Paul Snelgrove: A census of the ocean

Paul Snelgrove: A census of the ocean

39,740 views ・ 2012-02-28

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Özge Özkan Gözden geçirme: Sara Ozturk
00:15
The oceans cover some 70 percent of our planet.
0
15260
3000
Okyanuslar gezegenimizin %70 ini kaplıyor.
00:18
And I think Arthur C. Clarke probably had it right
1
18260
2000
Bence Arthur C. Clarke gezegenimize
00:20
when he said that perhaps we ought to call our planet
2
20260
3000
Okyanus Gezegen adını vermemiz gerektiğini söylediğinde haklıydı.
00:23
Planet Ocean.
3
23260
2000
00:25
And the oceans are hugely productive,
4
25260
2000
Yeni yaşamın üretimi olan fotosentezin uydu görüntülerinde de
00:27
as you can see by the satellite image
5
27260
2000
00:29
of photosynthesis, the production of new life.
6
29260
2000
görebileceğiniz gibi okyanuslar son derece üretken.
00:31
In fact, the oceans produce half of the new life every day on Earth
7
31260
3000
Aslında okyanuslar hem soluduğumuz havanın yaklaşık yarısını
00:34
as well as about half the oxygen that we breathe.
8
34260
3000
hem de her gün dünya üzerindeki yeni yaşamın yarısını üretiyor.
00:37
In addition to that, it harbors a lot of the biodiversity on Earth,
9
37260
3000
Buna ek olarak okyanuslar birçok biyo-çeşitliliği barındırıyor
00:40
and much of it we don't know about.
10
40260
2000
ve biz bu biyo-çeşitliliğin birçoğunu bilmiyoruz.
00:42
But I'll tell you some of that today.
11
42260
2000
Ama ben bazılarını bugün size anlatacağım.
00:44
That also doesn't even get into the whole protein extraction
12
44260
2000
Bir de bu bile bizim okyanustan yaptığımız bütün protein çıkarımını içine alamaz.
00:46
that we do from the ocean.
13
46260
2000
00:48
That's about 10 percent of our global needs
14
48260
2000
Bu bizim yaklaşık %10 global ihtiyacımız ve bazı ada halklarının %100 ihtiyacı.
00:50
and 100 percent of some island nations.
15
50260
3000
00:53
If you were to descend
16
53260
2000
Eğer yaşanabilir olan %95'lik biyosferin içine inebiliyor olsaydınız
00:55
into the 95 percent of the biosphere that's livable,
17
55260
2000
00:57
it would quickly become pitch black,
18
57260
2000
sadece ışık yayan organizmalardan gelen ışık noktalarının kesilmesi ile
00:59
interrupted only by pinpoints of light
19
59260
2000
01:01
from bioluminescent organisms.
20
61260
2000
çok hızlı zifiri karanlık olurdu.
01:03
And if you turn the lights on,
21
63260
2000
Eğer ışıkları açarsanız
01:05
you might periodically see spectacular organisms swim by,
22
65260
2000
periyodik olarak yanınızdan geçen muhteşem organizmaları görebilirsiniz
01:07
because those are the denizens of the deep,
23
67260
2000
çünkü bunlar derin okyanusta yaşayan, derinin müdavimleri olan canlılar.
01:09
the things that live in the deep ocean.
24
69260
2000
01:11
And eventually, the deep sea floor would come into view.
25
71260
3000
Sonunda derin deniz tabanı görülebiliyor.
01:14
This type of habitat covers more of the Earth's surface
26
74260
3000
Bu tür bir habitat dünya yüzeyindeki diğer bütün habitatların toplamından
01:17
than all other habitats combined.
27
77260
2000
daha fazla alan kaplıyor.
01:19
And yet, we know more about the surface of the Moon and about Mars
28
79260
2000
Bir gram yiyecek, bir nefes oksijen, bir damla su çıkarmamış olmamıza rağmen
01:21
than we do about this habitat,
29
81260
2000
dünya'ya kıyasla Ay'ın yüzeyi ve Mars hakkında daha çok bilgiye sahibiz.
01:23
despite the fact that we have yet to extract
30
83260
2000
01:25
a gram of food, a breath of oxygen or a drop of water
31
85260
3000
01:28
from those bodies.
32
88260
2000
01:30
And so 10 years ago,
33
90260
2000
01:32
an international program began called the Census of Marine Life,
34
92260
3000
Yaklaşık 10 yıl önce,
küresel okyanuslardaki yaşam anlayışımızı denemek
01:35
which set out to try and improve our understanding
35
95260
2000
ve geliştirmek için "Census of Marine Life" adında
01:37
of life in the global oceans.
36
97260
2000
bir uluslar arası programa başlandı.
01:39
It involved 17 different projects around the world.
37
99260
3000
Dünya çapında 17 farklı proje dahil oldu.
01:42
As you can see, these are the footprints of the different projects.
38
102260
2000
Görebildiğiniz gibi bunlar farklı projelerin izleri.
01:44
And I hope you'll appreciate the level of global coverage
39
104260
3000
Onun başardığı küresel kapsama seviyesini takdir edeceğinizi ümit ediyorum.
01:47
that it managed to achieve.
40
107260
2000
01:49
It all began when two scientists, Fred Grassle and Jesse Ausubel,
41
109260
2000
Her şey Fred Grassle ve Jesse Ausubel adında iki bilim adamının
01:51
met in Woods Hole, Massachusetts
42
111260
3000
ünlü denizbilimi enstitüsünde misafir oldukları Massachusetts, Woods Hole'da
01:54
where both were guests at the famed oceanographic institute.
43
114260
2000
01:56
And Fred was lamenting the state of marine biodiversity
44
116260
3000
buluşmasıyla başladı.
Fred deniz biyo-çeşitliliğinin durumuna daha doğrusu bu durum ile ilgili
01:59
and the fact that it was in trouble and nothing was being done about it.
45
119260
3000
hiçbir şey yapılmamasına üzülüyordu.
02:02
Well, from that discussion grew this program
46
122260
2000
Bu tartışmadan yola çıkarak dünya çapında 80'den fazla ülkeden,
02:04
that involved 2,700 scientists
47
124260
2000
küresel okyanustaki yaşamın dağılımını, çeşitliliğini ve bolluğunu incelemek için
02:06
from more than 80 countries around the world
48
126260
2000
02:08
who engaged in 540 ocean expeditions
49
128260
3000
toplam 650 milyon dolarlık bir maliyetle 540 okyanus gezisine katılan
02:11
at a combined cost of 650 million dollars
50
131260
3000
270 bilim adamını içeren bu program ortaya çıktı.
02:14
to study the distribution, diversity and abundance
51
134260
2000
02:16
of life in the global ocean.
52
136260
3000
02:19
And so what did we find?
53
139260
2000
Peki biz ne bulduk?
02:21
We found spectacular new species,
54
141260
2000
Kıyı şeridinden derinliklere, mikroplardan balıklara
02:23
the most beautiful and visually stunning things everywhere we looked --
55
143260
3000
ve aradaki her şeye kadar baktığımız her yerde yeni türler,
02:26
from the shoreline to the abyss,
56
146260
2000
en güzel ve görsel olarak çarpıcı canlılar bulduk.
02:28
form microbes all the way up to fish and everything in between.
57
148260
3000
02:31
And the limiting step here wasn't the unknown diversity of life,
58
151260
3000
Buradaki sınırlayıcı adım yaşamın bilinmeyen çeşitliliği değil,
02:34
but rather the taxonomic specialists
59
154260
2000
sınırlayıcı adım haline gelen bu türleri tanımlayıp listeleyen taksonomik uzmanlar.
02:36
who can identify and catalog these species
60
156260
2000
02:38
that became the limiting step.
61
158260
2000
02:40
They, in fact, are an endangered species themselves.
62
160260
3000
Aslında onlar nesli tükenme tehlikesinde olan türler.
02:43
There are actually four to five new species
63
163260
2000
Her gün okyanuslar için tanımlanan 4 veya 5 yeni tür var.
02:45
described everyday for the oceans.
64
165260
2000
02:47
And as I say, it could be a much larger number.
65
167260
3000
Söylediğim gibi bu çok büyük bir sayı olabilirdi.
02:50
Now, I come from Newfoundland in Canada --
66
170260
3000
İnsanlık tarihindeki en kötü balıkçılık felaketlerden birini yaşadığımız
02:53
It's an island off the east coast of that continent --
67
173260
2000
kıtanın doğu kıyısında bir ada olan Kanada'daki Newfoundland'den geliyorum.
02:55
where we experienced one of the worst fishing disasters
68
175260
3000
02:58
in human history.
69
178260
2000
03:00
And so this photograph shows a small boy next to a codfish.
70
180260
2000
Bu fotoğraf bir mezgitin yanında bulunan küçük bir çocuğu gösteriyor.
03:02
It's around 1900.
71
182260
2000
Yaklaşık olarak 1900'ler.
03:04
Now, when I was a boy of about his age,
72
184260
2000
Ben bu çocuğun yaşındayken büyük babamla birlikte balık tutmaya giderdik.
03:06
I would go out fishing with my grandfather
73
186260
2000
03:08
and we would catch fish about half that size.
74
188260
2000
Tuttuğumuz balıklar bu boyun yarısı kadardı.
03:10
And I thought that was the norm,
75
190260
2000
Standartın bu olduğunu düşünürdüm çünkü böyle bir balığı hiç görmemiştim.
03:12
because I had never seen fish like this.
76
192260
2000
03:14
If you were to go out there today, 20 years after this fishery collapsed,
77
194260
3000
Balıkçılık çöktükten 20 yıl sonra bugün oraya gitmiş olsaydınız
03:17
if you could catch a fish, which would be a bit of a challenge,
78
197260
3000
ve balığı yakalayabilseydiniz, ki bu biraz zor olurdu,
03:20
it would be half that size still.
79
200260
2000
yine de balık bunun yarısı büyüklüğünde olurdu.
03:22
So what we're experiencing is something called shifting baselines.
80
202260
3000
Dolayısıyla tecrübe ettiğimiz şey değişen taban çizgileri olarak adlandırılıyor.
03:25
Our expectations of what the oceans can produce
81
205260
2000
Okyanusların neler üretebileceğine dair beklentilerimiz
03:27
is something that we don't really appreciate
82
207260
2000
03:29
because we haven't seen it in our lifetimes.
83
209260
3000
gerçekten anlayabileceğimiz bir şey değil
çünkü hayatımız boyunca böyle bir şey görmedik.
03:32
Now most of us, and I would say me included,
84
212260
3000
Ben de dahil olmak üzere bir çoğumuz okyanuslardaki insan sömürüsünün
03:35
think that human exploitation of the oceans
85
215260
2000
03:37
really only became very serious
86
217260
2000
son 50 yıl belki 100 yıl içinde gerçekten ciddi bir hale geleceğini düşünebilir.
03:39
in the last 50 to, perhaps, 100 years or so.
87
219260
2000
03:41
The census actually tried to look back in time,
88
221260
2000
Aslında nüfus sayımı ellerine geçen her bilgi kaynağını kullanarak
03:43
using every source of information they could get their hands on.
89
223260
3000
zamanla geçmişe bakmaya çalıştı.
03:46
And so anything from restaurant menus
90
226260
2000
Okyanusların neye benzediğini görmek için restoran menülerinden manastır kayıtlarına
03:48
to monastery records to ships' logs
91
228260
2000
03:50
to see what the oceans looked like.
92
230260
2000
ve gemi kayıtlarına kadar her şeye baktılar
03:52
Because science data really goes back
93
232260
2000
çünkü bilimsel verilerin büyük çoğunluğu en iyi ihtimalle
03:54
to, at best, World War II, for the most part.
94
234260
2000
03:56
And so what they found, in fact,
95
236260
2000
İkinci Dünya Savaşına kadar gidiyor.
03:58
is that exploitation really began heavily with the Romans.
96
238260
2000
Aslında bu sömürünün Romalılar ile başladığını buldular.
04:00
And so at that time, of course, there was no refrigeration.
97
240260
3000
O zamanda tabii ki soğutma sistemi yoktu.
04:03
So fishermen could only catch
98
243260
2000
Dolayısıyla balıkçılar sadece yiyebilecek veya satabilecek kadar balık tutabildi.
04:05
what they could either eat or sell that day.
99
245260
2000
04:07
But the Romans developed salting.
100
247260
2000
Ancak Romalılar tuzlamayı geliştirdiler.
04:09
And with salting,
101
249260
2000
Tuzlamayla, balığı saklamak ve onu uzak yerlere götürmek mümkün oldu.
04:11
it became possible to store fish and to transport it long distances.
102
251260
3000
04:14
And so began industrial fishing.
103
254260
3000
Bu sebeple de endüstriyel balıkçılık başlamış oldu.
04:17
And so these are the sorts of extrapolations that we have
104
257260
3000
Bunlar okyanus üzerindeki insan öncesi etkilere göre
04:20
of what sort of loss we've had
105
260260
2000
ne tür bir kayıp yaşadığımıza dair elimizde bulunan değerlendirmeler.
04:22
relative to pre-human impacts on the ocean.
106
262260
3000
04:25
They range from 65 to 98 percent
107
265260
2000
Koyu mavi çubuklarda gösterildiği gibi bu durum ana grup organizmaları için
04:27
for these major groups of organisms,
108
267260
2000
04:29
as shown in the dark blue bars.
109
269260
2000
%65 ile %98 arasında değişir.
04:31
Now for those species the we managed to leave alone, that we protect --
110
271260
3000
Yalnız bırakmayı başardığımız
ve koruduğumuz bu türlerden beri
04:34
for example, marine mammals in recent years and sea birds --
111
274260
2000
örneğin, son zamanlarda deniz memelileri
04:36
there is some recovery.
112
276260
2000
ve deniz kuşlarında bir miktar iyileşme var.
04:38
So it's not all hopeless.
113
278260
2000
Yani her canlı umutsuz vaka değil.
04:40
But for the most part, we've gone from salting to exhausting.
114
280260
3000
Ama büyük bir kısım için tuzlamadan tüketmeye kadar geldik.
04:43
Now this other line of evidence is a really interesting one.
115
283260
2000
Bu gördüğünüz kanıtlar gerçekten ilginç.
04:45
It's from trophy fish caught off the coast of Florida.
116
285260
3000
Bu tür Florida kıyılarında yakalanmış olan kupa balığı.
04:48
And so this is a photograph from the 1950s.
117
288260
3000
Bu fotoğraf 1950'li yıllardan.
04:51
I want you to notice the scale on the slide,
118
291260
2000
Sizden fotoğraftaki ölçeğe dikkat etmenizi istiyorum
04:53
because when you see the same picture from the 1980s,
119
293260
2000
çünkü aynı fotoğrafı 1980'li yıllardan gördüğünüzde
04:55
we see the fish are much smaller
120
295260
2000
balıkların daha küçük olduğunu
04:57
and we're also seeing a change
121
297260
2000
ve aynı zamanda bu balıkların birleşiminde değişiklikler olduğunu görüyoruz.
04:59
in terms of the composition of those fish.
122
299260
2000
05:01
By 2007, the catch was actually laughable
123
301260
2000
2007 yılına göre, kupa balığının boyutu bakımından avlanma gülünçtü
05:03
in terms of the size for a trophy fish.
124
303260
2000
05:05
But this is no laughing matter.
125
305260
2000
ama bu artık gülünç bir olay değil.
05:07
The oceans have lost a lot of their productivity
126
307260
2000
Okyanuslar üretkenliklerinin çoğunu kaybetti ve bu bizim sorumluluğumuz.
05:09
and we're responsible for it.
127
309260
3000
05:12
So what's left? Actually quite a lot.
128
312260
2000
Peki geriye ne kaldı? Aslında oldukça fazla şey.
05:14
There's a lot of exciting things, and I'm going to tell you a little bit about them.
129
314260
3000
Birçok heyecan verici şey var ve ben size birazını anlatacağım.
05:17
And I want to start with a bit on technology,
130
317260
2000
Teknoloji üzerinden başlayacağım çünkü bu bir TED Konferansı.
05:19
because, of course, this is a TED Conference
131
319260
2000
05:21
and you want to hear something on technology.
132
321260
2000
Siz de teknoloji hakkında bir şeyler duymak istiyorsunuz.
05:23
So one of the tools that we use to sample the deep ocean
133
323260
2000
Derin okyanustan numune almak için kullandığımız araçlardan biri de
05:25
are remotely operated vehicles.
134
325260
2000
05:27
So these are tethered vehicles we lower down to the sea floor
135
327260
3000
uzaktan kumandalı araçlar.
Bunlar deniz tabanında çalışmak için deniz tabanına indirdiğimiz
05:30
where they're our eyes and our hands for working on the sea bottom.
136
330260
3000
gözümüz ve ellerimiz olan bağlı araçlar.
05:33
So a couple of years ago, I was supposed to go on an oceanographic cruise
137
333260
3000
Birkaç yıl önce, oşinografik bir yolculuğa çıkmam gerekiyordu.
05:36
and I couldn't go because of a scheduling conflict.
138
336260
3000
Bir plan çakışmasından dolayı gidemedim
05:39
But through a satellite link I was able to sit at my study at home
139
339260
3000
ama uydu bağlantısı sayesinde köpeğim ayaklarımın dibinde kıvrılmış,
05:42
with my dog curled up at my feet, a cup of tea in my hand,
140
342260
3000
elimde bir fincan çay ile evdeki çalışma odamda oturdum
05:45
and I could tell the pilot, "I want a sample right there."
141
345260
2000
ve "Hemen oradan bir numune istiyorum." diyebildim.
05:47
And that's exactly what the pilot did for me.
142
347260
2000
Tam olarak pilotun benim için yaptığı şey de buydu.
05:49
That's the sort of technology that's available today
143
349260
3000
Bu gerçekten 10 yıl önce bile olmayan ama şuan kullanılabilir bir teknoloji.
05:52
that really wasn't available even a decade ago.
144
352260
2000
05:54
So it allows us to sample these amazing habitats
145
354260
2000
Dolayısıyla bu olanaklar bize yüzeyden ve ışıktan çok uzak olan
05:56
that are very far from the surface
146
356260
2000
bu harika habitatları örneklememizi sağlıyor.
05:58
and very far from light.
147
358260
2000
06:00
And so one of the tools that we can use to sample the oceans
148
360260
3000
Yani okyanuslardan numune almak için kullandığımız araçlardan biri akustikler
06:03
is acoustics, or sound waves.
149
363260
2000
ya da ses dalgaları oluyor.
06:05
And the advantage of sound waves
150
365260
2000
Sesin avantajı ise ışığın aksine sudan iyi bir şekilde geçebilmesi.
06:07
is that they actually pass well through water, unlike light.
151
367260
2000
06:09
And so we can send out sound waves,
152
369260
2000
Böylece ses dalgaları gönderebiliyoruz.
06:11
they bounce off objects like fish and are reflected back.
153
371260
3000
Ses dalgaları balık gibi nesnelerden sekiyor ve geri yansıyor.
06:14
And so in this example, a census scientist took out two ships.
154
374260
3000
Bu örnekte nüfus sayımı ile ilgili olan bilim adamları iki gemi ile yola çıktı.
06:17
One would send out sound waves that would bounce back.
155
377260
2000
Birinci gemi geri yansıyacak olan ses dalgalarını gönderdi.
06:19
They would be received by a second ship,
156
379260
2000
06:21
and that would give us very precise estimates, in this case,
157
381260
3000
Ses dalgalarını ikinci bir gemi aldı ve bu bize yaklaşık bir dakika içinde
06:24
of 250 billion herring
158
384260
2000
250 milyar ringa balığı hakkında kesin tahminler veriyor.
06:26
in a period of about a minute.
159
386260
2000
06:28
And that's an area about the size of Manhattan Island.
160
388260
3000
Bu Manhattan Adası büyüklüğünde bir alan.
06:31
And to be able to do that is a tremendous fisheries tool,
161
391260
2000
Bunu yapabilecek muhteşem balıkçılık cihazı gerekli.
06:33
because knowing how many fish are there is really critical.
162
393260
3000
Çünkü orada kaç tane balık olduğunu bilmek gerçekten kritik.
06:36
We can also use satellite tags
163
396260
2000
Okyanuslardaki hayvanların izini sürmek için uydu etiketleri de kullanabiliriz.
06:38
to track animals as they move through the oceans.
164
398260
2000
06:40
And so for animals that come to the surface to breathe,
165
400260
2000
Bu deniz foku gibi yüzeye nefes almak için gelen hayvanların
06:42
such as this elephant seal,
166
402260
2000
verilerini kıyıya geri göndermesi ve onların okyanusta nerede olduğunu
06:44
it's an opportunity to send data back to shore
167
404260
2000
06:46
and tell us where exactly it is in the ocean.
168
406260
3000
bize söylemesi için bir fırsat.
06:49
And so from that we can produce these tracks.
169
409260
2000
Bu şekilde biz bu izleri ortaya koyabiliriz.
06:51
For example, the dark blue
170
411260
2000
Örneğin koyu mavi, deniz filinin Kuzey Pasifik'te nereye ilerlediğini gösterir.
06:53
shows you where the elephant seal moved in the north Pacific.
171
413260
2000
06:55
Now I realize for those of you who are colorblind, this slide is not very helpful,
172
415260
3000
Renk körü olanlarınız için bu slaytın pek yardımcı olmadığını anlıyorum.
06:58
but stick with me nonetheless.
173
418260
2000
Her şeye rağmen beni takip edin.
07:00
For animals that don't surface,
174
420260
2000
Yüzeye çıkmayan hayvanlar için ışık
07:02
we have something called pop-up tags,
175
422260
2000
ve güneşin ne zaman doğup battığı hakkında
07:04
which collect data about light and what time the sun rises and sets.
176
424260
3000
veri toplayan, pop-up adını verdiğimiz etiketlerimiz var.
07:07
And then at some period of time
177
427260
2000
Belli bir süre sonra o yüzeye çıkıyor ve kıyıya verileri geri gönderiyor.
07:09
it pops up to the surface and, again, relays that data back to shore.
178
429260
3000
07:12
Because GPS doesn't work under water. That's why we need these tools.
179
432260
3000
GPS'ler suyun altında çalışmadığı için bu aletlere ihtiyacımız var.
07:15
And so from this we're able to identify these blue highways,
180
435260
3000
Buradan yola çıkarak bu mavi otoyolları ve okyanustaki sıcak noktaları,
07:18
these hot spots in the ocean,
181
438260
2000
okyanus koruma için asıl öncelikli alanlar olması gerektiğini belirleyebiliyoruz.
07:20
that should be real priority areas
182
440260
2000
07:22
for ocean conservation.
183
442260
2000
07:24
Now one of the other things that you may think about
184
444260
2000
Şimdi düşenebileceğiniz diğer şeylerden bir tanesi de
07:26
is that, when you go to the supermarket and you buy things, they're scanned.
185
446260
3000
markete gittiğiniz zaman bir şeyler aldığınızda aldığınız şeyler taranması.
07:29
And so there's a barcode on that product
186
449260
2000
Bilgisayara ürünün tam olarak ne olduğunu söyleyen barkod var.
07:31
that tells the computer exactly what the product is.
187
451260
3000
07:34
Geneticists have developed a similar tool called genetic barcoding.
188
454260
3000
Genetisyenler genetik barkodlama denilen benzer bir araç geliştirdiler.
07:37
And what barcoding does
189
457260
2000
Barkodlamanın yaptığı şey, bir tür içinde tutarlı olan ancak türler arasında değişen
07:39
is use a specific gene called CO1
190
459260
2000
07:41
that's consistent within a species, but varies among species.
191
461260
3000
CO1 denilen spesifik geni kullanmak.
07:44
And so what that means is we can unambiguously identify
192
464260
2000
Bu şu anlama geliyor: Birbirlerine benzeyen ancak biyolojik olarak
07:46
which species are which
193
466260
2000
07:48
even if they look similar to each other,
194
468260
2000
farklı olan türleri bile belirleyebiliriz.
07:50
but may be biologically quite different.
195
470260
2000
07:52
Now one of the nicest examples I like to cite on this
196
472260
2000
Bu konu hakkında bahsetmek istediğim en güzel örneklerden biri,
07:54
is the story of two young women, high school students in New York City,
197
474260
3000
New York'ta nüfus sayımı konusunda çalışan iki genç kadının hikayesi.
07:57
who worked with the census.
198
477260
2000
New York şehrindeki marketlerden
07:59
They went out and collected fish from markets and from restaurants in New York City
199
479260
3000
ve restoranlardan balıkları topladılar
08:02
and they barcoded it.
200
482260
2000
ve onları barkodladılar.
08:04
Well what they found was mislabeled fish.
201
484260
2000
Buldukları yanlış etiketlenmiş bir balıktı.
08:06
So for example,
202
486260
2000
Örneğin, ton balığı diye satılan çok değerli bir ürünün
08:08
they found something which was sold as tuna, which is very valuable,
203
488260
2000
aslında daha az değerli olan tilapia balığı olduğunu buldular.
08:10
was in fact tilapia, which is a much less valuable fish.
204
490260
3000
08:13
They also found an endangered species
205
493260
2000
Ayrıca yaygın olarak satılan nesli tükenmekte olan yeni türler keşfettiler.
08:15
sold as a common one.
206
495260
2000
08:17
So barcoding allows us to know what we're working with
207
497260
2000
Bu yüzden barkodlama ne ile çalıştığımızı
08:19
and also what we're eating.
208
499260
3000
ve ayrıca ne yediğimizi bilmemizi sağlıyor.
08:22
The Ocean Biogeographic Information System
209
502260
2000
Okyanus Biyocoğrafik Bilgi Sistemi tüm nüfus sayımı verilerinin veri tabanı.
08:24
is the database for all the census data.
210
504260
2000
08:26
It's open access; you can all go in and download data as you wish.
211
506260
3000
Açık erişim; içeri girebilirsiniz ve dilediğiniz gibi veri indirebilirsiniz.
08:29
And it contains all the data from the census
212
509260
3000
Bu, nüfus sayımındaki tüm verileri ve insanların katkı sağlamak istediği
08:32
plus other data sets that people were willing to contribute.
213
512260
2000
08:34
And so what you can do with that
214
514260
2000
diğer veri kümelerini içerir.
08:36
is to plot the distribution of species and where they occur in the oceans.
215
516260
3000
Bu durumla ilgili yapabileceğiniz şey türlerin dağılımını
ve nerede ortaya çıktıklarını haritada göstermek.
08:39
What I've plotted up here is the data that we have on hand.
216
519260
2000
08:41
This is where our sampling effort has concentrated.
217
521260
3000
Haritada çizdiğim şey elimizde olan veriler.
Numune almak için çabamızın yoğunlaştığı yer burası oluyor.
08:44
Now what you can see
218
524260
2000
08:46
is we've sampled the area in the North Atlantic,
219
526260
2000
Gördüğünüz bu şey özellikle Kuzey Denizi'ndeki
08:48
in the North Sea in particular,
220
528260
2000
Kuzey Atlantik bölgesinde aldığımız numune
08:50
and also the east coast of North America fairly well.
221
530260
2000
ve Kuzey Amerika'nın doğu kıyısı da fena değil.
08:52
That's the warm colors which show a well-sampled region.
222
532260
3000
Bunlar iyi örneklenmiş bölgeleri gösteren sıcak renkler.
08:55
The cold colors, the blue and the black,
223
535260
2000
Soğuk renkler, mavi ve siyah renkler
08:57
show areas where we have almost no data.
224
537260
2000
neredeyse hiç verimizin olmadığı alanları gösteriyor.
08:59
So even after a 10-year census,
225
539260
2000
10 yıllık nüfus sayımından sonra bile hala keşfedilmemiş büyük alanlar mevcut.
09:01
there are large areas that still remain unexplored.
226
541260
3000
09:04
Now there are a group of scientists living in Texas, working in the Gulf of Mexico
227
544260
3000
Meksika Körfezi'ndeki biyo çeşitlilik ile ilgili
09:07
who decided really as a labor of love
228
547260
2000
bildikleri tüm bilgileri bir araya getirerek
09:09
to pull together all the knowledge they could
229
549260
2000
gönüllü olarak çalışmaya karar veren ve bunun için
09:11
about biodiversity in the Gulf of Mexico.
230
551260
2000
Meksika Körfezi'nde çalışıp Teksas'da yaşayan bir grup bilim insanı var.
09:13
And so they put this together, a list of all the species,
231
553260
3000
Onlar tüm türlerin nereden geldiklerini gösteren bir listeyi birleştirdi.
09:16
where they're known to occur,
232
556260
2000
09:18
and it really seemed like a very esoteric, scientific type of exercise.
233
558260
3000
Gerçekten bilimsel bir egzersiz türü olan ezoterik gibi görünüyordu
09:21
But then, of course, there was the Deep Horizon oil spill.
234
561260
3000
fakat sonra Deep Horizon petrol sızıntısı yaşandı.
09:24
So all of a sudden, this labor of love
235
564260
2000
Bundan dolayı gönüllü olarak yapılan bu iş aniden
09:26
for no obvious economic reason
236
566260
3000
bu sistemin nasıl kurtarılacağı, ne kadar süreceği açısından,
09:29
has become a critical piece of information
237
569260
2000
davaların ve önümüzdeki yıllarda gerçekleşecek olan multi-milyar dolarlık
09:31
in terms of how that system is going to recover, how long it will take
238
571260
3000
09:34
and how the lawsuits
239
574260
2000
tartışmaların nasıl çözüleceği açısından
09:36
and the multi-billion-dollar discussions that are going to happen in the coming years
240
576260
3000
bariz bir ekonomik sebep olmaksızın kritik bir bilgi meselesi haline geldi.
09:39
are likely to be resolved.
241
579260
3000
09:42
So what did we find?
242
582260
2000
Peki, biz ne bulduk?
Burada saatlerce durabilirim fakat bunu yapmama izin verilmez.
09:44
Well, I could stand here for hours, but, of course, I'm not allowed to do that.
243
584260
2000
09:46
But I will tell you some of my favorite discoveries
244
586260
2000
Size nüfus sayımından sevdiğim keşiflerimden bazılarını anlatacağım.
09:48
from the census.
245
588260
2000
09:50
So one of the things we discovered is where are the hot spots of diversity?
246
590260
3000
Keşfettiğimiz şeylerden biri çeşitliliğin olduğu sıcak noktalar nereler mi?
09:53
Where do we find the most species of ocean life?
247
593260
3000
Okyanus yaşamında en fazla var olan türü nerede bulabiliriz?
09:56
And what we find if we plot up the well-known species
248
596260
2000
Bulduğumuz şey yaygın olan türlerin yerinin belirlenip belirlenmediği.
09:58
is this sort of a distribution.
249
598260
2000
Kıyı şeridinde yaşayan organizmalar için yapılan kıyı etiketleri sayesinde
10:00
And what we see is that for coastal tags,
250
600260
2000
10:02
for those organisms that live near the shoreline,
251
602260
2000
gördüğümüz şey onların tropiklerde daha fazla çeşitliliğe sahip olduğu.
10:04
they're most diverse in the tropics.
252
604260
2000
10:06
This is something we've actually known for a while,
253
606260
2000
Bu aslında bir süredir bildiğimiz bir şey bu yüzden gerçek bir büyük buluş değil.
10:08
so it's not a real breakthrough.
254
608260
2000
10:10
What is really exciting though
255
610260
2000
Yine de gerçekten heyecan verici olan şey aslında orta enlemlerde daha çeşitli olup
10:12
is that the oceanic tags, or the ones that live far from the coast,
256
612260
2000
10:14
are actually more diverse at intermediate latitudes.
257
614260
2000
kıyıdan uzakta yaşayan canlılar ya da okyanus etiketleri oluyor.
10:16
This is the sort of data, again, that managers could use
258
616260
3000
Eğer okyanusun korumamız gereken alanlarına öncelik vermek istiyorlarsa
10:19
if they want to prioritize areas of the ocean that we need to conserve.
259
619260
3000
bu bir çeşit yöneticilerin kullanabileceği veri türü.
10:22
You can do this on a global scale, but you can also do it on a regional scale.
260
622260
3000
Bunu küresel ölçekte yapabileceğiniz gibi bölgesel ölçekte de yapabilirsiniz.
10:25
And that's why biodiversity data can be so valuable.
261
625260
3000
İşte bu yüzden biyolojik çeşitlilik verileri değerli olabilir.
10:28
Now while a lot of the species we discovered in the census
262
628260
3000
Nüfus sayımında keşfettiğimiz türlerin çoğu görmesi zor ve küçük şeyler.
10:31
are things that are small and hard to see,
263
631260
2000
10:33
that certainly wasn't always the case.
264
633260
2000
Halbuki bu kesinlikle her zaman böyle değildi.
10:35
For example, while it's hard to believe
265
635260
2000
Örneğin, üç kilogramlık bir ıstakozun bilim adamlarından kaçabileceğine
10:37
that a three kilogram lobster could elude scientists,
266
637260
2000
10:39
it did until a few years ago
267
639260
2000
inanmak zor olsa da Güney Afrikalı balıkçılar ihracat izni talep ettiğinde
10:41
when South African fishermen requested an export permit
268
641260
3000
ve bunun bilim için yeni bir buluş olduğunu anladıkları zaman
10:44
and scientists realized that this was something new to science.
269
644260
3000
ıstakoz kaçmayı başardı.
10:47
Similarly this Golden V kelp
270
647260
2000
Benzer şekilde Alaska'da düşük su seviyesinin hemen altında toplanan
10:49
collected in Alaska just below the low water mark
271
649260
2000
10:51
is probably a new species.
272
651260
2000
bu Golden V su yosunu muhtemelen yeni bir tür.
10:53
Even though it's three meters long,
273
653260
2000
Bu yeni tür 3 metre uzunluğunda olmasına rağmen yine de bilimden kaçtı.
10:55
it actually, again, eluded science.
274
655260
2000
10:57
Now this guy, this bigfin squid, is seven meters in length.
275
657260
3000
Bu Bigfin mürekkep balıkları yedi metre uzunluğunda
11:00
But to be fair, it lives in the deep waters of the Mid-Atlantic Ridge,
276
660260
3000
fakat bu tür Orta Atlantik Sırtı'nın derinlerinde yaşıyor.
11:03
so it was a lot harder to find.
277
663260
2000
Bu yüzden bulması çok daha zordu
11:05
But there's still potential for discovery of big and exciting things.
278
665260
3000
ancak yine de büyük ve heyecan verici şeyleri keşfetmek mümkün.
11:08
This particular shrimp, we've dubbed it the Jurassic shrimp,
279
668260
3000
Jurrasic karidesi adını verdiğimiz bu özel karidesin
11:11
it's thought to have gone extinct 50 years ago --
280
671260
2000
50 yıl önce neslinin tükendiği sanılıyor.
11:13
at least it was, until the census discovered
281
673260
2000
En azından sayım keşfedilene kadar öyleydi.
11:15
it was living and doing just fine off the coast of Australia.
282
675260
3000
O Avustralya kıyılarında yaşıyor ve iyi bir şekilde devam ediyordu.
11:18
And it shows that the ocean, because of its vastness,
283
678260
3000
Ancak bu tür, enginliğinden dolayı
okyanusun çok uzun süre sır saklayabileceğini gösterdi.
11:21
can hide secrets for a very long time.
284
681260
2000
11:23
So, Steven Spielberg, eat your heart out.
285
683260
3000
Yani Steven Spielberg, nasıl işler çıkardığıma bir bak!
11:26
If we look at distributions, in fact distributions change dramatically.
286
686260
3000
Dağılımlara bakarsak aslında dağılımlar önemli ölçüde değişiyor.
11:29
And so one of the records that we had
287
689260
3000
Ayrıca bulduğumuz kayıtlardan biri de Yeni Zelanda'dan Alaska'nın sonuna kadar
11:32
was this sooty shearwater, which undergoes these spectacular migrations
288
692260
3000
bu muhteşem göçleri yaşayan gri yelkovan kuşuna aitti.
11:35
all the way from New Zealand
289
695260
2000
11:37
all the way up to Alaska and back again
290
697260
2000
Sonsuz yaz arayışındaki yaşam döngülerini tamamladıklarında
11:39
in search of endless summer
291
699260
2000
11:41
as they complete their life cycles.
292
701260
2000
geri dönüyorlar.
11:43
We also talked about the White Shark Cafe.
293
703260
2000
Ayrıca White Shark Cafe'den bahsetmiştik.
11:45
This is a location in the Pacific where white shark converge.
294
705260
3000
Burası Pasifik'te beyaz köpek balığının yöneldiği bir yer.
11:48
We don't know why they converge there, we simply don't know.
295
708260
2000
Basitçe söylemek gerekirse neden oraya yöneldiklerini bilmiyoruz.
11:50
That's a question for the future.
296
710260
2000
Bu geleceğe dair bir soru.
11:52
One of the things that we're taught in high school
297
712260
2000
Lisede bize öğretilenlerden biri de tüm hayvanların hayatta kalmak için
11:54
is that all animals require oxygen in order to survive.
298
714260
3000
oksijene ihtiyaç duyduğu konusuydu.
11:57
Now this little critter, it's only about half a millimeter in size,
299
717260
3000
Bu çok karazitmatik olmayan küçük yaratık yalnızca yarım milimetre boyutunda.
12:00
not terribly charismatic.
300
720260
2000
12:02
But it was only discovered in the early 1980s.
301
722260
2000
Ancak yalnızca 1980'lerin başında keşfedildi.
12:04
But the really interesting thing about it
302
724260
2000
Bu tür ile ilgili ilginç olan şey bir kaç yıl önce
12:06
is that, a few years ago, census scientists discovered
303
726260
3000
nüfus sayım bilim adamlarının bu türün Akdeniz'in derinliklerindeki
12:09
that this guy can thrive in oxygen-poor sediments
304
729260
2000
oksijen bakımından fakir çökeltilerde gelişebildiğini keşfetmesi oldu.
12:11
in the deep Mediterranean Sea.
305
731260
2000
12:13
So now they know that, in fact,
306
733260
2000
Bilim adamları artık en azından bazı hayvanların oksijensiz yaşayabileceğini
12:15
animals can live without oxygen, at least some of them,
307
735260
2000
12:17
and that they can adapt to even the harshest of conditions.
308
737260
3000
ve en zorlu koşullara bile uyum sağlayabileceklerini biliyor.
12:20
If you were to suck all the water out of the ocean,
309
740260
3000
Okyanustaki tüm suyu emecek olsaydınız geriye bırakacağınız şey bu olurdu.
12:23
this is what you'd be left behind with,
310
743260
2000
12:25
and that's the biomass of life on the sea floor.
311
745260
2000
Bu deniz tabanındaki yaşamın biyokütlesi.
12:27
Now what we see is huge biomass towards the poles
312
747260
3000
Gördüğünüz şey kutuplara doğru biyokütle ve aralarında çok fazla biyokütle yok.
12:30
and not much biomass in between.
313
750260
3000
12:33
We found life in the extremes.
314
753260
2000
En uç noktada yaşam olduğunu bulduk.
12:35
And so there were new species that were found
315
755260
2000
Yani buzun içinde yaşayan ve buza dayalı besin ağını desteklemeye yardımcı olduğu
12:37
that live inside ice
316
757260
2000
12:39
and help to support an ice-based food web.
317
759260
2000
keşfedilen yeni türler vardı.
12:41
And we also found this spectacular yeti crab
318
761260
2000
Ayrıca Paskalya Adası'ndaki kaynar hidrotermal ağızlarının yakınında yaşayan
12:43
that lives near boiling hot hydrothermal vents at Easter Island.
319
763260
3000
bu muhteşem yeti yengecini de bulduk.
12:46
And this particular species
320
766260
2000
Bu özel tür toplumun dikkatini üzerine topladı.
12:48
really captured the public's attention.
321
768260
3000
12:51
We also found the deepest vents known yet -- 5,000 meters --
322
771260
3000
Ayrıca Güney Pasifik'te ve Arktik'te daha önce kimse tarafından bulunmayan
12:54
the hottest vents at 407 degrees Celsius --
323
774260
3000
uzunluğu 5000 metre olan, derecesi 407 santigrat olan
12:57
vents in the South Pacific and also in the Arctic
324
777260
2000
en sıcak havalandırma deliklerini bulduk.
12:59
where none had been found before.
325
779260
2000
13:01
So even new environments are still within the domain of the discoverable.
326
781260
3000
Dolayısıyla yeni ortamlar bile hala keşfedilebilir alan içerisinde yer alır.
13:04
Now in terms of the unknowns, there are many.
327
784260
2000
Bilinmeyen birçok canlı türü var.
13:06
And I'm just going to summarize just a few of them
328
786260
2000
Sizin için birkaçını çok hızlı bir şekilde özetleyeceğim.
13:08
very quickly for you.
329
788260
2000
Öncelikle denizde kaç tane balık olabileceğini sorabiliriz.
13:10
First of all, we might ask, how many fishes in the sea?
330
790260
3000
Deniz memelileri dışında balıkları okyanustaki diğer canlılardan
13:13
We actually know the fishes better than we do any other group in the ocean
331
793260
2000
13:15
other than marine mammals.
332
795260
2000
daha iyi biliyoruz.
Böylece keşif oranlarına bağlı olarak kaç tane daha tür keşfedebilceğimizi
13:17
And so we can actually extrapolate based on rates of discovery
333
797260
3000
13:20
how many more species we're likely to discover.
334
800260
3000
tahmin edebiliriz.
13:23
And from that, we actually calculate
335
803260
2000
Bu açıdan yaklaşık 16.500 deniz türü olduğunu hesaplayabiliriz.
13:25
that we know about 16,500 marine species
336
805260
3000
13:28
and there are probably another 1,000 to 4,000 left to go.
337
808260
2000
Ayrıca muhtemelen gidecek olan 1.000 ile 4.000 arasında başka tür de var.
13:30
So we've done pretty well.
338
810260
2000
13:32
We've got about 75 percent of the fish,
339
812260
2000
Yani oldukça iyi bir iş çıkardık.
Balığın yaklaşık % 75'i belki de %90 kadarının bizde olduğunu bulduk
13:34
maybe as much as 90 percent.
340
814260
2000
13:36
But the fishes, as I say, are the best known.
341
816260
3000
fakat daha önce de söylediğim gibi balıklar en iyi bilinen türler arasında.
13:39
So our level of knowledge is much less for other groups of organisms.
342
819260
3000
Bu yüzden diğer canlı grupları hakkında sahip olduğumuz bilgi çok daha az.
13:42
Now this figure is actually based on a brand new paper
343
822260
2000
13:44
that's going to come out in the journal PLoS Biology.
344
824260
3000
Bu değer aslında PLos Biology dergisinde yayınlanacak olan yeni makaleye dayanıyor.
13:47
And what is does is predict how many more species there are
345
827260
2000
Yaptığı şey karada ve okyanusta kaç tür daha olduğunu tahmin etmek.
13:49
on land and in the ocean.
346
829260
2000
13:51
And what they found
347
831260
2000
Onlar okyanustaki türlerin yaklaşık yüzde dokuzunu bildiğimizi düşündüler.
13:53
is that they think that we know of about nine percent of the species in the ocean.
348
833260
3000
13:56
That means 91 percent, even after the census,
349
836260
2000
Bu nüfus sayımından sonra bile hala keşfedilmeyi bekleyen
13:58
still remain to be discovered.
350
838260
2000
%91 tür olduğu anlamına gelir.
14:00
And so that turns out to be about two million species
351
840260
2000
Böylece her şey söylendiğinde ve yapıldığında
14:02
once all is said and done.
352
842260
2000
yaklaşık iki milyon tür ortaya çıkıyor.
14:04
So we still have quite a lot of work to do
353
844260
2000
Yani hala bilinmeyen canlılar ile ilgili yapacak çok işimiz var.
14:06
in terms of unknowns.
354
846260
2000
14:08
Now this bacterium
355
848260
2000
Bu bakteri Şili kıyılarında bulunan paspasların bir parçası.
14:10
is part of mats that are found off the coast of Chile.
356
850260
3000
14:13
And these mats actually cover an area the size of Greece.
357
853260
2000
Bu paspaslar aslında Yunanistan büyüklüğünde bir alanı kaplıyor.
14:15
And so this particular bacterium is actually visible to the naked eye.
358
855260
3000
Böylece bu özel bakteri çıplak gözle görülebiliyor.
14:18
But you can imagine the biomass that represents.
359
858260
3000
Bunu temsil eden biyokütleyi hayal edebilirsiniz.
14:21
But the really intriguing thing about the microbes
360
861260
2000
Ancak mikroplarla ilgili gerçekten ilginç olan şey ne kadar çeşitli oldukları.
14:23
is just how diverse they are.
361
863260
2000
14:25
A single drop of seawater
362
865260
2000
Tek bir damla deniz suyu 160 farklı türde mikrop içerebilir.
14:27
could contain 160 different types of microbes.
363
867260
2000
14:29
And the oceans themselves
364
869260
2000
Okyanusların bir milyar kadar farklı mikrop türü içerdiği düşünülüyor.
14:31
are thought potentially to contain as many as a billion different types.
365
871260
3000
14:34
So that's really exciting. What are they all doing out there?
366
874260
3000
Bu gerçekten heyecan verici. Okyanusta ne yapıyorlar?
14:37
We actually don't know.
367
877260
2000
Gerçekten ne yaptıklarını bilmiyoruz
14:39
The most exciting thing, I would say, about this census
368
879260
2000
fakat bu sayımla ilgili en heyecan verici şeyin
14:41
is the role of global science.
369
881260
2000
küresel bilimin rolü olması diyebilirim.
14:43
And so as we see in this image of light during the night,
370
883260
2000
Gece boyunca bu ışık görüntüsünde gördüğünüz gibi
14:45
there are lots of areas of the Earth
371
885260
2000
Dünya'nın bir çok bölgesinde insan gelişiminin çok daha büyük olduğu
14:47
where human development is much greater
372
887260
3000
ve çok daha az olduğu başka alanlar var
14:50
and other areas where it's much less,
373
890260
2000
14:52
but between them we see large dark areas
374
892260
2000
fakat kısmen keşfedilmemiş okyanusun büyük karanlık alanlarını da görüyoruz.
14:54
of relatively unexplored ocean.
375
894260
2000
14:56
The other point I'd like to make about this
376
896260
2000
Belirtmek istediğim bir diğer nokta ise bu okyanusun birbirine bağlı olması.
14:58
is that this ocean's interconnected.
377
898260
2000
Deniz organizmaları uluslararası sınırları tanımaz, istedikleri yere hareket ederler.
15:00
Marine organisms do not care about international boundaries;
378
900260
2000
15:02
they move where they will.
379
902260
2000
15:04
And so the importance then of global collaboration
380
904260
3000
Yani küresel işbirliği yapmanın önemi daha da önemli hale geliyor.
15:07
becomes all the more important.
381
907260
2000
15:09
We've lost a lot of paradise.
382
909260
2000
Birçok cenneti kaybettik.
15:11
For example, these tuna that were once so abundant in the North Sea
383
911260
3000
Örneğin, bir zamanlar Kuzey Denizi'nde bol miktarda bulunan tuna balığı
15:14
are now effectively gone.
384
914260
2000
artık etkin bir şekilde yok oldu.
15:16
There were trawls taken in the deep sea in the Mediterranean,
385
916260
3000
Akdeniz'in derin sularında hayvanlardan daha çok troller vardı.
15:19
which collected more garbage than they did animals.
386
919260
2000
Bu derin deniz dünya'da en iyi durumda kalanlar arasında düşündüğümüz ortamdı.
15:21
And that's the deep sea, that's the environment that we consider to be
387
921260
3000
15:24
among the most pristine left on Earth.
388
924260
2000
15:26
And there are a lot of other pressures.
389
926260
2000
Birçok başka basınçlar da var.
15:28
Ocean acidification is a really big issue that people are concerned with,
390
928260
3000
Okyanus asitlenmesi, okyanus ısınmasının ve mercan resifleri üzerindeki etkilerinin
15:31
as well as ocean warming, and the effects they're going to have on coral reefs.
391
931260
3000
yanı sıra insanların ilgilendiği büyük bir mesele.
15:34
On the scale of decades, in our lifetimes,
392
934260
3000
On yıllar boyunca yaşam süremizde mercan resiflerinde çok fazla hasar göreceğiz.
15:37
we're going to see a lot of damage to coral reefs.
393
937260
2000
15:39
And I could spend the rest of my time, which is getting very limited,
394
939260
3000
Çok kısıtlı hale gelen geri kalan zamanımı okyanus ile ilgili bu düşüncelerin
15:42
going through this litany of concerns about the ocean,
395
942260
2000
üzerinde düşünerek geçirebilirim
15:44
but I want to end on a more positive note.
396
944260
2000
fakat daha olumlu bir not ile bitirmek istiyorum.
15:46
And so the grand challenge then
397
946260
2000
En büyük zorluk denemek ve geride kalan canlıları koruduğumuzdan emin olmak
15:48
is to try and make sure that we preserve what's left,
398
948260
2000
15:50
because there is still spectacular beauty.
399
950260
2000
çünkü hala muhteşem güzellikler var.
15:52
And the oceans are so productive,
400
952260
2000
Okyanuslar o kadar üretken ki orada insanlar ile ilgili çok şey oluyor.
15:54
there's so much going on in there that's of relevance to humans
401
954260
3000
15:57
that we really need to, even from a selfish perspective,
402
957260
3000
Bencil bir bakış açısıyla bile olsa
geçmişte yaptığımızdan daha iyisini yapmaya çalışmalıyız.
16:00
try to do better than we have in the past.
403
960260
2000
Bu yüzden bu sıcak noktaları tanımalı ve onları korumak için
16:02
So we need to recognize those hot spots
404
962260
2000
16:04
and do our best to protect them.
405
964260
2000
elimizden gelenin en iyisini yapmalıyız.
16:06
When we look at pictures like this, they take our breath away,
406
966260
2000
Bu gibi resimlere baktığınızda okyanusların sağladığı oksijen
16:08
in addition to helping to give us breath
407
968260
2000
nefes almamıza yardım etmesinin yanı sıra nefesimizi de kesiyor.
16:10
by the oxygen that the oceans provide.
408
970260
2000
16:12
Census scientists worked in the rain, they worked in the cold,
409
972260
3000
Nüfus sayımı bilim adamları, okyanus yaşamındaki muhteşem uyumları
16:15
they worked under water and they worked above water
410
975260
2000
ve hala uçsuz bucaksız bilinmeyen harika keşfi aydınlatmaya çalışmak için
16:17
trying to illuminate the wondrous discovery,
411
977260
2000
16:19
the still vast unknown,
412
979260
2000
yağmurda, soğukta, suyun altında ve üstünde çalıştılar.
16:21
the spectacular adaptations that we see in ocean life.
413
981260
3000
16:24
So whether you're a yak herder living in the mountains of Chile,
414
984260
3000
Yani isterseniz Şili dağlarında yaşayan bir yak çobanı olun,
16:27
whether you're a stockbroker in New York City
415
987260
3000
isterseniz New York'ta borsacı olun
16:30
or whether you're a TEDster living in Edinburgh,
416
990260
2000
ya da Edinburgh'da yaşayan bir TEDster olun, okyanuslar önemli.
16:32
the oceans matter.
417
992260
2000
16:34
And as the oceans go so shall we.
418
994260
2000
Okyanuslar yok oldukça biz de yok olacağız.
16:36
Thanks for listening.
419
996260
2000
Dinlediğiniz için teşekkürler.
(Alkış)
16:38
(Applause)
420
998260
2000
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7