TEDGlobal 2011
Paul Snelgrove: A census of the ocean
Пол Снелгров: Перепись океана
Filmed:
Readability: 4
336,429 views
Океанограф Пол Снелгров рассказывает о результатах десятилетнего проекта, целью которого была перепись живых существ в океане, и демонстрирует удивительные фотографии неожиданных находок, сделанных в рамках проекта «Перепись морской флоры и фауны».
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
Океан покрывает около 70 процентов нашей планеты.
00:18
And I think Arthur C. Clarke probably had it right
1
3000
2000
И, я думаю, Артур Кларк, наверное, был прав,
00:20
when he said that perhaps we ought to call our planet
2
5000
3000
когда предложил называть её
00:23
Planet Ocean.
3
8000
2000
«Планета Океан».
00:25
And the oceans are hugely productive,
4
10000
2000
Океан чрезвычайно плодовит,
00:27
as you can see by the satellite image
5
12000
2000
что хорошо заметно на спутниковых снимках фотосинтеза,
00:29
of photosynthesis, the production of new life.
6
14000
2000
отображающего формирование новой жизни.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
16000
3000
По сути, в океане ежедневно зарождается половина всех живых существ на Земле
00:34
as well as about half the oxygen that we breathe.
8
19000
3000
и производится примерно половина всего объёма кислорода.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
22000
3000
К тому же, океан — это дом для разнообразных биологических видов,
00:40
and much of it we don't know about.
10
25000
2000
о многих из которых мы ничего не знаем.
00:42
But I'll tell you some of that today.
11
27000
2000
Но об этом чуть позже.
00:44
That also doesn't even get into the whole protein extraction
12
29000
2000
Океан производит намного больше белка,
00:46
that we do from the ocean.
13
31000
2000
чем мы из него извлекаем.
00:48
That's about 10 percent of our global needs
14
33000
2000
А это примерно 10% мировых потребностей
00:50
and 100 percent of some island nations.
15
35000
3000
и 100% для некоторых островных государств.
00:53
If you were to descend
16
38000
2000
Если бы вам пришлось погрузиться
00:55
into the 95 percent of the biosphere that's livable,
17
40000
2000
в эти 95% обитаемой части биосферы,
00:57
it would quickly become pitch black,
18
42000
2000
вы бы оказались в кромешной тьме,
00:59
interrupted only by pinpoints of light
19
44000
2000
изредка озаряемой искрами света
01:01
from bioluminescent organisms.
20
46000
2000
от биолюминесцентных организмов.
01:03
And if you turn the lights on,
21
48000
2000
А если бы вы зажгли свет,
01:05
you might periodically see spectacular organisms swim by,
22
50000
2000
то увидели бы невообразимых существ, иногда проплывающих мимо,
01:07
because those are the denizens of the deep,
23
52000
2000
этих обитателей подводных глубин,
01:09
the things that live in the deep ocean.
24
54000
2000
живущих в толще океана.
01:11
And eventually, the deep sea floor would come into view.
25
56000
3000
И, в конце концов, вы бы попали на дно океана.
01:14
This type of habitat covers more of the Earth's surface
26
59000
3000
Этот ареал покрывает бо́льшую часть поверхности Земли,
01:17
than all other habitats combined.
27
62000
2000
чем все другие вместе взятые.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
64000
2000
И всё же, мы знаем больше о Луне и Марсе,
01:21
than we do about this habitat,
29
66000
2000
чем об этой среде обитания,
01:23
despite the fact that we have yet to extract
30
68000
2000
хотя нам только ещё предстоит
01:25
a gram of food, a breath of oxygen or a drop of water
31
70000
3000
научиться извлекать пищу, кислород и воду
01:28
from those bodies.
32
73000
2000
из этих космических тел.
01:30
And so 10 years ago,
33
75000
2000
Так, 10 лет назад была запущена международная программа
01:32
an international program began called the Census of Marine Life,
34
77000
3000
«Перепись морской флоры и фауны»,
01:35
which set out to try and improve our understanding
35
80000
2000
цель которой — расширить наше понимание
01:37
of life in the global oceans.
36
82000
2000
жизненных циклов в Мировом Океане.
01:39
It involved 17 different projects around the world.
37
84000
3000
Программа включает 17 проектов по всему миру.
01:42
As you can see, these are the footprints of the different projects.
38
87000
2000
На карте показаны зоны охвата этих проектов.
01:44
And I hope you'll appreciate the level of global coverage
39
89000
3000
Я очень надеюсь, что вы оцениваете глобальные масштабы,
01:47
that it managed to achieve.
40
92000
2000
которых достигла программа.
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
94000
2000
Всё началось с того, что двое учёных, Фред Грассл и Джесси Аусубел,
01:51
met in Woods Hole, Massachusetts
42
96000
3000
встретились в Вудсхоле, штат Массачусетс,
01:54
where both were guests at the famed oceanographic institute.
43
99000
2000
где оба были гостями в прославленном океанографическом институте.
01:56
And Fred was lamenting the state of marine biodiversity
44
101000
3000
Фред сокрушался о плачевном состоянии биоразнообразия морской среды и о том,
01:59
and the fact that it was in trouble and nothing was being done about it.
45
104000
3000
что ничего не предпринимается, чтобы это исправить.
02:02
Well, from that discussion grew this program
46
107000
2000
Так, это обсуждение легло в основу программы,
02:04
that involved 2,700 scientists
47
109000
2000
в которую вовлечены 2 700 учёных
02:06
from more than 80 countries around the world
48
111000
2000
из более чем 80 стран по всему миру.
02:08
who engaged in 540 ocean expeditions
49
113000
3000
Они задействованы в 540 морских экспедициях
02:11
at a combined cost of 650 million dollars
50
116000
3000
общим бюджетом в 650 миллионов долларов
02:14
to study the distribution, diversity and abundance
51
119000
2000
и изучают распределение, разнообразие и численность
02:16
of life in the global ocean.
52
121000
3000
биологических форм в океане.
02:19
And so what did we find?
53
124000
2000
Что же мы нашли?
02:21
We found spectacular new species,
54
126000
2000
Всюду нам попадались диковинные существа,
02:23
the most beautiful and visually stunning things everywhere we looked --
55
128000
3000
чудесные и поразительные:
02:26
from the shoreline to the abyss,
56
131000
2000
и у береговой линии, и в самой пучине
02:28
form microbes all the way up to fish and everything in between.
57
133000
3000
мы находили микробов, рыб и множество других организмов.
02:31
And the limiting step here wasn't the unknown diversity of life,
58
136000
3000
Ограничивающим фактором здесь стало не многообразие форм жизни,
02:34
but rather the taxonomic specialists
59
139000
2000
а, скорее, недостаток таксономистов,
02:36
who can identify and catalog these species
60
141000
2000
которые бы смогли идентифицировать
02:38
that became the limiting step.
61
143000
2000
и зарегистрировать все эти новые виды.
02:40
They, in fact, are an endangered species themselves.
62
145000
3000
Они сами, можно сказать — вымирающий вид.
02:43
There are actually four to five new species
63
148000
2000
На данный момент, ежедневно регистрируется
02:45
described everyday for the oceans.
64
150000
2000
4-5 новых видов организмов.
02:47
And as I say, it could be a much larger number.
65
152000
3000
Но, как я сказал, это число могло быть и больше.
02:50
Now, I come from Newfoundland in Canada --
66
155000
3000
Моя родина — Ньюфаундленд в Канаде.
02:53
It's an island off the east coast of that continent --
67
158000
2000
Это остров у восточных берегов Северной Америки,
02:55
where we experienced one of the worst fishing disasters
68
160000
3000
где наблюдалась сильнейшая в истории человечества
02:58
in human history.
69
163000
2000
деградация рыбных запасов.
03:00
And so this photograph shows a small boy next to a codfish.
70
165000
2000
На этой фотографии мы видим мальчика рядом с треской.
03:02
It's around 1900.
71
167000
2000
Это где-то 1900 г.
03:04
Now, when I was a boy of about his age,
72
169000
2000
Когда я был таким мальчиком,
03:06
I would go out fishing with my grandfather
73
171000
2000
мы с дедом ходили на рыбалку,
03:08
and we would catch fish about half that size.
74
173000
2000
но вылавливали рыбу вдвое меньше этой.
03:10
And I thought that was the norm,
75
175000
2000
Для меня это было в порядке вещей,
03:12
because I had never seen fish like this.
76
177000
2000
потому что рыбу другого размера я просто не видел.
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
179000
3000
А если вы соберётесь на рыбалку сегодня, через 20 лет после того кризиса,
03:17
if you could catch a fish, which would be a bit of a challenge,
78
182000
3000
и сможете поймать рыбу, что весьма непросто,
03:20
it would be half that size still.
79
185000
2000
то она будет ещё в два раза меньше.
03:22
So what we're experiencing is something called shifting baselines.
80
187000
3000
Это явление можно назвать «смещение стандартов».
03:25
Our expectations of what the oceans can produce
81
190000
2000
Мы не можем по-настоящему оценить то,
03:27
is something that we don't really appreciate
82
192000
2000
что может нам дать океан,
03:29
because we haven't seen it in our lifetimes.
83
194000
3000
потому что мы никогда этого не видели.
03:32
Now most of us, and I would say me included,
84
197000
3000
Большинство из нас, и я в том числе,
03:35
think that human exploitation of the oceans
85
200000
2000
думают, что активное использование
03:37
really only became very serious
86
202000
2000
океана человеком
03:39
in the last 50 to, perhaps, 100 years or so.
87
204000
2000
началось в последние 50, максимум 100 лет.
03:41
The census actually tried to look back in time,
88
206000
2000
В рамках проекта учёные попытались заглянуть в прошлое,
03:43
using every source of information they could get their hands on.
89
208000
3000
используя все возможные источники информации.
03:46
And so anything from restaurant menus
90
211000
2000
Ресторанные меню, монастырские заметки,
03:48
to monastery records to ships' logs
91
213000
2000
судовые журналы – всё использовалось,
03:50
to see what the oceans looked like.
92
215000
2000
чтобы составить достоверную картину,
03:52
Because science data really goes back
93
217000
2000
потому что научные данные, в лучшем случае,
03:54
to, at best, World War II, for the most part.
94
219000
2000
относятся к периоду Второй Мировой.
03:56
And so what they found, in fact,
95
221000
2000
Было обнаружено,
03:58
is that exploitation really began heavily with the Romans.
96
223000
2000
что начало активному использованию океана положили римляне.
04:00
And so at that time, of course, there was no refrigeration.
97
225000
3000
В те времена, конечно, не было холодильников.
04:03
So fishermen could only catch
98
228000
2000
И рыбаки вылавливали ровно столько,
04:05
what they could either eat or sell that day.
99
230000
2000
сколько могли съесть сами или продать.
04:07
But the Romans developed salting.
100
232000
2000
Но римляне придумали засаливание,
04:09
And with salting,
101
234000
2000
что сделало возможным
04:11
it became possible to store fish and to transport it long distances.
102
236000
3000
хранение и транспортировку рыбы на большие расстояния.
04:14
And so began industrial fishing.
103
239000
3000
Так началось промышленное рыболовство.
04:17
And so these are the sorts of extrapolations that we have
104
242000
3000
На этой таблице приблизительно видно,
04:20
of what sort of loss we've had
105
245000
2000
каковы наши потери в сравнении с периодом,
04:22
relative to pre-human impacts on the ocean.
106
247000
3000
когда океан не подвергался влиянию человека.
04:25
They range from 65 to 98 percent
107
250000
2000
Они варьируются в пределах 65-98%
04:27
for these major groups of organisms,
108
252000
2000
для основных групп организмов,
04:29
as shown in the dark blue bars.
109
254000
2000
как показано на тёмно-синих сегментах.
04:31
Now for those species the we managed to leave alone, that we protect --
110
256000
3000
Для тех же видов, которых мы смогли оставить в покое и которых мы охраняем,
04:34
for example, marine mammals in recent years and sea birds --
111
259000
2000
— например, морские млекопитающие, морские птицы —
04:36
there is some recovery.
112
261000
2000
наблюдается процесс восстановления.
04:38
So it's not all hopeless.
113
263000
2000
Всё не так безнадёжно.
04:40
But for the most part, we've gone from salting to exhausting.
114
265000
3000
Но, в целом, засаливание привело к исчерпанию запасов.
04:43
Now this other line of evidence is a really interesting one.
115
268000
2000
А здесь другой любопытный пример.
04:45
It's from trophy fish caught off the coast of Florida.
116
270000
3000
Это лучшие образцы улова у берегов Флориды.
04:48
And so this is a photograph from the 1950s.
117
273000
3000
Фотография была сделана в 50-х годах.
04:51
I want you to notice the scale on the slide,
118
276000
2000
Обратите внимание на шкалу на слайде,
04:53
because when you see the same picture from the 1980s,
119
278000
2000
потому что на такой же фотографии, но из 80-х годов,
04:55
we see the fish are much smaller
120
280000
2000
рыба значительно меньше,
04:57
and we're also seeing a change
121
282000
2000
и композиция кадра
04:59
in terms of the composition of those fish.
122
284000
2000
составлена по-другому.
05:01
By 2007, the catch was actually laughable
123
286000
2000
А если посмотреть на лучшие образцы 2007 года,
05:03
in terms of the size for a trophy fish.
124
288000
2000
то улов представляется просто смехотворным.
05:05
But this is no laughing matter.
125
290000
2000
Но это далеко не смешно.
05:07
The oceans have lost a lot of their productivity
126
292000
2000
Плодовитость океана сильно снизилась,
05:09
and we're responsible for it.
127
294000
3000
и ответственность за это лежит на нас.
05:12
So what's left? Actually quite a lot.
128
297000
2000
Так что же осталось? На самом деле, немало.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
299000
3000
Существует множество занимательнейших вещей, и я расскажу вам о них немного.
05:17
And I want to start with a bit on technology,
130
302000
2000
Сначала хотелось бы затронуть техническую часть,
05:19
because, of course, this is a TED Conference
131
304000
2000
потому что это конференция TED,
05:21
and you want to hear something on technology.
132
306000
2000
и все здесь хотят услышать что-нибудь о технике.
05:23
So one of the tools that we use to sample the deep ocean
133
308000
2000
Одним из устройств, которые мы используем для получения образцов из глубин океана
05:25
are remotely operated vehicles.
134
310000
2000
являются дистанционно управляемые аппараты.
05:27
So these are tethered vehicles we lower down to the sea floor
135
312000
3000
Эти привязные аппараты мы опускаем на дно,
05:30
where they're our eyes and our hands for working on the sea bottom.
136
315000
3000
где они становятся нашими глазами и руками.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
318000
3000
Пару лет назад я должен был отправиться в океанографический круиз,
05:36
and I couldn't go because of a scheduling conflict.
138
321000
3000
но не смог поехать из-за нестыковок в рабочем графике.
05:39
But through a satellite link I was able to sit at my study at home
139
324000
3000
Но, благодаря спутниковому наведению, я смог контролировать процесс,
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
327000
3000
сидя дома с чашкой чая в руках и с собакой, лежащей у моих ног.
05:45
and I could tell the pilot, "I want a sample right there."
141
330000
2000
Мне надо было только сказать оператору: «Мне нужны образцы из этого сектора».
05:47
And that's exactly what the pilot did for me.
142
332000
2000
И это было с точностью сделано.
05:49
That's the sort of technology that's available today
143
334000
3000
Вот что возможно с современными технологиями,
05:52
that really wasn't available even a decade ago.
144
337000
2000
окоторых ещё 10 лет назад было ничего неизвестно.
05:54
So it allows us to sample these amazing habitats
145
339000
2000
Так, мы смогли получить образцы из удивительной зоны обитания,
05:56
that are very far from the surface
146
341000
2000
очень удалённой от поверхности океана
05:58
and very far from light.
147
343000
2000
и солнечного света.
06:00
And so one of the tools that we can use to sample the oceans
148
345000
3000
В добывании образцов нам очень помогает
06:03
is acoustics, or sound waves.
149
348000
2000
акустика, или звуковые волны.
06:05
And the advantage of sound waves
150
350000
2000
Преимущество звуковых волн перед светом в том,
06:07
is that they actually pass well through water, unlike light.
151
352000
2000
что они беспрепятственно проходят через воду.
06:09
And so we can send out sound waves,
152
354000
2000
Мы можем отправить сигнал,
06:11
they bounce off objects like fish and are reflected back.
153
356000
3000
который, отразившись от объекта, рыбы например, вернётся назад.
06:14
And so in this example, a census scientist took out two ships.
154
359000
3000
В этом примере учёные используют 2 корабля.
06:17
One would send out sound waves that would bounce back.
155
362000
2000
С одного корабля посылается импульс, который, отразившись,
06:19
They would be received by a second ship,
156
364000
2000
улавливается вторым кораблём,
06:21
and that would give us very precise estimates, in this case,
157
366000
3000
что позволяет получить очень точные сведения, в данном случае
06:24
of 250 billion herring
158
369000
2000
о 250 миллиардах особей сельди,
06:26
in a period of about a minute.
159
371000
2000
всего за минуту.
06:28
And that's an area about the size of Manhattan Island.
160
373000
3000
Это сопоставимо с размерами острова Манхэттен.
06:31
And to be able to do that is a tremendous fisheries tool,
161
376000
2000
В рыбном промысле это просто незаменимо,
06:33
because knowing how many fish are there is really critical.
162
378000
3000
потому что крайне важно знать точное количество рыбы.
06:36
We can also use satellite tags
163
381000
2000
В нашем распоряжении есть и спутниковые датчики,
06:38
to track animals as they move through the oceans.
164
383000
2000
которые помогают отслеживать миграцию животных в океане.
06:40
And so for animals that come to the surface to breathe,
165
385000
2000
Так, от животных, которые поднимаются к поверхности, чтобы набрать воздух,
06:42
such as this elephant seal,
166
387000
2000
— таких, как этот морской слон —
06:44
it's an opportunity to send data back to shore
167
389000
2000
поступает сигнал на берег,
06:46
and tell us where exactly it is in the ocean.
168
391000
3000
по которому мы можем определить местоположение особей.
06:49
And so from that we can produce these tracks.
169
394000
2000
По этим данным мы составляем маршруты миграции.
06:51
For example, the dark blue
170
396000
2000
Например, тёмно-синяя область—
06:53
shows you where the elephant seal moved in the north Pacific.
171
398000
2000
перемещения морского слона в северной части Тихого океана.
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
400000
3000
Я понимаю, что для тех, кто не различает цвета, здесь трудно разобраться,
06:58
but stick with me nonetheless.
173
403000
2000
но вы можете смело мне доверять.
07:00
For animals that don't surface,
174
405000
2000
Для животных, которые не поднимаются к поверхности,
07:02
we have something called pop-up tags,
175
407000
2000
мы используем так называемые «всплывающие датчики»,
07:04
which collect data about light and what time the sun rises and sets.
176
409000
3000
которые собирают данные о количестве света и времени восхода и заката солнца.
07:07
And then at some period of time
177
412000
2000
Периодически эти датчики всплывают
07:09
it pops up to the surface and, again, relays that data back to shore.
178
414000
3000
и транслируют данные на берег.
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
417000
3000
Устройства GPSне работают под водой, поэтому-то нам и нужны эти датчики.
07:15
And so from this we're able to identify these blue highways,
180
420000
3000
Так мы определяем синие области —
07:18
these hot spots in the ocean,
181
423000
2000
наиболее уязвимые зоны океана,
07:20
that should be real priority areas
182
425000
2000
которые в первую очередь
07:22
for ocean conservation.
183
427000
2000
нуждаются в охране и защите.
07:24
Now one of the other things that you may think about
184
429000
2000
А теперь другой интересный момент.
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
431000
3000
Когда вы идёте в супермаркет и делаете покупки, все товары сканируются.
07:29
And so there's a barcode on that product
186
434000
2000
И на каждом товаре имеется свой штрих-код,
07:31
that tells the computer exactly what the product is.
187
436000
3000
с которого компьютер считывает необходимую информацию.
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
439000
3000
Генетики разработали аналогичную технологию — генетическое штриховое кодирование.
07:37
And what barcoding does
189
442000
2000
В основе этого кодирования
07:39
is use a specific gene called CO1
190
444000
2000
лежит использование особого гена CO1,
07:41
that's consistent within a species, but varies among species.
191
446000
3000
который постоянен в пределах одного вида, но изменяется от одного вида к другому.
07:44
And so what that means is we can unambiguously identify
192
449000
2000
Благодаря этому гену, мы можем очень чётко
07:46
which species are which
193
451000
2000
провести грань между различными видами;
07:48
even if they look similar to each other,
194
453000
2000
даже при наличии внешнего сходства,
07:50
but may be biologically quite different.
195
455000
2000
с биологической точки зрения они могут сильно отличаться.
07:52
Now one of the nicest examples I like to cite on this
196
457000
2000
И ещё одна интересная история
07:54
is the story of two young women, high school students in New York City,
197
459000
3000
о двух старшеклассницах из Нью-Йорка,
07:57
who worked with the census.
198
462000
2000
которые также участвовали в проекте «Перепись».
07:59
They went out and collected fish from markets and from restaurants in New York City
199
464000
3000
Они взяли образцы рыбы в различных магазинах и ресторанах Нью-Йорка
08:02
and they barcoded it.
200
467000
2000
и сделали штриховое кодирование.
08:04
Well what they found was mislabeled fish.
201
469000
2000
Они обнаружили, что некоторая рыба была промаркирована ошибочно.
08:06
So for example,
202
471000
2000
Например, рыба, которая продавалась
08:08
they found something which was sold as tuna, which is very valuable,
203
473000
2000
под видом тунца, очень ценного вида,
08:10
was in fact tilapia, which is a much less valuable fish.
204
475000
3000
на самом деле была тилапией, рыбой намного менее ценной.
08:13
They also found an endangered species
205
478000
2000
Они также выяснили, что рыба исчезающих видов
08:15
sold as a common one.
206
480000
2000
продавалась как рядовая.
08:17
So barcoding allows us to know what we're working with
207
482000
2000
Штриховое кодирование позволяет распознать,
08:19
and also what we're eating.
208
484000
3000
с чем мы работаем, а также что мы едим.
08:22
The Ocean Biogeographic Information System
209
487000
2000
Биогеографическая информационная система океана
08:24
is the database for all the census data.
210
489000
2000
— это база данных всех данных переписи.
08:26
It's open access; you can all go in and download data as you wish.
211
491000
3000
Доступ к ней открытый — можно свободно зайти и скачать любые данные.
08:29
And it contains all the data from the census
212
494000
3000
В базе содержатся все данные переписи,
08:32
plus other data sets that people were willing to contribute.
213
497000
2000
и ещё ряд сведений, которыми поделились некоторые люди.
08:34
And so what you can do with that
214
499000
2000
По этим данным вы можете создать
08:36
is to plot the distribution of species and where they occur in the oceans.
215
501000
3000
схему распределения и миграции видов.
08:39
What I've plotted up here is the data that we have on hand.
216
504000
2000
Я составил схему данных, которыми мы располагаем сейчас.
08:41
This is where our sampling effort has concentrated.
217
506000
3000
Здесь показано, где были сосредоточены усилия по сбору образцов.
08:44
Now what you can see
218
509000
2000
На карте видно,что мы провели
08:46
is we've sampled the area in the North Atlantic,
219
511000
2000
сбор образцов в североатлантическом регионе,
08:48
in the North Sea in particular,
220
513000
2000
точнее в Северном море,
08:50
and also the east coast of North America fairly well.
221
515000
2000
и у восточных берегов Северной Америки очень тщательно.
08:52
That's the warm colors which show a well-sampled region.
222
517000
3000
На карте эти хорошо обследованные регионы показаны тёплыми цветами.
08:55
The cold colors, the blue and the black,
223
520000
2000
Холодными цветами, синим и чёрным, окрашены пространства,
08:57
show areas where we have almost no data.
224
522000
2000
о которых мы почти ничего не знаем.
08:59
So even after a 10-year census,
225
524000
2000
Даже после 10-ти летней переписи,
09:01
there are large areas that still remain unexplored.
226
526000
3000
огромные участки всё ещё остаются неисследованными.
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
529000
3000
В Техасе есть группа учёных, работающих в Мексиканском заливе.
09:07
who decided really as a labor of love
228
532000
2000
Они решили на добровольных началах
09:09
to pull together all the knowledge they could
229
534000
2000
собрать в единую систему всю информацию
09:11
about biodiversity in the Gulf of Mexico.
230
536000
2000
о разнообразии видов в Мексиканском заливе.
09:13
And so they put this together, a list of all the species,
231
538000
3000
Они составили полный список видов,
09:16
where they're known to occur,
232
541000
2000
мест их привычного обитания —
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
543000
3000
трудоёмкое предприятие, непостижимое для непосвящённых.
09:21
But then, of course, there was the Deep Horizon oil spill.
234
546000
3000
А потом случилась авария на нефтяной платформе DeepwaterHorizon.
09:24
So all of a sudden, this labor of love
235
549000
2000
В один момент добровольное исследование,
09:26
for no obvious economic reason
236
551000
3000
без каких либо коммерческих притязаний,
09:29
has become a critical piece of information
237
554000
2000
превратилось в незаменимый источник информации
09:31
in terms of how that system is going to recover, how long it will take
238
556000
3000
в таких вопросах, как — каким образом восстановится биосистема, сколько это займёт времени,
09:34
and how the lawsuits
239
559000
2000
и каким образом будут решены
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
561000
3000
многочисленные судебные тяжбы и многомиллионные прения,
09:39
are likely to be resolved.
241
564000
3000
которые начнутся в последующие годы.
09:42
So what did we find?
242
567000
2000
Так что же мы нашли?
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
569000
2000
Я бы мог рассказывать об этом часами, если бы мне позволили.
09:46
But I will tell you some of my favorite discoveries
244
571000
2000
Но я, всё-таки, расскажу вам о моих любимых находках,
09:48
from the census.
245
573000
2000
сделанных в рамках «Переписи».
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
575000
3000
Так, мы определили, где находятся очаги наибольшего разнообразия,
09:53
Where do we find the most species of ocean life?
247
578000
3000
где обитает наибольшее количество видов.
09:56
And what we find if we plot up the well-known species
248
581000
2000
Если мы перенесём на схему все хорошо изученные виды,
09:58
is this sort of a distribution.
249
583000
2000
то получится примерно такая картина.
10:00
And what we see is that for coastal tags,
250
585000
2000
На карте можно увидеть, что для прибрежных зон
10:02
for those organisms that live near the shoreline,
251
587000
2000
наибольшее разнообразие организмов в пределах береговой линии
10:04
they're most diverse in the tropics.
252
589000
2000
наблюдается в тропиках.
10:06
This is something we've actually known for a while,
253
591000
2000
Впрочем, это известно достаточно давно,
10:08
so it's not a real breakthrough.
254
593000
2000
и не является большим открытием.
10:10
What is really exciting though
255
595000
2000
Что действительно удивительно,так это то,
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
597000
2000
что в открытом океане больше всего видов
10:14
are actually more diverse at intermediate latitudes.
257
599000
2000
обитает в средних широтах.
10:16
This is the sort of data, again, that managers could use
258
601000
3000
Эти данные могут быть использованы специалистами
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
604000
3000
для определения участков океана, в первую очередь нуждающихся в защите.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
607000
3000
Использование возможно как в глобальных, так и в региональных масштабах.
10:25
And that's why biodiversity data can be so valuable.
261
610000
3000
Вот почему данные о биоразнообразии могут быть очень полезными.
10:28
Now while a lot of the species we discovered in the census
262
613000
3000
Несмотря на то, что особи найденных нами видов
10:31
are things that are small and hard to see,
263
616000
2000
в основном очень малы и трудноразличимы,
10:33
that certainly wasn't always the case.
264
618000
2000
случаются и исключения.
10:35
For example, while it's hard to believe
265
620000
2000
Например, совершенно невообразимо,
10:37
that a three kilogram lobster could elude scientists,
266
622000
2000
как 3-х килограммовый омар не попадался на глаза учёным.
10:39
it did until a few years ago
267
624000
2000
Но так и было, пока несколько лет назад
10:41
when South African fishermen requested an export permit
268
626000
3000
южно-африканские рыбаки не запросили разрешение на экспорт такого омара,
10:44
and scientists realized that this was something new to science.
269
629000
3000
и учёным стало ясно, что наука столкнулась с неизведанным.
10:47
Similarly this Golden V kelp
270
632000
2000
И эта бурая водоросль «GoldenV»,
10:49
collected in Alaska just below the low water mark
271
634000
2000
найденная у берегов Аляски чуть ниже линии отлива,
10:51
is probably a new species.
272
636000
2000
возможно является новым видом.
10:53
Even though it's three meters long,
273
638000
2000
Несмотря на свой внушительный 3-х метровый размер,
10:55
it actually, again, eluded science.
274
640000
2000
она также оставалась вне внимания учёных.
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
642000
3000
Длина этого длинноплавникового кальмара — 7 метров.
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
645000
3000
Правда, обитает он в глубинных водах Срединно-Атлантического хребта,
11:03
so it was a lot harder to find.
277
648000
2000
и найти его было нелегко.
11:05
But there's still potential for discovery of big and exciting things.
278
650000
3000
Но всегда есть вероятность обнаружить необычных крупных существ.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
653000
3000
А эта креветка, мы назвали её юрская креветка,
11:11
it's thought to have gone extinct 50 years ago --
280
656000
2000
считалась вымершей 50 лет назад,
11:13
at least it was, until the census discovered
281
658000
2000
по крайней мере, до того момента, как в рамках «Переписи»
11:15
it was living and doing just fine off the coast of Australia.
282
660000
3000
было обнаружено, что она благополучно поживает у берегов Австралии.
11:18
And it shows that the ocean, because of its vastness,
283
663000
3000
Океан, в силу своих колоссальных размеров,
11:21
can hide secrets for a very long time.
284
666000
2000
может хранить тайны очень долго.
11:23
So, Steven Spielberg, eat your heart out.
285
668000
3000
Даже Стивен Спилберг позавидовал бы.
11:26
If we look at distributions, in fact distributions change dramatically.
286
671000
3000
Если мы посмотрим на распределение видов, то оно весьма изменчиво.
11:29
And so one of the records that we had
287
674000
3000
У нас есть наблюдения за серыми буревестниками,
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
677000
3000
которые, совершая поразительные перелёты
11:35
all the way from New Zealand
289
680000
2000
от берегов Новой Зеландии
11:37
all the way up to Alaska and back again
290
682000
2000
до Аляски и обратно
11:39
in search of endless summer
291
684000
2000
в поисках беспрерывного лета,
11:41
as they complete their life cycles.
292
686000
2000
проживают свои жизненные циклы.
11:43
We also talked about the White Shark Cafe.
293
688000
2000
Мы говорили и о кафе для белых акул.
11:45
This is a location in the Pacific where white shark converge.
294
690000
3000
Это место встреч белых акул в Тихом океане.
11:48
We don't know why they converge there, we simply don't know.
295
693000
2000
Мы не знаем, почему они собираются там, не знаем и всё.
11:50
That's a question for the future.
296
695000
2000
Этот вопрос ещё только предстоит решить.
11:52
One of the things that we're taught in high school
297
697000
2000
Одна из догм, которым нас учат в школе
11:54
is that all animals require oxygen in order to survive.
298
699000
3000
— это то, что все животные, чтобы выжить, нуждаются в кислороде.
11:57
Now this little critter, it's only about half a millimeter in size,
299
702000
3000
Это маленькое существо, всего полмиллиметра длиной,
12:00
not terribly charismatic.
300
705000
2000
выглядит не очень впечатляюще.
12:02
But it was only discovered in the early 1980s.
301
707000
2000
Оно было обнаружено в начале 80-х.
12:04
But the really interesting thing about it
302
709000
2000
Удивительно,но несколько лет назад,
12:06
is that, a few years ago, census scientists discovered
303
711000
3000
в рамках «Переписи»,учёные открыли,
12:09
that this guy can thrive in oxygen-poor sediments
304
714000
2000
что это существо прекрасно себя чувствует
12:11
in the deep Mediterranean Sea.
305
716000
2000
в бедных кислородом отложениях в глубинах Средиземного моря.
12:13
So now they know that, in fact,
306
718000
2000
Теперь известно, что животные
12:15
animals can live without oxygen, at least some of them,
307
720000
2000
могут жить и без кислорода, по крайней мере, некоторые из них,
12:17
and that they can adapt to even the harshest of conditions.
308
722000
3000
и приспосабливаться к самым суровым условиям.
12:20
If you were to suck all the water out of the ocean,
309
725000
3000
Если выкачать всю воду из океана,
12:23
this is what you'd be left behind with,
310
728000
2000
то мы увидим примерно такую картину
12:25
and that's the biomass of life on the sea floor.
311
730000
2000
— это распределение биомассы в придонной области.
12:27
Now what we see is huge biomass towards the poles
312
732000
3000
Большая часть биомассы сконцентрирована у полюсов,
12:30
and not much biomass in between.
313
735000
3000
остальное же пространство не отличается таким изобилием.
12:33
We found life in the extremes.
314
738000
2000
Мы обнаружили жизнь в экстремальных условиях.
12:35
And so there were new species that were found
315
740000
2000
Так были найдены новые виды,
12:37
that live inside ice
316
742000
2000
обитающие в толще льда
12:39
and help to support an ice-based food web.
317
744000
2000
и поддерживающие пищевые цепи ледников.
12:41
And we also found this spectacular yeti crab
318
746000
2000
А ещё мы нашли чудно́го йети-краба,
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
748000
3000
обитающего в пределах горячих гидротермальных источников у берегов острова Пасхи.
12:46
And this particular species
320
751000
2000
Этот вид привлёк
12:48
really captured the public's attention.
321
753000
3000
особенное внимание публики.
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
756000
3000
Были также обнаружены глубочайшие источники — на глубине 5 000 метров,
12:54
the hottest vents at 407 degrees Celsius --
323
759000
3000
и наиболее горячие, с температурой 407°C —
12:57
vents in the South Pacific and also in the Arctic
324
762000
2000
в южной части Тихого океана и в Арктике,
12:59
where none had been found before.
325
764000
2000
где раньше не было найдено ничего подобного.
13:01
So even new environments are still within the domain of the discoverable.
326
766000
3000
И до сих пор остаётся потенциал обнаружить новые ареалы.
13:04
Now in terms of the unknowns, there are many.
327
769000
2000
Очень многие виды остаются загадкой.
13:06
And I'm just going to summarize just a few of them
328
771000
2000
Я расскажу очень кратко
13:08
very quickly for you.
329
773000
2000
о некоторых из них.
13:10
First of all, we might ask, how many fishes in the sea?
330
775000
3000
И первый вопрос — сколько рыбы в морских глубинах?
13:13
We actually know the fishes better than we do any other group in the ocean
331
778000
2000
О рыбе, и ещё о морских млекопитающих, мы знаем намного больше,
13:15
other than marine mammals.
332
780000
2000
чем обо всех других обитателях океана.
13:17
And so we can actually extrapolate based on rates of discovery
333
782000
3000
Основываясь на процентной доле открытий, можно предположить
13:20
how many more species we're likely to discover.
334
785000
3000
сколько ещё новых видов возможно будет открыто.
13:23
And from that, we actually calculate
335
788000
2000
Было подсчитано,что на данный момент
13:25
that we know about 16,500 marine species
336
790000
3000
известно около 16 500 морских видов рыбы,
13:28
and there are probably another 1,000 to 4,000 left to go.
337
793000
2000
и примерно от одной до четырёх тысяч видов ещё предстоит открыть.
13:30
So we've done pretty well.
338
795000
2000
Вот что называется — хорошо поработали.
13:32
We've got about 75 percent of the fish,
339
797000
2000
Нам известно 75% видов рыб,
13:34
maybe as much as 90 percent.
340
799000
2000
может быть даже 90%.
13:36
But the fishes, as I say, are the best known.
341
801000
3000
Но рыба, как я уже сказал, изучена лучше всего.
13:39
So our level of knowledge is much less for other groups of organisms.
342
804000
3000
Об остальных группах организмов мы знаем гораздо меньше.
13:42
Now this figure is actually based on a brand new paper
343
807000
2000
Эта диаграмма основана на совершенно новом исследовании,
13:44
that's going to come out in the journal PLoS Biology.
344
809000
3000
которое должно вскоре появиться в журнале PLoSBiology.
13:47
And what is does is predict how many more species there are
345
812000
2000
Она отображает, сколько предположительно ещё неисследованных видов
13:49
on land and in the ocean.
346
814000
2000
находится на суше и в океане.
13:51
And what they found
347
816000
2000
Как видно из диаграммы,
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
818000
3000
на данный момент науке известно около 9% видов живых существ в океане.
13:56
That means 91 percent, even after the census,
349
821000
2000
А 91%, даже после переписи,
13:58
still remain to be discovered.
350
823000
2000
ещё только предстоит открыть.
14:00
And so that turns out to be about two million species
351
825000
2000
Это, примерно, ещё 2 миллиона видов,
14:02
once all is said and done.
352
827000
2000
после всех подсчётов.
14:04
So we still have quite a lot of work to do
353
829000
2000
Предстоит немалая работа,
14:06
in terms of unknowns.
354
831000
2000
чтобы разобраться со всем неизученным.
14:08
Now this bacterium
355
833000
2000
А эта бактерия — частица густых зарослей,
14:10
is part of mats that are found off the coast of Chile.
356
835000
3000
обнаруженных у берегов Чили.
14:13
And these mats actually cover an area the size of Greece.
357
838000
2000
Эти заросли покрывают пространство, сравнимое с территорией Греции.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
840000
3000
Клетка бактерии различима даже невооружённым глазом,
14:18
But you can imagine the biomass that represents.
359
843000
3000
и вы можете представить колоссальные размеры этой биомассы.
14:21
But the really intriguing thing about the microbes
360
846000
2000
Но самое интересное, что мы знаем о микробах —
14:23
is just how diverse they are.
361
848000
2000
их неимоверное разнообразие.
14:25
A single drop of seawater
362
850000
2000
Капля морской воды может содержать
14:27
could contain 160 different types of microbes.
363
852000
2000
до 160 видов микробов.
14:29
And the oceans themselves
364
854000
2000
А в целом, предполагается,что в океанах
14:31
are thought potentially to contain as many as a billion different types.
365
856000
3000
содержится порядка одного миллиарда видов.
14:34
So that's really exciting. What are they all doing out there?
366
859000
3000
Невообразимоеколичество. А для чего это нужно?
14:37
We actually don't know.
367
862000
2000
Об этом мы ничего не знаем.
14:39
The most exciting thing, I would say, about this census
368
864000
2000
Самым важным моментом в этой переписи, я думаю,
14:41
is the role of global science.
369
866000
2000
является роль науки в мировом масштабе.
14:43
And so as we see in this image of light during the night,
370
868000
2000
Как видно на этом ночном снимке,
14:45
there are lots of areas of the Earth
371
870000
2000
какие-то участки суши
14:47
where human development is much greater
372
872000
3000
освоены человеком намного лучше
14:50
and other areas where it's much less,
373
875000
2000
чем другие, но между этими участками
14:52
but between them we see large dark areas
374
877000
2000
располагаются большие тёмные области
14:54
of relatively unexplored ocean.
375
879000
2000
практически неосвоенного океана.
14:56
The other point I'd like to make about this
376
881000
2000
Другим важным пунктом является
14:58
is that this ocean's interconnected.
377
883000
2000
взаимосвязь океанов.
15:00
Marine organisms do not care about international boundaries;
378
885000
2000
Морские обитатели не беспокоятся о международных границах,
15:02
they move where they will.
379
887000
2000
они плывут, куда им вздумается.
15:04
And so the importance then of global collaboration
380
889000
3000
И поэтому международное сотрудничество в исследованиях
15:07
becomes all the more important.
381
892000
2000
становится ключевым моментом.
15:09
We've lost a lot of paradise.
382
894000
2000
Увы, больша́я часть рая уже потеряна.
15:11
For example, these tuna that were once so abundant in the North Sea
383
896000
3000
Например, тунец, некогда в изобилии обитавший в Северном море,
15:14
are now effectively gone.
384
899000
2000
сейчас совсем не встречается.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
901000
3000
А в тралы, однажды опущенные в глубины Средиземного моря,
15:19
which collected more garbage than they did animals.
386
904000
2000
попало больше мусора, чем морских обитателей.
15:21
And that's the deep sea, that's the environment that we consider to be
387
906000
3000
И это глубины моря, среда, которую мы представляем себе,
15:24
among the most pristine left on Earth.
388
909000
2000
как уголок планеты, сохранившейся в первозданном виде.
15:26
And there are a lot of other pressures.
389
911000
2000
Много и других угнетающих факторов.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
913000
3000
Закисление океана на сегодняшний день — одна из серьёзных проблем,
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
916000
3000
наряду с потеплением воды и влиянием этих факторов на коралловые рифы.
15:34
On the scale of decades, in our lifetimes,
392
919000
3000
В ближайшие десятилетия
15:37
we're going to see a lot of damage to coral reefs.
393
922000
2000
ситуация с коралловыми рифами к лучшему не изменится.
15:39
And I could spend the rest of my time, which is getting very limited,
394
924000
3000
И всё оставшееся время, которое уже подходит к концу,
15:42
going through this litany of concerns about the ocean,
395
927000
2000
я бы мог по списку перечислять проблемы океана,
15:44
but I want to end on a more positive note.
396
929000
2000
но мне бы хотелось закончить на оптимистичной ноте.
15:46
And so the grand challenge then
397
931000
2000
Наиважнейшей задачей теперь является
15:48
is to try and make sure that we preserve what's left,
398
933000
2000
суметь сохранить то, что осталось,
15:50
because there is still spectacular beauty.
399
935000
2000
потому что и сейчас это удивительный мир.
15:52
And the oceans are so productive,
400
937000
2000
Океан настолько плодовит,
15:54
there's so much going on in there that's of relevance to humans
401
939000
3000
и является частью стольких процессов, что мы как человечество должны,
15:57
that we really need to, even from a selfish perspective,
402
942000
3000
даже в своих самых эгоистичных намерениях,
16:00
try to do better than we have in the past.
403
945000
2000
не повторять ошибок прошлого.
16:02
So we need to recognize those hot spots
404
947000
2000
Мы должны определить все проблемные участки
16:04
and do our best to protect them.
405
949000
2000
и всеми силами стараться восстановить их.
16:06
When we look at pictures like this, they take our breath away,
406
951000
2000
Мы смотрим на этих существ, затаив дыхание, в то время как они
16:08
in addition to helping to give us breath
407
953000
2000
помогают нам делать каждый вздох,
16:10
by the oxygen that the oceans provide.
408
955000
2000
благодаря кислороду, выделяемому океаном.
16:12
Census scientists worked in the rain, they worked in the cold,
409
957000
3000
Учёные проекта «Перепись» работали в дождь и мороз,
16:15
they worked under water and they worked above water
410
960000
2000
под водой и над водой,
16:17
trying to illuminate the wondrous discovery,
411
962000
2000
чтобы пролить как можно больше света на удивительные открытия,
16:19
the still vast unknown,
412
964000
2000
тайны,и поразительные приспособления,
16:21
the spectacular adaptations that we see in ocean life.
413
966000
3000
которые скрывает океан.
16:24
So whether you're a yak herder living in the mountains of Chile,
414
969000
3000
И не важно, кто вы — пастух, пасущий стада яков в Чилийских горах,
16:27
whether you're a stockbroker in New York City
415
972000
3000
или биржевой маклер в Нью-Йорке,
16:30
or whether you're a TEDster living in Edinburgh,
416
975000
2000
а может даже TEDстер из Эдинбурга —
16:32
the oceans matter.
417
977000
2000
океан важен для всех.
16:34
And as the oceans go so shall we.
418
979000
2000
Пока жив океан, живы и мы.
16:36
Thanks for listening.
419
981000
2000
Спасибо за внимание.
16:38
(Applause)
420
983000
2000
(Аплодисменты)
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