2000
a registros de mosteiros, a diários de bordo de navios
03:50
to see what the oceans looked like.
92
215000
2000
compreender como eram os oceanos.
03:52
Because science data really goes back
93
217000
2000
Porque os dados da ciência retrocedem,
03:54
to, at best, World War II, for the most part.
94
219000
2000
no máximo, à Segunda Guerra Mundial, na maior parte.
03:56
And so what they found, in fact,
95
221000
2000
E o que encontraram, na verdade,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
é que a exploração de fato começou fortemente com os romanos.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
E naquele tempo, claro, não havia refrigeração.
04:03
So fishermen could only catch
98
228000
2000
Portanto os pescadores podiam pegar somente
04:05
what they could either eat or sell that day.
99
230000
2000
o que podiam comer ou vender naquele dia.
04:07
But the Romans developed salting.
100
232000
2000
Mas os romanos desenvolveram a salga.
04:09
And with salting,
101
234000
2000
E com a salga,
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
tornou-se possível armazenar o peixe e transportá-lo em longas distâncias.
04:14
And so began industrial fishing.
103
239000
3000
E assim começou a pesca industrial.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
E estes são os tipos de extrapolações que temos
04:20
of what sort of loss we've had
105
245000
2000
de qual tipo de perda tivemos
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
relativos aos impactos pré-humanos no oceano.
04:25
They range from 65 to 98 percent
107
250000
2000
Eles variam de 65 a 98 por cento
04:27
for these major groups of organisms,
108
252000
2000
para esses grupos maiores de organismos,
04:29
as shown in the dark blue bars.
109
254000
2000
como mostrado nas barras azul escuro.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
Agora para aquelas espécies que conseguimos isolar, que protegemos --
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
por exemplo, mamíferos marinhos em anos recentes e pássaros marinhos --
04:36
there is some recovery.
112
261000
2000
há alguma recuperação.
04:38
So it's not all hopeless.
113
263000
2000
Assim nem tudo está perdido.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
Mas para a maior parte, fomos da salga à exaustão.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
Bem, esta outra linha de evidências é bastante interessante.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
É de troféus para peixes apanhados fora da costa da Flórida.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
Esta é uma fotografia dos anos 50.
04:51
I want you to notice the scale on the slide,
118
276000
2000
E quero que notem a escala no 'slide',
04:53
because when you see the same picture from the 1980s,
119
278000
2000
porque quando você vê a mesma foto dos anos 80,
04:55
we see the fish are much smaller
120
280000
2000
notamos que os peixes são bem menores
04:57
and we're also seeing a change
121
282000
2000
e também observamos uma mudança
04:59
in terms of the composition of those fish.
122
284000
2000
em termos da composição desses peixes.
05:01
By 2007, the catch was actually laughable
123
286000
2000
Em 2007, a presa era realmente risível
05:03
in terms of the size for a trophy fish.
124
288000
2000
em termos de tamanho para peixe de troféu.
05:05
But this is no laughing matter.
125
290000
2000
Mas isso não é assunto para riso.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Os oceanos perderam sua produtividade
05:09
and we're responsible for it.
127
294000
3000
e somos responsáveis por isso.
05:12
So what's left? Actually quite a lot.
128
297000
2000
E o que sobrou? Na verdade, muito.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
Há muitas coisas entusiasmantes, e vou falar um pouquinho sobre elas.
05:17
And I want to start with a bit on technology,
130
302000
2000
E quero começar com um pouco de tecnologia,
05:19
because, of course, this is a TED Conference
131
304000
2000
porque, claro, esta é uma conferência TED
05:21
and you want to hear something on technology.
132
306000
2000
e vocês querem ouvir algo sobre tecnologia.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Dessa forma, uma das ferramentas que usamos para amostras do oceano profundo
05:25
are remotely operated vehicles.
134
310000
2000
são veículos operados por controle remoto.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Assim, esses são veículos ligados por cabos que baixamos no leito do oceano
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
onde são nossos olhos e mãos para trabalhar no fundo do mar.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
Alguns anos atrás, era para eu ir em um cruzeiro oceanográfico
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
e não pude por causa de outros compromissos agendados.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Mas, através de uma ligação por satélite, pude sentar em meu estúdio em casa,
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
com meu cachorro enrolado em meus pés, uma xícara de chá na mão,
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
e dizer ao piloto:"Quero uma amostra exatamente aí."
05:47
And that's exactly what the pilot did for me.
142
332000
2000
E isso foi exatamente o que o piloto fez para mim.
05:49
That's the sort of technology that's available today
143
334000
3000
Esse é o tipo de tecnologia que está disponível hoje,
05:52
that really wasn't available even a decade ago.
144
337000
2000
realmente não disponível uma década atrás.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
Assim, ela nos permite retirar amostras desses habitats espetaculares
05:56
that are very far from the surface
146
341000
2000
que estão muito longe da superfície
05:58
and very far from light.
147
343000
2000
e muito longe da luz.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
Então uma das fermentas que podemos usar para retirar amostras dos oceanos
06:03
is acoustics, or sound waves.
149
348000
2000
é a acústica, ou ondas sonoras.
06:05
And the advantage of sound waves
150
350000
2000
E a vantagem das ondas sonoras
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
é que elas realmente passam bem através da água, diferente da luz.
06:09
And so we can send out sound waves,
152
354000
2000
Assim, podemos enviar ondas sonoras,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
elas atigem objetos como peixes e são refletidas de volta.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
E este é um exemplo, um cientista do censo utilizou dois navios.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
Um emitiria as ondas sonoras que refletiriam.
06:19
They would be received by a second ship,
156
364000
2000
Elas seriam recebidas pelo segundo navio,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
e isso nos daria estimativas muito precisas, neste caso,
06:24
of 250 billion herring
158
369000
2000
de 250 bilhões de arenque,
06:26
in a period of about a minute.
159
371000
2000
num período de aproximadamente um minuto.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
E essa é uma área aproximadamente do tamanho da Ilha de Manhattan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
E ser capaz de fazer isso é uma fantástica ferramenta de pesca,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
porque saber quantos peixes há é realmente crítico.
06:36
We can also use satellite tags
163
381000
2000
Podemos também usar etiquetas de satélite
06:38
to track animals as they move through the oceans.
164
383000
2000
para rastrear animais enquanto se movem pelos oceanos.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
E assim, para animais que vêm à superfície para respirar,
06:42
such as this elephant seal,
166
387000
2000
como esta foca elefante,
06:44
it's an opportunity to send data back to shore
167
389000
2000
é uma oportunidade de enviar dados para a praias
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
e nos dizer exatamente onde está no oceano.
06:49
And so from that we can produce these tracks.
169
394000
2000
E disso podemos elaborar essas rotas.
06:51
For example, the dark blue
170
396000
2000
Por exemplo, o azul escuro
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
mostra onde a foca elefante esteve no norte do Pacífico.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Percebo que aqueles que não notam cores, este 'slide' não é muito útil,
06:58
but stick with me nonetheless.
173
403000
2000
mas acompanhem-me de qualquer forma.
07:00
For animals that don't surface,
174
405000
2000
Para animais que não vêm à superfície,
07:02
we have something called pop-up tags,
175
407000
2000
temos algo chamado etiqueta emergente,
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
que coleta dados sobre luz e que horas o sol se levanta e se põe.
07:07
And then at some period of time
177
412000
2000
E depois de um período de tempo
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
ela emerge à superfície e, novamente, repassa aqueles dados à praia.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
Porque o GPS não funciona debaixo da água. É por isso que precisamos dessas ferramentas.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
E disto somos capazes de identificar essas rodovias azuis,
07:18
these hot spots in the ocean,
181
423000
2000
esses pontos importantes no oceano,
07:20
that should be real priority areas
182
425000
2000
que deveriam ser verdadeiras áreas de prioridade
07:22
for ocean conservation.
183
427000
2000
para a preservação do oceano.
07:24
Now one of the other things that you may think about
184
429000
2000
Uma outra coisa que vocês podem pensar
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
é que, quando você vai ao supermercado e compra coisas, elas são escaneadas.
07:29
And so there's a barcode on that product
186
434000
2000
E há um código de barras nesse produto
07:31
that tells the computer exactly what the product is.
187
436000
3000
que informa ao computador exatamente qual é o produto.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Os geneticistas desenvolveram uma ferramenta similar chamada código de barra genético.
07:37
And what barcoding does
189
442000
2000
E o que o código de barra faz
07:39
is use a specific gene called CO1
190
444000
2000
é usar um gene específico, chamado CO1,
07:41
that's consistent within a species, but varies among species.
191
446000
3000
que é consistente dentro de uma espécie, mas varia entre espécies.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
E isso significa que podemos identificar inequivocamente
07:46
which species are which
193
451000
2000
qual espécie é qual
07:48
even if they look similar to each other,
194
453000
2000
mesmo quando uma é semelhante à outra,
07:50
but may be biologically quite different.
195
455000
2000
mas podem ser biologicamente bem diferentes.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
Um dos melhores exemplos que gosto de citar sobre isso
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
é a história de duas jovens, estudantes do ensino médio em New York,
07:57
who worked with the census.
198
462000
2000
que trabalhavam com o censo.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Elas saíram e coletaram peixe de mercados e restaurantes em New York
08:02
and they barcoded it.
200
467000
2000
e os analisaram conforme o código de barras.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Bem, o que elas encontraram foi peixe rotulado erroneamente.
08:06
So for example,
202
471000
2000
Por exemplo,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
descobriram que algo vendido como atum, que é muito valioso,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
era de fato tilápia, que é um peixe muito menos valioso.
08:13
They also found an endangered species
205
478000
2000
Também encontraram espécies ameaçadas
08:15
sold as a common one.
206
480000
2000
vendidas como peixe comum.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
O código de barras nos permitiu saber com o que estamos trabalhando
08:19
and also what we're eating.
208
484000
3000
e também o que estamos comendo.
08:22
The Ocean Biogeographic Information System
209
487000
2000
O Ocean Biogeographic Information System (Sistema de Informação Biogeográfico do Oceano)
08:24
is the database for all the census data.
210
489000
2000
é o centro para todos os dados do censo.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
O acesso é livre; você pode baixar os dados que quiser.
08:29
And it contains all the data from the census
212
494000
3000
E contém todos os dados do censo
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
e mais outros conjuntos de dados que pessoas desejaram incluir como contribuição.
08:34
And so what you can do with that
214
499000
2000
E o que você pode fazer com isso
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
é traçar a distribuição de espécies e onde elas ocorrem nos oceanos.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
O que eu mapeei aqui são os dados que temos em mãos.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
Isto é onde nossos esforços de amostragem se concentraram.
08:44
Now what you can see
218
509000
2000
O que você pode ver
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
é que fizemos amostragem da área no Atlântico Norte,
08:48
in the North Sea in particular,
220
513000
2000
no Mar do Norte em especial,
08:50
and also the east coast of North America fairly well.
221
515000
2000
e também na costa leste da América do Norte.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
São as cores quentes que mostram uma região bem amostrada.
08:55
The cold colors, the blue and the black,
223
520000
2000
As cores frias, o azul e o preto,
08:57
show areas where we have almost no data.
224
522000
2000
mostram áreas de onde quase não temos dados.
08:59
So even after a 10-year census,
225
524000
2000
Assim, mesmo depois de um censo de 10 anos,
09:01
there are large areas that still remain unexplored.
226
526000
3000
há enormes áreas que ainda permanecem inexploradas.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
Há um grupo de cientistas morando no Texas, trabalhando no Golfo do México,
09:07
who decided really as a labor of love
228
532000
2000
que decidiram realmente por amor ao trabalho
09:09
to pull together all the knowledge they could
229
534000
2000
reunir todo o conhecimento que pudessem
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
sobre a biodiversidade no Golfo do México.
09:13
And so they put this together, a list of all the species,
231
538000
3000
E eles reuniram uma lista de espécies,
09:16
where they're known to occur,
232
541000
2000
onde é sabido que ocorrem,
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
e isso realmente parecia um tipo de exercício científico muito esotérico.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
Mas então, claro, houve o vazamento de óleo na Deep Horizon.
09:24
So all of a sudden, this labor of love
235
549000
2000
Dessa forma, de repente, esse trabalho dedicado,
09:26
for no obvious economic reason
236
551000
3000
feito sem razões econômicas óbvias,
09:29
has become a critical piece of information
237
554000
2000
tornou-se uma peça de informação crítica
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
em termos de como esse sistema vai se recuperar, quanto tempo levará
09:34
and how the lawsuits
239
559000
2000
e como os processos legais
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
e as discussões multibilionárias que vão acontecer nos anos vindouros
09:39
are likely to be resolved.
241
564000
3000
vão ser resolvidos.
09:42
So what did we find?
242
567000
2000
Então, o que descobrimos?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
Bem, eu poderia ficar aqui por horas, mas, claro, não me permitem fazer isso.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Mas vou contar-lhes algumas de minhas descobertas favoritas
09:48
from the census.
245
573000
2000
do censo.
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Uma das coisas que descobrimos é: onde estão os pontos altos da diversidade?
09:53
Where do we find the most species of ocean life?
247
578000
3000
Onde encontramos a maioria das espécies da vida no oceano?
09:56
And what we find if we plot up the well-known species
248
581000
2000
E o que encontramos, se mapeamos as espécies bem conhecidas,
09:58
is this sort of a distribution.
249
583000
2000
é este tipo de distribuição.
10:00
And what we see is that for coastal tags,
250
585000
2000
E o que observamos é que, para espécies da costa,
10:02
for those organisms that live near the shoreline,
251
587000
2000
para aqueles organismos que vivem perto da margem da praia,
10:04
they're most diverse in the tropics.
252
589000
2000
eles são mais diversificados nos trópicos.
10:06
This is something we've actually known for a while,
253
591000
2000
Isto é algo que realmente sabíamos há algum tempo,
10:08
so it's not a real breakthrough.
254
593000
2000
portanto, não é uma descoberta verdadeira.
10:10
What is really exciting though
255
595000
2000
Entretanto, o que é realmente entusiasmante
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
é que as espécies oceânicas, ou aquelas que vivem longe da costa,
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
são na verdade mais diversificadas em latitudes intermediárias.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
Este é o tipo de dado, novamente, que gerentes poderiam usar
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
se querem priorizar áreas do oceano que precisamos conservar.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
Você pode fazer isso numa escala global, mas também pode fazê-lo numa escala regional.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
É por isso que os dados da biodiversidade podem ser tão valiosos.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Ainda que muitas das espécies que descobrimos no censo
10:31
are things that are small and hard to see,
263
616000
2000
sejam coisas pequenas e difíceis de ver,
10:33
that certainly wasn't always the case.
264
618000
2000
isso certamente não foi sempre o caso.
10:35
For example, while it's hard to believe
265
620000
2000
Por exemplo, mesmo que seja difícil acreditar
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
que uma lagosta de três quilos pudesse enganar cientistas,
10:39
it did until a few years ago
267
624000
2000
ela o fez até alguns anos atrás,
10:41
when South African fishermen requested an export permit
268
626000
3000
quando pescadores sul-africanos solicitaram uma permissão de exportação
10:44
and scientists realized that this was something new to science.
269
629000
3000
e os cientistas perceberam que isso era algo novo para a ciência.
10:47
Similarly this Golden V kelp
270
632000
2000
Da mesma forma esta barrilha dourada
10:49
collected in Alaska just below the low water mark
271
634000
2000
coletada no Alasca, abaixo da linha da maré baixa,
10:51
is probably a new species.
272
636000
2000
é provavelmente uma nova espécie.
10:53
Even though it's three meters long,
273
638000
2000
Mesmo tendo três metros de comprimento,
10:55
it actually, again, eluded science.
274
640000
2000
ela de fato, novamente, enganou a ciência.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Este indivíduo, esta lula, tem sete metros de comprimento.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Mas para ser justo, ela vive em águas profundas, nas cordilheiras no meio do Atlântico,
11:03
so it was a lot harder to find.
277
648000
2000
então foi bastante difícil encontrar.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Mas ainda há potencial para a descoberta de coisas grandes e excitantes.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
Este camarão em especial, nós o apelidamos de camarão jurássico,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
acreditava-se que estava extinto há 50 anos --
11:13
at least it was, until the census discovered
281
658000
2000
pelo menos estava, até que o censo descobriu
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
que ele estava vivendo fora da costa da Austrália.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
E isso mostra que o oceano, por causa de sua vastidão,
11:21
can hide secrets for a very long time.
284
666000
2000
pode esconder segredos por um tempo muito longo.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Portanto, Steven Spielberg, fique verde de inveja.
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Se olhamos para as distribuições, na verdade distribuições mudam dramaticamente.
11:29
And so one of the records that we had
287
674000
3000
E um dos registros que tínhamos
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
era desses petréis cor de fuligem, que vão em migrações espetaculares
11:35
all the way from New Zealand
289
680000
2000
desde a Nova Zelândia
11:37
all the way up to Alaska and back again
290
682000
2000
até o Alasca e voltam,
11:39
in search of endless summer
291
684000
2000
em busca do verão sem fim
11:41
as they complete their life cycles.
292
686000
2000
enquanto completam seus ciclos de vida.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
Tambèm falamos do Café do Tubarão Branco.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Este é um local no Pacífico para onde tubarões brancos convergem.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Não sabemos por que eles convergem para lá, simplesmente não sabemos.
11:50
That's a question for the future.
296
695000
2000
Essa é uma questão para o futuro.
11:52
One of the things that we're taught in high school
297
697000
2000
Uma das coisas que nos ensinaram no colégio
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
e que todos os animais precisam de oxigênio para sobreviver.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Bem, esta pequena criatura, tem apenas meio milímetro de tamanho,
12:00
not terribly charismatic.
300
705000
2000
não é exatamente carismático.
12:02
But it was only discovered in the early 1980s.
301
707000
2000
Foi descoberto somente no início dos anos 80.
12:04
But the really interesting thing about it
302
709000
2000
Mas a coisa realmente interessante sobre ele
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
é que, alguns anos atrás, os cientistas do censo descobriram
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
que esse indivíduo pode desenvolver-se em sedimentos pobres em oxigênio
12:11
in the deep Mediterranean Sea.
305
716000
2000
nas profundezas do Mar Mediterrâneo.
12:13
So now they know that, in fact,
306
718000
2000
Agora eles sabem que, na verdade,
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
os animais podem viver sem oxigênio, pelo menos alguns deles,
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
e podem adaptar-se até mesmo às condições mais difíceis.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Se você tirasse toda a água do oceano,
12:23
this is what you'd be left behind with,
310
728000
2000
isto é o que restaria,
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
e essa é a biomassa de vida no leito do mar.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
O que observamos é biomassa enorme em direção aos polos
12:30
and not much biomass in between.
313
735000
3000
e não muita biomassa no meio.
12:33
We found life in the extremes.
314
738000
2000
Encontramos vida nos extremos.
12:35
And so there were new species that were found
315
740000
2000
E houve espécies que foram encontradas
12:37
that live inside ice
316
742000
2000
que vivem dentro do gelo
12:39
and help to support an ice-based food web.
317
744000
2000
e ajudam a apoiar uma rede de comida baseada no gelo.
12:41
And we also found this spectacular yeti crab
318
746000
2000
Também encontramos este caranguejo yeti
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
que vive próximo às águas ferventes de aberturas hidrotermais na Ilha de Páscoa.
12:46
And this particular species
320
751000
2000
E esta espécie em particular
12:48
really captured the public's attention.
321
753000
3000
realmente chamou a atenção do público.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
Também encontramos as aberturas mais profundas já conhecidas -- 5.000 metros --
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
as aberturas mais quentes, a 407 graus Celsius --
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
aberturas no Pacífico Sul e também no Ártico
12:59
where none had been found before.
325
764000
2000
onde nada tinha sido encontrado antes.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
Mesmo novos ambientes estão ainda dentro do domínio do que se pode descobrir.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Agora, em termos de desconhecidos, há muitos.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
E vou resumir apenas alguns deles
13:08
very quickly for you.
329
773000
2000
muito rapidamente para vocês.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
Primeiro, poderíamos perguntar, quantos peixes há no mar?
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
Realmente conhecemos os peixes melhor do que qualquer outro grupo no oceano,
13:15
other than marine mammals.
332
780000
2000
além dos mamíferos marinhos.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
E podemos, na verdade, extrapolar baseados nas taxas de descoberta
13:20
how many more species we're likely to discover.
334
785000
3000
quantas espécies mais podemos descobrir.
13:23
And from that, we actually calculate
335
788000
2000
E disso, realmente calculamos
13:25
that we know about 16,500 marine species
336
790000
3000
que conhecemos aproximadamente 16.500 espécies
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
e há provavelmente de 1.000 a 4.000 por descobrir.
13:30
So we've done pretty well.
338
795000
2000
Portanto fomos bem.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Conseguimos aproximadamente 75 por cento de peixes,
13:34
maybe as much as 90 percent.
340
799000
2000
talvez tanto quanto 90 por cento.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Mas os peixes, como eu disse, são os mais conhecidos.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
Portanto nosso nível de conhecimento é muito menor para outros grupos de organismos.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Este número é na verdade baseado em um estudo totalmente novo
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
que vai ser publicado no periódico PLoS Biology.
13:47
And what is does is predict how many more species there are
345
812000
2000
E o que ele faz é prever quantas espécies mais há
13:49
on land and in the ocean.
346
814000
2000
na terra e no oceano.
13:51
And what they found
347
816000
2000
E o que encontraram
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
é que eles supõem que conhecemos aproximadamente nove por cento das espécies no oceano.
13:56
That means 91 percent, even after the census,
349
821000
2000
Isso quer dizer que 91 por cento, mesmo depois do censo,
13:58
still remain to be discovered.
350
823000
2000
restam ainda para ser descobertos.
14:00
And so that turns out to be about two million species
351
825000
2000
E isso se transforma em aproximadamente dois milhões de espécies
14:02
once all is said and done.
352
827000
2000
quando tudo estiver feito.
14:04
So we still have quite a lot of work to do
353
829000
2000
Ainda temos muito trabalho a fazer
14:06
in terms of unknowns.
354
831000
2000
em termos de desconhecidos.
14:08
Now this bacterium
355
833000
2000
Esta bactéria
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
é parte de tapetes que são encontrados fora da costa do Chile.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
E esses tapetes, de fato, cobrem uma área do tamanho da Grécia.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
E essa bactéria em particular é visível a olho nu.
14:18
But you can imagine the biomass that represents.
359
843000
3000
Você pode imaginar a biomassa que isso representa.
14:21
But the really intriguing thing about the microbes
360
846000
2000
A coisa realmente intrigante sobre os micróbios
14:23
is just how diverse they are.
361
848000
2000
é quão diversos eles são.
14:25
A single drop of seawater
362
850000
2000
Uma única gota de água do mar
14:27
could contain 160 different types of microbes.
363
852000
2000
pode conter 160 tipos diferentes de micróbios.
14:29
And the oceans themselves
364
854000
2000
E acredita-se que os oceanos
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
potencialmente contenham um bilhão de tipos diferentes.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Isso é realmente entusiasmante. O que eles todos estão fazendo lá?
14:37
We actually don't know.
367
862000
2000
Realmente não sabemos.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
A coisa mais entusiasmante, eu diria, sobre esse censo
14:41
is the role of global science.
369
866000
2000
é o papel da ciência global.
14:43
And so as we see in this image of light during the night,
370
868000
2000
E como vemos nesta imagem de luz durante a noite,
14:45
there are lots of areas of the Earth
371
870000
2000
há muitas áreas na Terra
14:47
where human development is much greater
372
872000
3000
onde o desenvolvimento humano é muito maior
14:50
and other areas where it's much less,
373
875000
2000
e outras áreas onde é muito menor,
14:52
but between them we see large dark areas
374
877000
2000
mas entre elas vemos enormes áreas escuras
14:54
of relatively unexplored ocean.
375
879000
2000
de oceano relativamente não explorado.
14:56
The other point I'd like to make about this
376
881000
2000
Outra observação que gostaria de fazer sobre isso
14:58
is that this ocean's interconnected.
377
883000
2000
é que esse oceano interconecta-se.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Organismos marinhos não se importam com fronteiras internacionais;
15:02
they move where they will.
379
887000
2000
eles se movem para onde querem.
15:04
And so the importance then of global collaboration
380
889000
3000
Daí a importância da colaboração global
15:07
becomes all the more important.
381
892000
2000
tornar-se o mais importante.
15:09
We've lost a lot of paradise.
382
894000
2000
Perdemos muito do paraíso.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
Por exemplo, estes atuns que foram tão abundantes no Mar do Norte
15:14
are now effectively gone.
384
899000
2000
efetivamente desapareceram agora.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
Houve redes nas profundezas do Mediterrâneo
15:19
which collected more garbage than they did animals.
386
904000
2000
que coletaram mais lixo do que animais.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
E esse é o oceano profundo, o ambiente que consideramos estar
15:24
among the most pristine left on Earth.
388
909000
2000
entre os mais antigos na Terra.
15:26
And there are a lot of other pressures.
389
911000
2000
E há muitas outras pressões.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
A acidificação do oceano é realmente uma grande questão com que as pessoas estão preocupadas,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
assim como com o aquecimento do oceano, e os efeitos que vão ter nos recifes de corais.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
Numa extensão de décadas, durante nossas vidas,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
vamos ver muitos danos em recifes de corais.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
E eu poderia passar o restante do meu tempo, que está ficando muito limitado,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
nessa ladainha de preocupações sobre o oceano,
15:44
but I want to end on a more positive note.
396
929000
2000
mas quero terminar com uma nota mais positiva.
15:46
And so the grand challenge then
397
931000
2000
E assim o grande desafio
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
é tentar e ter certeza de que preservamos o que restou,
15:50
because there is still spectacular beauty.
399
935000
2000
porque ainda há beleza espetacular.
15:52
And the oceans are so productive,
400
937000
2000
E os oceanos são tão produtivos,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
há tanta coisa acontecendo ali que é de relevância para os humanos
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
que realmente precisamos, mesmo de uma perspectiva egoísta,
16:00
try to do better than we have in the past.
403
945000
2000
tentar fazer melhor do que fizemos no passado.
16:02
So we need to recognize those hot spots
404
947000
2000
Precisamos reconhecer esses locais especiais
16:04
and do our best to protect them.
405
949000
2000
e fazer o máximo para protegê-los.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Quando olhamos para fotografias como esta, elas nos tiram o fôlego,
16:08
in addition to helping to give us breath
407
953000
2000
e somam a ajuda que nos dão para respirar
16:10
by the oxygen that the oceans provide.
408
955000
2000
pelo oxigênio que o oceano fornece.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Os cientistas do censo trabalharam na chuva, trabalharam no frio,
16:15
they worked under water and they worked above water
410
960000
2000
trabalharam debaixo da água e trabalharam acima da água
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
tentando iluminar a descoberta maravilhosa,
16:19
the still vast unknown,
412
964000
2000
o ainda vasto desconhecido,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
as adaptações espetaculares que vemos na vida do oceano.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
Então seja você um pastor de iaques vivendo nas montanhas do Chile,
16:27
whether you're a stockbroker in New York City
415
972000
3000
um corretor de ações em New York
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
ou um TEDster morando em Edimburgo,
16:32
the oceans matter.
417
977000
2000
o oceano importa.
16:34
And as the oceans go so shall we.
418
979000
2000
E assim como os oceanos vão, assim nós também devemos.
16:36
Thanks for listening.
419
981000
2000
Obrigado por ouvirem.
16:38
(Applause)
420
983000
2000
(Aplausos)
ABOUT THE SPEAKER
Paul Snelgrove - Marine biologistPaul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.
Why you should listen
From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.
It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.
He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."
Paul Snelgrove | Speaker | TED.com