New York -- before the City | Eric Sanderson

1,697,971 views ・ 2009-10-13

TED


Dubbelklik op de Engelse ondertitels hieronder om de video af te spelen.

Vertaald door: Axel Saffran Nagekeken door: Els De Keyser
00:15
The substance of things unseen.
0
15260
3000
Het wezen van het ongeziene.
00:18
Cities, past and future.
1
18260
3000
Steden in het verleden en de toekomst.
00:21
In Oxford, perhaps we can use Lewis Carroll
2
21260
4000
In Oxford kunnen we misschien Lewis Carroll gebruiken
00:25
and look in the looking glass that is New York City
3
25260
3000
en in de spiegel kijken die de stad New York is
00:28
to try and see our true selves,
4
28260
3000
om te proberen ons echte zelf te zien,
00:31
or perhaps pass through to another world.
5
31260
3000
of misschien een andere wereld binnen te gaan.
00:34
Or, in the words of F. Scott Fitzgerald,
6
34260
3000
Of, met de woorden van F. Scott Fitzgerald:
00:37
"As the moon rose higher,
7
37260
2000
"Bij het hoger klimmen van de maan,
00:39
the inessential houses began to melt away
8
39260
3000
smolten de bijkomstige huizen weg
00:42
until gradually I became aware of the old island
9
42260
2000
tot ik het oude eiland gewaar werd,
00:44
here that once flowered for Dutch sailors' eyes,
10
44260
3000
dat hier ooit bloeide voor Hollandse zeemansogen;
00:47
a fresh green breast of the new world."
11
47260
3000
een frisgroene borst van de Nieuwe Wereld."
00:50
My colleagues and I have been working for 10 years
12
50260
2000
Met mijn collega's heb ik 10 jaar gewerkt
00:52
to rediscover this lost world
13
52260
3000
aan het herontdekken van deze verloren wereld,
00:55
in a project we call The Mannahatta Project.
14
55260
3000
in een project dat we het Mannahattaproject noemen.
00:58
We're trying to discover what Henry Hudson would have seen
15
58260
2000
We proberen te ontdekken wat Henry Hudson zag
01:00
on the afternoon of September 12th, 1609,
16
60260
3000
op de middag van 12 september 1609,
01:03
when he sailed into New York harbor.
17
63260
3000
toen hij de haven van New York binnenvoer.
01:06
And I'd like to tell you the story in three acts,
18
66260
2000
Ik zou het verhaal graag in drie bedrijven vertellen,
01:08
and if I have time still, an epilogue.
19
68260
3000
en als ik nog tijd heb, een nawoord.
01:11
So, Act I: A Map Found.
20
71260
2000
Bedrijf I: Een gevonden kaart.
01:13
So, I didn't grow up in New York.
21
73260
2000
Ik ben niet in New York opgegroeid,
01:15
I grew up out west in the Sierra Nevada Mountains, like you see here,
22
75260
3000
maar in het westen, in de Sierra Nevada, zoals je hier ziet,
01:18
in the Red Rock Canyon.
23
78260
2000
in de Red Rock Canyon.
01:20
And from these early experiences as a child
24
80260
2000
Door deze vroege ervaringen als kind
01:22
I learned to love landscapes.
25
82260
2000
leerde ik van landschappen houden.
01:24
And so when it became time for me to do my graduate studies,
26
84260
2000
Toen het tijd werd voor mijn promotieonderzoek,
01:26
I studied this emerging field of landscape ecology.
27
86260
4000
koos ik het nieuwe veld van de landschapsecologie.
01:30
Landscape ecology concerns itself
28
90260
2000
Landschapsecologie gaat over de vraag
01:32
with how the stream and the meadow and the forest and the cliffs
29
92260
4000
hoe het beekje en de wei en het bos en de kliffen
01:36
make habitats for plants and animals.
30
96260
2000
een woonplaats vormen voor planten en dieren.
01:38
This experience and this training
31
98260
2000
Deze ervaring en scholing
01:40
lead me to get a wonderful job with the Wildlife Conservation Society,
32
100260
3000
leidden tot een prachtige baan bij de Wildlife Conservation Society,
01:43
which works to save wildlife and wild places all over the world.
33
103260
3000
die overal ter wereld wilde dieren en plekken beschermt.
01:46
And over the last decade,
34
106260
2000
Gedurende de laatste tien jaar
01:48
I traveled to over 40 countries
35
108260
2000
ben ik naar meer dan 40 landen gereisd
01:50
to see jaguars and bears and elephants
36
110260
2000
om jaguars en beren en olifanten
01:52
and tigers and rhinos.
37
112260
2000
en tijgers en neushoorns te zien.
01:54
But every time I would return from my trips I'd return back to New York City.
38
114260
3000
Maar elke keer kwam ik van mijn reizen terug naar New York.
01:57
And on my weekends I would go up, just like all the other tourists,
39
117260
3000
In de weekends ging ik, net als alle andere toeristen,
02:00
to the top of the Empire State Building,
40
120260
2000
naar de top van het Empire State Building,
02:02
and I'd look down on this landscape, on these ecosystems,
41
122260
3000
en keek ik omlaag naar dit landschap, naar deze ecosystemen,
02:05
and I'd wonder, "How does this landscape
42
125260
2000
en vroeg ik me af: "Hoe vormt dit landschap
02:07
work to make habitat for plants and animals?
43
127260
2000
een leefomgeving voor planten en dieren?
02:09
How does it work to make habitat for animals like me?"
44
129260
4000
Hoe vormt het een leefomgeving voor dieren zoals ik?"
02:13
I'd go to Times Square and I'd look at the amazing ladies on the wall,
45
133260
4000
Ik ging naar Times Square en keek naar de wondere dames op de muur,
02:17
and wonder why nobody is looking at the historical figures just behind them.
46
137260
5000
en vroeg me af waarom niemand de historische figuren erachter bekeek.
02:22
I'd go to Central Park and see the rolling topography of Central Park
47
142260
3000
Ik ging naar Central Park en zag de heuvels van dat park
02:25
come up against the abrupt and sheer
48
145260
2000
afsteken tegen de steile en hoekige
02:27
topography of midtown Manhattan.
49
147260
4000
topografie van Manhattan.
02:31
I started reading about the history and the geography in New York City.
50
151260
3000
Ik begon te lezen over de geschiedenis en geografie van de stad New York.
02:34
I read that New York City was the first mega-city,
51
154260
2000
Ik las dat New York de eerste megastad was,
02:36
a city of 10 million people or more, in 1950.
52
156260
4000
een stad met meer dan 10 miljoen mensen, in 1950.
02:40
I started seeing paintings like this.
53
160260
2000
Ik begon schilderijen als deze te zien.
02:42
For those of you who are from New York,
54
162260
2000
Voor diegenen onder jullie uit New York,
02:44
this is 125th street under the West Side Highway.
55
164260
3000
dit is 125th street onder de West Side Highway.
02:47
(Laughter)
56
167260
2000
(Gelach)
02:49
It was once a beach. And this painting
57
169260
2000
Het was ooit een strand. En op dit schilderij
02:51
has John James Audubon, the painter, sitting on the rock.
58
171260
3000
zit John James Audubon, de schilder, op een rots.
02:54
And it's looking up on the wooded heights of Washington Heights
59
174260
2000
Het kijkt uit op de beboste hoogten van Washington Heights
02:56
to Jeffrey's Hook, where the George Washington Bridge goes across today.
60
176260
4000
naar Jeffrey's Hook, waar tegenwoordig de George Washington Bridge overheen gaat.
03:00
Or this painting, from the 1740s, from Greenwich Village.
61
180260
3000
Of dit schilderij, uit de jaren 1740, van Greenwich Village.
03:03
Those are two students at King's College -- later Columbia University --
62
183260
3000
Dit zijn twee studenten van King's College -- het latere Columbia University --
03:06
sitting on a hill, overlooking a valley.
63
186260
3000
die op een heuvel zitten en uitkijken op een vallei.
03:09
And so I'd go down to Greenwich Village and I'd look for this hill,
64
189260
3000
Dus ging ik naar Greenwich Village en zocht naar deze heuvel.
03:12
and I couldn't find it. And I couldn't find that palm tree.
65
192260
3000
Ik kon hem niet vinden. En ik kon de palmboom niet vinden.
03:15
What's that palm tree doing there?
66
195260
2000
Wat doet die palmboom daar?
03:17
(Laughter)
67
197260
1000
(Gelach)
03:18
So, it was in the course of these investigations that I ran into a map.
68
198260
3000
Tijdens deze onderzoekingen vond ik een kaart.
03:21
And it's this map you see here.
69
201260
2000
Het is deze kaart hier.
03:23
It's held in a geographic information system
70
203260
2000
Ze zit in een geografisch informatiesysteem
03:25
which allows me to zoom in.
71
205260
2000
waardoor ik kan inzoomen.
03:27
This map isn't from Hudson's time, but from the American Revolution,
72
207260
3000
Deze kaart is niet uit de tijd van Hudson, maar uit de Amerikaanse revolutie
03:30
170 years later, made by British military cartographers
73
210260
4000
170 jaar later, gemaakt door Britse militaire cartografen
03:34
during the occupation of New York City.
74
214260
2000
tijdens de bezetting van de stad New York.
03:36
And it's a remarkable map. It's in the National Archives here in Kew.
75
216260
4000
Het is een opmerkelijke kaart. Ze ligt in de National Archives hier in Kew.
03:40
And it's 10 feet long and three and a half feet wide.
76
220260
2000
Ze is drie meter lang en één meter breed.
03:42
And if I zoom in to lower Manhattan
77
222260
3000
Als ik inzoom op lower Manhattan
03:45
you can see the extent of New York City as it was,
78
225260
2000
kun je zien hoe groot New York was
03:47
right at the end of the American Revolution.
79
227260
2000
aan het eind van de Amerikaanse Revolutie.
03:49
Here's Bowling Green. And here's Broadway.
80
229260
3000
Hier is Bowling Green. En hier is Broadway.
03:52
And this is City Hall Park.
81
232260
2000
Dit is City Hall Park.
03:54
So the city basically extended to City Hall Park.
82
234260
3000
Dus de stad reikte eigenlijk tot City Hall Park.
03:57
And just beyond it you can see features
83
237260
2000
Daar net voorbij kun je zaken zien
03:59
that have vanished, things that have disappeared.
84
239260
2000
die verdwenen zijn, dingen die niet meer bestaan.
04:01
This is the Collect Pond, which was the fresh water source for New York City
85
241260
3000
Dit is de Collect Pond, de zoetwaterbron van New York
04:04
for its first 200 years,
86
244260
2000
tijdens de eerste 200 jaar van haar bestaan
04:06
and for the Native Americans for thousands of years before that.
87
246260
3000
en voor de indianen gedurende duizenden jaren daarvoor.
04:09
You can see the Lispenard Meadows
88
249260
2000
Je kan de Lispenard Meadows zien
04:11
draining down through here, through what is TriBeCa now,
89
251260
2000
die hier afwateren, door wat nu Tribeca is,
04:13
and the beaches that come up from the Battery,
90
253260
2000
en de stranden die omhoog lopen vanaf The Battery,
04:15
all the way to 42nd St.
91
255260
2000
helemaal naar 42nd St.
04:17
This map was made for military reasons.
92
257260
3000
Deze kaart is gemaakt voor militaire doeleinden.
04:20
They're mapping the roads, the buildings, these fortifications
93
260260
2000
Ze brengt de wegen in kaart, de gebouwen
04:22
that they built.
94
262260
2000
en deze versterkingen die ze bouwden.
04:24
But they're also mapping things of ecological interest,
95
264260
2000
Maar ze brengen ook zaken van ecologisch belang in kaart
04:26
also military interest: the hills,
96
266260
2000
die tevens militair belangrijk zijn: de heuvels,
04:28
the marshes, the streams.
97
268260
3000
de moerassen, de beekjes.
04:31
This is Richmond Hill, and Minetta Water,
98
271260
2000
Dit is Richmond Hill, en Minetta Water
04:33
which used to run its way through Greenwich Village.
99
273260
3000
dat vroeger door Greenwich Village liep.
04:36
Or the swamp at Gramercy Park, right here.
100
276260
5000
Of het moeras in Gramercy Park, hier.
04:41
Or Murray Hill. And this is the Murrays' house
101
281260
2000
Of Murray Hill. En dit is het huis van Murray
04:43
on Murray Hill, 200 years ago.
102
283260
3000
op Murray Hill, 200 jaar geleden.
04:46
Here is Times Square,
103
286260
3000
Hier is Times Square,
04:49
the two streams that came together to make a wetland
104
289260
2000
de beide beekjes die hier samenkwamen vormden een drasland
04:51
in Times Square, as it was at the end of the American Revolution.
105
291260
5000
op Times Square, zoals het was aan het eind van de Amerikaanse revolutie.
04:56
So I saw this remarkable map in a book.
106
296260
2000
Ik zag dus deze opmerkelijke kaart in een boek,
04:58
And I thought to myself, "You know, if I could georeference this map,
107
298260
4000
en ik dacht bij mezelf: "Als ik deze kaart kon georefereren,
05:02
if I could place this map in the grid of the city today,
108
302260
3000
als ik haar over het raster van de huidige stad kon leggen,
05:05
I could find these lost features
109
305260
2000
zou ik deze verloren kenmerken van de stad
05:07
of the city,
110
307260
2000
kunnen vinden,
05:09
in the block-by-block geography that people know,
111
309260
3000
in de ruimtelijke structuur die mensen kennen,
05:12
the geography of where people go to work, and where they go to live,
112
312260
3000
de geografie waarin mensen werken, wonen
05:15
and where they like to eat."
113
315260
2000
en waar ze graag eten.
05:17
So, after some work we were able to georeference it,
114
317260
2000
Na wat werk konden we haar georefereren,
05:19
which allows us to put the modern streets on the city,
115
319260
3000
waardoor we de huidige straten erin kunnen zetten,
05:22
and the buildings, and the open spaces,
116
322260
5000
en de gebouwen, en de open ruimten
05:27
so that we can zoom in to where the Collect Pond is.
117
327260
5000
zodat we kunnen inzoomen op de Collect Pond.
05:32
We can digitize the Collect Pond and the streams,
118
332260
4000
We kunnen de Collect Pond en de beekjes digitaliseren,
05:36
and see where they actually are in the geography of the city today.
119
336260
5000
en zien waar die zich bevinden in de geografie van de huidige stad.
05:41
So this is fun for finding where things are
120
341260
3000
Dat is leuk om uit te vinden waar dingen zijn
05:44
relative to the old topography.
121
344260
5000
ten opzichte van de oude topografie.
05:49
But I had another idea about this map.
122
349260
2000
Maar ik had nog een idee met deze kaart.
05:51
If we take away the streets, and if we take away the buildings,
123
351260
3000
Als we de straten weglaten, en de gebouwen,
05:54
and if we take away the open spaces,
124
354260
2000
en de open ruimten,
05:56
then we could take this map.
125
356260
2000
dan konden we deze kaart gebruiken.
05:58
If we pull off the 18th century features
126
358260
2000
Als we de 18e-eeuwse zaken weglaten
06:00
we could drive it back in time.
127
360260
2000
kunnen we terug in de tijd gaan.
06:02
We could drive it back to its ecological fundamentals:
128
362260
4000
We kunnen het terugbrengen tot de ecologische basis:
06:06
to the hills, to the streams,
129
366260
2000
tot de heuvels, de beekjes,
06:08
to the basic hydrology and shoreline, to the beaches,
130
368260
4000
tot de gegevens over het water en de kustlijn, de stranden,
06:12
the basic aspects that make the ecological landscape.
131
372260
4000
de basisaspecten van het ecologische landschap.
06:16
Then, if we added maps like the geology, the bedrock geology,
132
376260
3000
Als we dan de geologie toevoegen, gesteenten,
06:19
and the surface geology, what the glaciers leave,
133
379260
3000
de oppervlaktegeologie -- wat de gletsjers achterlaten --
06:22
if we make the soil map,
134
382260
2000
als we een grondsoorten-kaart maken
06:24
with the 17 soil classes,
135
384260
3000
met de 17 bodemsoorten
06:27
that are defined by the National Conservation Service,
136
387260
3000
die door de National Soil Conservation Service gedefinieerd zijn,
06:30
if we make a digital elevation model
137
390260
2000
als we een digitaal hoogtemodel maken
06:32
of the topography that tells us how high the hills were,
138
392260
3000
van de topografie, dat ons vertelt hoe hoog de heuvels waren,
06:35
then we can calculate the slopes.
139
395260
3000
dan kunnen we de hellingen berekenen.
06:38
We can calculate the aspect.
140
398260
3000
We kunnen ligging berekenen.
06:41
We can calculate the winter wind exposure --
141
401260
2000
We kunnen de blootstelling aan winterwind berekenen --
06:43
so, which way the winter winds blow across the landscape.
142
403260
2000
hoe woei de wind over het landschap?
06:45
The white areas on this map are the places protected from the winter winds.
143
405260
5000
De witte gebieden lagen 's winters in de luwte.
06:50
We compiled all the information about where the Native Americans were, the Lenape.
144
410260
3000
We verzamelden alle informatie over de verblijfplaatsen van de indianen, de Lenape.
06:53
And we built a probability map of where they might have been.
145
413260
4000
We onderzochten waar zij waarschijnlijk leefden.
06:57
So, the red areas on this map indicate the places
146
417260
2000
De rode gebieden op deze kaart markeren de
06:59
that are best for human sustainability on Manhattan,
147
419260
2000
beste plekken voor menselijke bewoning op Manhattan;
07:01
places that are close to water,
148
421260
2000
plekken dicht bij het water,
07:03
places that are near the harbor to fish,
149
423260
2000
plekken dicht bij de haven om te vissen,
07:05
places protected from the winter winds.
150
425260
5000
plekken beschermd tegen de winterwind.
07:10
We know that there was a Lenape settlement
151
430260
2000
We weten dat er een Lenape-nederzetting was
07:12
down here by the Collect Pond.
152
432260
3000
hier bij de Collect Pond,
07:15
And we knew that they planted a kind of horticulture,
153
435260
2000
en dat ze aan tuinbouw deden,
07:17
that they grew these beautiful gardens of corn, beans, and squash,
154
437260
3000
en prachtige tuinen hadden met mais, bonen en kalebassen,
07:20
the "Three Sisters" garden.
155
440260
2000
de tuinen van de "Drie Zusters".
07:22
So, we built a model that explains where those fields might have been.
156
442260
4000
We hebben een model gemaakt dat aangeeft waar deze velden misschien waren.
07:26
And the old fields, the successional fields that go.
157
446260
2000
En de oude velden, de voorgangers van de toenmalige velden.
07:28
And we might think of these as abandoned.
158
448260
2000
We kunnen deze zien als verlaten...
07:30
But, in fact, they're grassland habitats
159
450260
2000
maar in feite zijn het grasland-habitats
07:32
for grassland birds and plants.
160
452260
2000
voor vogels en planten.
07:34
And they have become successional shrub lands,
161
454260
3000
Het werd vervolgens land met struikgewas,
07:37
and these then mix in to a map of all the ecological communities.
162
457260
4000
binnen het totaal van ecologische gemeenschappen.
07:41
And it turns out that Manhattan had 55 different ecosystem types.
163
461260
4000
Het blijkt dat Manhattan 55 verschillende typen ecosystemen had.
07:45
You can think of these as neighborhoods,
164
465260
2000
Die kun je zien als buurten,
07:47
as distinctive as TriBeCa and the Upper East Side and Inwood --
165
467260
5000
zo verscheiden als Tribeca, de Upper East Side en Inwood --
07:52
that these are the forest and the wetlands
166
472260
2000
dat zijn de bossen en draslanden,
07:54
and the marine communities, the beaches.
167
474260
3000
watergemeenschappen, stranden.
07:57
And 55 is a lot. On a per-area basis,
168
477260
3000
En 55 is veel. Op basis van grondgebied,
08:00
Manhattan had more ecological communities
169
480260
2000
had Manhattan meer ecologische gemeenschappen
08:02
per acre than Yosemite does,
170
482260
2000
per hectare dan Yosemite heeft,
08:04
than Yellowstone, than Amboseli.
171
484260
3000
of Yellowstone, of Amboseli.
08:07
It was really an extraordinary landscape
172
487260
2000
Het was echt een buitengewoon landschap,
08:09
that was capable of supporting an extraordinary biodiversity.
173
489260
4000
in staat om een buitengewone biodiversiteit te herbergen.
08:13
So, Act II: A Home Reconstructed.
174
493260
4000
Tweede bedrijf: Een gereconstrueerd thuis.
08:17
So, we studied the fish and the frogs and the birds and the bees,
175
497260
4000
We bestudeerden de vissen en kikkers en vogels en bijen,
08:21
the 85 different kinds of fish that were on Manhattan,
176
501260
3000
de 85 verschillende soorten vis op Manhattan,
08:24
the Heath hens, the species that aren't there anymore,
177
504260
4000
de Heath-hoenders, de verdwenen soorten,
08:28
the beavers on all the streams, the black bears,
178
508260
3000
de bevers in alle stroompjes, de zwarte beren,
08:31
and the Native Americans, to study how they used
179
511260
3000
en de indianen, om te bestuderen hoe zij hun landschap
08:34
and thought about their landscape.
180
514260
2000
gebruikten en erover dachten.
08:36
We wanted to try and map these. And to do that what we did
181
516260
3000
We wilden proberen dit in kaart te brengen. Daarom brachten
08:39
was we mapped their habitat needs.
182
519260
2000
we hun habitat-behoeften in kaart.
08:41
Where do they get their food?
183
521260
2000
Waar vonden ze hun voedsel?
08:43
Where do they get their water? Where do they get their shelter?
184
523260
2000
Waar vonden ze hun water? Waar hun beschutting?
08:45
Where do they get their reproductive resources?
185
525260
3000
Waar vonden ze hun mogelijkheden tot voortplanting?
08:48
To an ecologist, the intersection of these is habitat,
186
528260
3000
Voor een ecoloog is het snijpunt van dit alles de habitat.
08:51
but to most people, the intersection of these is their home.
187
531260
5000
Maar voor de meeste mensen is dit snijpunt hun thuis.
08:56
So, we would read in field guides, the standard field guides
188
536260
2000
We lazen in veldgidsen, standaard veldgidsen
08:58
that maybe you have on your shelves,
189
538260
2000
zoals je wellicht op je boekenplank hebt staan.
09:00
you know, what beavers need is, "A slowly meandering stream
190
540260
2000
Wat bevers nodig hebben, is "een langzaam kronkelend beekje
09:02
with aspen trees and alders and willows,
191
542260
3000
met espen en elzen en wilgen,
09:05
near the water." That's the best thing for a beaver.
192
545260
2000
vlakbij het water". Dat is het beste voor een bever.
09:07
So we just started making a list.
193
547260
2000
Dus we maakten een lijst.
09:09
Here is the beaver. And here is the stream,
194
549260
2000
Hier is de bever. Hier is de stroom,
09:11
and the aspen and the alder and the willow.
195
551260
2000
en de espen en elzen en wilgen.
09:13
As if these were the maps that we would need
196
553260
2000
Alsof dit de kaarten zijn om te voorspellen
09:15
to predict where you would find the beaver.
197
555260
2000
waar je de bever zou kunnen vinden.
09:17
Or the bog turtle, needing wet meadows and insects and sunny places.
198
557260
4000
Of de Muhlenbergs schildpad, die natte weiden, insecten en zonnige plekken nodig heeft.
09:21
Or the bobcat, needing rabbits and beavers and den sites.
199
561260
4000
Of de rode lynx, die konijnen, bevers en beschutte plekken nodig heeft.
09:25
And rapidly we started to realize that beavers can be
200
565260
3000
Al snel realiseerden we ons dat bevers een behoefte
09:28
something that a bobcat needs.
201
568260
3000
kunnen zijn van een lynx.
09:31
But a beaver also needs things. And that having it
202
571260
2000
Maar een bever heeft ook dingen nodig.
09:33
on either side means that we can link it together,
203
573260
2000
Dat betekent dat we die twee kunnen linken,
09:35
that we can create the network
204
575260
2000
een netwerk kunnen creëren
09:37
of the habitat relationships for these species.
205
577260
3000
van de habitat-relaties van deze soorten.
09:40
Moreover, we realized that you can start out
206
580260
2000
Bovendien beseften we dat je kunt beginnen
09:42
as being a beaver specialist,
207
582260
2000
als beverspecialist,
09:44
but you can look up what an aspen needs.
208
584260
2000
maar kunt kijken naar wat een esp nodig heeft.
09:46
An aspen needs fire and dry soils.
209
586260
3000
Een esp heeft vuur en droge grond nodig.
09:49
And you can look at what a wet meadow needs.
210
589260
3000
Ook kun je kijken naar wat een natte weide nodig heeft.
09:52
And it need beavers to create the wetlands,
211
592260
2000
Ze heeft bevers nodig om draslanden te creëren,
09:54
and maybe some other things.
212
594260
2000
en misschien wat andere dingen.
09:56
But you can also talk about sunny places.
213
596260
2000
Maar je kunt ook praten over zonnige plekken.
09:58
So, what does a sunny place need? Not habitat per se.
214
598260
3000
Wat heeft een zonnige plek nodig? Niet echt habitat.
10:01
But what are the conditions that make it possible?
215
601260
2000
Maar wat zijn de omstandigheden die het mogelijk maken?
10:03
Or fire. Or dry soils.
216
603260
3000
Of vuur. Of droge grond.
10:06
And that you can put these on a grid that's 1,000 columns long
217
606260
3000
Dat kun je op een raster zetten met 1000 kolommen
10:09
across the top and 1,000 rows down the other way.
218
609260
3000
horizontaal en 1000 kolommen vertikaal.
10:12
And then we can visualize this data like a network,
219
612260
3000
Dan kunnen we deze data visualiseren als een netwerk,
10:15
like a social network.
220
615260
2000
als een sociaal netwerk.
10:17
And this is the network of all the habitat relationships
221
617260
2000
Dit is het netwerk van alle habitat-relaties
10:19
of all the plants and animals on Manhattan,
222
619260
2000
van alle planten en dieren op Manhattan,
10:21
and everything they needed,
223
621260
2000
en al hun behoeften,
10:23
going back to the geology,
224
623260
2000
door terug te gaan naar de geologie,
10:25
going back to time and space at the very core of the web.
225
625260
3000
naar tijd en ruimte aan de basis van het web.
10:28
We call this the Muir Web. And if you zoom in on it it looks like this.
226
628260
3000
We noemen dit het Muir Web. Als je erop inzoomt, ziet het er zo uit.
10:31
Each point is a different species
227
631260
2000
Elk punt is een andere soort,
10:33
or a different stream or a different soil type.
228
633260
3000
of een andere beek, of een ander bodemtype.
10:36
And those little gray lines are the connections that connect them together.
229
636260
3000
Die kleine grijze lijnen zijn de connecties tussen hen.
10:39
They are the connections that actually make nature resilient.
230
639260
3000
Deze connecties maken de natuur veerkrachtig.
10:42
And the structure of this is what makes nature work,
231
642260
4000
Deze structuur is wat de natuur doet functioneren,
10:46
seen with all its parts.
232
646260
2000
als je alle delen beschouwt.
10:48
We call these Muir Webs after the Scottish-American naturalist
233
648260
3000
We noemen dit Muir Webs, naar de Schots-Amerikaanse natuurvorser
10:51
John Muir, who said, "When we try to pick out anything by itself,
234
651260
3000
John Muir, die zei: "Wanneer we iets proberen eruit te lichten,
10:54
we find that it's bound fast by a thousand invisible cords
235
654260
3000
zien we dat het stevig verbonden is -- door duizend onzichtbare,
10:57
that cannot be broken, to everything in the universe."
236
657260
4000
onverbrekelijke koorden -- met alles in het universum".
11:01
So then we took the Muir webs and we took them back to the maps.
237
661260
3000
Dan namen we de Muir Webs en we zetten deze op de kaarten.
11:04
So if we wanted to go between 85th and 86th,
238
664260
2000
Dus als we tussen 85th en 86th wilden kijken,
11:06
and Lex and Third,
239
666260
2000
en Lex en 3rd,
11:08
maybe there was a stream in that block.
240
668260
2000
was er misschien een beek in dat blok.
11:10
And these would be the kind of trees that might have been there,
241
670260
2000
Deze soort bomen zouden er kunnen zijn geweest,
11:12
and the flowers and the lichens and the mosses,
242
672260
4000
en de bloemen en korstmossen en de mossen,
11:16
the butterflies, the fish in the stream,
243
676260
3000
de vlinders, de vissen in de beek,
11:19
the birds in the trees.
244
679260
2000
de vogels in de bomen.
11:21
Maybe a timber rattlesnake lived there.
245
681260
2000
Misschien leefde er een ratelslang.
11:23
And perhaps a black bear walked by. And maybe Native Americans were there.
246
683260
3000
Misschien liep er een zwarte beer voorbij. Misschien waren er indianen.
11:26
And then we took this data.
247
686260
2000
Dan namen we deze data.
11:28
You can see this for yourself on our website.
248
688260
2000
Je kunt het voor jezelf zien op onze website.
11:30
You can zoom into any block on Manhattan,
249
690260
2000
Je kunt inzoomen op ieder blok op Manhattan,
11:32
and see what might have been there 400 years ago.
250
692260
3000
en zien wat er wellicht was, 400 jaar geleden.
11:35
And we used it to try and reveal a landscape
251
695260
3000
Ook gebruikten we ze om een landschap te onthullen
11:38
here in Act III.
252
698260
2000
in het derde bedrijf.
11:40
We used the tools they use in Hollywood
253
700260
2000
We gebruikten dezelfde gereedschappen
11:42
to make these fantastic landscapes that we all see in the movies.
254
702260
3000
waarmee ze in Hollywood de filmlandschappen maken.
11:45
And we tried to use it to visualize Third Avenue.
255
705260
3000
Wij probeerden 3rd Avenue ermee te visualiseren.
11:48
So we would take the landscape and we would build up the topography.
256
708260
4000
Dus we namen het landschap en we bouwden de topografie op.
11:52
We'd lay on top of that the soils and the waters, and illuminate the landscape.
257
712260
4000
Daar legden we de aarde en het water op, en we belichtten het landschap.
11:56
We would lay on top of that the map of the ecological communities.
258
716260
3000
Daar bovenop legden we de kaart van de ecologische gemeenschappen,
11:59
And feed into that the map of the species.
259
719260
3000
en voegden dan de soorten-kaart eraan toe.
12:02
So that we would actually take a photograph,
260
722260
2000
Zo konden we werkelijk een foto nemen,
12:04
flying above Times Square, looking toward the Hudson River,
261
724260
2000
vliegend boven Times Square, neerkijkend op de Hudson Rivier,
12:06
waiting for Hudson to come.
262
726260
2000
wachtend op Hudson.
12:08
Using this technology, we can make these
263
728260
2000
Met deze technologie kunnen we prachtige
12:10
fantastic georeferenced views.
264
730260
2000
onderbouwde uitzichten maken.
12:12
We can basically take a picture out of any window
265
732260
2000
We kunnen een foto maken vanuit elk raam
12:14
on Manhattan and see what that landscape looked like 400 years ago.
266
734260
3000
op Manhattan, en zien hoe dat landschap er 400 jaar geleden uitzag.
12:17
This is the view from the East River, looking up Murray Hill
267
737260
3000
Dit is het uitzicht van de East River, als je Murray Hill op kijkt
12:20
at where the United Nations is today.
268
740260
3000
naar waar de VN tegenwoordig is.
12:23
This is the view looking down the Hudson River,
269
743260
2000
Dit is het uitzicht over de Hudsonrivier,
12:25
with Manhattan on the left, and New Jersey out on the right,
270
745260
3000
met Manhattan links, en New Jersey rechts,
12:28
looking out toward the Atlantic Ocean.
271
748260
3000
kijkend richting de Atlantische Oceaan.
12:31
This is the view over Times Square,
272
751260
2000
Dit is het uitzicht over Times Square,
12:33
with the beaver pond there, looking out toward the east.
273
753260
4000
met de bevervijver daar, oostwaarts kijkend.
12:37
So we can see the Collect Pond, and Lispenard Marshes back behind.
274
757260
4000
We kunnen de Collect Pond zien, en Lispenard Marshes erachter.
12:41
We can see the fields that the Native Americans made.
275
761260
3000
We kunnen de velden van de indianen zien.
12:44
And we can see this in the geography of the city today.
276
764260
4000
We kunnen dit zien in de geografie van de huidige stad.
12:48
So when you're watching "Law and Order," and the lawyers walk up the steps
277
768260
3000
Dus als je Law en Order bekijkt, en de advocaten lopen de trappen op,
12:51
they could have walked back down those steps
278
771260
2000
dan zouden ze die trappen van de New Yorkse rechtbank
12:53
of the New York Court House, right into the Collect Pond,
279
773260
2000
weer af kunnen lopen, rechtstreeks de Collect Pond in,
12:55
400 years ago.
280
775260
4000
400 jaar geleden.
12:59
So these images are the work of my friend and colleague,
281
779260
3000
Deze beelden zijn het werk van mijn vriend en collega,
13:02
Mark Boyer, who is here in the audience today.
282
782260
2000
Mark Boyer, die hier in het publiek zit.
13:04
And I'd just like, if you would give him a hand,
283
784260
2000
Als jullie hem een applaus zouden willen geven
13:06
to call out for his fine work.
284
786260
3000
voor zijn fraaie werk.
13:09
(Applause)
285
789260
9000
(Applaus)
13:18
There is such power in bringing science and visualization together,
286
798260
3000
Er schuilt zoveel kracht in het samenbrengen van wetenschap en
13:21
that we can create images like this,
287
801260
2000
visualisatie, in beelden als deze.
13:23
perhaps looking on either side of a looking glass.
288
803260
3000
Misschien kijken ze aan weerszijden van een spiegel.
13:26
And even though I've only had a brief time to speak,
289
806260
2000
Ondanks dat mijn spreektijd kort was,
13:28
I hope you appreciate that Mannahatta was a very special place.
290
808260
3000
hoop ik dat jullie Mannahatta zien als een bijzondere plek.
13:31
The place that you see here on the left side
291
811260
3000
De plek die je hier links ziet, was onderling verbonden.
13:34
was interconnected. It was based on this diversity.
292
814260
2000
Ze was gebaseerde op diversiteit.
13:36
It had this resilience that is what we need in our modern world.
293
816260
5000
Ze had de veerkracht die we in onze huidige wereld nodig hebben.
13:41
But I wouldn't have you think that I don't like the place
294
821260
3000
Maar denk alsjeblieft niet dat ik de plek rechts niet zou mogen;
13:44
on the right, which I quite do. I've come to love the city
295
824260
3000
dat doe ik wel. Ik hou van de stad
13:47
and its kind of diversity, and its resilience,
296
827260
2000
met haar eigen soort diversiteit, en haar veerkracht,
13:49
and its dependence on density and how we're connected together.
297
829260
5000
en haar afhankelijkheid van dichtheid en hoe we onderling verbonden zijn.
13:54
In fact, that I see them as reflections of each other,
298
834260
4000
In feite zie ik ze als reflecties van elkaar.
13:58
much as Lewis Carroll did in "Through the Looking Glass."
299
838260
3000
Een beetje als Lewis Carrol deed in "Achter de Spiegel".
14:01
We can compare these two and hold them in our minds at the same time,
300
841260
4000
We kunnen deze twee vergelijken en ze gelijktijdig in gedachten houden,
14:05
that they really are the same place,
301
845260
2000
dat ze werkelijk dezelfde plek zijn,
14:07
that there is no way that cities can escape from nature.
302
847260
3000
dat een stad zich onmogelijk kan losmaken van de natuur.
14:10
And I think this is what we're learning about building cities in the future.
303
850260
4000
Ik denk dat we dit leren voor het bouwen van steden in de toekomst.
14:14
So if you'll allow me a brief epilogue, not about the past,
304
854260
3000
Dus als je me een kort nawoord toestaat, niet over het verleden,
14:17
but about 400 years from now,
305
857260
2000
maar over 400 jaar in de toekomst,
14:19
what we're realizing is that
306
859260
2000
dan realiseren we ons, dat
14:21
cities are habitats for people,
307
861260
2000
steden habitats voor mensen zijn,
14:23
and need to supply what people need:
308
863260
2000
en dat ze moeten leveren wat mensen nodig hebben:
14:25
a sense of home, food, water, shelter,
309
865260
3000
een thuis, voedsel, water, beschutting,
14:28
reproductive resources, and a sense of meaning.
310
868260
4000
voortplantingsmogelijkheden... en zingeving.
14:32
This is the particular additional habitat requirement of humanity.
311
872260
3000
Dat is de specifieke habitat-eis die de mens toevoegt.
14:35
And so many of the talks here at TED are about meaning,
312
875260
3000
Zoveel talks hier bij TED gaan over zingeving,
14:38
about bringing meaning to our lives
313
878260
2000
over het geven van zin aan ons leven
14:40
in all kinds of different ways, through technology,
314
880260
2000
op alle mogelijke manieren, door technologie,
14:42
through art, through science,
315
882260
2000
door kunst, door wetenschap,
14:44
so much so that I think we focus so much on
316
884260
3000
zozeer dat ik denk dat we ons zo sterk richten
14:47
that side of our lives, that we haven't given enough
317
887260
2000
op die kant van onze levens, dat we niet genoeg
14:49
attention to the food and the water and the shelter,
318
889260
3000
aandacht geven aan het voedsel, het water, de beschutting,
14:52
and what we need to raise the kids.
319
892260
3000
en wat we nodig hebben om kinderen op te voeden.
14:55
So, how can we envision the city of the future?
320
895260
3000
Dus, hoe stellen we ons de stad van de toekomst voor?
14:58
Well, what if we go to Madison Square Park,
321
898260
2000
Laten we naar Madison Square Park gaan,
15:00
and we imagine it without all the cars,
322
900260
3000
en het ons voorstellen zonder de auto's,
15:03
and bicycles instead
323
903260
2000
maar met fietsen,
15:05
and large forests, and streams instead of sewers and storm drains?
324
905260
5000
en grote bossen, en beken in plaats van riolen en stormwater-afvoeren.
15:10
What if we imagined the Upper East Side
325
910260
2000
Stel je de Upper East Side voor
15:12
with green roofs, and streams winding through the city,
326
912260
4000
met groene daken, en beken die door de stad kronkelen,
15:16
and windmills supplying the power we need?
327
916260
3000
en windmolens die ons van energie voorzien.
15:19
Or if we imagine the New York City metropolitan area,
328
919260
3000
Of we stellen ons de metropool New York voor,
15:22
currently home to 12 million people,
329
922260
2000
met de huidige 12 miljoen mensen,
15:24
but 12 million people in the future, perhaps living at the density of Manhattan,
330
924260
4000
maar dat deze mensen misschien leven met de dichtheid van Manhattan,
15:28
in only 36 percent of the area,
331
928260
2000
op slechts 36% van het gebied,
15:30
with the areas in between covered by farmland,
332
930260
3000
met de gebieden daartussen bedekt met akkers,
15:33
covered by wetlands,
333
933260
2000
bedekt met draslanden,
15:35
covered by the marshes we need.
334
935260
2000
met de moerassen die we nodig hebben.
15:37
This is the kind of future I think we need,
335
937260
3000
Dit is de soort toekomst die we nodig hebben,
15:40
is a future that has the same diversity
336
940260
3000
een toekomst met dezelfde diversiteit
15:43
and abundance and dynamism of Manhattan,
337
943260
3000
en overvloed en dynamiek van Manhattan,
15:46
but that learns from the sustainability of the past,
338
946260
3000
maar die leert van duurzaamheid van het verleden,
15:49
of the ecology, the original ecology, of nature with all its parts.
339
949260
5000
van de ecologie, de originele ecologie... de natuur met al haar delen.
15:54
Thank you very much.
340
954260
2000
Mijn hartelijke dank.
15:56
(Applause)
341
956260
7000
(Applaus)
Over deze website

Deze site laat u kennismaken met YouTube-video's die nuttig zijn om Engels te leren. U ziet Engelse lessen gegeven door topdocenten uit de hele wereld. Dubbelklik op de Engelse ondertitels op elke videopagina om de video af te spelen. De ondertitels scrollen synchroon met het afspelen van de video. Heeft u opmerkingen of verzoeken, neem dan contact met ons op via dit contactformulier.

https://forms.gle/WvT1wiN1qDtmnspy7