Barbara Block: Tagging tuna in the deep ocean

24,725 views ・ 2010-10-06

TED


אנא לחץ פעמיים על הכתוביות באנגלית למטה כדי להפעיל את הסרטון.

מתרגם: anat gat מבקר: Ido Dekkers
00:15
I've been fascinated for a lifetime
0
15260
3000
הייתי מרותקת כל חיי
00:18
by the beauty, form and function
1
18260
2000
מהיופי, הצורה ותפקודם
00:20
of giant bluefin tuna.
2
20260
3000
של דגי הטונה כחולת הסנפיר הענקיים.
00:23
Bluefin are warmblooded like us.
3
23260
3000
דגי הטונה כחולת הספיר הם בעלי "דם חם" כמונו.
00:26
They're the largest of the tunas,
4
26260
3000
הם הגדולים בטונות,.
00:29
the second-largest fish in the sea -- bony fish.
5
29260
3000
השניים בגודלם בים בין דגי הגרם.
00:32
They actually are a fish
6
32260
2000
הם למעשה דג
00:34
that is endothermic --
7
34260
2000
שצורך אנרגיה (אנדותרמים).
00:36
powers through the ocean with warm muscles like a mammal.
8
36260
3000
כוח שעובר דרך האוקינוס, עם שרירים כמו של יונקים.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
40260
3000
זה אחד מטונת כחולת הסנפיר שלנu באקווריום " מונטה ריי".
00:43
You can see in its shape and its streamlined design
10
43260
3000
אפשר לראות בצורתו ובעיצובו
00:46
it's powered for ocean swimming.
11
46260
3000
שכוחו מיועד לשחיה באוקינוס.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
49260
3000
הוא "עף" דרך הים בעזרת שרירי חזה, תופס תנופה,
00:52
powers its movements
13
52260
2000
ומפעיל את תנועותיו
00:54
with a lunate tail.
14
54260
2000
בעזרת זנבו.
00:56
It's actually got a naked skin for most of its body,
15
56260
3000
למעשה לטונה יש עור חשוף לרוב גופו,
00:59
so it reduces friction with the water.
16
59260
3000
לכן קטן החיכוך עם המים.
01:02
This is what one of nature's finest machines.
17
62260
3000
הוא אחד ממכונות הטבע המשובחות.
01:05
Now, bluefin
18
65260
2000
טונות כחולות ספיר
01:07
were revered by Man
19
67260
2000
נערצו על ידי האדם
01:09
for all of human history.
20
69260
3000
לכל אורך ההיסטוריה האנושית.
01:12
For 4,000 years, we fished sustainably for this animal,
21
72260
3000
כ 4,000 שנה, דגנו מתוך אחריות סביבתית לחיה זו,
01:15
and it's evidenced
22
75260
2000
והעדות לכך
01:17
in the art that we see
23
77260
2000
זו האומנות שאנו רואים
01:19
from thousands of years ago.
24
79260
2000
מלפני אלפי שנים.
01:21
Bluefin are in cave paintings in France.
25
81260
3000
טונות מתועדים בציורי מערות בצרפת.
01:24
They're on coins
26
84260
2000
הם במטבעות
01:26
that date back 3,000 years.
27
86260
3000
שתאריכם לפני 3,000 שנה.
01:29
This fish was revered by humankind.
28
89260
3000
הדג הוערץ על ידי בני אדם.
01:32
It was fished sustainably
29
92260
2000
דגנו את החיה מתוך אחריות סביבתית
01:34
till all of time,
30
94260
2000
כל הזמן,
01:36
except for our generation.
31
96260
2000
למעט הדור שלנו.
01:38
Bluefin are pursued wherever they go --
32
98260
3000
טונות נרדפות לכל מקום אליו הן הולכות.
01:41
there is a gold rush on Earth,
33
101260
2000
יש בהלה לזהב על כדור הארץ,
01:43
and this is a gold rush for bluefin.
34
103260
2000
וזו היא בהלת הזהב לטונות.
01:45
There are traps that fish sustainably
35
105260
2000
היו מלכודות דגים בעלות נזק מזערי
01:47
up until recently.
36
107260
3000
עד לאחרונה.
01:50
And yet, the type of fishing going on today,
37
110260
3000
ובכל זאת, סוג הדייג שרווח היום,
01:53
with pens, with enormous stakes,
38
113260
3000
עם המכלאות, והסכומים העצומים,
01:56
is really wiping bluefin
39
116260
2000
באמת מעלים את טונות
01:58
ecologically off the planet.
40
118260
2000
מבחינה אקולוגית.
02:00
Now bluefin, in general,
41
120260
2000
הטונות, בדרך כלל,
02:02
goes to one place: Japan.
42
122260
2000
הולכות למקום אחד, יפן.
02:04
Some of you may be guilty
43
124260
2000
חלקכם יהיה אשם
02:06
of having contributed to the demise of bluefin.
44
126260
2000
בלקיחת חלק בהשמדת הטונות.
02:08
They're delectable muscle,
45
128260
2000
שריריהם טעימים,
02:10
rich in fat --
46
130260
2000
עשירים בשומן --
02:12
absolutely taste delicious.
47
132260
2000
בהחלט טעימים מאוד.
02:14
And that's their problem; we're eating them to death.
48
134260
3000
וזאת היא הבעיה שלהם; אנחנו אוכלים אותם עד מוות.
02:17
Now in the Atlantic, the story is pretty simple.
49
137260
3000
באוקיינוס האטלנטי הסיפור פשוט מאוד.
02:20
Bluefin have two populations: one large, one small.
50
140260
3000
לטונות יש שתי אוכלוסיות, אחת גדולה, אחת קטנה.
02:23
The North American population
51
143260
2000
האוכלוסייה בצפון אמריקה
02:25
is fished at about 2,000 ton.
52
145260
3000
שאותה אנו דגים בערך 2,000 טון.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
148260
3000
האוכלוסייה האירופית והצפון אפריקנית -- היא הטונה המזרחית --
02:31
is fished at tremendous levels:
54
151260
3000
שם הדייג בכמויות עצומות:
02:34
50,000 tons over the last decade almost every year.
55
154260
3000
בעשור האחרון 50,000 טון מדי שנה.
02:37
The result is whether you're looking
56
157260
2000
התוצאה היא שלכל מקום אליו אנו מסתכלים
02:39
at the West or the Eastern bluefin population,
57
159260
3000
במזרח או במערב על אוכלוסיות הטונה,
02:42
there's been tremendous decline on both sides,
58
162260
2000
יש ירידה עצומה בשני הצדדים
02:44
as much as 90 percent
59
164260
2000
עד 90 אחוז
02:46
if you go back with your baseline
60
166260
2000
אם נחזור אחורה לבסיס
02:48
to 1950.
61
168260
2000
ל-1950.
02:50
For that, bluefin have been given a status
62
170260
3000
בשביל זה, טונות הוכרו במצב
02:53
equivalent to tigers, to lions,
63
173260
3000
שווה לטיגריסים, לאריות,
02:56
to certain African elephants
64
176260
2000
לכמה פילים באפריקה
02:58
and to pandas.
65
178260
2000
ולפנדות.
03:00
These fish have been proposed
66
180260
2000
הדגים הללו הוצעו
03:02
for an endangered species listing in the past two months.
67
182260
3000
לרשימת המינים בסכנת הכחדה בחודשיים האחרונים.
03:05
They were voted on and rejected
68
185260
2000
ההצעות להכניסם לרשימות נדונו ונדחו,
03:07
just two weeks ago,
69
187260
2000
רק לפני שבועיים,
03:09
despite outstanding science
70
189260
2000
וזאת למרות מחקר יוצא דופן
03:11
that shows from two committees
71
191260
3000
שמוכיח משתי ועדות
03:14
this fish meets the criteria of CITES I.
72
194260
3000
שהדגים הללו מתאימים לקריטריון של CITES.
03:17
And if it's tunas you don't care about,
73
197260
2000
ואם לא אכפת לך מהטונות
03:19
perhaps you might be interested
74
199260
2000
אולי יהיה לך אכפת
03:21
that international long lines and pursing
75
201260
2000
שקבוצות דיג עם רשתות ארוכות טווח
03:23
chase down tunas and bycatch animals
76
203260
3000
צדות טונות וחיות
03:26
such as leatherbacks, sharks,
77
206260
2000
כמו כרישים,
03:28
marlin, albatross.
78
208260
2000
דגי חרב, ואבטרוס,
03:30
These animals and their demise
79
210260
2000
החיות הללו והמוות שלהם
03:32
occurs in the tuna fisheries.
80
212260
3000
מתרחשות באזורי הדיג של הטונה.
03:35
The challenge we face
81
215260
2000
האתגר מולו אנחנו מתמודדים
03:37
is that we know very little about tuna,
82
217260
3000
הוא שאנחנו יודעים מעט מאוד על טונות,
03:40
and everyone in the room knows what it looks like
83
220260
3000
למשל כולם בחדר יודעים איך זה נראה
03:43
when an African lion
84
223260
2000
כשאריה אפריקני
03:45
takes down its prey.
85
225260
2000
מכניע את טרפו.
03:47
I doubt anyone has seen a giant bluefin feed.
86
227260
3000
אני בספק אם משהו ראה טונה כחולת ספיר אוכלת.
03:50
This tuna symbolizes
87
230260
3000
הטונה הזאת מסמלת
03:53
what's the problem for all of us in the room.
88
233260
3000
את הבעיה של כולנו בחדר זה.
03:56
It's the 21st century, but we really have only just begun
89
236260
3000
אנחנו במאה ה-21, אבל למעשה רק התחלנו
03:59
to really study our oceans in a deep way.
90
239260
3000
ללמוד את האוקיינוסים בדרך מעמיקה.
04:02
Technology has come of age
91
242260
2000
טכנולוגיה הגיעה לזמן
04:04
that's allowing us to see the Earth from space
92
244260
3000
שבו היא מאפשרת לנו לראות את כדור הארץ מהחלל
04:07
and go deep into the seas remotely.
93
247260
3000
ולהגיע לעומק הימים בשליטה מרחוק.
04:10
And we've got to use these technologies immediately
94
250260
2000
ואנחנו צריכים להשתמש בטכנולוגיה זו במהירות
04:12
to get a better understanding
95
252260
2000
בשביל לקבל הבנה יותר טובה
04:14
of how our ocean realm works.
96
254260
3000
על ממלכת האוקיינוס שלנו ואיך היא פועלת.
04:17
Most of us from the ship -- even I --
97
257260
2000
חלקנו הרב מספינה, אפילו אני,
04:19
look out at the ocean and see this homogeneous sea.
98
259260
3000
מסתכלים על האוקיינוס ורואים את הים ההומוגני.
04:22
We don't know where the structure is.
99
262260
2000
אנחנו לא מכירים את המבנה.
04:24
We can't tell where are the watering holes
100
264260
3000
אנחנו לא יכולים להגיד איפה מקווה המים
04:27
like we can on an African plain.
101
267260
3000
כמו שאנחנו יכולים להגיד על מישורי אפריקה.
04:30
We can't see the corridors,
102
270260
2000
אנחנו לא יכולים לראות מסדרונות
04:32
and we can't see what it is
103
272260
2000
ואנחנו לא יכולים לראות מה הוא הגורם
04:34
that brings together a tuna,
104
274260
2000
שמקבץ ביחד טונות,
04:36
a leatherback and an albatross.
105
276260
2000
צבי ים ואלבטרוס.
04:38
We're only just beginning to understand
106
278260
2000
אנחנו רק מתחילים להבין
04:40
how the physical oceanography
107
280260
2000
איך האוקיאנוגרפיה הפיזיקלית
04:42
and the biological oceanography
108
282260
2000
והאוקיאנוגרפיה הביולוגית
04:44
come together
109
284260
2000
מתחברות
04:46
to create a seasonal force
110
286260
2000
לייצר כוח עונתי
04:48
that actually causes the upwelling
111
288260
2000
שלמעשה גורם לעליית מי העומק
04:50
that might make a hot spot a hope spot.
112
290260
3000
שיכול לגרום לנקודה חמה להפוך לנקודת תקווה.
04:53
The reasons these challenges are great
113
293260
2000
הסיבות שהאתגרים הללו עצומים
04:55
is that technically it's difficult to go to sea.
114
295260
3000
הן שמבחינה טכנית קשה לגשת לים.
04:58
It's hard to study a bluefin on its turf,
115
298260
2000
קשה ללמוד על אזורי האכילה של טונות,
05:00
the entire Pacific realm.
116
300260
2000
ומיקומם על פני האוקינוס השקט.
05:02
It's really tough to get up close and personal with a mako shark
117
302260
4000
זה באמת קשה להתקרב לכריש מקו
05:06
and try to put a tag on it.
118
306260
2000
ולנסות לשים עליו תג זיהוי.
05:08
And then imagine being Bruce Mate's team from OSU,
119
308260
3000
דמיינו לכם להיות בקבוצת ברוס מייטס מ-OSU,
05:11
getting up close to a blue whale
120
311260
2000
מתקרב ללווייתן כחול
05:13
and fixing a tag on the blue whale that stays,
121
313260
3000
ומתקן את תג הזיהוי על הלווייתן כך שיישאר,
05:16
an engineering challenge
122
316260
2000
זהו אתגר הנדסי
05:18
we've yet to really overcome.
123
318260
2000
שעליו אנחנו עדיין צריכים להתגבר.
05:20
So the story of our team, a dedicated team,
124
320260
3000
לכן סיפור קבוצתנו, קבוצה מסורה,
05:23
is fish and chips.
125
323260
2000
נקרא דגים ותגים.
05:25
We basically are taking
126
325260
2000
אנחנו בדרך כלל לוקחים
05:27
the same satellite phone parts,
127
327260
2000
את אותם חלקי טלפון לוויני,
05:29
or the same parts that are in your computer, chips.
128
329260
3000
או את אותם חלקים שבמחשב שלכם, שבבים.
05:32
We're putting them together in unusual ways,
129
332260
3000
אנחנו מרכיבים אותם בדרכים לא רגילות,
05:35
and this is taking us into the ocean realm
130
335260
2000
וזה לוקח אותנו לממלכת האוקיינוס
05:37
like never before.
131
337260
2000
בדרך שלא נראתה קודם.
05:39
And for the first time,
132
339260
2000
ובפעם הראשונה,
05:41
we're able to watch the journey of a tuna beneath the ocean
133
341260
3000
אנחנו מסוגלים להסתכל על מסע הטונה מתחת האוקיינוס
05:44
using light and photons
134
344260
2000
בעזרת אורות ופוטונים
05:46
to measure sunrise and sunset.
135
346260
3000
למדוד שקיעה וזריחה.
05:49
Now, I've been working with tunas for over 15 years.
136
349260
3000
עכשיו, אני עובדת עם טונות מעל 15 שנה.
05:52
I have the privilege of being a partner
137
352260
2000
ויש לי את הזכות להיות בשותפות
05:54
with the Monterey Bay Aquarium.
138
354260
2000
עם האקווריום במפרץ מונטריי.
05:56
We've actually taken a sliver of the ocean,
139
356260
2000
למעשה לקחנו רסיס מהאוקיינוס,
05:58
put it behind glass,
140
358260
2000
שמנו מאחורי זכוכית,
06:00
and we together
141
360260
2000
וביחד
06:02
have put bluefin tuna and yellowfin tuna on display.
142
362260
3000
שמנו טונה כחולת סנפיר וטונה זהובת סנפיר לתצוגה.
06:05
When the veil of bubbles lifts every morning,
143
365260
3000
כשמסך הבועות עולה כל בוקר,
06:08
we can actually see a community from the Pelagic ocean,
144
368260
3000
אנחנו יכולים לראות חיי קהילה מהאוקיינוס הפתוח,
06:11
one of the only places on Earth
145
371260
2000
אחד מהמקומות היחידים בעולם
06:13
you can see giant bluefin swim by.
146
373260
3000
שבו תוכלו לראות טונות כחולות ספיר שוחות .
06:16
We can see in their beauty of form and function,
147
376260
2000
אנחנו יכולים לראות ביופי צורתם והפונקציונליות שלהם,
06:19
their ceaseless activity.
148
379260
2000
את פעילותם הבלתי פוסקת.
06:21
They're flying through their space, ocean space.
149
381260
3000
הם עפים דרך החלל שלהם, חלל האוקיינוס.
06:24
And we can bring two million people a year
150
384260
2000
ואנחנו יכולים להביא 2 מיליון אנשים בשנה
06:26
into contact with this fish
151
386260
2000
למגע עם הדג הזה
06:28
and show them its beauty.
152
388260
3000
ולהראות להם את יופיו.
06:31
Behind the scenes is a working lab at Stanford University
153
391260
3000
מאחורי הקלעים פועלת מעבדת אוניברסיטת סטנפורד
06:34
partnered with the Monterey Bay Aquarium.
154
394260
2000
ששותפה לאקווריום מפרץ מונטריי.
06:36
Here, for over 14 or 15 years,
155
396260
2000
כאן, אחרי 14 או 15 שנה,
06:38
we've actually brought in
156
398260
2000
הבאנו לכם
06:40
both bluefin and yellowfin in captivity.
157
400260
2000
גם טונה כחולת סנפיר וגם טונה זהובת סנפיר בשבי.
06:42
We'd been studying these fish,
158
402260
2000
למדנו דג זה.
06:44
but first we had to learn how to husbandry them.
159
404260
2000
אך קודם כל היינו צריכים ללמוד כיצד לגדל אותו.
06:46
What do they like to eat?
160
406260
2000
מה הם אוהבים לאכול?
06:48
What is it that they're happy with?
161
408260
2000
עם מה הם מרגישים בנוח ?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
410260
3000
אנחנו נכנסים למכלים עם הטונות. נוגעים בעורם החשוף.
06:53
it's pretty amazing. It feels wonderful.
163
413260
3000
זה די מדהים. זה מרגיש נפלא.
06:56
And then, better yet,
164
416260
2000
ובנוסף,
06:58
we've got our own version of tuna whisperers,
165
418260
2000
יש לנו גירסא של "לוחשים לטונות"
07:00
our own Chuck Farwell, Alex Norton,
166
420260
2000
צ'ק פארוול ואלכס נורת'
07:02
who can take a big tuna
167
422260
2000
שיכולים לקחת טונה גדול
07:04
and in one motion,
168
424260
2000
ובתנועה אחת
07:06
put it into an envelope of water,
169
426260
2000
לשים אותה במעטפת בתוך מים
07:08
so that we can actually work with the tuna
170
428260
2000
בכדי שנוכל לעבוד עם הטונה
07:10
and learn the techniques it takes
171
430260
2000
וללמוד את השיטות
07:12
to not injure this fish
172
432260
2000
שבהן לו נפגע בדג
07:14
who never sees a boundary in the open sea.
173
434260
3000
שמעולם לא נתקל במחסומים בים הפתוח.
07:17
Jeff and Jason there, are scientists
174
437260
2000
ג'ף וג'ייסון הם מדענים
07:19
who are going to take a tuna
175
439260
2000
שהולכים לקחת טונה
07:21
and put it in the equivalent of a treadmill, a flume.
176
441260
3000
ולשים אותה במקבילה של ההליכון, תעלה,
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
444260
3000
והטונה חושבת שהיא בדרכה ליפן, אבל היא נשארת במקומה.
07:27
We're actually measuring its oxygen consumption,
178
447260
2000
אנחנו למעשה מודדים את תצרוכת החמצן,
07:29
its energy consumption.
179
449260
2000
את תצרוכת האנרגיה.
07:32
We're taking this data and building better models.
180
452260
3000
אנחנו לוקחים מידע זה ובונים מודלים טובים יותר.
07:35
And when I see that tuna -- this is my favorite view --
181
455260
3000
וכשאני רואה את הטונה הזאת -- זאת דרך הראייה האהובה אלי --
07:38
I begin to wonder:
182
458260
2000
אני מתחילה לחשוב:
07:40
how did this fish solve the longitude problem before we did?
183
460260
3000
איך דג זה פתר את בעיות קוי האורך לפנינו?
07:44
So take a look at that animal.
184
464260
2000
תסתכלו על חיה זו.
07:46
That's the closest you'll probably ever get.
185
466260
2000
זה הכי קרוב שכנראה תוכלו להתקרב בחייכם.
07:48
Now, the activities from the lab
186
468260
3000
עכשיו, הפעילויות מהמעבדה
07:51
have taught us now how to go out in the open ocean.
187
471260
3000
לימדו אותנו איך לצאת לאוקיינוס הפתוח.
07:54
So in a program called Tag-A-Giant
188
474260
3000
אז בתוכנית שנקראת תייג ענק
07:57
we've actually gone from Ireland to Canada,
189
477260
3000
אנחנו למעשה נסענו מאירלנד לקנדה,
08:00
from Corsica to Spain.
190
480260
2000
מקורסיקה לספרד.
08:02
We've fished with many nations around the world
191
482260
3000
אנחנו דגנו עם הרבה עמים סביב העולם
08:05
in an effort to basically
192
485260
2000
במאמץ
08:07
put electronic computers
193
487260
3000
להחדיר מחשבונים אלקטרונים
08:10
inside giant tunas.
194
490260
2000
לתוך טונות ענקיות.
08:12
We've actually tagged 1,100 tunas.
195
492260
3000
אנחנו למעשה תייגנו 1,100 טונות.
08:15
And I'm going to show you three clips,
196
495260
2000
ואני הולכת להראות לכם שלושה קליפים,
08:17
because I tagged 1,100 tunas.
197
497260
3000
בגלל שאני תייגתי 1,100 טונות.
08:20
It's a very hard process, but it's a ballet.
198
500260
3000
התהליך קשה מאוד, אבל זה כמו בלט.
08:23
We bring the tuna out, we measure it.
199
503260
3000
אנחנו מוציאים את הטונות. מודדים אותן.
08:26
A team of fishers, captains, scientists and technicians
200
506260
3000
קבוצה של דייגים, קפטנים, מדענים וטכנאים
08:29
work together to keep this animal out of the ocean
201
509260
3000
עובדים ביחד לשמור על החיות הללו מחוץ לאקיינוס
08:32
for about four to five minutes.
202
512260
3000
במשך ארבע לחמש דקות.
08:35
We put water over its gills, give it oxygen.
203
515260
3000
אנחנו שמים מים על הזימים שלהם, מביאים להם חמצן.
08:38
And then with a lot of effort, after tagging,
204
518260
3000
ולאחר מכן עם הרבה מאמץ, אחרי תיוג,
08:41
putting in the computer,
205
521260
2000
והזנה למחשב,
08:43
making sure the stalk is sticking out so it senses the environment,
206
523260
3000
מוודאים שהמכשיר מעקב בולט כך שהוא יחוש את הסביבה.
08:46
we send this fish back into the sea.
207
526260
3000
אנחנו שולחים את הדגים חזרה למים.
08:49
And when it goes, we're always happy.
208
529260
2000
ותמיד כשהם חוזרים, אנחנו מאושרים.
08:51
We see a flick of the tail.
209
531260
2000
אנחנו רואים הצלפה של זנב.
08:53
And from our data that gets collected,
210
533260
3000
ומהמידע שאנחנו אוספים,
08:56
when that tag comes back,
211
536260
2000
כששבב זה חוזר,
08:58
because a fisher returns it
212
538260
2000
בגלל שדייג מחזיר אותו
09:00
for a thousand-dollar reward,
213
540260
2000
בעד פרס של 1,000 דולר,
09:02
we can get tracks beneath the sea
214
542260
2000
אנחנו יכולים לקבל רצועות מתחת לים
09:04
for up to five years now,
215
544260
2000
של חמש שנים עד עכשיו,
09:06
on a backboned animal.
216
546260
2000
על גבי עמוד השדרה של החיה.
09:08
Now sometimes the tunas are really large,
217
548260
3000
לפעמים הטונות באמת גדולות,
09:11
such as this fish off Nantucket.
218
551260
2000
כמו הדג הזה שמעל ננטקט (אי באוקיינוס האטלנטי).
09:13
But that's about half the size
219
553260
2000
אבל זה בערך חצי מהגודל
09:15
of the biggest tuna we've ever tagged.
220
555260
2000
של הטונות הגדולות ביותר שאנחנו תייגנו.
09:17
It takes a human effort,
221
557260
2000
זה לוקח מאמץ אנושי,
09:19
a team effort, to bring the fish in.
222
559260
2000
מאמץ קבוצתי, להביא את הדג פנימה.
09:21
In this case, what we're going to do
223
561260
2000
במקרה הזה, מה שנעשה
09:23
is put a pop-up satellite archival tag on the tuna.
224
563260
3000
זה נצמיד לטונה תג הקלטה לוויני מתנתק
09:27
This tag rides on the tuna,
225
567260
2000
תג זה רוכב על הטונה
09:29
senses the environment around the tuna
226
569260
3000
חש את הסביבה סביב הטונה
09:32
and actually will come off the fish,
227
572260
3000
ולמעשה מתנתק מן הטונה
09:35
detach, float to the surface
228
575260
2000
צף אל פני המים
09:37
and send back to Earth-orbiting satellites
229
577260
3000
ומשדר חזרה אל לווינים המקיפים את כדור הארץ
09:40
position data estimated by math on the tag,
230
580260
3000
מידע מיקומי מוערך על ידי מתמטיקה על השבב,
09:43
pressure data and temperature data.
231
583260
3000
מידע על לחץ וטמפרטורה.
09:46
And so what we get then from the pop-up satellite tag
232
586260
2000
ואז זה מה שאנחנו מקבלים מהשבב הלווייני המתנתק
09:48
is we get away from having to have a human interaction
233
588260
3000
זה שאנחנו מתרחקים מהצורך באינטראקציה אנושית
09:51
to recapture the tag.
234
591260
2000
כדי להחזיר את השבב.
09:53
Both the electronic tags I'm talking about are expensive.
235
593260
3000
שני השבבים האלקטרונים שאני מדברת עליהם יקרים מאוד.
09:56
These tags have been engineered
236
596260
2000
השבבים הללו הונדסו
09:58
by a variety of teams in North America.
237
598260
3000
על ידי מגוון צוותים מצפון אמריקה.
10:01
They are some of our finest instruments,
238
601260
2000
הם חלק מהכלים הטובים ביותר שלנו,
10:03
our new technology in the ocean today.
239
603260
3000
הטכנולוגיה הכי עכשווית באוקינוס כיום.
10:07
One community in general
240
607260
2000
קהילה אחת בגדול
10:09
has given more to help us than any other community.
241
609260
2000
הביאה יותר עזרה מכל קהילה אחרת.
10:11
And that's the fisheries off the state of North Carolina.
242
611260
3000
ואלה הם דייגי צפון קרולינה.
10:14
There are two villages, Harris and Morehead City,
243
614260
3000
יש שם שני כפרים, האריס ומורהיד סיטי.
10:17
every winter for over a decade,
244
617260
2000
כל חורף במשך עשור,
10:19
held a party called Tag-A-Giant,
245
619260
3000
עורכים מסיבה שנקראת "תייג ענק"
10:22
and together, fishers worked with us
246
622260
2000
וביחד איתנו עזרו לנו הדייגים
10:24
to tag 800 to 900 fish.
247
624260
3000
לתייג 800 עד 900 דגים.
10:27
In this case, we're actually going to measure the fish.
248
627260
3000
במקרה הזה, אנחנו הולכים למדוד את הדג.
10:30
We're going to do something that in recent years we've started:
249
630260
3000
אנחנו עומדים לעשות משהו שבשנים האחרונות התחלנו בו:
10:33
take a mucus sample.
250
633260
2000
לקחת דגימת ריר.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
635260
3000
שימו לב כמה הדג מבריק: רואים את ההשתקפות שלי עליו.
10:38
And from that mucus, we can get gene profiles,
252
638260
3000
מהריר אנו יכולים לקחת את הפרופיל הגנטי שלו.
10:41
we can get information on gender,
253
641260
2000
אנו יכולים לדעת מה מינו,
10:43
checking the pop-up tag one more time,
254
643260
2000
לבדוק את התג
10:45
and then it's out in the ocean.
255
645260
2000
ואז הדג חוזר לאוקינוס.
10:47
And this is my favorite.
256
647260
2000
והדבר הבא הוא האהוב עלי.
10:49
With the help of my former postdoc, Gareth Lawson,
257
649260
3000
עזר לי בזה הדוקטור גרת' לוסון
10:52
this is a gorgeous picture of a single tuna.
258
652260
2000
זוהי תמונת מעקב יפיפיה של טונה יחיד.
10:54
This tuna is actually moving on a numerical ocean.
259
654260
3000
דג זה שוחה באוקינוס מספרי.
10:57
The warm is the Gulf Stream,
260
657260
2000
האדום זהו "זרם המפרץ"
10:59
the cold up there in the Gulf of Maine.
261
659260
3000
הכחול זה מפרץ מיין
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
662260
3000
לשם הדג רוצה להגיע, הוא ניזון מלהקות מליח.
11:05
but it can't get there. It's too cold.
263
665260
2000
אך הוא לא יכול להגיע לשם. קר שם יותר מידי.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
667260
3000
אבל אז הדג "מתחמם" ודג הטונה נראה שוב בתמונה, ניזון מכמה דגים,
11:10
maybe comes back to home base,
265
670260
2000
אולי חוזר לבסיס הראשוני.
11:12
goes in again
266
672260
2000
ושוב הוא נכנס למפרץ
11:14
and then comes back to winter down there in North Carolina
267
674260
3000
ואז חוזר לחורף בצפון קרוליינה.
11:17
and then on to the Bahamas.
268
677260
2000
משם לבהאמה.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
679260
3000
והסצנה האהובה עלי, שלושה טונות שוחים למפרץ מקסיקו.
11:22
Three tunas tagged.
270
682260
2000
שלושה טונות שתוייגו.
11:24
Astronomically, we're calculating positions.
271
684260
2000
בגדול אנחנו אוספים מיקומים.
11:26
They're coming together. That could be tuna sex --
272
686260
3000
הם מתאספים יחד. יכול להיות שזה מפגש מיני של טונות.
11:29
and there it is.
273
689260
2000
והנה זה.
11:31
That is where the tuna spawn.
274
691260
2000
כאן דגי הטונה משריצים.
11:33
So from data like this,
275
693260
2000
אז מנתונים כאלו,
11:35
we're able now to put the map up,
276
695260
2000
אנחנו מסוגלים ליצור מפה,
11:37
and in this map
277
697260
2000
ובמפה זו
11:39
you see thousands of positions
278
699260
2000
אתם רואים אלפי מיקומים
11:41
generated by this decade and a half of tagging.
279
701260
3000
שנוצרו בעשור וחצי האחרונים של תיוג.
11:44
And now we're showing that tunas on the western side
280
704260
3000
ועכשיו אנחנו יכולים להראות שהטונות שנמצאות בצד המערבי
11:47
go to the eastern side.
281
707260
2000
שוחים לצד המזרחי.
11:49
So two populations of tunas --
282
709260
2000
אז ישנן שתי אוכלוסיות של טונה
11:51
that is, we have a Gulf population, one that we can tag --
283
711260
2000
יש לנו את אוכלוסית המפרץ, שאנחנו יכולים לתייג אותה
11:53
they go to the Gulf of Mexico, I showed you that --
284
713260
3000
הם שוחים למפרץ מקסיקו, כמו שהראתי לכם
11:56
and a second population.
285
716260
2000
והאוכלוסיה השנייה
11:58
Living amongst our tunas -- our North American tunas --
286
718260
2000
חיה בין הטונות שלנו, טונת צפון אמריקה,
12:00
are European tunas that go back to the Med.
287
720260
3000
היא טונה ארופאית שחוזרת לאגן הים התיכון.
12:03
On the hot spots -- the hope spots --
288
723260
2000
בנקודות האדומות, נקודות ה"תקווה",
12:05
they're mixed populations.
289
725260
2000
יש אוכלוסיות מעורבבות.
12:07
And so what we've done with the science
290
727260
2000
אז מה שעשינו בעזרת המדע
12:09
is we're showing the International Commission,
291
729260
2000
הוא להראות לועדה העולמית,
12:11
building new models,
292
731260
2000
לבנות מודלים חדשים,
12:13
showing them that a two-stock no-mixing model --
293
733260
2000
להראות להם שהמודל של שתי שושלות לא מתערבבות
12:15
to this day, used to reject
294
735260
3000
שעד היום שימש כדי לדחות
12:18
the CITES treaty --
295
738260
2000
את ועדת cites
12:20
that model isn't the right model.
296
740260
2000
הוא אינו נכון.
12:22
This model, a model of overlap,
297
742260
2000
המודל שמראה חפיפה
12:24
is the way to move forward.
298
744260
2000
רק בעזרתו נוכל להתקדם קדימה.
12:26
So we can then predict
299
746260
2000
ואז נוכל לחזות
12:28
where management places should be.
300
748260
2000
היכן המקומות שבהם המעקב צריך להיות.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
750260
3000
מקומות כמו מפרץ מקסיקו והים התיכון
12:33
are places where the single species,
302
753260
2000
ששם נמצא זן אחד
12:35
the single population, can be captured.
303
755260
2000
אוכלוסיה אחת, שיהיה אפשר לעקוב אחריה.
12:37
These become forthright in places we need to protect.
304
757260
3000
וזה חשוב במיוחד בקומות שאנחנו צריכים להגן עליהם.
12:40
The center of the Atlantic where the mixing is,
305
760260
3000
כמו מרכז האוקינוס האטלנטי ששם נמצאת האוכלוסיה המעורבת,
12:43
I could imagine a policy that lets Canada and America fish,
306
763260
2000
אני יכולה לדמיין מדיניות שנותנת לקנדה ואמריקה לדוג,
12:45
because they manage their fisheries well,
307
765260
3000
בגלל שהם מנהלים את הדייגים והדיג נכון,
12:48
they're doing a good job.
308
768260
2000
הם עושים עבודה טובה.
12:50
But in the international realm,
309
770260
2000
אבל בתחום הבין לאומי,
12:52
where fishing and overfishing has really gone wild,
310
772260
2000
היכן שהדייגים ודייג היתר באמת היו ללא בקרה,
12:54
these are the places that we have to make hope spots in.
311
774260
3000
במקומות אלו אנו צריכים ליצור אזורי "תקווה".
12:57
That's the size they have to be to protect the bluefin tuna.
312
777260
3000
וזה הגודל שהם צריכים להיות בכדי להגן על הטונת כחולת הסנפיר.
13:00
Now in a second project
313
780260
2000
ועכשיו פרויקט נוסף
13:02
called Tagging of Pacific Pelagics,
314
782260
2000
שנקרא לתייג את האוקיינוס השקט
13:04
we took on the planet as a team,
315
784260
2000
אנחנו לוקחים את העולם כקבוצה,
13:06
those of us in the Census of Marine Life.
316
786260
2000
אלו מאיתנו שעובדים במפקדי אוכלוסין של יצורים ימיים.
13:08
And, funded primarily through Sloan Foundation and others,
317
788260
4000
ושממומנים על ידי קרנות שקשורות לנושא,
13:12
we were able to actually go in, in our project --
318
792260
3000
יש ביכולתנו במסגרת הפרויקט
13:15
we're one of 17 field programs
319
795260
2000
שבו אנחנו קבוצה אחת מתוך 17 קבוצות "שדה"
13:17
and begin to take on tagging large numbers of predators,
320
797260
3000
להתחיל לתייג מספר רב של טורפים,
13:20
not just tunas.
321
800260
2000
לא רק טונות.
13:22
So what we've done
322
802260
2000
אז מה שעשינו
13:24
is actually gone up to tag salmon shark in Alaska,
323
804260
3000
היה ללכת לתייג את כריש הסלמון באלסקה,
13:27
met salmon shark on their home territory,
324
807260
3000
פגשנו אותם בטריטוריה הביתית שלהם,
13:30
followed them catching salmon
325
810260
2000
צפינו בהם צדים סלמון
13:32
and then went in and figured out
326
812260
2000
והסקנו
13:34
that, if we take a salmon and put it on a line,
327
814260
3000
שאם ניקח סלמון ונשים אותו על קו,
13:37
we can actually take up a salmon shark --
328
817260
2000
אנחנו ממש נוכל לקחת את כריש הסלמון
13:39
This is the cousin of the white shark --
329
819260
2000
שהוא קרוב משפחה של העמלץ הלבן..
13:41
and very carefully --
330
821260
2000
ומאוד בזהירות
13:43
note, I say "very carefully," --
331
823260
2000
שימו לב שאמרתי מאוד! בזהירות!
13:45
we can actually keep it calm,
332
825260
2000
אנחנו יכולים להשאיר אותו רגוע,
13:47
put a hose in its mouth, keep it off the deck
333
827260
3000
לשים בפיו צינור, מבלי לעלות אותו לסיפון
13:50
and then tag it with a satellite tag.
334
830260
3000
ואז לתייג אותו בתג לוויני.
13:53
That satellite tag will now have your shark phone home
335
833260
3000
מעכשיו התג הלוויני יקשור אותו ל"טלפון " הבייתי שלנו.
13:56
and send in a message.
336
836260
2000
וישלח תשדורות.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
838260
3000
והכריש שמזנק שם, אם תסתכלו טוב, מחוברת אליו אנטנה.
14:01
It's a free swimming shark with a satellite tag
338
841260
2000
זהו כריש חופשי עם תג לוויני
14:03
jumping after salmon,
339
843260
2000
שקופץ בעקבות גד סלמון,
14:05
sending home its data.
340
845260
3000
ושולח חזרה נתונים.
14:09
Salmon sharks aren't the only sharks we tag.
341
849260
2000
כרישי סלמון אינם הכרישים היחידים שתייגנו.
14:11
But there goes salmon sharks with this meter-level resolution
342
851260
3000
אבל הנה כרישי הסלמון על פי רזולוציה למטר
14:14
on an ocean of temperature -- warm colors are warmer.
343
854260
3000
על אוקיינוס של טמפרטורות, הצבעים החמים מייצגים טמפרטורות גבוהות.
14:17
Salmon sharks go down
344
857260
2000
כריש הסלמון יורד למטה
14:19
to the tropics to pup
345
859260
2000
צץ באזורים הטרופים
14:21
and come into Monterey.
346
861260
2000
ומגיע למונטריי.
14:23
Now right next door in Monterey and up at the Farallones
347
863260
3000
וממש בדלת לייד במונטריי ומעל איי פאראלונס
14:26
are a white shark team led by Scott Anderson -- there --
348
866260
2000
נמצאת קבוצת העמלץ הלבן בהובלת סקוט אנדרסון
14:28
and Sal Jorgensen.
349
868260
2000
וסאל ג'ורגנסון.
14:30
They can throw out a target --
350
870260
2000
הם יכולים לזרוק פתיון-
14:32
it's a carpet shaped like a seal --
351
872260
2000
שטיח שמעוצב כמו כלב ים
14:34
and in will come a white shark, a curious critter
352
874260
3000
וכעבור זמן מה יגיע עמלץ לבן, שהוא יצור סקרן
14:37
that will come right up to our 16-ft. boat.
353
877260
3000
שיגיע עד לסירת חמש מטר שלנו.
14:40
It's a several thousand-pound animal.
354
880260
2000
זוהי חיה ששוקלת מאות קילוגרמים.
14:42
And we'll wind in the target.
355
882260
3000
ואנחנו נניח את המטרה.
14:45
And we'll place an acoustic tag
356
885260
2000
ונמקם עלייה תג אקוסטי
14:47
that says, "OMSHARK 10165,"
357
887260
2000
שאומר כריש מספר 10165
14:49
or something like that, acoustically with a ping.
358
889260
3000
או משהו כזה, אקוסטי עם פינג.
14:52
And then we'll put on a satellite tag
359
892260
2000
ואז נשים עליו תג לוויני
14:54
that will give us the long-distance journeys
360
894260
3000
שיתן לנו נתונים לגבי מרחקי המסעות של הכריש.
14:57
with the light-based geolocation algorithms
361
897260
2000
על פי חישוב נתוני המיקום והאור
14:59
solved on the computer that's on the fish.
362
899260
3000
שנפתרו על ידי המחשב שעל הכריש.
15:02
So in this case, Sal's looking at two tags there,
363
902260
3000
במקרה זה, סאל צופה בשני תגים.
15:05
and there they are: the white sharks of California
364
905260
3000
והנה הם: העמלצים הלבנים של קליפורניה
15:08
going off to the white shark cafe and coming back.
365
908260
3000
בדרכם ל"קפה" של עמלצים לבנים ושבים חזרה.
15:12
We also tag makos with our NOAA colleagues,
366
912260
2000
בנוסף תייגנו כרישי מאקו ביחד עם השותפים שלנו ב"נואא",
15:14
blue sharks.
367
914260
2000
וכרישים כחולים.
15:16
And now, together, what we can see
368
916260
2000
ןעכשיו נוכל לראות,
15:18
on this ocean of color that's temperature,
369
918260
2000
באוקיינוס צבעי הטמפרטורה הזה,
15:20
we can see ten-day worms of makos and salmon sharks.
370
920260
3000
(את מה שנראה כתולעת) הוא מעקב של עשרה ימים של כרישי מאקו וסלמון.
15:24
We have white sharks and blue sharks.
371
924260
2000
ויש לנו גם עמלצים לבנים וכרישים כחולים.
15:26
For the first time,
372
926260
2000
בפעם הראשונה,
15:28
an ecoscape as large as ocean-scale,
373
928260
2000
בקנה מידה של שטח גדול כמימדים של אוקינוס,
15:30
showing where the sharks go.
374
930260
3000
ניתן לראות לאן הכרישים הולכים.
15:33
The tuna team from TOPP has done the unthinkable:
375
933260
3000
קבוצת הטונה מ"טופפ" עשתה את הלא יאומן:
15:36
three teams tagged 1,700 tunas,
376
936260
3000
שלושה צוותים תייגו 1,700 טונות,
15:39
bluefin, yellowfin and albacore
377
939260
2000
כחולת ספיר, צהובת ספיר, טונת אלבקור
15:41
all at the same time --
378
941260
2000
וכולם באותו זמן.
15:43
carefully rehearsed tagging programs
379
943260
2000
בזהירות הם תירגלו את תיוג הטונות
15:45
in which we go out, pick up juvenile tunas,
380
945260
3000
שבה יוצאים לשטח, אוספים דגי טונה צעירים,
15:48
put in the tags that actually have the sensors,
381
948260
3000
מצמידים להם את תג עם חיישנים,
15:51
stick out the tuna
382
951260
2000
שבולט על גוף הדג
15:53
and then let them go.
383
953260
2000
ואז משחררים אותם.
15:55
They get returned, and when they get returned,
384
955260
2000
הם שולחים אות נתונים, וכאשר הם שולחים את האות,
15:57
here on a NASA numerical ocean
385
957260
3000
הנה על האוקינוס שממקם את האותות, שפותח על ידי נאס"א
16:00
you can see bluefin in blue
386
960260
2000
אפשר לראות בכחול דגי טונה כחולת ספיר
16:02
go across their corridor,
387
962260
2000
עוברים דרך המסדרון,
16:04
returning to the Western Pacific.
388
964260
3000
חוזרים למערב האוקינוס השקט.
16:07
Our team from UCSC has tagged elephant seals
389
967260
3000
הקבוצה שלנו מ ucsc ,תייגה פיל ים
16:10
with tags that are glued on their heads, that come off when they slough.
390
970260
3000
עם תג שדבוק על ראשיהם, אשר יורד כשהם מתפלשים בבוץ.
16:13
These elephant seals cover half an ocean,
391
973260
3000
פיל הים הזה גמא שני חצאי אוקינוסים,
16:16
take data down to 1,800 feet --
392
976260
2000
לקח מידע עד עומק של 600 מטר --
16:18
amazing data.
393
978260
2000
מידע מדהים.
16:20
And then there's Scott Shaffer and our shearwaters
394
980260
3000
והנה סקוט שפר והאזור המשותף שלנו
16:23
wearing tuna tags, light-based tags,
395
983260
3000
מתייג טונות בתג
16:26
that now are going to take you from New Zealand to Monterey and back,
396
986260
3000
שעכשיו יקח אותנו מניו זילנד למונטריי וחזרה,
16:29
journeys of 35,000 nautical miles
397
989260
3000
35,000 מייל של מסע ימי
16:32
we had never seen before.
398
992260
2000
שמעולם לא נראה בעבר.
16:34
But now with light-based geolocation tags that are very small,
399
994260
3000
אבל עכשיו עם התגים הקטנים שנותנים לנו מיקום גאוגרפי,
16:37
we can actually see these journeys.
400
997260
2000
אנחנו ממש יכולים לצפות במסע הזה.
16:39
Same thing with Laysan albatross
401
999260
2000
אותו דבר עם אלבטרוס נצחי
16:41
who travel an entire ocean
402
1001260
2000
אשר עף על פני אוקינוס שלם
16:43
on a trip sometimes,
403
1003260
2000
במהלך מסע,
16:45
up to the same zone the tunas use.
404
1005260
2000
אל אותו אזור שמשמש את דגי הטונה.
16:47
You can see why they might be caught.
405
1007260
3000
אתם יכולים לראות מה הסיבה שבגללה הם עלולים להיתפס.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
1010260
3000
והנה ג'ורג' שילינג'ר וקבוצת תיוג צבי הים הגילדיים אשר נמצאים בפליה גרנדה
16:53
tagging leatherbacks
407
1013260
2000
מתייגים צבי ים גילדיים
16:55
that go right past where we are.
408
1015260
3000
שעוברים בדיוק איפה שאנחנו.
16:58
And Scott Benson's team
409
1018260
2000
והצוות של סקוט בנסון
17:00
that showed that leatherbacks go from Indonesia
410
1020260
2000
שהראתה שצבי הים הגילדיים באים מאינדונזיה
17:02
all the way to Monterey.
411
1022260
2000
כל הדרך למונטריי.
17:04
So what we can see on this moving ocean
412
1024260
3000
אז מה שאנחנו יכולים לראות באוקינוס החי הזה
17:07
is we can finally see where the predators are.
413
1027260
3000
הוא איפה הטורפים נמצאים.
17:10
We can actually see how they're using ecospaces
414
1030260
3000
אנחנו ממש יכולים לראות איך הם מנצלים מרחבים
17:13
as large as an ocean.
415
1033260
2000
גדולים כמו אוקיינוס.
17:15
And from this information,
416
1035260
2000
ומהמידע הזה,
17:17
we can begin to map the hope spots.
417
1037260
3000
אנחנו יכולים להתחיל למפות את נקודות התקווה..
17:20
So this is just three years of data right here --
418
1040260
2000
וזה מידע שנאסף במשך שלוש שנים בלבד.
17:22
and there's a decade of this data.
419
1042260
2000
והנה עשור של מידע זה.
17:24
We see the pulse and the seasonal activities
420
1044260
2000
אנחנו רואים את הפולסים והפעולות העונתיות
17:26
that these animals are going on.
421
1046260
3000
שהחיות הללו עוברות.
17:30
So what we're able to do with this information
422
1050260
2000
אז מה שאנחנו יכולים לעשות עם המידע הזה
17:32
is boil it down to hot spots,
423
1052260
3000
מתכווץ לנקודות חמות,
17:35
4,000 deployments,
424
1055260
2000
שפרוסות על 4,000 אזורים,
17:37
a huge herculean task,
425
1057260
3000
משימה ענקית רבת כוח,
17:40
2,000 tags
426
1060260
2000
2,000 שבבים
17:42
in an area, shown here for the first time,
427
1062260
2000
באזור, שנראה כאן בפעם הראשונה,
17:44
off the California coast,
428
1064260
2000
של החוף הקליפורני,
17:46
that appears to be a gathering place.
429
1066260
3000
שמסתמן שהוא מקום התכנסות.
17:50
And then for sort of an encore from these animals,
430
1070260
3000
ואז במה שנראה כמו סוג של מחווה
17:53
they're helping us.
431
1073260
2000
הם עוזרים לנו.
17:55
They're carrying instruments
432
1075260
2000
הם נושאים מכשירים
17:57
that are actually taking data down to 2,000 meters.
433
1077260
3000
שלמעשה לוקחים מידע לעומק של 2,000 מטר.
18:00
They're taking information from our planet
434
1080260
2000
הם לוקחים מידע מכדור הארץ שלנו
18:02
at very critical places like Antarctica and the Poles.
435
1082260
3000
ממקומות קריטיים כמו אנטרקטיקה והקטבים.
18:05
Those are seals from many countries
436
1085260
2000
אלו כלבי ים ממדינות רבות
18:07
being released
437
1087260
2000
ששוחררו
18:09
who are sampling underneath the ice sheets
438
1089260
2000
שדוגמים מתחת למשטחי הקרח
18:11
and giving us temperature data of oceanographic quality
439
1091260
3000
ונותנים לנו נתוני טמפרטורה באיכות אוקיאנוגרפית
18:14
on both poles.
440
1094260
2000
בשני הקטבים.
18:16
This data, when visualized, is captivating to watch.
441
1096260
3000
המידע הזה, כשמוצג באופן חזותי, שובה לב.
18:19
We still haven't figured out best how to visualize the data.
442
1099260
3000
אנחנו עדיין לא הבנו את הדרך הטובה ביותר להציג את המידע.
18:22
And then, as these animals swim
443
1102260
2000
ואז, כשהחיות הללו שוחות
18:24
and give us the information
444
1104260
2000
ונותנות לנו את המידע
18:26
that's important to climate issues,
445
1106260
2000
זה עוזר לנו עם בעיות האקלים,
18:28
we also think it's critical
446
1108260
2000
בנוסף אנחנו חושבים שזה קריטי
18:30
to get this information to the public,
447
1110260
2000
להביא מידע זה לציבור,
18:32
to engage the public with this kind of data.
448
1112260
3000
ולמשוך את הציבור עם מידע מסוג זה.
18:35
We did this with the Great Turtle Race --
449
1115260
2000
עשינו זאת עם תחרות הצב הגדול --
18:37
tagged turtles, brought in four million hits.
450
1117260
3000
תייגנו צבים, שהביאו ארבעה מיליון צפיות.
18:40
And now with Google's Oceans,
451
1120260
3000
ועכשיו עם גוגל אוקיינוסים
18:43
we can actually put a white shark in that ocean.
452
1123260
2000
אנחנו יכולים למעשה לשים כריש לבן באוקיינוס.
18:45
And when we do and it swims,
453
1125260
2000
וכשנעשה זאת והוא יתחיל לשחות,
18:47
we see this magnificent bathymetry
454
1127260
2000
אנחנו נראה את מדידת העומק המרהיבה הזאת
18:49
that the shark knows is there on its path
455
1129260
2000
שהכריש יודע שזה בדרכו
18:51
as it goes from California to Hawaii.
456
1131260
2000
והוא שוחה מקליפורניה להוואי.
18:53
But maybe Mission Blue
457
1133260
2000
אבל אולי משימה כחולה
18:55
can fill in that ocean that we can't see.
458
1135260
3000
יכולה להשלים את אזור האוקיינוס שאנחנו עדיין לא יכולים לראות.
18:58
We've got the capacity, NASA has the ocean.
459
1138260
3000
יש לנו את היכולת, ל-NASA יש את האוקיינוס.
19:01
We just need to put it together.
460
1141260
2000
אנחנו רק צריכים לחבר אותם.
19:03
So in conclusion,
461
1143260
2000
ולכן המסקנה היא,
19:05
we know where Yellowstone is for North America;
462
1145260
3000
אנחנו יודעים איפה יילוסטון, בצפון אמריקה;
19:08
it's off our coast.
463
1148260
2000
זה מעבר לחופים שלנו.
19:10
We have the technology that's shown us where it is.
464
1150260
2000
יש לנו את הטכנולוגיה שמראה לנו איפה זה.
19:12
What we need to think about perhaps for Mission Blue
465
1152260
3000
מה שאנחנו צריכים לחשוב עליו
19:15
is increasing the biologging capacity.
466
1155260
3000
הוא הגדלת נפח הידע
19:18
How is it that we can actually
467
1158260
2000
איך נוכל באמת
19:20
take this type of activity elsewhere?
468
1160260
3000
להשתמש בידע זה בשביל דברים נוספים?
19:23
And then finally -- to basically get the message home --
469
1163260
3000
ולבסוף, להעביר את המסר לבית,
19:26
maybe use live links
470
1166260
2000
אולי בעזרת שימוש בערוצים חיים
19:28
from animals such as blue whales and white sharks.
471
1168260
2000
כמו הלוויתן הכחול והעמלץ הלבן.
19:30
Make killer apps, if you will.
472
1170260
2000
ליצור אפליקציות לניידים, אם תרצו.
19:32
A lot of people are excited
473
1172260
2000
הרבה אנשים התרגשו
19:34
when sharks actually went under the Golden Gate Bridge.
474
1174260
3000
כשכריש עבר מתחת לגשר הזהב.
19:37
Let's connect the public to this activity right on their iPhone.
475
1177260
3000
בוא נחבר אנשים לפעילות כזאת עם האייפון שלהם.
19:40
That way we do away with a few internet myths.
476
1180260
3000
כך אנחנו נפתרים מכמה מיתוסים באינטרנט.
19:44
So we can save the bluefin tuna.
477
1184260
2000
בכדי שנוכל להציל את הטונה כחולת הספיר.
19:46
We can save the white shark.
478
1186260
2000
אנחנו נוכל להציל את העמלץ הלבן.
19:48
We have the science and technology.
479
1188260
2000
יש לנו את המדע והטכנולוגיה בשביל זה.
19:50
Hope is here. Yes we can.
480
1190260
2000
התקווה קיימת. כן אנחנו יכולים.
19:52
We need just to apply this capacity
481
1192260
2000
אנחנו רק צריכים ליישם את היכולת הזאת
19:54
further in the oceans.
482
1194260
2000
רחוק יותר באוקיינוס.
19:56
Thank you.
483
1196260
2000
תודה.
19:58
(Applause)
484
1198260
2000
(תשואות)
על אתר זה

אתר זה יציג בפניכם סרטוני YouTube המועילים ללימוד אנגלית. תוכלו לראות שיעורי אנגלית המועברים על ידי מורים מהשורה הראשונה מרחבי העולם. לחץ פעמיים על הכתוביות באנגלית המוצגות בכל דף וידאו כדי להפעיל את הסרטון משם. הכתוביות גוללות בסנכרון עם הפעלת הווידאו. אם יש לך הערות או בקשות, אנא צור איתנו קשר באמצעות טופס יצירת קשר זה.

https://forms.gle/WvT1wiN1qDtmnspy7