Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Барбара Блок: Маркировка тунца в открытом океане
Filmed:
Readability: 4.4
368,018 views
Тунец — спортсмен океана. Это быстрый крупный хищник, чьи привычки мы только начинаем понимать. Морской биолог Барбара Блок помечает тунца специальными датчиками (со встроенными транспондерами), которые записывают невероятное количество данных об этом великолепном виде, находящемся под угрозой исчезновения, и о местах его обитания.
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Double-click the English transcript below to play the video.
00:15
I've been fascinated for a lifetime
0
0
3000
Всю свою жизнь я восхищаюсь
00:18
by the beauty, form and function
1
3000
2000
красотой, строением и жизнью
00:20
of giant bluefin tuna.
2
5000
3000
гигантского голубого тунца.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Как и мы, голубые тунцы — теплокровные.
00:26
They're the largest of the tunas,
4
11000
3000
Это самая крупная разновидность тунца,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
второй по размерам вид морской рыбы, относящийся к надклассу костных рыб.
00:32
They actually are a fish
6
17000
2000
Тунец является
00:34
that is endothermic --
7
19000
2000
теплокровной рыбой:
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
он передвигается по океану с тёплыми, как у млекопитающих, мышцами.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
А это один из голубых тунцов в океанариуме "Монтерей Бэй Аквариум".
00:43
You can see in its shape and its streamlined design
10
28000
3000
Его форма и обтекаемое тело
00:46
it's powered for ocean swimming.
11
31000
3000
приспособлены именно для жизни в океане.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Тунец плывёт в океане, благодаря грудным плавникам, поднимается к поверхности,
00:52
powers its movements
13
37000
2000
развивает скорость
00:54
with a lunate tail.
14
39000
2000
при помощи полулунного хвоста.
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Большая часть его тела покрыта гладкой кожей,
00:59
so it reduces friction with the water.
16
44000
3000
что помогает снизить трение с водой.
01:02
This is what one of nature's finest machines.
17
47000
3000
Это один из лучших механизмов природы.
01:05
Now, bluefin
18
50000
2000
Голубой тунец
01:07
were revered by Man
19
52000
2000
почитаем людьми
01:09
for all of human history.
20
54000
3000
на протяжении всей истории человечества.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Люди ловили эту рыбу на протяжении 4000 лет, но без нанесения ущерба всему виду.
01:15
and it's evidenced
22
60000
2000
И доказательством
01:17
in the art that we see
23
62000
2000
этому служит
01:19
from thousands of years ago.
24
64000
2000
древнее искусство.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
Изображения голубого тунца можно найти на стенах пещер во Франции
01:24
They're on coins
26
69000
2000
и на монетах,
01:26
that date back 3,000 years.
27
71000
3000
возраст которых насчитывает 3000 лет.
01:29
This fish was revered by humankind.
28
74000
3000
Человечество почитало голубого тунца.
01:32
It was fished sustainably
29
77000
2000
На протяжении всего времени
01:34
till all of time,
30
79000
2000
вылов этой рыбы не наносил существенного вреда виду,
01:36
except for our generation.
31
81000
2000
но в наше время всё изменилось.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
Голубого тунца преследуют везде.
01:41
there is a gold rush on Earth,
33
86000
2000
На Земле идёт
01:43
and this is a gold rush for bluefin.
34
88000
2000
настоящая "тунцовая лихорадка".
01:45
There are traps that fish sustainably
35
90000
2000
Методы отлова тунца, не наносящие вреда численности,
01:47
up until recently.
36
92000
3000
существуют и по сей день.
01:50
And yet, the type of fishing going on today,
37
95000
3000
Но современные методы ловли рыбы:
01:53
with pens, with enormous stakes,
38
98000
3000
кошельковые неводы и огромные сети,
01:56
is really wiping bluefin
39
101000
2000
действительно стирают тунца
01:58
ecologically off the planet.
40
103000
2000
с лица Земли.
02:00
Now bluefin, in general,
41
105000
2000
В основном, отловленный тунец
02:02
goes to one place: Japan.
42
107000
2000
идёт в Японию.
02:04
Some of you may be guilty
43
109000
2000
Некоторые из вас, возможно,
02:06
of having contributed to the demise of bluefin.
44
111000
2000
поучаствовали в уничтожении тунца.
02:08
They're delectable muscle,
45
113000
2000
У них восхитительно вкусное,
02:10
rich in fat --
46
115000
2000
богатое жирами
02:12
absolutely taste delicious.
47
117000
2000
мясо.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
И это их беда: мы скоро съедим их всех.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
В Атлантическом океане всё предельно просто.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
Там живут две популяции голубых тунцов: одна крупная, другая поменьше.
02:23
The North American population
51
128000
2000
Вылов североамериканской популяции держится на уровне
02:25
is fished at about 2,000 ton.
52
130000
3000
примерно 2 000 тонн особей в год.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
Вылов европейской и североафриканской популяций восточного голубого тунца
02:31
is fished at tremendous levels:
54
136000
3000
достигает огромных размеров:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
на протяжении последних десяти лет по 50 000 тонн в год.
02:37
The result is whether you're looking
56
142000
2000
Неважно, возьмём ли мы
02:39
at the West or the Eastern bluefin population,
57
144000
3000
западную или восточную популяцию,
02:42
there's been tremendous decline on both sides,
58
147000
2000
результат тот же:
02:44
as much as 90 percent
59
149000
2000
численность тунца снизилась на 90%
02:46
if you go back with your baseline
60
151000
2000
по сравнению с уровнем
02:48
to 1950.
61
153000
2000
1950 года.
02:50
For that, bluefin have been given a status
62
155000
3000
Поэтому, голубой тунец получил статус,
02:53
equivalent to tigers, to lions,
63
158000
3000
которым обладают тигры, львы,
02:56
to certain African elephants
64
161000
2000
некоторые виды африканских слонов
02:58
and to pandas.
65
163000
2000
и панды.
03:00
These fish have been proposed
66
165000
2000
За последние два месяца было предложено внести этот вид
03:02
for an endangered species listing in the past two months.
67
167000
3000
в список вымирающих.
03:05
They were voted on and rejected
68
170000
2000
Две недели назад было проведено голосование, на котором
03:07
just two weeks ago,
69
172000
2000
было решено не включать тунца в список исчезающих видов,
03:09
despite outstanding science
70
174000
2000
несмотря на все научные подтверждения
03:11
that shows from two committees
71
176000
3000
от двух комиссий о том, что они отвечают всем требованиям
03:14
this fish meets the criteria of CITES I.
72
179000
3000
для включения в Приложение I конвенции СИТЕС.
03:17
And if it's tunas you don't care about,
73
182000
2000
И даже если вас не интересует тунец,
03:19
perhaps you might be interested
74
184000
2000
возможно, вас заинтересует то,
03:21
that international long lines and pursing
75
186000
2000
что в расставленные на тунца сети
03:23
chase down tunas and bycatch animals
76
188000
3000
попадаются и такие виды,
03:26
such as leatherbacks, sharks,
77
191000
2000
как кожистые черепахи, акулы,
03:28
marlin, albatross.
78
193000
2000
марлины и альбатросы.
03:30
These animals and their demise
79
195000
2000
Эти животные обитают в местах ловли тунца,
03:32
occurs in the tuna fisheries.
80
197000
3000
там же происходит и их истребление.
03:35
The challenge we face
81
200000
2000
Основная сложность, с которой мы сталкиваемся,
03:37
is that we know very little about tuna,
82
202000
3000
это то, что мы очень мало знаем о тунце.
03:40
and everyone in the room knows what it looks like
83
205000
3000
Все представляют себе,
03:43
when an African lion
84
208000
2000
как лев
03:45
takes down its prey.
85
210000
2000
заглатывает свою добычу.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
Но вы, наверняка, не видели, как питается гигантский голубой тунец.
03:50
This tuna symbolizes
87
215000
3000
Проблема в том,
03:53
what's the problem for all of us in the room.
88
218000
3000
что мы очень мало знаем о тунце.
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
На дворе уже XXI век, но мы только сейчас
03:59
to really study our oceans in a deep way.
90
224000
3000
начали изучать океан по-настоящему.
04:02
Technology has come of age
91
227000
2000
Технологии достигли такого уровня,
04:04
that's allowing us to see the Earth from space
92
229000
3000
который позволяет нам смотреть на Землю из космоса
04:07
and go deep into the seas remotely.
93
232000
3000
и удалённо исследовать морские глубины.
04:10
And we've got to use these technologies immediately
94
235000
2000
Мы должны использовать эти технологии немедленно,
04:12
to get a better understanding
95
237000
2000
чтобы лучше понять,
04:14
of how our ocean realm works.
96
239000
3000
как живёт и функционирует царство океана.
04:17
Most of us from the ship -- even I --
97
242000
2000
Многие из нас, даже я, всматриваются в океан
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
с борта корабля и видят однородное море.
04:22
We don't know where the structure is.
99
247000
2000
Мы не видим его структуру.
04:24
We can't tell where are the watering holes
100
249000
3000
Мы не можем сказать, где там находится водопой,
04:27
like we can on an African plain.
101
252000
3000
в отличие от африканской равнины.
04:30
We can't see the corridors,
102
255000
2000
Мы не видим коридоров
04:32
and we can't see what it is
103
257000
2000
и не знаем, что же
04:34
that brings together a tuna,
104
259000
2000
сводит вместе тунца,
04:36
a leatherback and an albatross.
105
261000
2000
кожистую черепаху и альбатроса.
04:38
We're only just beginning to understand
106
263000
2000
Мы только начинаем понимать,
04:40
how the physical oceanography
107
265000
2000
как физика
04:42
and the biological oceanography
108
267000
2000
и биология океана
04:44
come together
109
269000
2000
совместными усилиями
04:46
to create a seasonal force
110
271000
2000
рождают движение
04:48
that actually causes the upwelling
111
273000
2000
восходящих вод,
04:50
that might make a hot spot a hope spot.
112
275000
3000
особенно важных для океана.
04:53
The reasons these challenges are great
113
278000
2000
Исследование океана крайне сложная задача
04:55
is that technically it's difficult to go to sea.
114
280000
3000
с технической точки зрения.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
Очень сложно изучать голубого тунца
05:00
the entire Pacific realm.
116
285000
2000
по всему океану.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
Очень сложно близко подобраться к серо-голубой акуле
05:06
and try to put a tag on it.
118
291000
2000
и поместить на неё датчик.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
А теперь представьте себя в команде Брюса Мейта из университета штата Оригон.
05:11
getting up close to a blue whale
120
296000
2000
Вы должны подобраться к голубому киту
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
и прочно закрепить на нём датчик.
05:16
an engineering challenge
122
301000
2000
Это сложная техническая задача,
05:18
we've yet to really overcome.
123
303000
2000
которую нам необходимо решить.
05:20
So the story of our team, a dedicated team,
124
305000
3000
Историю нашей преданной своему делу команды
05:23
is fish and chips.
125
308000
2000
можно описать в двух словах: рыбы и чипы.
05:25
We basically are taking
126
310000
2000
В основном, мы берём
05:27
the same satellite phone parts,
127
312000
2000
детали из спутниковых телефонов
05:29
or the same parts that are in your computer, chips.
128
314000
3000
или компьютеров — чипы.
05:32
We're putting them together in unusual ways,
129
317000
3000
Мы комбинируем их вместе в необычных сочетаниях,
05:35
and this is taking us into the ocean realm
130
320000
2000
и это помогает нам проникнуть в царство океана
05:37
like never before.
131
322000
2000
как никогда глубоко.
05:39
And for the first time,
132
324000
2000
Мы впервые имеем возможность
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
наблюдать за путешествием тунца в океане,
05:44
using light and photons
134
329000
2000
используя свет и фотоны
05:46
to measure sunrise and sunset.
135
331000
3000
для определения восхода и заката.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Я изучаю тунца более 15 лет.
05:52
I have the privilege of being a partner
137
337000
2000
И я сотрудничаю с
05:54
with the Monterey Bay Aquarium.
138
339000
2000
океанариумом "Монтерей Бэй Аквариум".
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Мы фактически взяли кусочек океана,
05:58
put it behind glass,
140
343000
2000
поместили его под стекло
06:00
and we together
141
345000
2000
и выставили на обозрение
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
голубого и желтопёрого тунца.
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Когда волна пузырьков поднимается каждое утро,
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
мы можем видеть подводную жизнь,
06:11
one of the only places on Earth
145
356000
2000
и это единственное место на Земле,
06:13
you can see giant bluefin swim by.
146
358000
3000
где можно наблюдать проплывающего мимо голубого тунца.
06:16
We can see in their beauty of form and function,
147
361000
2000
Мы можем видеть их кипучую деятельность
06:19
their ceaseless activity.
148
364000
2000
во всей красе.
06:21
They're flying through their space, ocean space.
149
366000
3000
Они неутомимо движутся в пространстве океана.
06:24
And we can bring two million people a year
150
369000
2000
И каждый год
06:26
into contact with this fish
151
371000
2000
2 миллиона человек могут
06:28
and show them its beauty.
152
373000
3000
увидеть эту рыбу и её красоту.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Незримо для посетителей ведется работа в лаборатории Стенфордского университета
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
при сотрудничестве с "Монтерей Бэй Аквариум".
06:36
Here, for over 14 or 15 years,
155
381000
2000
Здесь мы содержим голубого
06:38
we've actually brought in
156
383000
2000
и желтопёрого тунца уже
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
более 14 или 15 лет.
06:42
We'd been studying these fish,
158
387000
2000
Мы изучаем эти виды.
06:44
but first we had to learn how to husbandry them.
159
389000
2000
Но сначала мы должны были узнать, как разводить их.
06:46
What do they like to eat?
160
391000
2000
Что они любят есть?
06:48
What is it that they're happy with?
161
393000
2000
Что им нравится?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Мы погружаемся в резервуары с тунцами и прикасаемся к их голой коже.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
Это удивительные ощущения!
06:56
And then, better yet,
164
401000
2000
Кроме того, у нас есть специалисты,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
умеющие обращаться с тунцами:
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
это Чак Фарвел и Алекс Нортон.
07:02
who can take a big tuna
167
407000
2000
Они могут одним движением
07:04
and in one motion,
168
409000
2000
поместить гигантского тунца
07:06
put it into an envelope of water,
169
411000
2000
в водный карман так,
07:08
so that we can actually work with the tuna
170
413000
2000
чтобы мы могли с ним работать
07:10
and learn the techniques it takes
171
415000
2000
и научились обращаться
07:12
to not injure this fish
172
417000
2000
с этой рыбой, которая,
07:14
who never sees a boundary in the open sea.
173
419000
3000
находясь в открытом океане, не знает, что такое границы.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Джефф и Джейсон — ученые,
07:19
who are going to take a tuna
175
424000
2000
которые собираются поместить тунца на своего рода
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
беговую дорожку — искусственный канал с водным потоком.
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Тунец, таким образом, думает, что плывёт в Японию, но на самом деле он стоит на месте.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
А мы в это время измеряем потребление им кислорода
07:29
its energy consumption.
179
434000
2000
и затраты энергии.
07:32
We're taking this data and building better models.
180
437000
3000
Мы используем эти данные и строим улучшенные модели.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
И когда я увидела этого тунца, — я очень люблю за ним наблюдать,
07:38
I begin to wonder:
182
443000
2000
мне стало интересно,
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
как он определяет своё положение в пространстве?
07:44
So take a look at that animal.
184
449000
2000
Взгляните на эту рыбу.
07:46
That's the closest you'll probably ever get.
185
451000
2000
Ближе подобраться просто невозможно.
07:48
Now, the activities from the lab
186
453000
3000
Эксперименты в лаборатории научили нас тому,
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
как действовать в открытом океане.
07:54
So in a program called Tag-A-Giant
188
459000
3000
В рамках программы "Пометь тунца"
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
мы прошли путь от Ирландии до Канады,
08:00
from Corsica to Spain.
190
465000
2000
от Корсики до Испании.
08:02
We've fished with many nations around the world
191
467000
3000
Мы ловили рыбу во многих странах по всему свету,
08:05
in an effort to basically
192
470000
2000
чтобы поместить
08:07
put electronic computers
193
472000
3000
электронные устройства
08:10
inside giant tunas.
194
475000
2000
внутрь гигантских тунцов.
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Мы пометили 1 100 особей.
08:15
And I'm going to show you three clips,
196
480000
2000
Я хочу показать вам три клипа,
08:17
because I tagged 1,100 tunas.
197
482000
3000
потому что я пометила 1 100 особей.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
Это очень сложный, но приятный процесс.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Мы вытаскиваем тунца из воды и измеряем его.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Команда рыбаков, капитаны, учёные и техники
08:29
work together to keep this animal out of the ocean
201
494000
3000
работают вместе, чтобы поддерживать жизнь этой рыбы
08:32
for about four to five minutes.
202
497000
3000
те 4-5 минут, когда она находится вне океана.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Мы льём воду ей на жабры, даём кислород
08:38
And then with a lot of effort, after tagging,
204
503000
3000
А затем с большим трудом после маркировки,
08:41
putting in the computer,
205
506000
2000
мы помещаем внутрь него датчик, убедившись,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
что стержень закреплён снаружи так, чтобы фиксировать параметры окружающей среды.
08:46
we send this fish back into the sea.
207
511000
3000
Мы отпускаем рыбу обратно в море,
08:49
And when it goes, we're always happy.
208
514000
2000
и, когда она уходит, всегда радуемся,
08:51
We see a flick of the tail.
209
516000
2000
видя взмах её хвоста.
08:53
And from our data that gets collected,
210
518000
3000
Затем рыбаки возвращают нам датчики
08:56
when that tag comes back,
211
521000
2000
за вознаграждение в $1000.
08:58
because a fisher returns it
212
523000
2000
Мы анализируем эти данные
09:00
for a thousand-dollar reward,
213
525000
2000
и получаем информацию о пути,
09:02
we can get tracks beneath the sea
214
527000
2000
который данная рыба
09:04
for up to five years now,
215
529000
2000
проплыла за период времени
09:06
on a backboned animal.
216
531000
2000
равный примерно 5 годам.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Иногда тунцы достигают действительно больших размеров,
09:11
such as this fish off Nantucket.
218
536000
2000
как, например, особь, выловленная вблизи острова Нантакет.
09:13
But that's about half the size
219
538000
2000
Но она вполовину меньше самой большой особи,
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
которую нам удалось пометить.
09:17
It takes a human effort,
221
542000
2000
Нужны серьёзные усилия слаженной команды,
09:19
a team effort, to bring the fish in.
222
544000
2000
чтобы вытащить тунца из воды.
09:21
In this case, what we're going to do
223
546000
2000
Сейчас мы хотим
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
поместить на тунца спутниковые датчики для сбора информации.
09:27
This tag rides on the tuna,
225
552000
2000
Этот датчик путешествует вместе с тунцом,
09:29
senses the environment around the tuna
226
554000
3000
распознаёт окружающую среду вокруг него
09:32
and actually will come off the fish,
227
557000
3000
и затем сходит с рыбы, отделяется от неё,
09:35
detach, float to the surface
228
560000
2000
всплывает к поверхности
09:37
and send back to Earth-orbiting satellites
229
562000
3000
и отправляет спутникам данные
09:40
position data estimated by math on the tag,
230
565000
3000
о местоположении,
09:43
pressure data and temperature data.
231
568000
3000
давлении воды и температуре.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Преимущество таких датчиков в том,
09:48
is we get away from having to have a human interaction
233
573000
3000
что нам не нужно
09:51
to recapture the tag.
234
576000
2000
забирать их.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Оба вида электронных датчиков дорогие.
09:56
These tags have been engineered
236
581000
2000
Они были сконструированы
09:58
by a variety of teams in North America.
237
583000
3000
командами специалистов из Северной Америки.
10:01
They are some of our finest instruments,
238
586000
2000
Это один из наших лучших инструментов,
10:03
our new technology in the ocean today.
239
588000
3000
наша новая технология для исследования океана.
10:07
One community in general
240
592000
2000
Особенно хотелось бы выделить одно сообщество,
10:09
has given more to help us than any other community.
241
594000
2000
внёсшее наибольший вклад в наше развитие.
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
Это предприятие по разведению рыбы из Северной Каролины.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
На протяжении более чем десяти лет,
10:17
every winter for over a decade,
244
602000
2000
каждую зиму в двух деревнях: Харрис и Морхед Сити
10:19
held a party called Tag-A-Giant,
245
604000
3000
проводится кампания "Пометь тунца",
10:22
and together, fishers worked with us
246
607000
2000
Вместе с нами работают рыбаки,
10:24
to tag 800 to 900 fish.
247
609000
3000
чтобы пометить от 800 до 900 особей.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
Сейчас мы хотим измерить рыбу
10:30
We're going to do something that in recent years we've started:
249
615000
3000
и сделать то, чем занимаемся последнее время:
10:33
take a mucus sample.
250
618000
2000
взять образец слизи.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Посмотрите, какая блестящая поверхность: можно смотреться как в зеркало!
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
Из этой слизи мы получаем информацию о генах
10:41
we can get information on gender,
253
626000
2000
и поле особи,
10:43
checking the pop-up tag one more time,
254
628000
2000
проверяем ещё раз спутниковые датчики
10:45
and then it's out in the ocean.
255
630000
2000
и выпускаем рыбу в океан.
10:47
And this is my favorite.
256
632000
2000
Это мой любимый момент.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
С помощью одного из моих бывших сотрудников, Гарета Лоусона,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
была воссоздана эта необыкновенная схема передвижения тунца.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Он передвигается в цифровом океане.
10:57
The warm is the Gulf Stream,
260
642000
2000
Теплое течение — это Гольфстрим.
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
холодное, вот здесь, это пролив Мэн.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
Именно туда плывёт тунец, чтобы поохотиться на сельдь.
11:05
but it can't get there. It's too cold.
263
650000
2000
Но он не может добраться туда. Там слишком холодно.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Однако затем температура поднимается, и тунец заходит туда, ловит рыбу,
11:10
maybe comes back to home base,
265
655000
2000
потом возвращается домой
11:12
goes in again
266
657000
2000
и вновь отправляется в залив,
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
а вскоре плывет на зимовку сюда, в Северную Каролину,
11:17
and then on to the Bahamas.
268
662000
2000
и отсюда на Багамы.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
А это моя любимая сцена — три тунца входят в Мексиканский залив.
11:22
Three tunas tagged.
270
667000
2000
Эти три особи помечены.
11:24
Astronomically, we're calculating positions.
271
669000
2000
При помощи спутников мы определяем их местоположение.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Они идут вместе. Возможно это спаривание.
11:29
and there it is.
273
674000
2000
И вот они на месте.
11:31
That is where the tuna spawn.
274
676000
2000
Здесь они откладывают икру.
11:33
So from data like this,
275
678000
2000
Эти данные
11:35
we're able now to put the map up,
276
680000
2000
помогают нам создавать такие карты.
11:37
and in this map
277
682000
2000
На этой карте
11:39
you see thousands of positions
278
684000
2000
вы видите местоположение тысяч тунцов,
11:41
generated by this decade and a half of tagging.
279
686000
3000
помеченных за последние пятнадцать лет.
11:44
And now we're showing that tunas on the western side
280
689000
3000
А теперь вы видите, как западный тунец
11:47
go to the eastern side.
281
692000
2000
передвигается на восток.
11:49
So two populations of tunas --
282
694000
2000
Итак, мы имеем две популяции тунца,
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
одна из которых популяция залива — и её мы можем пометить —
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
направляется в Мексиканский залив — я вам ее показывала —
11:56
and a second population.
285
701000
2000
и вторая популяция.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
Вместе с нашим североамериканским тунцом
12:00
are European tunas that go back to the Med.
287
705000
3000
европейский тунец, который направляется в Средиземное море.
12:03
On the hot spots -- the hope spots --
288
708000
2000
В местах особенно важных для сохранения океана
12:05
they're mixed populations.
289
710000
2000
их популяции смешанные.
12:07
And so what we've done with the science
290
712000
2000
Полученные данные
12:09
is we're showing the International Commission,
291
714000
2000
мы показываем Международной комиссии,
12:11
building new models,
292
716000
2000
строим новые модели,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
показывая, что существующая двухпопуляционная модель,
12:15
to this day, used to reject
294
720000
3000
которая, до сегодняшнего дня,
12:18
the CITES treaty --
295
723000
2000
не подходила под конвенцию СИТЕС,
12:20
that model isn't the right model.
296
725000
2000
это неправильная модель.
12:22
This model, a model of overlap,
297
727000
2000
Данная модель частичного смешения,
12:24
is the way to move forward.
298
729000
2000
это шаг вперед.
12:26
So we can then predict
299
731000
2000
И теперь мы можем предсказать,
12:28
where management places should be.
300
733000
2000
где находятся места, которым необходим особый режим управления.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Например, Мексиканский залив и Средиземное море
12:33
are places where the single species,
302
738000
2000
это территории, где встречаются
12:35
the single population, can be captured.
303
740000
2000
особи одного вида, одной популяции.
12:37
These become forthright in places we need to protect.
304
742000
3000
Эти места и необходимо охранять.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
В центре Атлантики, где встречаются два вида,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
я могу представить законодательную базу, которая позволяет Канаде и Америке ловить тунца,
12:45
because they manage their fisheries well,
307
750000
3000
потому что они хорошо контролируют свои места для ловли
12:48
they're doing a good job.
308
753000
2000
и проделывают действительно хорошую работу в этом плане.
12:50
But in the international realm,
309
755000
2000
Но в международном пространстве,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
лов рыбы вышел из-под контроля
12:54
these are the places that we have to make hope spots in.
311
759000
3000
это территории, которым нужно уделить особое внимание.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Чтобы защитить вид голубого тунца, они должны быть вот такого размера.
13:00
Now in a second project
313
765000
2000
Второй проект называется
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
"Маркировка тихоокеанских пелагических видов рыб".
13:04
we took on the planet as a team,
315
769000
2000
Мы работали как международная команда
13:06
those of us in the Census of Marine Life.
316
771000
2000
в рамках программы "Перепись населения океана".
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Нас финансирует Фонд Альфреда Слоуна и другие организации,
13:12
we were able to actually go in, in our project --
318
777000
3000
так что у нас есть возможность проводить масштабные исследования —
13:15
we're one of 17 field programs
319
780000
2000
мы один из 17 полевых проектов —
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
и помечать огромное число хищников,
13:20
not just tunas.
321
785000
2000
помимо тунца.
13:22
So what we've done
322
787000
2000
Мы стали помечать
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
лососёвую акулу на Аляске:
13:27
met salmon shark on their home territory,
324
792000
3000
встретили её на её территории,
13:30
followed them catching salmon
325
795000
2000
следили за тем, как она ловит лосося,
13:32
and then went in and figured out
326
797000
2000
и поняли,
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
что если мы возьмём лосося и выставим его в качестве приманки,
13:37
we can actually take up a salmon shark --
328
802000
2000
то сможем поймать акулу.
13:39
This is the cousin of the white shark --
329
804000
2000
Этот вид — родственник белой акулы,
13:41
and very carefully --
330
806000
2000
и если мы будем очень осторожны
13:43
note, I say "very carefully," --
331
808000
2000
(заметьте, я сказала: "очень осторожны"),
13:45
we can actually keep it calm,
332
810000
2000
мы сможем держать её в спокойном состоянии,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
вставим шланг в её пасть, спустим за борт
13:50
and then tag it with a satellite tag.
334
815000
3000
и пометим, прикрепив спутниковый датчик.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
У нашей акулы теперь будет "телефон",
13:56
and send in a message.
336
821000
2000
способный отправлять сообщения.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
А у этой плывущей акулы, если вы присмотритесь, есть антенна.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
Эта акула со спутниковым датчиком,
14:03
jumping after salmon,
339
828000
2000
отсылающим нам данные, свободно охотится
14:05
sending home its data.
340
830000
3000
и прыгает за лососем.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Мы маркируем не только лососёвых акул.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
А вот на температурной карте с разрешением в один метр
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
мы видим лососёвых акул. Тёплые оттенки цветов обозначают теплоту воды.
14:17
Salmon sharks go down
344
842000
2000
Лососёвые акулы плывут
14:19
to the tropics to pup
345
844000
2000
в тропические воды,
14:21
and come into Monterey.
346
846000
2000
чтобы размножаться, и приплывают в Монтерей.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Недалеко от Монтерея и на Фараллоновых островах
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
работает команда по изучению белых акул,
14:28
and Sal Jorgensen.
349
853000
2000
возглавляемая Скоттом Андерсоном и Сэлом Йоргенсеном.
14:30
They can throw out a target --
350
855000
2000
Они могут выбросить приманку
14:32
it's a carpet shaped like a seal --
351
857000
2000
в виде ковра в форме тюленя,
14:34
and in will come a white shark, a curious critter
352
859000
3000
и тогда к нашей пятиметровой лодке
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
подойдёт белая акула, любопытное существо,
14:40
It's a several thousand-pound animal.
354
865000
2000
Эта рыба весит несколько тонн.
14:42
And we'll wind in the target.
355
867000
3000
Мы обмотаем приманку сетью,
14:45
And we'll place an acoustic tag
356
870000
2000
а на тело акулы поместим датчик с гудком,
14:47
that says, "OMSHARK 10165,"
357
872000
2000
на котором будет написано "OMSHARK 10165",
14:49
or something like that, acoustically with a ping.
358
874000
3000
или что-то вроде того.
14:52
And then we'll put on a satellite tag
359
877000
2000
Затем мы прикрепим спутниковый датчик,
14:54
that will give us the long-distance journeys
360
879000
3000
который собирает информацию о путешествиях акулы
14:57
with the light-based geolocation algorithms
361
882000
2000
при помощи упрощённых световых геолокационных алгоритмов,
14:59
solved on the computer that's on the fish.
362
884000
3000
на компьютере, который установлен на теле рыбы.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
Сейчас Сэл смотрит на двух помеченных особей.
15:05
and there they are: the white sharks of California
364
890000
3000
А вот и они: белые акулы Калифорнии,
15:08
going off to the white shark cafe and coming back.
365
893000
3000
плывут в своё кафе и возвращаются обратно.
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
Вместе с нашими коллегами из Национального управления океанических
15:14
blue sharks.
367
899000
2000
и атмосферных исследований мы помечаем серо-голубых и синих акул.
15:16
And now, together, what we can see
368
901000
2000
И теперь, наложив все данные, мы можем видеть
15:18
on this ocean of color that's temperature,
369
903000
2000
на этой модели океана (цветом показана температура воды)
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
десятидневные передвижения голубых и лососёвых акул.
15:24
We have white sharks and blue sharks.
371
909000
2000
У нас есть белые и синие акулы.
15:26
For the first time,
372
911000
2000
Впервые эколандшафт,
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
размером с весь океан, показывает,
15:30
showing where the sharks go.
374
915000
3000
где плавают акулы.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
Команда нашего второго проекта проделала просто невероятную работу:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
она пометила 1700 особей
15:39
bluefin, yellowfin and albacore
377
924000
2000
голубого, желтопёрого и длиннопёрого тунца,
15:41
all at the same time --
378
926000
2000
и всё это в рамках одного проекта.
15:43
carefully rehearsed tagging programs
379
928000
2000
Хорошо отработаны программы по маркировке:
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
мы выходим в открытое море, выбираем молодых особей,
15:48
put in the tags that actually have the sensors,
381
933000
3000
берём датчики с сенсорами,
15:51
stick out the tuna
382
936000
2000
прикрепляем к тунцу
15:53
and then let them go.
383
938000
2000
и отпускаем его.
15:55
They get returned, and when they get returned,
384
940000
2000
Мы получаем датчики обратно, и когда они возвращаются,
15:57
here on a NASA numerical ocean
385
942000
3000
на цифровой модели океана в НАСА
16:00
you can see bluefin in blue
386
945000
2000
можно увидеть, как голубой тунец
16:02
go across their corridor,
387
947000
2000
плывёт по своему коридору,
16:04
returning to the Western Pacific.
388
949000
3000
возвращаясь в западную часть Тихого океана.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
Наша команда из Калифорнийского университета пометила морских слонов датчиками,
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
которые крепятся им на голову и отпадают, когда сходит старая кожа.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Эти данные покрывают половину океана
16:16
take data down to 1,800 feet --
392
961000
2000
и относят нас на глубину в полкилометра —
16:18
amazing data.
393
963000
2000
невероятные данные!
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Здесь работает Скотт Шаффер: его буревестники
16:23
wearing tuna tags, light-based tags,
395
968000
3000
оснащены световыми датчиками для тунца, определяющими его местоположение
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
которые проведут нас от Новой Зеландии до Монтерея и обратно.
16:29
journeys of 35,000 nautical miles
397
974000
3000
Путешествие длиной в 35000 морских миль,
16:32
we had never seen before.
398
977000
2000
которого вы никогда не видели прежде.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Но теперь, при помощи этих миниатюрных световых геолокационных датчиков,
16:37
we can actually see these journeys.
400
982000
2000
эти перемещения может увидеть каждый.
16:39
Same thing with Laysan albatross
401
984000
2000
То же самое и с темноспинными альбатросами,
16:41
who travel an entire ocean
402
986000
2000
которые летят через весь океан,
16:43
on a trip sometimes,
403
988000
2000
устремляясь в те же зоны,
16:45
up to the same zone the tunas use.
404
990000
2000
что и тунец.
16:47
You can see why they might be caught.
405
992000
3000
Это объясняет, почему они находятся под угрозой исчезновения.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Есть и команда Джорджа Шиллингера из Плайа-Гранде,
16:53
tagging leatherbacks
407
998000
2000
которая помечает кожистых черепах,
16:55
that go right past where we are.
408
1000000
3000
проплывающих в тех же местах, где мы работаем.
16:58
And Scott Benson's team
409
1003000
2000
А здесь работает команда Скотта Бенсона,
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
которая обнаружила, что кожистые черепахи
17:02
all the way to Monterey.
411
1007000
2000
проплывают расстояние от Индонезии до Монтерея.
17:04
So what we can see on this moving ocean
412
1009000
3000
И что же мы теперь можем видеть на этой электронной модели океана?
17:07
is we can finally see where the predators are.
413
1012000
3000
Мы видим хищников.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Мы видим, как они используют
17:13
as large as an ocean.
415
1018000
2000
эколандшафт размером с целый океан.
17:15
And from this information,
416
1020000
2000
И используя данную информацию,
17:17
we can begin to map the hope spots.
417
1022000
3000
мы можем начать составлять карты особо значимых мест океана.
17:20
So this is just three years of data right here --
418
1025000
2000
Здесь вы видите лишь данные за три года.
17:22
and there's a decade of this data.
419
1027000
2000
А здесь уже за десять лет.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Мы видим динамику
17:26
that these animals are going on.
421
1031000
3000
и сезонную активность этих животных.
17:30
So what we're able to do with this information
422
1035000
2000
Больше всего нас интересует информация
17:32
is boil it down to hot spots,
423
1037000
3000
о местах наибольшей активности жителей океана.
17:35
4,000 deployments,
424
1040000
2000
4000 помеченных особей,
17:37
a huge herculean task,
425
1042000
3000
непосильная задача;
17:40
2,000 tags
426
1045000
2000
2000 датчиков в зоне.
17:42
in an area, shown here for the first time,
427
1047000
2000
Эти данные демонстрируются впервые
17:44
off the California coast,
428
1049000
2000
здесь, неподалеку от Калифорнийского побережья,
17:46
that appears to be a gathering place.
429
1051000
3000
которое оказывается местом встречи представителей подводного мира.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
К тому же, эти животные
17:53
they're helping us.
431
1058000
2000
ещё и помогают нам.
17:55
They're carrying instruments
432
1060000
2000
Они переносят на себе приборы,
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
которые записывают данные на глубине 2000 метров.
18:00
They're taking information from our planet
434
1065000
2000
Они берут информацию из таких важных
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
и труднодоступных мест, как Антарктида и полюса.
18:05
Those are seals from many countries
436
1070000
2000
Например, тюлени, которые были помечены
18:07
being released
437
1072000
2000
во многих странах,
18:09
who are sampling underneath the ice sheets
438
1074000
2000
с помощью датчиков берут образцы под слоями льда
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
и предоставляют информацию о температуре океана
18:14
on both poles.
440
1079000
2000
на обоих полюсах.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
Когда эти данные представлены в графическом формате, то это удивительное зрелище.
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Однако мы пока не определились с тем, как их лучше представить.
18:22
And then, as these animals swim
443
1087000
2000
Затем, когда эти животные
18:24
and give us the information
444
1089000
2000
передают нам информацию,
18:26
that's important to climate issues,
445
1091000
2000
которая важна для исследования климата,
18:28
we also think it's critical
446
1093000
2000
мы считаем своим долгом
18:30
to get this information to the public,
447
1095000
2000
донести эту информацию до общественности,
18:32
to engage the public with this kind of data.
448
1097000
3000
заинтересовать её.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Мы сделали подобное, организовав Большую черепашью гонку:
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
наблюдение за передвижением помеченных черепах, привлекло на наш сайт 4 миллиона посетителей.
18:40
And now with Google's Oceans,
451
1105000
3000
А теперь, при помощи проекта "Гугл Океан",
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
мы можем поместить на карты и белую акулу.
18:45
And when we do and it swims,
453
1110000
2000
Когда мы это сделаем, и она поплывёт,
18:47
we see this magnificent bathymetry
454
1112000
2000
мы получим эти ценные данные,
18:49
that the shark knows is there on its path
455
1114000
2000
которые акула собирает на своем пути
18:51
as it goes from California to Hawaii.
456
1116000
2000
от Калифорнии до Гавайев.
18:53
But maybe Mission Blue
457
1118000
2000
Но, возможно, миссия "Голубая планета"
18:55
can fill in that ocean that we can't see.
458
1120000
3000
поможет заполнить пробелы в знаниях об океане.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
У нас есть возможность, у НАСА океан.
19:01
We just need to put it together.
460
1126000
2000
Нам нужно лишь объединить всё это в единое целое.
19:03
So in conclusion,
461
1128000
2000
В заключение, я хочу сказать,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
что мы знаем, где находится североамериканский Йеллоустон:
19:08
it's off our coast.
463
1133000
2000
Он рядом с нашим побережьем.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
У нас есть технологии, которые показали нам, где он.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Что касается миссии "Голубая планета",
19:15
is increasing the biologging capacity.
466
1140000
3000
то мы, возможно, должны увеличить объём собираемых данных.
19:18
How is it that we can actually
467
1143000
2000
Каким же образом
19:20
take this type of activity elsewhere?
468
1145000
3000
мы можем сделать подобную работу в других местах?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
И наконец, отправить сообщение домой —
19:26
maybe use live links
470
1151000
2000
возможно, используя прямые каналы связи:
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
голубых китов и белых акул
19:30
Make killer apps, if you will.
472
1155000
2000
или с помощью инновационных приложений.
19:32
A lot of people are excited
473
1157000
2000
Многим людям было любопытно узнать,
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
когда белые акулы проплывали под мостом Золотые ворота.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Давайте же вовлечём людей в это действо посредством iPhone
19:40
That way we do away with a few internet myths.
476
1165000
3000
и таким образом покончим с некоторыми интернет-мифами.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Итак, мы можем спасти голубого тунца.
19:46
We can save the white shark.
478
1171000
2000
Мы можем спасти белую акулу.
19:48
We have the science and technology.
479
1173000
2000
С нами наука и технологии.
19:50
Hope is here. Yes we can.
480
1175000
2000
Надежда есть. Мы сможем.
19:52
We need just to apply this capacity
481
1177000
2000
Нам нужно лишь применить наши возможности
19:54
further in the oceans.
482
1179000
2000
на практике в океане.
19:56
Thank you.
483
1181000
2000
Спасибо за внимание!
19:58
(Applause)
484
1183000
2000
(Аплодисменты)
ABOUT THE SPEAKER
Barbara Block - Marine biologistBarbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.
Why you should listen
Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.
Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.
Barbara Block | Speaker | TED.com