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 partilha os resultados de um projecto que durou 10 anos com um só objectivo: fazer o censo de toda a vida nos oceanos. Ele partilha fotos espantosas de algumas 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% do nosso planeta.
cerca de 70% do nosso planeta.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
Eu penso que Arthur C. Clarke
provavelmente tinha razão
provavelmente tinha razão
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
quando disse que
devíamos chamar ao nosso planeta
devíamos chamar ao nosso planeta
00:23
Planet Ocean.
3
8000
2000
o Planeta Oceano.
00:25
And the oceans are hugely productive,
4
10000
2000
Os oceanos são imensamente produtivos
00:27
as you can see by the satellite image
5
12000
2000
— como podem ver
pelas imagens de satélite —
pelas imagens de satélite —
00:29
of photosynthesis, the production of new life.
6
14000
2000
da 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
Os oceanos produzem metade
da nova vida na Terra, dia após dia,
da nova vida na Terra, dia após dia,
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
assim como cerca de metade
do oxigénio que respiramos.
do oxigénio que respiramos.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
Além disso, abriga uma grande
quantidade da biodiversidade na Terra,
quantidade da biodiversidade na Terra,
00:40
and much of it we don't know about.
10
25000
2000
de que só conhecemos uma parte.
00:42
But I'll tell you some of that today.
11
27000
2000
Hoje, eu vou revelar-vos uma parte.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Isto sem contar com toda a proteína
00:46
that we do from the ocean.
13
31000
2000
que extraímos dos oceanos
00:48
That's about 10 percent of our global needs
14
33000
2000
São cerca de 10% das nossas
necessidades globais
necessidades globais
00:50
and 100 percent of some island nations.
15
35000
3000
e 100% nalgumas nações insulares.
00:53
If you were to descend
16
38000
2000
Se nós formos descendo
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
nos 95% da biosfera que é habitável,
00:57
it would quickly become pitch black,
18
42000
2000
tudo se tornaria rapidamente
escuro como breu,
escuro como breu,
00:59
interrupted only by pinpoints of light
19
44000
2000
interrompido apenas por pontos luminosos
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 acendêssemos as luzes,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
poderíamos ver espectaculares
organismos a nadar,
organismos a nadar,
01:07
because those are the denizens of the deep,
23
52000
2000
porque esses são
os habitantes das profundezas,
os habitantes das profundezas,
01:09
the things that live in the deep ocean.
24
54000
2000
os seres que vivem no oceano profundo.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
E por fim, observaríamos
o chão oceânico lá no fundo.
o chão oceânico lá no fundo.
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
mais da superfície da Terra
01:17
than all other habitats combined.
27
62000
2000
que todos os outros
"habitats" combinados.
"habitats" combinados.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
Mas sabemos mais sobre
a superfície da Lua e de Marte
a superfície da Lua e de 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 facto de termos
ainda de extrair desses corpos
ainda de extrair desses corpos
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
um grama de alimento,
01:28
from those bodies.
32
73000
2000
uma inalação de oxigénio
ou uma gota de água.
01:30
And so 10 years ago,
33
75000
2000
Assim, há 10 anos,
01:32
an international program began called the Census of Marine Life,
34
77000
3000
iniciou-se um programa internacional
chamado Censo da Vida Marinha,
chamado Censo da Vida Marinha,
01:35
which set out to try and improve our understanding
35
80000
2000
com o objectivo de melhorar
a nossa compreensão
a nossa compreensão
01:37
of life in the global oceans.
36
82000
2000
da vida nos oceanos globais.
01:39
It involved 17 different projects around the world.
37
84000
3000
Isto envolveu 17 diferentes projectos
em várias partes do mundo.
em várias partes do mundo.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
Estas são as pegadas
dos diferentes projectos.
dos diferentes projectos.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
Espero que apreciem
o nível de cobertura global
o nível de cobertura global
01:47
that it managed to achieve.
40
92000
2000
que conseguiu alcançar.
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,
Fred Grassle e Jesse Ausubel,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
se encontraram em Woods Hole,
Massachusetts
Massachusetts
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
onde ambos eram convidados
do famoso instituto oceanográfico.
do famoso instituto oceanográfico.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
Fred lamentava-se
do estado da biodiversidade marinha,
do estado da biodiversidade marinha,
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
da sua deterioração e de
nada estar a ser feito para a proteger.
nada estar a ser feito para a proteger.
02:02
Well, from that discussion grew this program
46
107000
2000
Dessa discussão nasceu este programa
02:04
that involved 2,700 scientists
47
109000
2000
que envolveu 2700 cientistas
02:06
from more than 80 countries around the world
48
111000
2000
de mais de 80 países diferentes
02:08
who engaged in 540 ocean expeditions
49
113000
3000
que se ocuparam
de 540 expedições oceânicas
de 540 expedições oceânicas
02:11
at a combined cost of 650 million dollars
50
116000
3000
com um custo combinado
de 650 milhões de dólares
de 650 milhões de dólares
02:14
to study the distribution, diversity and abundance
51
119000
2000
para estudar a distribuição, diversidade
02:16
of life in the global ocean.
52
121000
3000
e abundância da vida nos oceanos.
02:19
And so what did we find?
53
124000
2000
Que descobrimos então?
02:21
We found spectacular new species,
54
126000
2000
Encontrámos espectaculares novas espécies,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
as coisas mais belas e
visualmente deslumbrantes,
visualmente deslumbrantes,
02:26
from the shoreline to the abyss,
56
131000
2000
desde a linha de costa até ao abismo,
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
desde os micróbios aos peixes
e tudo o que se encontra pelo meio.
e tudo o que se encontra pelo meio.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
A limitação aqui não foi
a diversidade de vida por descobrir,
a diversidade de vida por descobrir,
02:34
but rather the taxonomic specialists
59
139000
2000
mas foram os especialistas em taxonomia
02:36
who can identify and catalog these species
60
141000
2000
que podem identificar
e catalogar estas espécies.
e catalogar estas espécies.
02:38
that became the limiting step.
61
143000
2000
Isso tornou-se a limitação.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
Eles também são uma espécie ameaçada.
02:43
There are actually four to five new species
63
148000
2000
Existem actualmente
entre 4 e 5 novas espécies
entre 4 e 5 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
Como digo, poderiam ser
em número muito maior.
em número muito maior.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Eu venho da Terra Nova, no Canadá.
02:53
It's an island off the east coast of that continent --
67
158000
2000
É uma ilha na costa leste
desse continente,
desse continente,
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
onde vivemos um dos piores
desastres piscatórios
desastres piscatórios
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
Esta fotografia mostra
um rapaz ao pé de um bacalhau.
um rapaz ao pé de um bacalhau.
03:02
It's around 1900.
71
167000
2000
Foi tirada por volta de 1900.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Quando eu era um rapaz desta idade,
03:06
I would go out fishing with my grandfather
73
171000
2000
ia pescar com o meu avô
03:08
and we would catch fish about half that size.
74
173000
2000
e apanhávamos peixes
com metade deste tamanho.
com metade deste tamanho.
03:10
And I thought that was the norm,
75
175000
2000
Eu pensava que era o normal
03:12
because I had never seen fish like this.
76
177000
2000
porque nunca tinha visto
um peixe tão grande.
um peixe tão grande.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
Se fôssemos lá hoje, 20 anos
depois de a pesca ter acabado,
depois de a pesca ter acabado,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
se conseguíssemos apanhar um peixe,
o que seria um desafio,
o que seria um desafio,
03:20
it would be half that size still.
79
185000
2000
ele teria ainda metade do tamanho do meu.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Estamos a assistir a uma mudança
de linhas de base.
de linhas de base.
03:25
Our expectations of what the oceans can produce
81
190000
2000
A expectativa do que
os oceanos podem produzir
os oceanos podem produzir
03:27
is something that we don't really appreciate
82
192000
2000
é algo que não apreciamos realmente
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
porque não o vimos durante a nossa vida.
03:32
Now most of us, and I would say me included,
84
197000
3000
Agora, a maior parte de nós,
incluindo eu,
incluindo 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
só se tornou realmente grave
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
nos últimos 50, digamos, talvez 100 anos.
03:41
The census actually tried to look back in time,
88
206000
2000
O censo tentou recuar no tempo,
03:43
using every source of information they could get their hands on.
89
208000
3000
recorrendo a todas as fontes
de informação que conseguiu,
de informação que conseguiu,
03:46
And so anything from restaurant menus
90
211000
2000
tudo desde ementas de restaurantes
03:48
to monastery records to ships' logs
91
213000
2000
até registos de mosteiros e de navios,
03:50
to see what the oceans looked like.
92
215000
2000
para ver como foram os oceanos.
03:52
Because science data really goes back
93
217000
2000
Porque os dados científicos,
em grande parte,
em grande parte,
03:54
to, at best, World War II, for the most part.
94
219000
2000
remontam à Segunda Guerra Mundial.
03:56
And so what they found, in fact,
95
221000
2000
O que eles encontraram de facto
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
foi que a exploração intensa
começou com os romanos.
começou com os romanos.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
Nessa altura, não havia refrigeração
04:03
So fishermen could only catch
98
228000
2000
e os pescadores só podiam pescar
04:05
what they could either eat or sell that day.
99
230000
2000
o que conseguiam comer
ou vender no próprio dia.
ou vender no próprio 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
Com a salga, tornou-se possível
armazenar peixe
armazenar peixe
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
e transportá-lo por longas distâncias.
04:14
And so began industrial fishing.
103
239000
3000
Assim começou a pesca industrial.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
É este o tipo de extrapolações que temos
04:20
of what sort of loss we've had
105
245000
2000
do tipo de perdas que sofremos
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
relativamente aos oceanos
antes da intensa exploração.
antes da intensa exploração.
04:25
They range from 65 to 98 percent
107
250000
2000
Elas variam entre 65 e 98%
04:27
for these major groups of organisms,
108
252000
2000
para estes grandes grupos de organismos
04:29
as shown in the dark blue bars.
109
254000
2000
como se mostra nas barras azuis escuras.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
Para as espécies que conseguimos
deixar em paz, que protegemos,
deixar em paz, que protegemos,
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
mamíferos e aves marinhas
nos anos recentes,
nos anos recentes,
04:36
there is some recovery.
112
261000
2000
existe alguma recuperação.
04:38
So it's not all hopeless.
113
263000
2000
Portanto, existe esperança.
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.
fomos da salga à exaustão.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
Esta linha de indícios
é muito interessante.
é muito interessante.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
É de peixes troféu apanhados
ao largo da costa da Florida.
ao largo da costa da Florida.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
Esta fotografia é dos anos 50.
04:51
I want you to notice the scale on the slide,
118
276000
2000
Reparem na escala no diapositivo
04:53
because when you see the same picture from the 1980s,
119
278000
2000
porque, quando vemos
a mesma fotografia nos anos 80,
a mesma fotografia nos anos 80,
04:55
we see the fish are much smaller
120
280000
2000
vemos que os peixes
são muito mais pequenos
são muito mais pequenos
04:57
and we're also seeing a change
121
282000
2000
e também vemos uma diferença
04:59
in terms of the composition of those fish.
122
284000
2000
na composição desses peixes.
05:01
By 2007, the catch was actually laughable
123
286000
2000
Em 2007 a pescaria deu para rir
05:03
in terms of the size for a trophy fish.
124
288000
2000
com o tamanho de um peixe troféu.
05:05
But this is no laughing matter.
125
290000
2000
Mas não é assunto para rir.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Os oceanos perderam
muita da sua produtividade
muita da sua produtividade
05:09
and we're responsible for it.
127
294000
3000
e nós somos responsáveis por isso.
05:12
So what's left? Actually quite a lot.
128
297000
2000
Então, que existe ainda? Bastante.
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 excitantes,
e vou falar-vos delas.
e vou falar-vos delas.
05:17
And I want to start with a bit on technology,
130
302000
2000
Vou começar com um pouco de tecnologia
05:19
because, of course, this is a TED Conference
131
304000
2000
porque esta é uma Conferência TED
05:21
and you want to hear something on technology.
132
306000
2000
e vocês querem ouvir falar de tecnologia.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Uma ferramenta para recolher
amostras do fundo oceânico
amostras do fundo oceânico
05:25
are remotely operated vehicles.
134
310000
2000
é um veículo operado remotamente.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Estes são veículos atrelados
que baixamos até ao fundo oceânico
que baixamos até ao fundo oceânico
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
que passam a ser os nossos olhos e mãos
a trabalhar no fundo do mar.
a 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
Há uns anos, eu devia ir
num cruzeiro oceanográfico
num cruzeiro oceanográfico
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
mas não pude ir por causa
de um conflito de calendário.
de um conflito de calendário.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Através de uma ligação por satélite,
fiquei no meu escritório em casa,
fiquei no meu escritório em casa,
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
com o meu cão aos meus pés,
uma chávena de chá na mão
uma chávena de chá na mão
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
e podia dizer ao piloto:
"Quero aquela amostra ali".
05:47
And that's exactly what the pilot did for me.
142
332000
2000
Era exactamente o que o piloto fazia.
05:49
That's the sort of technology that's available today
143
334000
3000
Este é o tipo de tecnologia
que está disponível hoje
que está disponível hoje
05:52
that really wasn't available even a decade ago.
144
337000
2000
e que não estava disponível
na década passada.
na década passada.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
Permite-nos recolher
amostras de espantosos "habitats"
amostras de espantosos "habitats"
05:56
that are very far from the surface
146
341000
2000
que estão muito distantes da superfície
e muito longe da luz.
e muito longe da luz.
05:58
and very far from light.
147
343000
2000
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
Uma ferramenta que podemos
utilizar para reconhecer o oceano
utilizar para reconhecer o oceano
06:03
is acoustics, or sound waves.
149
348000
2000
é a acústica, ou ondas de som.
06:05
And the advantage of sound waves
150
350000
2000
A vantagem das ondas de som
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
é que elas passam bem pela água,
ao contrário da luz.
ao contrário 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 batem em objectos como peixes,
e são reflectidas.
e são reflectidas.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
Neste exemplo, um cientista
do censo levou dois barcos.
do censo levou dois barcos.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
Um enviava ondas sonoras
que eram reflectidas.
que eram reflectidas.
06:19
They would be received by a second ship,
156
364000
2000
e recebidas por um segundo navio
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
que nos daria uma estimativa
muito precisa,
muito precisa,
06:24
of 250 billion herring
158
369000
2000
neste caso, de 250 mil milhões de arenques
06:26
in a period of about a minute.
159
371000
2000
num período de cerca de um minuto,
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
isto numa área com cerca
do tamanho da ilha de Manhattan.
do tamanho da ilha de Manhattan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
Para poder fazer isto
é uma ferramenta tremenda,
é uma ferramenta tremenda,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
porque saber quantos peixes
há ali é realmente critico.
há ali é realmente critico.
06:36
We can also use satellite tags
163
381000
2000
Podemos usar etiquetas e satélites
06:38
to track animals as they move through the oceans.
164
383000
2000
para seguir animais enquanto
eles se movem pelos oceanos.
eles se movem pelos oceanos.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
Para animais que vêm à superfície respirar,
06:42
such as this elephant seal,
166
387000
2000
como este elefante-marinho,
06:44
it's an opportunity to send data back to shore
167
389000
2000
é uma oportunidade
para enviar dados para a costa
para enviar dados para a costa
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
e dizer-nos exactamente
onde está no oceano.
onde está no oceano.
06:49
And so from that we can produce these tracks.
169
394000
2000
A partir daí podemos produzir estes rastos.
06:51
For example, the dark blue
170
396000
2000
Por exemplo, o azul escuro
mostra onde o elefante-marinho
se moveu no norte do Pacífico.
se moveu no norte do Pacífico.
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Para os que são daltónicos,
este diapositivo não ajuda muito
este diapositivo não ajuda muito
06:58
but stick with me nonetheless.
173
403000
2000
mas mantenham-se comigo.
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 etiquetas que se soltam,
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
que recolhem dados sobre
a luz e o tempo do ciclo solar
a luz e o tempo do ciclo solar
07:07
And then at some period of time
177
412000
2000
e depois, a certo ponto,
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
soltam-se para a superfície
e enviam os dados para a costa.
e enviam os dados para a costa.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
O GPS não funciona debaixo de água.
Portanto, precisamos destas ferramentas.
Portanto, precisamos destas ferramentas.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
A partir disso, conseguimos identificar
estas auto-estradas azuis,
estas auto-estradas azuis,
07:18
these hot spots in the ocean,
181
423000
2000
estes pontos quentes no oceano
07:20
that should be real priority areas
182
425000
2000
que deveriam ser áreas prioritárias
07:22
for ocean conservation.
183
427000
2000
para a conservação dos oceanos.
07:24
Now one of the other things that you may think about
184
429000
2000
Outra coisa em que 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 vão ao supermercado
e compram coisas, elas são lidas.
e compram coisas, elas são lidas.
07:29
And so there's a barcode on that product
186
434000
2000
Existe um código de barras no produto
07:31
that tells the computer exactly what the product is.
187
436000
3000
que diz ao computador que produto é aquele.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Geneticistas criaram uma ferramenta
parecida, o código de barras genético.
parecida, o código de barras genético.
07:37
And what barcoding does
189
442000
2000
Esse código de barras
07:39
is use a specific gene called CO1
190
444000
2000
utiliza um gene específico chamado CO1
07:41
that's consistent within a species, but varies among species.
191
446000
3000
que é consistente numa espécie,
mas varia entre elas.
mas varia entre elas.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
Assim, podemos inequivocamente identificar
07:46
which species are which
193
451000
2000
quais são as espécies
07:48
even if they look similar to each other,
194
453000
2000
mesmo que pareçam semelhantes entre elas,
07:50
but may be biologically quite different.
195
455000
2000
mas biologicamente são muito diferentes.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
Um dos exemplos que mais gosto de citar
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
é a história de duas raparigas,
estudantes em Nova Iorque,
estudantes em Nova Iorque,
07:57
who worked with the census.
198
462000
2000
que trabalharam para o censo.
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Recolheram peixe dos mercados
e restaurantes de Nova Iorque
e restaurantes de Nova Iorque
08:02
and they barcoded it.
200
467000
2000
e leram os códigos de barras.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Descobriram peixe mal identificado.
08:06
So for example,
202
471000
2000
Por exemplo,
encontraram peixe vendido como atum,
que era bastante valioso,
que era bastante valioso,
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
mas que era tilápia, um peixe
muito menos valioso.
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 permite-nos
saber com que trabalhamos
saber com que trabalhamos
08:19
and also what we're eating.
208
484000
3000
e também o que comemos.
08:22
The Ocean Biogeographic Information System
209
487000
2000
O Sistema de Informação
Oceano Biogeográfico
Oceano Biogeográfico
08:24
is the database for all the census data.
210
489000
2000
é a base de dados para
todos os dados do censo.
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
É de acesso livre. Todos podem
descarregar os dados que quiserem.
descarregar os dados que quiserem.
08:29
And it contains all the data from the census
212
494000
3000
Contém todos os dados presentes no censo,
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
e dados enviados
por quem quiser contribuir.
por quem quiser contribuir.
08:34
And so what you can do with that
214
499000
2000
O que podemos fazer com esses dados
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
é assinalar a distribuição das espécies
e onde elas se encontram no oceano
e onde elas se encontram no oceano
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
O que eu assinalei aqui corresponde
aos dados disponíveis.
aos dados disponíveis.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
Isto é onde as nossas amostragens
estavam concentradas
estavam concentradas
08:44
Now what you can see
218
509000
2000
Podemos ver
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
que recolhemos amostras
no Atlântico Norte,
no Atlântico Norte,
08:48
in the North Sea in particular,
220
513000
2000
no Mar do Norte em particular,
08:50
and also the east coast of North America fairly well.
221
515000
2000
e também na Costa Leste
da América do Norte.
da América do Norte.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
As cores quentes indicam uma região
com muitas amostras.
com muitas amostras.
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 em que
quase não temos dados.
quase não temos dados.
08:59
So even after a 10-year census,
225
524000
2000
Mesmo depois de 10 anos de censo
09:01
there are large areas that still remain unexplored.
226
526000
3000
temos enormes áreas
que se mantêm inexploradas.
que se mantêm 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 no Texas,
a trabalhar no Golfo do México,
a trabalhar no Golfo do México,
09:07
who decided really as a labor of love
228
532000
2000
que decidiram, por amor à ciência,
09:09
to pull together all the knowledge they could
229
534000
2000
juntar todo o conhecimento
que conseguissem
que conseguissem
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
sobre biodiversidade no Golfo do México.
09:13
And so they put this together, a list of all the species,
231
538000
3000
Assim, juntaram numa lista de espécies
09:16
where they're known to occur,
232
541000
2000
onde sabiam que elas existiam.
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
Parece um tipo de exercício
científico difícil de compreender.
científico difícil de compreender.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
Mas depois, houve o derramamento
de petróleo da plataforma Deep Horizon.
de petróleo da plataforma Deep Horizon.
09:24
So all of a sudden, this labor of love
235
549000
2000
De repente, este trabalho realizado
09:26
for no obvious economic reason
236
551000
3000
sem motivos económicos, obviamente,
09:29
has become a critical piece of information
237
554000
2000
tornou-se numa informação fundamental
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
para saber como o sistema vai recuperar,
quanto tempo vai demorar
quanto tempo vai demorar
09:34
and how the lawsuits
239
559000
2000
e como as acções judiciais
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
e as discussões multi-milionárias
que vão ocorrer nos próximos anos
que vão ocorrer nos próximos anos
09:39
are likely to be resolved.
241
564000
3000
irão ser resolvidas.
09:42
So what did we find?
242
567000
2000
O que descobrimos então?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
Ficaria aqui durante horas, mas não posso.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Vou só contar-vos as minhas
descobertas favoritas no censos.
descobertas favoritas no censos.
09:48
from the census.
245
573000
2000
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Descobrimos onde se encontram
os focos de biodiversidade,
os focos de biodiversidade,
09:53
Where do we find the most species of ocean life?
247
578000
3000
onde encontramos
o maior número de espécies marinhas.
o maior número de espécies marinhas.
09:56
And what we find if we plot up the well-known species
248
581000
2000
O que encontramos se juntarmos
as espécies mais conhecidas
as espécies mais 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
Vemos aqui que,
para as etiquetas perto da costa,
para as etiquetas perto da costa,
10:02
for those organisms that live near the shoreline,
251
587000
2000
para os organismos
que vivem perto da costa,
que vivem perto da costa,
10:04
they're most diverse in the tropics.
252
589000
2000
existe mais diversidade nos trópicos.
10:06
This is something we've actually known for a while,
253
591000
2000
Isso já sabíamos há algum tempo,
10:08
so it's not a real breakthrough.
254
593000
2000
portanto, não é uma grande descoberta.
10:10
What is really exciting though
255
595000
2000
O que é muito excitante é que
as etiquetas oceânicas, de organismos
que vivem longe da costa,
que vivem longe da costa,
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
mostram que há maior diversidade
em latitudes intermédias.
em latitudes intermédias.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
Estes são o tipo de dados,
que poderemos utilizar
que poderemos utilizar
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
para definir prioridades nas áreas
do oceano que devem ser protegidas.
do oceano que devem ser protegidas.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
Pode ser feito numa escala global,
mas também numa escala regional.
mas também numa escala regional.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
É por isso que dados relativos
à biodiversidade são tão valiosos.
à biodiversidade são tão valiosos.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Embora muitas das espécies
que descobrimos no censo
que descobrimos no censo
10:31
are things that are small and hard to see,
263
616000
2000
sejam muito pequenas e difíceis de ver
10:33
that certainly wasn't always the case.
264
618000
2000
nem sempre foi esse o caso.
10:35
For example, while it's hard to believe
265
620000
2000
Por exemplo, é difícil acreditar
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
que uma lagosta de 3 Kg
pudesse iludir os cientistas,
pudesse iludir os cientistas,
10:39
it did until a few years ago
267
624000
2000
até há poucos anos,
10:41
when South African fishermen requested an export permit
268
626000
3000
quando um pescador da África do Sul
pediu uma licença de exportação
pediu uma licença de exportação
10:44
and scientists realized that this was something new to science.
269
629000
3000
e os cientistas perceberam
que isto era novo para a ciência.
que isto era novo para a ciência.
10:47
Similarly this Golden V kelp
270
632000
2000
Da mesma forma esta alga Laminariales
10:49
collected in Alaska just below the low water mark
271
634000
2000
recolhida no Alasca
em águas pouco profundas,
em águas pouco profundas,
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
Apesar de ter 3 metros de comprimento,
10:55
it actually, again, eluded science.
274
640000
2000
mais uma vez, iludiu a ciência.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Esta lula, da família Magnapinnidae,
tem 7 metros de comprimento.
tem 7 metros de comprimento.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Vive nas águas profundas
da crista oceânica do Atlântico,
da crista oceânica do Atlântico,
11:03
so it was a lot harder to find.
277
648000
2000
portanto, não foi nada fácil de encontrar.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Mas existe ainda potencial
para grandes descobertas.
para grandes descobertas.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
Este camarão, que apelidámos
de camarão do Jurássico,
de camarão do Jurássico,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
pensava-se estar extinto desde há 50 anos,
11:13
at least it was, until the census discovered
281
658000
2000
até que o censo o voltou a descobrir.
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
Vivia, e bem, ao largo
da costa da Austrália.
da costa da Austrália.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
Isto mostra-nos que o oceano,
devido à sua vastidão,
devido à sua vastidão,
11:21
can hide secrets for a very long time.
284
666000
2000
pode esconder segredos
durante muito tempo.
durante muito tempo.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Morre de inveja, Steven Spielberg.
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Se olharmos para as distribuições,
elas mudam drasticamente.
elas mudam drasticamente.
11:29
And so one of the records that we had
287
674000
3000
Um dos registos que temos
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
é desta pardela, que parte
em espectaculares migrações
em espectaculares migrações
11:35
all the way from New Zealand
289
680000
2000
começando na Nova Zelândia,
11:37
all the way up to Alaska and back again
290
682000
2000
voando até ao Alasca e depois
voltando à Nova Zelândia,
voltando à Nova Zelândia,
11:39
in search of endless summer
291
684000
2000
em busca de um Verão interminável
11:41
as they complete their life cycles.
292
686000
2000
enquanto completa o seu ciclo de vida.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
Falámos também do
Café dos Tubarões Brancos.
Café dos Tubarões Brancos.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Este é um local no Pacífico
onde o tubarão branco se reúne.
onde o tubarão branco se reúne.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Não sabemos ainda porque se reúnem aqui,
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 aprendi no secundário
que aprendi no secundário
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
foi que todos os animais
precisam de oxigénio para sobreviver.
precisam de oxigénio para sobreviver.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Este pequeno organismo,
só com meio mm de tamanho,
só com meio mm de tamanho,
12:00
not terribly charismatic.
300
705000
2000
não é terrivelmente carismático,
12:02
But it was only discovered in the early 1980s.
301
707000
2000
foi apenas descoberto
no início dos anos 80.
no início dos anos 80.
12:04
But the really interesting thing about it
302
709000
2000
Mas o que é muito interessante
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
é que, há uns anos,
os cientistas do censo
os cientistas do censo
descobriram que ele consegue viver
em sedimentos pobres em oxigénio
em sedimentos pobres em oxigénio
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
12:11
in the deep Mediterranean Sea.
305
716000
2000
no fundo do Mar Mediterrâneo.
12:13
So now they know that, in fact,
306
718000
2000
Agora, ficaram a saber
que alguns animais
podem viver sem oxigénio
podem viver sem oxigénio
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
e que se podem adaptar
até a condições mais extremas.
até a condições mais extremas.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Se drenássemos toda a água dos oceanos,
12:23
this is what you'd be left behind with,
310
728000
2000
isto seria o que restaria.
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
Isto é a biomassa da vida no fundo do mar.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
O que vemos aqui é uma enorme
biomassa perto dos pólos
biomassa perto dos pólos
12:30
and not much biomass in between.
313
735000
3000
e menos biomassa no meio.
12:33
We found life in the extremes.
314
738000
2000
Encontrámos vida nos extremos.
12:35
And so there were new species that were found
315
740000
2000
Encontrámos assim novas espécies
12:37
that live inside ice
316
742000
2000
que vivem dentro do gelo
e ajudam a suportar
uma cadeia alimentar baseada no gelo.
uma cadeia alimentar baseada no gelo.
12:39
and help to support an ice-based food web.
317
744000
2000
12:41
And we also found this spectacular yeti crab
318
746000
2000
Também encontrámos este caranguejo ieti
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
que vive perto de quentes fontes
hidrotermais na Ilha da Páscoa.
hidrotermais na Ilha da Páscoa.
12:46
And this particular species
320
751000
2000
Esta espécie em particular
12:48
really captured the public's attention.
321
753000
3000
captou realmente a atenção do público.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
Encontrámos também
profundas fontes hidrotermais
— 5000 metros —
— 5000 metros —
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
e as mais quentes, a 407 graus Celsius,
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
fontes no Pacífico Sul e também no Ártico
12:59
where none had been found before.
325
764000
2000
onde nunca tinham sido
encontradas nenhumas.
encontradas nenhumas.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
Estão ainda sujeitos a ser
descobertos novos ambientes
descobertos novos ambientes
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Existem ainda muitos desconhecidos.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
Vou resumir apenas alguns deles
muito rapidamente.
muito rapidamente.
13:08
very quickly for you.
329
773000
2000
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
Primeiro, podíamos perguntar:
quantos peixes existem no mar?
quantos peixes existem no mar?
Conhecemos melhor os peixes
do que qualquer outro grupo nos oceanos
do que qualquer outro grupo nos oceanos
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
13:15
other than marine mammals.
332
780000
2000
para além dos mamíferos marinhos.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
Assim podemos extrapolar,
com base em taxas de descoberta
com base em taxas de descoberta
13:20
how many more species we're likely to discover.
334
785000
3000
quantas mais espécies
existem por descobrir.
existem por descobrir.
13:23
And from that, we actually calculate
335
788000
2000
A partir daí, calculamos
13:25
that we know about 16,500 marine species
336
790000
3000
que conhecemos cerca
de 16 500 espécies marinhas
de 16 500 espécies marinhas
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
e que devem existir ainda
entre 1000 a 4000 por descobrir.
entre 1000 a 4000 por descobrir.
13:30
So we've done pretty well.
338
795000
2000
Não estamos nada mal.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Temos cerca de 75% dos peixes,
13:34
maybe as much as 90 percent.
340
799000
2000
talvez 90%.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Mas os peixes, são os que
conhecemos melhor.
conhecemos melhor.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
O nosso conhecimento é muito menor
para outros grupos de organismos.
para outros grupos de organismos.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Esta figura é baseada num artigo recente
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
que vai ser publicado
na revista PLoS Biology.
na revista PLoS Biology.
13:47
And what is does is predict how many more species there are
345
812000
2000
Contém a previsão de
quantas mais espécies existem
quantas mais espécies existem
13:49
on land and in the ocean.
346
814000
2000
em terra e no oceano.
13:51
And what they found
347
816000
2000
Descobriram que conhecemos
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
cerca de 9% das espécies nos oceanos.
13:56
That means 91 percent, even after the census,
349
821000
2000
Isto significa que, mesmo depois do censo,
13:58
still remain to be discovered.
350
823000
2000
ainda existem 91% por descobrir.
14:00
And so that turns out to be about two million species
351
825000
2000
São cerca de 2 milhões de espécies
14:02
once all is said and done.
352
827000
2000
depois de tudo estar contabilizado.
14:04
So we still have quite a lot of work to do
353
829000
2000
Ainda temos muito trabalho pela frente
14:06
in terms of unknowns.
354
831000
2000
em relação ao desconhecido.
14:08
Now this bacterium
355
833000
2000
Agora, esta bactéria
faz parte dum aglomerado
encontrado ao largo da costa do Chile,
encontrado ao largo da costa do Chile,
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
que cobre uma área do tamanho da Grécia.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
Esta bactéria particular
é visível a olho nú.
é visível a olho nú.
14:18
But you can imagine the biomass that represents.
359
843000
3000
Conseguem imaginar
a biomassa que representa?
a biomassa que representa?
14:21
But the really intriguing thing about the microbes
360
846000
2000
Mas o mais intrigante acerca dos micróbios
14:23
is just how diverse they are.
361
848000
2000
é o quão diversos eles são.
14:25
A single drop of seawater
362
850000
2000
Uma simples gota de água do mar
pode conter 160 diferentes
espécies de micróbios.
espécies de micróbios.
14:27
could contain 160 different types of microbes.
363
852000
2000
14:29
And the oceans themselves
364
854000
2000
Nos oceanos estima-se que possam existir
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
cerca de mil milhões de diferentes tipos.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Isto é muito excitante.
Qual é o papel de todos eles?
Qual é o papel de todos eles?
14:37
We actually don't know.
367
862000
2000
Efectivamente, não sabemos...
14:39
The most exciting thing, I would say, about this census
368
864000
2000
A coisa mais empolgante acerca deste censo
14:41
is the role of global science.
369
866000
2000
é o seu papel na ciência global.
Como podemos observar
nesta imagem tirada à noite,
nesta imagem tirada à noite,
14:43
And so as we see in this image of light during the night,
370
868000
2000
14:45
there are lots of areas of the Earth
371
870000
2000
existem várias áreas no planeta
14:47
where human development is much greater
372
872000
3000
onde o desenvolvimento humano
é muito maior
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
Entre elas, vemos vastas áreas escuras
14:54
of relatively unexplored ocean.
375
879000
2000
de oceano pouco exploradas.
14:56
The other point I'd like to make about this
376
881000
2000
Um outro ponto que gostaria de focar,
14:58
is that this ocean's interconnected.
377
883000
2000
é que este oceano global está interligado.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Os organismos marinhos não querem saber
de fronteiras internacionais.
de fronteiras internacionais.
15:02
they move where they will.
379
887000
2000
Movem-se livremente.
15:04
And so the importance then of global collaboration
380
889000
3000
E assim, a importância
de colaboração global
de colaboração global
15:07
becomes all the more important.
381
892000
2000
torna-se absolutamente essencial.
15:09
We've lost a lot of paradise.
382
894000
2000
Já perdemos grande parte 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 em tempos
abundavam no Mar do Norte
abundavam no Mar do Norte
15:14
are now effectively gone.
384
899000
2000
hoje em dia já não existem.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
Existem redes de arrasto que,
no fundo do Mediterrâneo,
no fundo do Mediterrâneo,
neste momento, recolhem
mais lixo que animais.
mais lixo que animais.
15:19
which collected more garbage than they did animals.
386
904000
2000
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
Isto é no mar profundo,
um dos ambientes que consideramos
um dos ambientes que consideramos
15:24
among the most pristine left on Earth.
388
909000
2000
entre os mais imaculados na Terra.
15:26
And there are a lot of other pressures.
389
911000
2000
Existem muitas outras pressões.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
A acidificação dos oceanos
e o aquecimento dos oceanos.
e o aquecimento dos oceanos.
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
sâo problemas preocupantes,
dados os efeitos desastrosos
para os recifes de coral
para os recifes de coral
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
Numa escala de décadas,
no nosso tempo de vida,
no nosso tempo de vida,
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
vamos ver enormes danos
nos recifes de coral.
nos recifes de coral.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
Eu podia passar o resto do tempo,
que já está muito limitado,
que já está muito limitado,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
a enumerar preocupações
relativas aos oceanos,
relativas aos oceanos,
15:44
but I want to end on a more positive note.
396
929000
2000
mas quero acabar
com uma nota mais positiva.
com uma nota mais positiva.
15:46
And so the grand challenge then
397
931000
2000
O nosso grande desafio
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
é tentar tornar possível
a preservação do que resta,
a preservação do que resta,
15:50
because there is still spectacular beauty.
399
935000
2000
porque ainda existe uma fantástica beleza.
15:52
And the oceans are so productive,
400
937000
2000
Os oceanos são tão produtivos,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
existe tanto nos oceanos
que é relevante para a Humanidade,
que é relevante para a Humanidade,
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
que, mesmo numa perspectiva egoísta,
precisamos de tentar fazer
melhor do que no passado.
melhor do que no passado.
16:00
try to do better than we have in the past.
403
945000
2000
16:02
So we need to recognize those hot spots
404
947000
2000
Precisamos de reconhecer
estes pontos quentes
estes pontos quentes
16:04
and do our best to protect them.
405
949000
2000
e dar o nosso melhor para os proteger.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Ao olhar para imagens como esta,
ficamos sem fôlego,
ficamos sem fôlego,
16:08
in addition to helping to give us breath
407
953000
2000
para além de nos darem fôlego,
16:10
by the oxygen that the oceans provide.
408
955000
2000
através do oxigénio
que os oceanos fornecem.
que os oceanos fornecem.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Os cientistas do censo
trabalharam à chuva, ao frio,
trabalharam à chuva, ao frio,
16:15
they worked under water and they worked above water
410
960000
2000
trabalharam debaixo de água e acima dela,
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
tentando iluminar a maravilhosa descoberta,
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 espectaculares adaptações
que vemos na vida marinha.
que vemos na vida marinha.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
Quer seja um pastor de iaques
a viver nas montanhas do Chile,
a viver nas montanhas do Chile,
16:27
whether you're a stockbroker in New York City
415
972000
3000
ou um corretor na bolsa de Nova Iorque,
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
ou talvez um TEDster a viver em Edimburgo,
16:32
the oceans matter.
417
977000
2000
os oceanos são importantes.
16:34
And as the oceans go so shall we.
418
979000
2000
Enquanto os oceanos continuarem,
nós também.
nós também.
16:36
Thanks for listening.
419
981000
2000
Obrigado por escutarem.
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