Barbara Block: Tagging tuna in the deep ocean

24,725 views ・ 2010-10-06

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Dominika Krochmal Korekta: Agata Osińska
00:15
I've been fascinated for a lifetime
0
15260
3000
Przez całe życie fascynowały mnie
00:18
by the beauty, form and function
1
18260
2000
piękno, kształt i funkcjonowanie
00:20
of giant bluefin tuna.
2
20260
3000
tuńczyka błękitnopłetwego.
00:23
Bluefin are warmblooded like us.
3
23260
3000
Jest on ciepłokrwisty, jak my.
00:26
They're the largest of the tunas,
4
26260
3000
To największy z tuńczyków,
00:29
the second-largest fish in the sea -- bony fish.
5
29260
3000
druga co do wielkości ryba morska - ryba oścista.
00:32
They actually are a fish
6
32260
2000
Jest to ryba
00:34
that is endothermic --
7
34260
2000
endotermiczna -
00:36
powers through the ocean with warm muscles like a mammal.
8
36260
3000
przemierzająca ocean za pomocą ciepłych mięśni - jak ssak.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
40260
3000
Oto jeden z błękitnopłetwych w Monterey Bay Aquarium.
00:43
You can see in its shape and its streamlined design
10
43260
3000
Zwróćcie uwagę na jego opływowy kształt.
00:46
it's powered for ocean swimming.
11
46260
3000
Jest stworzony do pływania w oceanie.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
49260
3000
Przemierza ocean za pomocą płetw piersiowych, unosi się
00:52
powers its movements
13
52260
2000
i napędza swoje ruchy
00:54
with a lunate tail.
14
54260
2000
półksiężycowatym ogonem.
00:56
It's actually got a naked skin for most of its body,
15
56260
3000
Większość ciała pokryte ma gołą skórą,
00:59
so it reduces friction with the water.
16
59260
3000
przez co zmniejsza tarcie z wodą.
01:02
This is what one of nature's finest machines.
17
62260
3000
To jeden z najwspanialszych tworów natury.
01:05
Now, bluefin
18
65260
2000
Błękitnopłetwy
01:07
were revered by Man
19
67260
2000
był szanowany przez ludzi
01:09
for all of human history.
20
69260
3000
przez całe wieki.
01:12
For 4,000 years, we fished sustainably for this animal,
21
72260
3000
Przez 4,000 lat łowiliśmy te zwierzęta w sposób zrównoważony.
01:15
and it's evidenced
22
75260
2000
Dowodem na to
01:17
in the art that we see
23
77260
2000
jest sztuka
01:19
from thousands of years ago.
24
79260
2000
sprzed tysięcy lat.
01:21
Bluefin are in cave paintings in France.
25
81260
3000
Błękitnopłetwe są na malowidłach jaskiniowych we Francji.
01:24
They're on coins
26
84260
2000
Są na monetach
01:26
that date back 3,000 years.
27
86260
3000
sprzed 3,000 lat.
01:29
This fish was revered by humankind.
28
89260
3000
Ta ryba była szanowana przez ludzkość.
01:32
It was fished sustainably
29
92260
2000
Łowiono ją w sposób zrównoważony
01:34
till all of time,
30
94260
2000
przez cały czas -
01:36
except for our generation.
31
96260
2000
oprócz naszego pokolenia.
01:38
Bluefin are pursued wherever they go --
32
98260
3000
Błękitnopłetwe ścigane są wszędzie.
01:41
there is a gold rush on Earth,
33
101260
2000
Na Ziemi była gorączka złota,
01:43
and this is a gold rush for bluefin.
34
103260
2000
a teraz jest gorączka na błękitnopłetwe.
01:45
There are traps that fish sustainably
35
105260
2000
Aż do dzisiaj dało się łapać te ryby
01:47
up until recently.
36
107260
3000
w sposób zrównoważony.
01:50
And yet, the type of fishing going on today,
37
110260
3000
A jednak dzisiejszy styl łowienia,
01:53
with pens, with enormous stakes,
38
113260
3000
z zagrodami, z olbrzymimi palami,
01:56
is really wiping bluefin
39
116260
2000
ekologicznie zmiata te ryby
01:58
ecologically off the planet.
40
118260
2000
z powierzchni Ziemi
02:00
Now bluefin, in general,
41
120260
2000
Obecnie błękitnopłetwy
02:02
goes to one place: Japan.
42
122260
2000
udaje się do jednego miejsca - Japonii.
02:04
Some of you may be guilty
43
124260
2000
Niektórzy z was pewnie są winni
02:06
of having contributed to the demise of bluefin.
44
126260
2000
współudziału w niszczeniu błękitnopłetwych.
02:08
They're delectable muscle,
45
128260
2000
Są one smakowitym kąskiem,
02:10
rich in fat --
46
130260
2000
bogate w tłuszcz -
02:12
absolutely taste delicious.
47
132260
2000
smakują wspaniale.
02:14
And that's their problem; we're eating them to death.
48
134260
3000
I to właśnie ich problem - zjadamy je na śmierć.
02:17
Now in the Atlantic, the story is pretty simple.
49
137260
3000
W Atlantyku historia jest prosta.
02:20
Bluefin have two populations: one large, one small.
50
140260
3000
Są dwie populacje błękitnopłetwych - duża i mała.
02:23
The North American population
51
143260
2000
Z populacji północnoamerykańskiej
02:25
is fished at about 2,000 ton.
52
145260
3000
łowi się około 2,000 ton.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
148260
3000
Z populacji europejskiej i północnoafrykańskiej - tuńczyka wschodniego -
02:31
is fished at tremendous levels:
54
151260
3000
łowi się straszliwe
02:34
50,000 tons over the last decade almost every year.
55
154260
3000
50,000 ton co roku przez ostatnie 10 lat.
02:37
The result is whether you're looking
56
157260
2000
Wskutek tego, zarówno
02:39
at the West or the Eastern bluefin population,
57
159260
3000
w zachodniej, jak i wschodniej populacji
02:42
there's been tremendous decline on both sides,
58
162260
2000
obserwujemy ogromne ubytki,
02:44
as much as 90 percent
59
164260
2000
nawet do 90 procent,
02:46
if you go back with your baseline
60
166260
2000
jeśli za bazę przyjmiemy stan
02:48
to 1950.
61
168260
2000
z 1950 r.
02:50
For that, bluefin have been given a status
62
170260
3000
Dlatego tuńczykom przyznano taki sam status
02:53
equivalent to tigers, to lions,
63
173260
3000
co tygrysom, lwom,
02:56
to certain African elephants
64
176260
2000
niektórym słoniom afrykańskim
02:58
and to pandas.
65
178260
2000
i pandom.
03:00
These fish have been proposed
66
180260
2000
Ryby te zgłaszano
03:02
for an endangered species listing in the past two months.
67
182260
3000
do listy zagrożonych gatunków przez ostatnie dwa miesiące.
03:05
They were voted on and rejected
68
185260
2000
Odrzucono je w głosowaniu
03:07
just two weeks ago,
69
187260
2000
dwa tygodnie temu,
03:09
despite outstanding science
70
189260
2000
pomimo oczywistych dowodów naukowych
03:11
that shows from two committees
71
191260
3000
dwóch komitetów,
03:14
this fish meets the criteria of CITES I.
72
194260
3000
że ryba spełnia kryteria CITES I.
03:17
And if it's tunas you don't care about,
73
197260
2000
A jeśli nie interesują was tuńczyki,
03:19
perhaps you might be interested
74
199260
2000
być może zwrócicie uwagę na to,
03:21
that international long lines and pursing
75
201260
2000
że międzynarodowe sznury haczykowe
03:23
chase down tunas and bycatch animals
76
203260
3000
łapią tuńczyki, a przy okazji inne zwierzęta,
03:26
such as leatherbacks, sharks,
77
206260
2000
na przykład żółwie, rekiny,
03:28
marlin, albatross.
78
208260
2000
marliny, albatrosy.
03:30
These animals and their demise
79
210260
2000
Zagłada tych zwierząt
03:32
occurs in the tuna fisheries.
80
212260
3000
ma miejsce na łowiskach tuńczyków.
03:35
The challenge we face
81
215260
2000
Wyzwanie polega na tym,
03:37
is that we know very little about tuna,
82
217260
3000
że o tuńczykach wiemy bardzo niewiele.
03:40
and everyone in the room knows what it looks like
83
220260
3000
Każdy na tej sali wie, jak wygląda
03:43
when an African lion
84
223260
2000
lew afrykański
03:45
takes down its prey.
85
225260
2000
pożerający swoją zdobycz.
03:47
I doubt anyone has seen a giant bluefin feed.
86
227260
3000
Wątpię, by ktokolwiek widział, jak pożywia się tuńczyk.
03:50
This tuna symbolizes
87
230260
3000
Ten tuńczyk symbolizuje
03:53
what's the problem for all of us in the room.
88
233260
3000
problem nas wszystkich tu zgromadzonych.
03:56
It's the 21st century, but we really have only just begun
89
236260
3000
jest XXI wiek, ale dopiero zaczęliśmy
03:59
to really study our oceans in a deep way.
90
239260
3000
dogłębnie badać oceany.
04:02
Technology has come of age
91
242260
2000
Technika się rozwinęła
04:04
that's allowing us to see the Earth from space
92
244260
3000
i umożliwiła oglądanie Ziemi z kosmosu
04:07
and go deep into the seas remotely.
93
247260
3000
i zagłębianie się w morza na duże odległości.
04:10
And we've got to use these technologies immediately
94
250260
2000
Od razu zaczęliśmy korzystać z tych technologii,
04:12
to get a better understanding
95
252260
2000
aby lepiej zrozumieć,
04:14
of how our ocean realm works.
96
254260
3000
jak działa królestwo oceanów.
04:17
Most of us from the ship -- even I --
97
257260
2000
Większość z nas, nawet ja,
04:19
look out at the ocean and see this homogeneous sea.
98
259260
3000
patrzy na ocean ze statku i widzi jednorodną powierzchnię.
04:22
We don't know where the structure is.
99
262260
2000
Nie wiemy, jaka jest struktura.
04:24
We can't tell where are the watering holes
100
264260
3000
Nie możemy stwierdzić, gdzie są wodopoje -
04:27
like we can on an African plain.
101
267260
3000
tak jak na afrykańskiej równinie.
04:30
We can't see the corridors,
102
270260
2000
Nie widzimy korytarzy,
04:32
and we can't see what it is
103
272260
2000
nie widzimy,
04:34
that brings together a tuna,
104
274260
2000
co łączy tuńczyka,
04:36
a leatherback and an albatross.
105
276260
2000
żółwia skórzastego i albatrosa.
04:38
We're only just beginning to understand
106
278260
2000
Dopiero zaczynamy rozumieć,
04:40
how the physical oceanography
107
280260
2000
jak oceanografia fizyczna
04:42
and the biological oceanography
108
282260
2000
i biologiczna
04:44
come together
109
284260
2000
łączą się
04:46
to create a seasonal force
110
286260
2000
i tworzą okresową siłę,
04:48
that actually causes the upwelling
111
288260
2000
która podnosi wody głębinowe
04:50
that might make a hot spot a hope spot.
112
290260
3000
i zamienia punkty zapalne w miejsca niezbędne dla oceanu.
04:53
The reasons these challenges are great
113
293260
2000
Wyzwania te są ogromne, ponieważ
04:55
is that technically it's difficult to go to sea.
114
295260
3000
badanie mórz jest trudne technicznie.
04:58
It's hard to study a bluefin on its turf,
115
298260
2000
Trudno jest badać tuńczyka na jego terytorium,
05:00
the entire Pacific realm.
116
300260
2000
całym królestwie Pacyfiku.
05:02
It's really tough to get up close and personal with a mako shark
117
302260
4000
Naprawdę trudno jest zbliżyć się do ostronosa atlantyckiego
05:06
and try to put a tag on it.
118
306260
2000
i spróbować go oznaczyć.
05:08
And then imagine being Bruce Mate's team from OSU,
119
308260
3000
A potem wyobrażać sobie, że jesteśmy zespołem Bruce'a Mate'a z Oregon State University
05:11
getting up close to a blue whale
120
311260
2000
zbliżamy się do płetwala blękitnego
05:13
and fixing a tag on the blue whale that stays,
121
313260
3000
i oznaczamy go. To wciąż jest
05:16
an engineering challenge
122
316260
2000
wyzwanie techniki,
05:18
we've yet to really overcome.
123
318260
2000
które musimy pokonać.
05:20
So the story of our team, a dedicated team,
124
320260
3000
To, czemu poświęca się nasz oddany zespół,
05:23
is fish and chips.
125
323260
2000
jest jak tworzenie zestawów.
05:25
We basically are taking
126
325260
2000
Po prostu bierzemy
05:27
the same satellite phone parts,
127
327260
2000
takie same części telefonów satelitarnych,
05:29
or the same parts that are in your computer, chips.
128
329260
3000
albo takie same części, jakie są w komputerach, chipy.
05:32
We're putting them together in unusual ways,
129
332260
3000
Zastawiamy je w nietypowy sposób,
05:35
and this is taking us into the ocean realm
130
335260
2000
a to pozwala nam badać królestwo oceanów
05:37
like never before.
131
337260
2000
jak nigdy przedtem.
05:39
And for the first time,
132
339260
2000
Po raz pierwszy
05:41
we're able to watch the journey of a tuna beneath the ocean
133
341260
3000
jesteśmy w stanie obserwować podróże tuńczyka w oceanie
05:44
using light and photons
134
344260
2000
za pomocą światła i fotonów,
05:46
to measure sunrise and sunset.
135
346260
3000
mierzących wschody i zachody słońca.
05:49
Now, I've been working with tunas for over 15 years.
136
349260
3000
Pracowałam nad tuńczykami przez ponad 15 lat.
05:52
I have the privilege of being a partner
137
352260
2000
Mam zaszczyt współpracować
05:54
with the Monterey Bay Aquarium.
138
354260
2000
z Monterey Bay Aquarium.
05:56
We've actually taken a sliver of the ocean,
139
356260
2000
Dosłownie wzięliśmy kawałek oceanu,
05:58
put it behind glass,
140
358260
2000
umieściliśmy go za szybą
06:00
and we together
141
360260
2000
i wspólnie
06:02
have put bluefin tuna and yellowfin tuna on display.
142
362260
3000
prezentujemy tuńczyka błękitnopłetwego i żółtopłetwego.
06:05
When the veil of bubbles lifts every morning,
143
365260
3000
Kiedy zasłona bąbelków unosi się co rano,
06:08
we can actually see a community from the Pelagic ocean,
144
368260
3000
możemy oglądać społeczność bezkresnego oceanu.
06:11
one of the only places on Earth
145
371260
2000
To jedno z niewielu miejsc na Ziemi,
06:13
you can see giant bluefin swim by.
146
373260
3000
gdzie można zobaczyć pływające błękitnopłetwe.
06:16
We can see in their beauty of form and function,
147
376260
2000
Możemy zobaczyć ich piękno, kształt czy funkcje,
06:19
their ceaseless activity.
148
379260
2000
ich nieustającą aktywność.
06:21
They're flying through their space, ocean space.
149
381260
3000
Przemieszczają się po przestrzeni oceanów.
06:24
And we can bring two million people a year
150
384260
2000
A my możemy zebrać dwa miliony ludzi rocznie
06:26
into contact with this fish
151
386260
2000
i pokazać im tę rybę,
06:28
and show them its beauty.
152
388260
3000
pokazać im jej piękno.
06:31
Behind the scenes is a working lab at Stanford University
153
391260
3000
Za kulisami działa laboratorium Universytetu Stanforda -
06:34
partnered with the Monterey Bay Aquarium.
154
394260
2000
partnera Monterey Bay Aquarium.
06:36
Here, for over 14 or 15 years,
155
396260
2000
Tam, przez ponad 14 lub 15 lat,
06:38
we've actually brought in
156
398260
2000
uwięziliśmy zarówno
06:40
both bluefin and yellowfin in captivity.
157
400260
2000
błękitnopłetwego, jak i żółtopłetwego.
06:42
We'd been studying these fish,
158
402260
2000
Badaliśmy te ryby. Ale najpierw
06:44
but first we had to learn how to husbandry them.
159
404260
2000
musieliśmy się dowiedzieć, jak je hodować.
06:46
What do they like to eat?
160
406260
2000
Co lubią jeść?
06:48
What is it that they're happy with?
161
408260
2000
Co je zadowala?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
410260
3000
Wchodzimy do zbiorników z tuńczykami. Dotykamy ich nagiej skóry.
06:53
it's pretty amazing. It feels wonderful.
163
413260
3000
To zadziwiające. To wspaniałe uczucie.
06:56
And then, better yet,
164
416260
2000
A oprócz tego
06:58
we've got our own version of tuna whisperers,
165
418260
2000
mamy własną wersję zaklinaczy tuńczyków,
07:00
our own Chuck Farwell, Alex Norton,
166
420260
2000
własnego Chucka Farwella, Alexa Nortona,
07:02
who can take a big tuna
167
422260
2000
który potrafi
07:04
and in one motion,
168
424260
2000
jednym ruchem
07:06
put it into an envelope of water,
169
426260
2000
umieścić tuńczyka w wodnej torbie,
07:08
so that we can actually work with the tuna
170
428260
2000
żebyśmy mogli z nim pracować
07:10
and learn the techniques it takes
171
430260
2000
i nauczyć się, jak postępować,
07:12
to not injure this fish
172
432260
2000
aby nie skrzywdzić ryby,
07:14
who never sees a boundary in the open sea.
173
434260
3000
która w otwartym oceanie nie ma granic.
07:17
Jeff and Jason there, are scientists
174
437260
2000
Jeff i Jason są naukowcami,
07:19
who are going to take a tuna
175
439260
2000
którzy potrafią umieścić tuńczyka
07:21
and put it in the equivalent of a treadmill, a flume.
176
441260
3000
w pewnego rodzaju korytarzu, kieracie,
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
444260
3000
tak że tuńczyk myśli, że płynie do Japonii, mimo że zostaje w miejscu.
07:27
We're actually measuring its oxygen consumption,
178
447260
2000
Mierzymy ich poziom zużycia tlenu,
07:29
its energy consumption.
179
449260
2000
energii.
07:32
We're taking this data and building better models.
180
452260
3000
Zbieramy dane i tworzymy lepsze modele.
07:35
And when I see that tuna -- this is my favorite view --
181
455260
3000
I kiedy widzę tuńczyka - to mój ulubiony widok -
07:38
I begin to wonder:
182
458260
2000
zastanawiam się:
07:40
how did this fish solve the longitude problem before we did?
183
460260
3000
jak ta ryba rozwiązała problem długości geograficznej przed nami?
07:44
So take a look at that animal.
184
464260
2000
Spójrzcie na to zwierzę.
07:46
That's the closest you'll probably ever get.
185
466260
2000
Prawdopodobnie nigdy bliżej już nie będziecie.
07:48
Now, the activities from the lab
186
468260
3000
Działalność w laboratorium
07:51
have taught us now how to go out in the open ocean.
187
471260
3000
nauczyła nas, jak udać się do otwartego oceanu.
07:54
So in a program called Tag-A-Giant
188
474260
3000
W ramach programu "Tag-A-Giant"
07:57
we've actually gone from Ireland to Canada,
189
477260
3000
udaliśmy się z Irlandii do Kanady,
08:00
from Corsica to Spain.
190
480260
2000
z Korsyki do Hiszpanii.
08:02
We've fished with many nations around the world
191
482260
3000
Łowiliśmy z wieloma narodami na całym świecie,
08:05
in an effort to basically
192
485260
2000
aby, krótko mówiąc,
08:07
put electronic computers
193
487260
3000
umieścić elektroniczne komputery
08:10
inside giant tunas.
194
490260
2000
w środku tuńczyków.
08:12
We've actually tagged 1,100 tunas.
195
492260
3000
Udało nam się oznaczyć 1,100 tuńczyków.
08:15
And I'm going to show you three clips,
196
495260
2000
Pokażę wam trzy nagrania,
08:17
because I tagged 1,100 tunas.
197
497260
3000
ponieważ oznaczyłam 1,100 tuńczyków,
08:20
It's a very hard process, but it's a ballet.
198
500260
3000
To bardzo trudny proces, ale jest jak balet.
08:23
We bring the tuna out, we measure it.
199
503260
3000
Wyławiamy tuńczyka, mierzymy go.
08:26
A team of fishers, captains, scientists and technicians
200
506260
3000
Zespół rybaków, kapitanów, naukowców i techników
08:29
work together to keep this animal out of the ocean
201
509260
3000
współpracuje, aby utrzymać zwierzę poza oceanem
08:32
for about four to five minutes.
202
512260
3000
przez około cztery do pięciu minut.
08:35
We put water over its gills, give it oxygen.
203
515260
3000
polewamy wodą jego skrzela, podajemy mu tlen.
08:38
And then with a lot of effort, after tagging,
204
518260
3000
A potem, z wielkim trudem, po oznaczeniu,
08:41
putting in the computer,
205
521260
2000
po umieszczeniu komputera,
08:43
making sure the stalk is sticking out so it senses the environment,
206
523260
3000
upewnieniu się, że czujnik wystaje pionowo, aby mógł badać środowisko,
08:46
we send this fish back into the sea.
207
526260
3000
wpuszczamy rybę z powrotem do oceanu.
08:49
And when it goes, we're always happy.
208
529260
2000
Kiedy odpływa, zawsze się cieszymy.
08:51
We see a flick of the tail.
209
531260
2000
Widzimy machnięcie ogona.
08:53
And from our data that gets collected,
210
533260
3000
Z danych uzbieranych,
08:56
when that tag comes back,
211
536260
2000
kiedy znacznik do nas wraca,
08:58
because a fisher returns it
212
538260
2000
ponieważ rybak go oddaje
09:00
for a thousand-dollar reward,
213
540260
2000
za tysiąc dolarów nagrody,
09:02
we can get tracks beneath the sea
214
542260
2000
poznajemy już od pięciu lat,
09:04
for up to five years now,
215
544260
2000
co dzieje się w morzu
09:06
on a backboned animal.
216
546260
2000
z tym zwierzęciem.
09:08
Now sometimes the tunas are really large,
217
548260
3000
Czasami tuńczyki są naprawdę wielkie,
09:11
such as this fish off Nantucket.
218
551260
2000
jak na przykład ta ryba z Nantucket.
09:13
But that's about half the size
219
553260
2000
Ale jest ona aż o połowę mniejsza
09:15
of the biggest tuna we've ever tagged.
220
555260
2000
od największego oznaczonego tuńczyka.
09:17
It takes a human effort,
221
557260
2000
Wiele wysiłku wymaga -
09:19
a team effort, to bring the fish in.
222
559260
2000
wysiłku całego zespołu - złapanie takiej ryby.
09:21
In this case, what we're going to do
223
561260
2000
W tym wypadku umieścimy na niej
09:23
is put a pop-up satellite archival tag on the tuna.
224
563260
3000
satelitarny znacznik automatyczny (pop-up tag)
09:27
This tag rides on the tuna,
225
567260
2000
Taki znacznik przemieszcza się na tuńczyku,
09:29
senses the environment around the tuna
226
569260
3000
bada środowisko wokół niego
09:32
and actually will come off the fish,
227
572260
3000
i sam odczepia się od ryby,
09:35
detach, float to the surface
228
575260
2000
płynie na powierzchnię
09:37
and send back to Earth-orbiting satellites
229
577260
3000
i wysyła do satelitów na orbicie Ziemi
09:40
position data estimated by math on the tag,
230
580260
3000
dane o położeniu, oszacowanym przez znacznik,
09:43
pressure data and temperature data.
231
583260
3000
dane o ciśnieniu oraz temperaturze.
09:46
And so what we get then from the pop-up satellite tag
232
586260
2000
Dzięki takim znacznikom automatycznym
09:48
is we get away from having to have a human interaction
233
588260
3000
unikamy przymusu współdziałania z ludźmi
09:51
to recapture the tag.
234
591260
2000
w celu odzyskania znacznika.
09:53
Both the electronic tags I'm talking about are expensive.
235
593260
3000
Oba rodzaje znaczników są drogie.
09:56
These tags have been engineered
236
596260
2000
Zostały zaprojektowane
09:58
by a variety of teams in North America.
237
598260
3000
przez różne zespoły w Ameryce Północnej.
10:01
They are some of our finest instruments,
238
601260
2000
To jedne z najdoskonalszych narzędzi
10:03
our new technology in the ocean today.
239
603260
3000
nowej technologii w oceanach.
10:07
One community in general
240
607260
2000
Jedna społeczność
10:09
has given more to help us than any other community.
241
609260
2000
pomogła nam najbardziej ze wszystkich.
10:11
And that's the fisheries off the state of North Carolina.
242
611260
3000
Były to łowiska w Karolinie Północnej.
10:14
There are two villages, Harris and Morehead City,
243
614260
3000
Dwie wioski - Harris i Morehead City -
10:17
every winter for over a decade,
244
617260
2000
każdej zimy przez ponad dziesięć lat
10:19
held a party called Tag-A-Giant,
245
619260
3000
organizują akcję zwaną "Tag-A-Giant".
10:22
and together, fishers worked with us
246
622260
2000
Rybacy pracują razem z nami,
10:24
to tag 800 to 900 fish.
247
624260
3000
aby oznaczyć 800 do 900 ryb.
10:27
In this case, we're actually going to measure the fish.
248
627260
3000
W takim przypadku zmierzymy rybę.
10:30
We're going to do something that in recent years we've started:
249
630260
3000
Zrobimy też coś, co zaczęliśmy w ostatnim czasie:
10:33
take a mucus sample.
250
633260
2000
pobierzemy próbkę śluzu.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
635260
3000
Spójrzcie, jak błyszczącą ma skórę - widać moje odbicie.
10:38
And from that mucus, we can get gene profiles,
252
638260
3000
Ze śluzu możemy poznać profile genetyczne,
10:41
we can get information on gender,
253
641260
2000
dostajemy informację o płci.
10:43
checking the pop-up tag one more time,
254
643260
2000
Sprawdzamy znacznik automatyczny jeszcze raz -
10:45
and then it's out in the ocean.
255
645260
2000
i już jest w oceanie.
10:47
And this is my favorite.
256
647260
2000
A to lubię najbardziej.
10:49
With the help of my former postdoc, Gareth Lawson,
257
649260
3000
Stworzony z pomocą doktora Garetha Lawsona,
10:52
this is a gorgeous picture of a single tuna.
258
652260
2000
wspaniały obraz pojedynczego tuńczyka.
10:54
This tuna is actually moving on a numerical ocean.
259
654260
3000
Tuńczyk ten porusza się po numerycznym oceanie.
10:57
The warm is the Gulf Stream,
260
657260
2000
Ciepły obszar to Golfsztrom,
10:59
the cold up there in the Gulf of Maine.
261
659260
3000
tamten zimny obszar to Zatoka Maine.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
662260
3000
To tam chce dotrzeć tuńczyk. Chce żywić się ławicami śledzi.
11:05
but it can't get there. It's too cold.
263
665260
2000
Ale nie może się tam dostać. Jest za zimno.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
667260
3000
Ale potem ociepla się. Tuńczyk wpływa do środka, łapie trochę ryb,
11:10
maybe comes back to home base,
265
670260
2000
być może wraca do bazy,
11:12
goes in again
266
672260
2000
wpływa ponownie,
11:14
and then comes back to winter down there in North Carolina
267
674260
3000
a potem wraca na zimę w dół - do Karoliny Północnej,
11:17
and then on to the Bahamas.
268
677260
2000
a potem do Bahamów.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
679260
3000
Moja ulubiona scena: trzy tuńczyki płyną do Zatoki Meksykańskiej.
11:22
Three tunas tagged.
270
682260
2000
Trzy oznaczone tuńczyki.
11:24
Astronomically, we're calculating positions.
271
684260
2000
Obliczamy astronomicznie pozycje.
11:26
They're coming together. That could be tuna sex --
272
686260
3000
Płyną razem. To może być seks tuńczyków.
11:29
and there it is.
273
689260
2000
I oto jest.
11:31
That is where the tuna spawn.
274
691260
2000
Oto gdzie mnożą się tuńczyki.
11:33
So from data like this,
275
693260
2000
Z takich danych
11:35
we're able now to put the map up,
276
695260
2000
jesteśmy w stanie stworzyć mapę,
11:37
and in this map
277
697260
2000
a na niej widzimy
11:39
you see thousands of positions
278
699260
2000
tysiące pozycji,
11:41
generated by this decade and a half of tagging.
279
701260
3000
wytworzonych przez 15 lat oznaczania.
11:44
And now we're showing that tunas on the western side
280
704260
3000
Wykazujemy, że tuńczyki ze strony zachodniej
11:47
go to the eastern side.
281
707260
2000
płyną na stronę wschodnią.
11:49
So two populations of tunas --
282
709260
2000
A więc są dwie populacje tuńczyków -
11:51
that is, we have a Gulf population, one that we can tag --
283
711260
2000
populacja zatokowa - ta, którą możemy oznaczyć -
11:53
they go to the Gulf of Mexico, I showed you that --
284
713260
3000
płynie do Zatoki Meksykańskiej - pokazywałam to wam -
11:56
and a second population.
285
716260
2000
i druga populacja.
11:58
Living amongst our tunas -- our North American tunas --
286
718260
2000
pomiędzy naszymi tuńczykami północnoamerykańskimi
12:00
are European tunas that go back to the Med.
287
720260
3000
żyją tuńczyki europejskie, które wracają do Morza Śródziemnego.
12:03
On the hot spots -- the hope spots --
288
723260
2000
W najistotniejszych punktach
12:05
they're mixed populations.
289
725260
2000
populacje się mieszają.
12:07
And so what we've done with the science
290
727260
2000
Nauka umożliwiła nam
12:09
is we're showing the International Commission,
291
729260
2000
pokazanie Komisji Międzynarodowej,
12:11
building new models,
292
731260
2000
przez tworzenie nowych modeli,
12:13
showing them that a two-stock no-mixing model --
293
733260
2000
pokazanie jej, że model dwóch niemieszających się populacji -
12:15
to this day, used to reject
294
735260
3000
cały czas odrzucano
12:18
the CITES treaty --
295
738260
2000
traktat CITES -
12:20
that model isn't the right model.
296
740260
2000
a ten model nie jest właściwy.
12:22
This model, a model of overlap,
297
742260
2000
Taki model - model zachodzenia na siebie -
12:24
is the way to move forward.
298
744260
2000
to droga postępowania naprzód.
12:26
So we can then predict
299
746260
2000
Wówczas możemy przewidzieć,
12:28
where management places should be.
300
748260
2000
gdzie powinny być miejsca zarządzania.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
750260
3000
Zatoka Meksykańska czy Morze Śródziemne to jedne z miejsc,
12:33
are places where the single species,
302
753260
2000
gdzie można uchwycić
12:35
the single population, can be captured.
303
755260
2000
pojedyncze gatunki czy populacje.
12:37
These become forthright in places we need to protect.
304
757260
3000
To właśnie te miejsca musimy chronić.
12:40
The center of the Atlantic where the mixing is,
305
760260
3000
Centrum Atlantyku - gdzie zachodzi mieszanie się.
12:43
I could imagine a policy that lets Canada and America fish,
306
763260
2000
Mogę wyobrazić sobie politykę, która pozwala łowić Kanadzie czy Ameryce,
12:45
because they manage their fisheries well,
307
765260
3000
bo dobrze prowadzą swoje łowiska,
12:48
they're doing a good job.
308
768260
2000
dobrze wykonują swoją pracę.
12:50
But in the international realm,
309
770260
2000
Ale w sferze międzynarodowej,
12:52
where fishing and overfishing has really gone wild,
310
772260
2000
gdzie łowienie wymknęło się spod kontroli,
12:54
these are the places that we have to make hope spots in.
311
774260
3000
musimy stworzyć miejsca niezbędne dla oceanu.
12:57
That's the size they have to be to protect the bluefin tuna.
312
777260
3000
Aby chronić tuńczyka, muszą one być tak duże.
13:00
Now in a second project
313
780260
2000
W drugim projekcie,
13:02
called Tagging of Pacific Pelagics,
314
782260
2000
zwanym "Oznaczanie Ryb Pelagicznych Pacyfiku",
13:04
we took on the planet as a team,
315
784260
2000
zajęliśmy się planetą jako zespół,
13:06
those of us in the Census of Marine Life.
316
786260
2000
w ramach Spisu Morskich Form Życia (Census of Marine Life).
13:08
And, funded primarily through Sloan Foundation and others,
317
788260
4000
Jesteśmy finansowani głównie przez Fundację Sloana i inne,
13:12
we were able to actually go in, in our project --
318
792260
3000
a więc możemy rzeczywiście zajmować się projektem.
13:15
we're one of 17 field programs
319
795260
2000
Stanowimy jeden z 17 programów tematycznych
13:17
and begin to take on tagging large numbers of predators,
320
797260
3000
i zaczynamy oznaczać wiele drapieżników,
13:20
not just tunas.
321
800260
2000
nie tylko tuńczyki.
13:22
So what we've done
322
802260
2000
A więc udaliśmy się,
13:24
is actually gone up to tag salmon shark in Alaska,
323
804260
3000
żeby oznaczyć lamnę pacyficzną na Alasce.
13:27
met salmon shark on their home territory,
324
807260
3000
Spotkaliśmy lamny na ich terytorium,
13:30
followed them catching salmon
325
810260
2000
obserwowaliśmy, jak łapią łososie,
13:32
and then went in and figured out
326
812260
2000
a potem odkryliśmy,
13:34
that, if we take a salmon and put it on a line,
327
814260
3000
że jeśli umieścimy łososia na linie,
13:37
we can actually take up a salmon shark --
328
817260
2000
możemy złapać tego rekina.
13:39
This is the cousin of the white shark --
329
819260
2000
To kuzyn żarłacza białego.
13:41
and very carefully --
330
821260
2000
A potem bardzo ostrożnie -
13:43
note, I say "very carefully," --
331
823260
2000
powtórzę raz jeszcze: bardzo ostrożnie -
13:45
we can actually keep it calm,
332
825260
2000
staramy się, by był spokojny,
13:47
put a hose in its mouth, keep it off the deck
333
827260
3000
wkładamy wąż do jego paszczy, trzymamy go poza pokładem,
13:50
and then tag it with a satellite tag.
334
830260
3000
a potem umieszczamy znacznik satelitarny.
13:53
That satellite tag will now have your shark phone home
335
833260
3000
Dzięki temu znacznikowi rekin skontaktuje się z nami
13:56
and send in a message.
336
836260
2000
i prześle nam wiadomość.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
838260
3000
Tamten skaczący rekin ma, jeśli popatrzycie uważnie - antenkę.
14:01
It's a free swimming shark with a satellite tag
338
841260
2000
To oznaczony rekin pływający na swobodzie,
14:03
jumping after salmon,
339
843260
2000
ścigający łososia
14:05
sending home its data.
340
845260
3000
i wysyłający nam dane.
14:09
Salmon sharks aren't the only sharks we tag.
341
849260
2000
Lamny to nie jedyne rekiny, które oznaczamy.
14:11
But there goes salmon sharks with this meter-level resolution
342
851260
3000
A tutaj płynie lamna pacyficzna po dokładnie wytyczonym szlaku,
14:14
on an ocean of temperature -- warm colors are warmer.
343
854260
3000
na oceanie temperatur - ciepłe kolory to cieplejsze miejsca.
14:17
Salmon sharks go down
344
857260
2000
Lamny płyną w dół,
14:19
to the tropics to pup
345
859260
2000
aby rozmnożyć się w tropikach
14:21
and come into Monterey.
346
861260
2000
i udają się do Monterey.
14:23
Now right next door in Monterey and up at the Farallones
347
863260
3000
A tuż obok w Monterey i powyżej przy Wyspach Farallońskich
14:26
are a white shark team led by Scott Anderson -- there --
348
866260
2000
pracuje zespół żarłacza białego, pod przewodnictwem
14:28
and Sal Jorgensen.
349
868260
2000
Scotta Andersona i Sala Jorgensena.
14:30
They can throw out a target --
350
870260
2000
Wyrzucają cel -
14:32
it's a carpet shaped like a seal --
351
872260
2000
to dywan w kształcie foki -
14:34
and in will come a white shark, a curious critter
352
874260
3000
i zaraz przypłynie żarłacz biały - ciekawski stwór -
14:37
that will come right up to our 16-ft. boat.
353
877260
3000
który zbliży się do naszej 16-stopowej łodzi.
14:40
It's a several thousand-pound animal.
354
880260
2000
To zwierzę waży kilka tysięcy funtów.
14:42
And we'll wind in the target.
355
882260
3000
Potem zwiniemy cel
14:45
And we'll place an acoustic tag
356
885260
2000
i umieścimy znacznik akustyczny,
14:47
that says, "OMSHARK 10165,"
357
887260
2000
mówiący: "OMSHARK 10165,"
14:49
or something like that, acoustically with a ping.
358
889260
3000
albo coś w tym rodzaju, akustycznie, brzęczeniem.
14:52
And then we'll put on a satellite tag
359
892260
2000
A potem umieścimy znacznik satelitarny,
14:54
that will give us the long-distance journeys
360
894260
3000
który pokaże nam długodystansowe trasy
14:57
with the light-based geolocation algorithms
361
897260
2000
przy pomocy opartych na świetle algorytmów geolokacji,
14:59
solved on the computer that's on the fish.
362
899260
3000
umieszczonych w komputerze na rybie.
15:02
So in this case, Sal's looking at two tags there,
363
902260
3000
W tym przypadku więc, Sal pracuje nad dwoma znacznikami.
15:05
and there they are: the white sharks of California
364
905260
3000
I oto one: żarłacze białe z Kalifornii
15:08
going off to the white shark cafe and coming back.
365
908260
3000
wypływają z żarłaczowej kawiarni i wpływają z powrotem.
15:12
We also tag makos with our NOAA colleagues,
366
912260
2000
Oznaczamy również ostronosy wspólnie z kolegami z NOAA,
15:14
blue sharks.
367
914260
2000
żarłacze błękitne.
15:16
And now, together, what we can see
368
916260
2000
A tutaj - na tym kolorowym oceanie,
15:18
on this ocean of color that's temperature,
369
918260
2000
oznaczającym temperatury,
15:20
we can see ten-day worms of makos and salmon sharks.
370
920260
3000
widzimy dziesięciodniowe robaczki ostronosów i lamn pacyficznych.
15:24
We have white sharks and blue sharks.
371
924260
2000
Mamy też żarłacze białe i błękitne.
15:26
For the first time,
372
926260
2000
Po raz pierwszy w historii
15:28
an ecoscape as large as ocean-scale,
373
928260
2000
na tak wielką skalę, jaką jest ocean,
15:30
showing where the sharks go.
374
930260
3000
możemy widzieć, gdzie pływają rekiny.
15:33
The tuna team from TOPP has done the unthinkable:
375
933260
3000
Zespół tuńczyka z TOPP uczynił coś niewyobrażalnego:
15:36
three teams tagged 1,700 tunas,
376
936260
3000
trzy zespoły oznaczyły 1,700 tuńczyków,
15:39
bluefin, yellowfin and albacore
377
939260
2000
błękitnopłetwych, żółtopłetwych i długopłetwych
15:41
all at the same time --
378
941260
2000
w tym samym czasie.
15:43
carefully rehearsed tagging programs
379
943260
2000
Ostrożnie powtarzali program oznaczania,
15:45
in which we go out, pick up juvenile tunas,
380
945260
3000
w którym wypływamy, łowimy młode tuńczyki,
15:48
put in the tags that actually have the sensors,
381
948260
3000
umieszczamy znaczniki z czujnikami,
15:51
stick out the tuna
382
951260
2000
wypuszczamy tuńczyka
15:53
and then let them go.
383
953260
2000
i pozwalamy mu odpłynąć.
15:55
They get returned, and when they get returned,
384
955260
2000
Potem wracają do nas, a kiedy wrócą,
15:57
here on a NASA numerical ocean
385
957260
3000
tutaj - na numerycznym oceanie NASA -
16:00
you can see bluefin in blue
386
960260
2000
widzimy błękitnopłetwe na niebiesko,
16:02
go across their corridor,
387
962260
2000
które płyną swoimi korytarzami
16:04
returning to the Western Pacific.
388
964260
3000
i wracają do Pacyfiku Zachodniego.
16:07
Our team from UCSC has tagged elephant seals
389
967260
3000
Nasz zespół z UCSC oznaczał też słonie morskie,
16:10
with tags that are glued on their heads, that come off when they slough.
390
970260
3000
przyklejając im do głów znaczniki, które odpadały, gdy liniały.
16:13
These elephant seals cover half an ocean,
391
973260
3000
Te słonie morskie pokrywają połowę oceanu,
16:16
take data down to 1,800 feet --
392
976260
2000
zbierają dane sięgające 1,8000 stóp -
16:18
amazing data.
393
978260
2000
niesamowite dane.
16:20
And then there's Scott Shaffer and our shearwaters
394
980260
3000
A tutaj widzimy Scotta Shaffera i nasze burzyki,
16:23
wearing tuna tags, light-based tags,
395
983260
3000
noszące lekkie znaczniki tuńczyków,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
986260
3000
które teraz poprowadzą nas z Nowej Zelandii do Monterey i z powrotem,
16:29
journeys of 35,000 nautical miles
397
989260
3000
przemierzając 35,000 mil morskich -
16:32
we had never seen before.
398
992260
2000
nigdy przedtem nie widzieliśmy takich odległości.
16:34
But now with light-based geolocation tags that are very small,
399
994260
3000
Ale teraz z lekkimi znacznikami geolokacji, które są bardzo małe,
16:37
we can actually see these journeys.
400
997260
2000
możemy śledzić te podróże.
16:39
Same thing with Laysan albatross
401
999260
2000
Tak samo z albatrosem ciemnolicym,
16:41
who travel an entire ocean
402
1001260
2000
który przemierza cały ocean,
16:43
on a trip sometimes,
403
1003260
2000
czasami aż do tych samych stref,
16:45
up to the same zone the tunas use.
404
1005260
2000
z jakich korzystają tuńczyki.
16:47
You can see why they might be caught.
405
1007260
3000
Widzicie, dlaczego można je złapać.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
1010260
3000
A oto George Schillinger i nasz zespół żółwi skórzastych z Playa Grande,
16:53
tagging leatherbacks
407
1013260
2000
który oznacza żółwie skórzaste,
16:55
that go right past where we are.
408
1015260
3000
wzdłuż miejsca, w którym jesteśmy.
16:58
And Scott Benson's team
409
1018260
2000
I zespół Scotta Bensona,
17:00
that showed that leatherbacks go from Indonesia
410
1020260
2000
który wykazał, że żółwie skórzaste płyną z Indonezji
17:02
all the way to Monterey.
411
1022260
2000
aż do Monterey.
17:04
So what we can see on this moving ocean
412
1024260
3000
A więc na tym ruchomym oceanie możemy
17:07
is we can finally see where the predators are.
413
1027260
3000
wreszcie zobaczyć, gdzie są drapieżniki.
17:10
We can actually see how they're using ecospaces
414
1030260
3000
Możemy zobaczyć, jak korzystają z ekoprzestrzeni
17:13
as large as an ocean.
415
1033260
2000
tak wielkiej jak ocean.
17:15
And from this information,
416
1035260
2000
Dzięki tym informacjom
17:17
we can begin to map the hope spots.
417
1037260
3000
możemy zacząć nanosić miejsca niezbędne dla oceanu.
17:20
So this is just three years of data right here --
418
1040260
2000
Tutaj widzimy dane z zaledwie trzech lat,
17:22
and there's a decade of this data.
419
1042260
2000
a w ogóle mamy dane z dziesięciu lat.
17:24
We see the pulse and the seasonal activities
420
1044260
2000
Możemy zaobserwować rytm i czynności sezonowe,
17:26
that these animals are going on.
421
1046260
3000
podejmowane przez te zwierzęta.
17:30
So what we're able to do with this information
422
1050260
2000
A więc dzięki tym informacjom
17:32
is boil it down to hot spots,
423
1052260
3000
możemy sprowadzić je do punktów zapalnych,
17:35
4,000 deployments,
424
1055260
2000
4,000 rozmieszczeń -
17:37
a huge herculean task,
425
1057260
3000
praca herkulesowa -
17:40
2,000 tags
426
1060260
2000
2,000 znaczników
17:42
in an area, shown here for the first time,
427
1062260
2000
na po raz pierwszy tu ukazanym obszarze
17:44
off the California coast,
428
1064260
2000
u wybrzeży Kalifornii,
17:46
that appears to be a gathering place.
429
1066260
3000
który wygląda na miejsce zbierania się.
17:50
And then for sort of an encore from these animals,
430
1070260
3000
w ramach swoistego bisu zwierząt
17:53
they're helping us.
431
1073260
2000
pomagają one nam.
17:55
They're carrying instruments
432
1075260
2000
Noszą narzędzia
17:57
that are actually taking data down to 2,000 meters.
433
1077260
3000
i zbierają dane z głębokości do 2,000 metrów.
18:00
They're taking information from our planet
434
1080260
2000
Zbierają informacje z naszej planety
18:02
at very critical places like Antarctica and the Poles.
435
1082260
3000
w miejscach krytycznych, jak Antarktyda czy bieguny.
18:05
Those are seals from many countries
436
1085260
2000
Tutaj mamy foki z wielu krajów,
18:07
being released
437
1087260
2000
które wypuszczono,
18:09
who are sampling underneath the ice sheets
438
1089260
2000
aby zbierały dane pod pokrywą lodu
18:11
and giving us temperature data of oceanographic quality
439
1091260
3000
i informowały nas o temperaturze
18:14
on both poles.
440
1094260
2000
na obu biegunach.
18:16
This data, when visualized, is captivating to watch.
441
1096260
3000
Fascynujące jest oglądanie tych danych, kiedy są zwizualizowane.
18:19
We still haven't figured out best how to visualize the data.
442
1099260
3000
Jeszcze nie odkryliśmy najlepszego sposobu wizualizacji.
18:22
And then, as these animals swim
443
1102260
2000
A kiedy te zwierzęta pływają
18:24
and give us the information
444
1104260
2000
i przekazują nam informacje,
18:26
that's important to climate issues,
445
1106260
2000
jest to ważne w kwestiach klimatu.
18:28
we also think it's critical
446
1108260
2000
Sądzimy, że niezwykle ważne
18:30
to get this information to the public,
447
1110260
2000
jest upowszechnianie tych informacji,
18:32
to engage the public with this kind of data.
448
1112260
3000
pokazanie społeczeństwu tego rodzaju danych.
18:35
We did this with the Great Turtle Race --
449
1115260
2000
Zrobiliśmy to w ramach Wielkiego Wyścigu Żółwi (the Great Turtle Race) -
18:37
tagged turtles, brought in four million hits.
450
1117260
3000
oznaczyliśmy żółwie, osiągnęliśmy 4 miliony wyświetleń.
18:40
And now with Google's Oceans,
451
1120260
3000
A teraz dzięki Google's Oceans
18:43
we can actually put a white shark in that ocean.
452
1123260
2000
możemy umieścić w oceanie żarłacza białego.
18:45
And when we do and it swims,
453
1125260
2000
A kiedy popłynie,
18:47
we see this magnificent bathymetry
454
1127260
2000
możemy obserwować tę niesamowitą batymetrię
18:49
that the shark knows is there on its path
455
1129260
2000
rekina, będącego na swoim szlaku,
18:51
as it goes from California to Hawaii.
456
1131260
2000
kiedy udaje się z Kalifornii na Hawaje.
18:53
But maybe Mission Blue
457
1133260
2000
A może Mission Blue
18:55
can fill in that ocean that we can't see.
458
1135260
3000
może uzupełnić tę część oceanu, którego my nie widzimy.
18:58
We've got the capacity, NASA has the ocean.
459
1138260
3000
My mamy możliwości. NASA ma ocean.
19:01
We just need to put it together.
460
1141260
2000
Musimy tylko połączyć siły.
19:03
So in conclusion,
461
1143260
2000
Zatem, podsumowując,
19:05
we know where Yellowstone is for North America;
462
1145260
3000
wiemy, gdzie jest Yellowstone w Ameryce Północnej.
19:08
it's off our coast.
463
1148260
2000
Jest daleko od brzegu.
19:10
We have the technology that's shown us where it is.
464
1150260
2000
Mamy technologie, które pokazały nam, gdzie jest.
19:12
What we need to think about perhaps for Mission Blue
465
1152260
3000
Musimy teraz zastanowić się w ramach Mission Blue,
19:15
is increasing the biologging capacity.
466
1155260
3000
jak zwiększyć zdolności biologiczne.
19:18
How is it that we can actually
467
1158260
2000
Jak to się dzieje, że możemy
19:20
take this type of activity elsewhere?
468
1160260
3000
przenieść te czynności tam, gdzie chcemy?
19:23
And then finally -- to basically get the message home --
469
1163260
3000
Aż wreszcie, aby lepiej przekazać, o co nam chodzi,
19:26
maybe use live links
470
1166260
2000
użyjmy połączeń na żywo
19:28
from animals such as blue whales and white sharks.
471
1168260
2000
ze zwierzętami, jak płetwal błękitny czy żarłacz biały.
19:30
Make killer apps, if you will.
472
1170260
2000
Być może stwórzmy killer apps.
19:32
A lot of people are excited
473
1172260
2000
Wielu ludzi ekscytuje się
19:34
when sharks actually went under the Golden Gate Bridge.
474
1174260
3000
rekinami, które przepływają pod Mostem Golden Gate.
19:37
Let's connect the public to this activity right on their iPhone.
475
1177260
3000
Połączmy ich bezpośrednio z tym wydarzeniem przez iPnony.
19:40
That way we do away with a few internet myths.
476
1180260
3000
W ten sposób rozwiejemy kilka internetowych mitów.
19:44
So we can save the bluefin tuna.
477
1184260
2000
Żebyśmy mogli ocalić tuńczyka błękitnopłetwego.
19:46
We can save the white shark.
478
1186260
2000
Możemy ocalić żarłacza białego.
19:48
We have the science and technology.
479
1188260
2000
Mamy naukę i technikę.
19:50
Hope is here. Yes we can.
480
1190260
2000
Tu leży nadzieja. Możemy.
19:52
We need just to apply this capacity
481
1192260
2000
Musimy tylko zastosować możliwości
19:54
further in the oceans.
482
1194260
2000
głębiej w oceanach.
19:56
Thank you.
483
1196260
2000
Dziękuję.
19:58
(Applause)
484
1198260
2000
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7