Barbara Block: Tagging tuna in the deep ocean

Barbara Block: Derin okyanusta tuna etiketleme

24,725 views ・ 2010-10-06

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Kerime Gunturk Gözden geçirme: Sancak Gülgen
00:15
I've been fascinated for a lifetime
0
15260
3000
Tüm hayatım boyunca mavi yüzgeçli
00:18
by the beauty, form and function
1
18260
2000
dev tuna balığının güzelliği, şekli ve
00:20
of giant bluefin tuna.
2
20260
3000
fonksiyonu karşısında büyülenmişimdir.
00:23
Bluefin are warmblooded like us.
3
23260
3000
Mavi yüzgeçliler bizim gibi sıcakkanlıdır.
00:26
They're the largest of the tunas,
4
26260
3000
Tunaların içinde en büyükleridirler ve büyüklükleriyle
00:29
the second-largest fish in the sea -- bony fish.
5
29260
3000
denizde yaşayan kemikli balıkların arasında da ikinci sırada yer alırlar
00:32
They actually are a fish
6
32260
2000
Aynı bir memeli gibi
00:34
that is endothermic --
7
34260
2000
okyanusta sıcak kaslarıyla
00:36
powers through the ocean with warm muscles like a mammal.
8
36260
3000
ısı alma gücü olan balıklardır.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
40260
3000
Bu Monterrey Bay akvaryumundaki balıklarımızdan biri
00:43
You can see in its shape and its streamlined design
10
43260
3000
Şeklini ve okyanus yüzüşü için kuvvetlendirilmiş
00:46
it's powered for ocean swimming.
11
46260
3000
aerodinamik dizaynını görebilirsiniz
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
49260
3000
Tüm okyanusu göğüs yüzgeçleri ile geçer,
00:52
powers its movements
13
52260
2000
kendini yükseltir ve
00:54
with a lunate tail.
14
54260
2000
hilal biçimli kuyruğuyla hareketlerine güç verir.
00:56
It's actually got a naked skin for most of its body,
15
56260
3000
Vücudunun büyük bir bölümünde derisi çıplaktır
00:59
so it reduces friction with the water.
16
59260
3000
Böylece sudaki sürtünmeyi azaltır.
01:02
This is what one of nature's finest machines.
17
62260
3000
Bu yüzden doğanın en iyi makinelerinden biridir.
01:05
Now, bluefin
18
65260
2000
Mavi yüzgeçli Tunalar
01:07
were revered by Man
19
67260
2000
tüm insanlık tarihi boyunca
01:09
for all of human history.
20
69260
3000
insanlardan saygı görmüştür.
01:12
For 4,000 years, we fished sustainably for this animal,
21
72260
3000
4000 yıldır bu balığı avlıyoruz,
01:15
and it's evidenced
22
75260
2000
Ve binlerce yıl önce
01:17
in the art that we see
23
77260
2000
şu an gördüğümüz bu sanat eserleri
01:19
from thousands of years ago.
24
79260
2000
üzerinde belirtilmişlerdir.
01:21
Bluefin are in cave paintings in France.
25
81260
3000
Mavi yüzgeçli Tunalar Fransa’da mağara çizimlerinde de bulunmuştur.
01:24
They're on coins
26
84260
2000
3000 yıllık geçmişe sahip
01:26
that date back 3,000 years.
27
86260
3000
madeni paraların üzerinde de varlar.
01:29
This fish was revered by humankind.
28
89260
3000
İnsanoğlu bu balığa saygı göstermiştir.
01:32
It was fished sustainably
29
92260
2000
Ve bizim neslimiz hariç
01:34
till all of time,
30
94260
2000
tüm zamanlar boyunca da
01:36
except for our generation.
31
96260
2000
sürekli bir şekilde avlanmıştır.
01:38
Bluefin are pursued wherever they go --
32
98260
3000
Mavi yüzgeçliler her nereye gittilerse takip edilmişlerdir.
01:41
there is a gold rush on Earth,
33
101260
2000
Bir devlet kuşu gibi
01:43
and this is a gold rush for bluefin.
34
103260
2000
mavi yüzgeçlilere hücum edilmiştir.
01:45
There are traps that fish sustainably
35
105260
2000
Yakın zamana kadar bu balıklar için
01:47
up until recently.
36
107260
3000
sürekli tuzaklar hazırlanıyordu.
01:50
And yet, the type of fishing going on today,
37
110260
3000
Ağlarla ve dev gibi kazıklarla yapılan avlanma
01:53
with pens, with enormous stakes,
38
113260
3000
bugün hala devam etmekte
01:56
is really wiping bluefin
39
116260
2000
ve mavi yüzgeçlileri ekolojik olarak
01:58
ecologically off the planet.
40
118260
2000
gezegenimizden silmektedir.
02:00
Now bluefin, in general,
41
120260
2000
Mavi yüzgeçliler genel olarak
02:02
goes to one place: Japan.
42
122260
2000
tek bir yere gider: Japonya
02:04
Some of you may be guilty
43
124260
2000
Bazılarınız mavi yüzgeçlilerin ölümüne katkı sağladığı için
02:06
of having contributed to the demise of bluefin.
44
126260
2000
kendilerini suçlu hissedebilir.
02:08
They're delectable muscle,
45
128260
2000
Onlar yağ bakımından zengin
02:10
rich in fat --
46
130260
2000
ve kesinlikle
02:12
absolutely taste delicious.
47
132260
2000
çok lezzetli nefis kas yığınlarıdır.
02:14
And that's their problem; we're eating them to death.
48
134260
3000
Ve problemleri de bizim onları öldüresiye yememiz.
02:17
Now in the Atlantic, the story is pretty simple.
49
137260
3000
Şimdi Atlantik’teki problem oldukça basit.
02:20
Bluefin have two populations: one large, one small.
50
140260
3000
Mavi yüzgeçlilerin iki popülasyonu vardır: bir büyük, bir küçük
02:23
The North American population
51
143260
2000
Kuzey Amerika popülasyonunun
02:25
is fished at about 2,000 ton.
52
145260
3000
yaklaşık 2000 tonu avlandı.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
148260
3000
Avrupa ve kuzey Afrika popülasyonu ( doğulu mavi yüzgeçli Tunalar)
02:31
is fished at tremendous levels:
54
151260
3000
inanılmaz seviyelerde avlandılar.
02:34
50,000 tons over the last decade almost every year.
55
154260
3000
Son on yıldır nerdeyse her yıl 50.000 tonun üzerinde avlanıyorlar.
02:37
The result is whether you're looking
56
157260
2000
Sonuç olarak hangi tarafa bakarsanız bakın
02:39
at the West or the Eastern bluefin population,
57
159260
3000
ister batı ister doğu,
02:42
there's been tremendous decline on both sides,
58
162260
2000
1950ler deki verilere göre
02:44
as much as 90 percent
59
164260
2000
mavi yüzgeçli Tunaların popülâsyonunda
02:46
if you go back with your baseline
60
166260
2000
çok büyük bir azalma var,
02:48
to 1950.
61
168260
2000
bu oran %90lara kadar gidiyor.
02:50
For that, bluefin have been given a status
62
170260
3000
Bu yüzden mavi yüzgeçlilere
02:53
equivalent to tigers, to lions,
63
173260
3000
kaplanlar, aslanlar,
02:56
to certain African elephants
64
176260
2000
Afrika filleri ve pandalarla
02:58
and to pandas.
65
178260
2000
eşit statü verilmiş
03:00
These fish have been proposed
66
180260
2000
Bu balıkların iki ay önce
03:02
for an endangered species listing in the past two months.
67
182260
3000
nesli tükenen canlılar listesinde yer alması teklif edildi.
03:05
They were voted on and rejected
68
185260
2000
Teklif, iki komitenin
03:07
just two weeks ago,
69
187260
2000
bu balığın CITES 1 kriterlerine uygun olduğuna dair
03:09
despite outstanding science
70
189260
2000
dikkat çeken bilimsel çalışmalarına rağmen
03:11
that shows from two committees
71
191260
3000
iki hafta önce oylandı
03:14
this fish meets the criteria of CITES I.
72
194260
3000
ve reddedildi.
03:17
And if it's tunas you don't care about,
73
197260
2000
Eğer konu Tunalarsa ilgilenmezsiniz
03:19
perhaps you might be interested
74
199260
2000
muhtemelen uluslar arası uzun hatlarla,
03:21
that international long lines and pursing
75
201260
2000
yakalanan Tunalarla yahut
03:23
chase down tunas and bycatch animals
76
203260
3000
kazara avlanan deniz kaplumbağaları,
03:26
such as leatherbacks, sharks,
77
206260
2000
köpek balıkları, kılıçbalıkları ve
03:28
marlin, albatross.
78
208260
2000
albatroslarla daha çok ilgilenebilirsiniz.
03:30
These animals and their demise
79
210260
2000
Bu hayvanların sudan çıkışı ve onların ölümü
03:32
occurs in the tuna fisheries.
80
212260
3000
tuna balıkçılığı sırasında meydana geliyor.
03:35
The challenge we face
81
215260
2000
Karşı karşıya kaldığımız problem
03:37
is that we know very little about tuna,
82
217260
3000
tuna balıkları hakkında çok az bilgiye sahip oluşumuz
03:40
and everyone in the room knows what it looks like
83
220260
3000
oysa bu odadaki hemen hemen herkes
03:43
when an African lion
84
223260
2000
bir Afrika aslanının
03:45
takes down its prey.
85
225260
2000
avını nasıl parçalara ayırdığını bilir.
03:47
I doubt anyone has seen a giant bluefin feed.
86
227260
3000
Oysa bu odadakilerin bir mavi yüzgeçli tunanın beslendiğini görmüş olabileceğinden şüphe duyuyorum.
03:50
This tuna symbolizes
87
230260
3000
Bu tuna balığı bu odadakilerin probleminin
03:53
what's the problem for all of us in the room.
88
233260
3000
ne olduğunu sembolize ediyor.
03:56
It's the 21st century, but we really have only just begun
89
236260
3000
21. yüzyıldayız ancak okyanuslar hakkında
03:59
to really study our oceans in a deep way.
90
239260
3000
derin çalışmalara daha yeni başladık.
04:02
Technology has come of age
91
242260
2000
Teknoloji öyle bir zamana geldi ki
04:04
that's allowing us to see the Earth from space
92
244260
3000
artık dünyadan uzayı görmemize,
04:07
and go deep into the seas remotely.
93
247260
3000
uzaktan okyanus diplerine ulaşmamıza izin veriyor
04:10
And we've got to use these technologies immediately
94
250260
2000
Ve okyanus diyarının
04:12
to get a better understanding
95
252260
2000
esas işinin ne olduğunu anlayabilmek için
04:14
of how our ocean realm works.
96
254260
3000
bu teknolojiyi hemen kullanmak zorundayız.
04:17
Most of us from the ship -- even I --
97
257260
2000
Pek çoğumuz hatta ben bile gemiden baktığımızda
04:19
look out at the ocean and see this homogeneous sea.
98
259260
3000
homojen bir okyanus görürüz.
04:22
We don't know where the structure is.
99
262260
2000
Temelin nerede olduğunu bilmeyiz.
04:24
We can't tell where are the watering holes
100
264260
3000
Afrika ovalarını gördüğümüz gibi
04:27
like we can on an African plain.
101
267260
3000
sudaki deliklerin nerede olduğunu söyleyemeyiz.
04:30
We can't see the corridors,
102
270260
2000
Sudaki koridorları göremeyiz
04:32
and we can't see what it is
103
272260
2000
ve bir tuna balığını, deniz kaplumbağasını
04:34
that brings together a tuna,
104
274260
2000
veya bir albatrosu nelerin bir araya
04:36
a leatherback and an albatross.
105
276260
2000
getirdiğini bilemeyiz
04:38
We're only just beginning to understand
106
278260
2000
Şu an sadece
04:40
how the physical oceanography
107
280260
2000
fiziksel ve biyolojik okyanus biliminin
04:42
and the biological oceanography
108
282260
2000
bir araya gelip mevsimsel bir güç yaratarak
04:44
come together
109
284260
2000
sıcak su akıntısı
04:46
to create a seasonal force
110
286260
2000
oluşturduğunu ve sıcak noktaları
04:48
that actually causes the upwelling
111
288260
2000
umut noktaları haline getirebileceğini
04:50
that might make a hot spot a hope spot.
112
290260
3000
yeni yeni anlamaya başladık.
04:53
The reasons these challenges are great
113
293260
2000
Bu sorunların bu kadar büyük olmasının nedeni
04:55
is that technically it's difficult to go to sea.
114
295260
3000
teknik olarak denize ulaşmanın zor oluşu.
04:58
It's hard to study a bluefin on its turf,
115
298260
2000
Kendi bölgelerinde Tunaları
05:00
the entire Pacific realm.
116
300260
2000
yahut tüm pasifik diyarı üzerinde çalışmak çok zor.
05:02
It's really tough to get up close and personal with a mako shark
117
302260
4000
Bir mako köpekbalığına kişisel olarak yaklaşmak ve
05:06
and try to put a tag on it.
118
306260
2000
üzerine bir etiket koymayı denemek gerçekten çok zor.
05:08
And then imagine being Bruce Mate's team from OSU,
119
308260
3000
Ve OSU dan Bruce Mate'in takımında olduğunuzu
05:11
getting up close to a blue whale
120
311260
2000
ve bir mavi balinaya yaklaştığınızı
05:13
and fixing a tag on the blue whale that stays,
121
313260
3000
o orda dururken üzerine bir etiket koymaya çalıştığınızı hayal edin.
05:16
an engineering challenge
122
316260
2000
Daha üstesinden gelmemiz gereken
05:18
we've yet to really overcome.
123
318260
2000
gerçek bir mühendislik sorunumuz var.
05:20
So the story of our team, a dedicated team,
124
320260
3000
Bizim takımımızın, adanmış bir takımın hikayesi
05:23
is fish and chips.
125
323260
2000
balıklar ve çiplerdir.
05:25
We basically are taking
126
325260
2000
Uydu telefonunuzdaki ya da
05:27
the same satellite phone parts,
127
327260
2000
bilgisayarınızdaki çipleri
05:29
or the same parts that are in your computer, chips.
128
329260
3000
alıp kullanıyoruz aslında.
05:32
We're putting them together in unusual ways,
129
332260
3000
Onları normalden çok farklı bir şekilde bir araya getiriyoruz
05:35
and this is taking us into the ocean realm
130
335260
2000
ve bu bizi okyanus diyarının daha önce hiç gitmediğimiz
05:37
like never before.
131
337260
2000
yerlerine götürüyor.
05:39
And for the first time,
132
339260
2000
Böylece ilk defa
05:41
we're able to watch the journey of a tuna beneath the ocean
133
341260
3000
bir tuna balığının okyanus altındaki yolculuğunu
05:44
using light and photons
134
344260
2000
ışık ve foton kullanarak gün batımı ve
05:46
to measure sunrise and sunset.
135
346260
3000
gün doğumunu ölçerek izleyebildik.
05:49
Now, I've been working with tunas for over 15 years.
136
349260
3000
15 yıldan fazla bir süredir Tunalarla çalışıyorum
05:52
I have the privilege of being a partner
137
352260
2000
Monterrey Bay akvaryumunun
05:54
with the Monterey Bay Aquarium.
138
354260
2000
partneri olma ayrıcalığına sahibim
05:56
We've actually taken a sliver of the ocean,
139
356260
2000
Okyanustan küçük bir kesit alıp
05:58
put it behind glass,
140
358260
2000
mavi yüzgeçli Tunaları
06:00
and we together
141
360260
2000
ve sarı yüzgeçli Tunaları bir araya getirip
06:02
have put bluefin tuna and yellowfin tuna on display.
142
362260
3000
camekânın arkasında koyup sergiliyoruz.
06:05
When the veil of bubbles lifts every morning,
143
365260
3000
Her sabah baloncuk duvağının yukarıya çıkışında
06:08
we can actually see a community from the Pelagic ocean,
144
368260
3000
aslında açık denizlerdeki bir topluluğu,
06:11
one of the only places on Earth
145
371260
2000
dünya üzerinde dev mavi yüzgeçli tunanın
06:13
you can see giant bluefin swim by.
146
373260
3000
yüzebileceği tek yeri görüyorsunuz.
06:16
We can see in their beauty of form and function,
147
376260
2000
Onların şekillerindeki, fonksiyonlarındaki ve
06:19
their ceaseless activity.
148
379260
2000
bitmeyen hareketlerindeki güzelliği görebiliyorsunuz
06:21
They're flying through their space, ocean space.
149
381260
3000
Kendi alanlarında, okyanusta durmadan yüzüp duruyorlar.
06:24
And we can bring two million people a year
150
384260
2000
Yılda iki milyon insanı
06:26
into contact with this fish
151
386260
2000
bu balıklarla buluşturup,
06:28
and show them its beauty.
152
388260
3000
güzelliklerini onlara gösterebiliyoruz.
06:31
Behind the scenes is a working lab at Stanford University
153
391260
3000
Sahnenin arkasında Monterrey Bay akvaryumu
06:34
partnered with the Monterey Bay Aquarium.
154
394260
2000
diğer partneri Stanford Üniversitesi laboratuarıyla da çalışıyor.
06:36
Here, for over 14 or 15 years,
155
396260
2000
Burada 14-15 yıldan beri
06:38
we've actually brought in
156
398260
2000
mavi ve sarı yüzgeçli Tunaları
06:40
both bluefin and yellowfin in captivity.
157
400260
2000
bir arada tutabiliyoruz.
06:42
We'd been studying these fish,
158
402260
2000
Bu balıklar üzerinde çalışıyoruz.
06:44
but first we had to learn how to husbandry them.
159
404260
2000
İlk öğrenmemiz gereken de onları nasıl idare edeceğimizdi.
06:46
What do they like to eat?
160
406260
2000
ne yerler?
06:48
What is it that they're happy with?
161
408260
2000
ne ile mutlu olurlar?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
410260
3000
Su tanklarına girdik ve onların çıplak tenlerine dokunduk
06:53
it's pretty amazing. It feels wonderful.
163
413260
3000
İnanılmaz harika hissettiren bir şey bu.
06:56
And then, better yet,
164
416260
2000
Ve sonra daha da iyisi
06:58
we've got our own version of tuna whisperers,
165
418260
2000
kendi tuna ustamızı chuck Farwellimizi,
07:00
our own Chuck Farwell, Alex Norton,
166
420260
2000
Alex Nortonumuzu bulduk.
07:02
who can take a big tuna
167
422260
2000
Bu adam tek bir hareketle tunayı tutup
07:04
and in one motion,
168
424260
2000
başka bir
07:06
put it into an envelope of water,
169
426260
2000
su havuzuna aktarabilir.
07:08
so that we can actually work with the tuna
170
428260
2000
Böylece bizde o tunayla çalışabiliyor
07:10
and learn the techniques it takes
171
430260
2000
ve açık denizde hiçbir sınır görmeyen
07:12
to not injure this fish
172
432260
2000
bu balığı
07:14
who never sees a boundary in the open sea.
173
434260
3000
incitmeme tekniklerini öğrenebiliyoruz
07:17
Jeff and Jason there, are scientists
174
437260
2000
Bilim adamları Jeff ve Jason
07:19
who are going to take a tuna
175
439260
2000
bir tuna balığını
07:21
and put it in the equivalent of a treadmill, a flume.
176
441260
3000
su kanalına eş değer bir banda koyacaklar
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
444260
3000
Aynı yerde durduğu halde tuna kendini Japonya ya gidiyor sanıyor.
07:27
We're actually measuring its oxygen consumption,
178
447260
2000
Biz aslında balığın oksijen
07:29
its energy consumption.
179
449260
2000
ve enerji tüketimini ölçüyoruz.
07:32
We're taking this data and building better models.
180
452260
3000
Bu datayı alıyor ve daha iyi modeller üretiyoruz.
07:35
And when I see that tuna -- this is my favorite view --
181
455260
3000
Bu tunayı gördüğüm zaman—bu en favori manzaramdır.
07:38
I begin to wonder:
182
458260
2000
Merak etmeye başladım:
07:40
how did this fish solve the longitude problem before we did?
183
460260
3000
Daha biz boylam problemini çözemeden bu balık nasıl çözdü?
07:44
So take a look at that animal.
184
464260
2000
Şu balığa bir bakın
07:46
That's the closest you'll probably ever get.
185
466260
2000
Muhtemelen görebileceğiniz en yakın mesafeden bakıyorsunuz şu an
07:48
Now, the activities from the lab
186
468260
3000
Labaratuvar çalışmaları
07:51
have taught us now how to go out in the open ocean.
187
471260
3000
açık okyanusa nasıl gideceğimizi artık bize öğretti.
07:54
So in a program called Tag-A-Giant
188
474260
3000
Tag-a-gigant adlı programımız sayesinde
07:57
we've actually gone from Ireland to Canada,
189
477260
3000
İrlanda’dan kanadaya,
08:00
from Corsica to Spain.
190
480260
2000
korsikadan ispanyaya gidebiliyoruz.
08:02
We've fished with many nations around the world
191
482260
3000
Dünya üzerinde pek çok ülkeyle avlanıyoruz
08:05
in an effort to basically
192
485260
2000
bunu yaparkende
08:07
put electronic computers
193
487260
3000
dev tunaların içine
08:10
inside giant tunas.
194
490260
2000
elektronik bilgisayarlar koyuyoruz.
08:12
We've actually tagged 1,100 tunas.
195
492260
3000
Bugüne kadar 1100 tunayı etiketledik.
08:15
And I'm going to show you three clips,
196
495260
2000
Şimdi size 3 tane klip göstereceğim
08:17
because I tagged 1,100 tunas.
197
497260
3000
çünkü bu 1100 tunayı ben etiketledim.
08:20
It's a very hard process, but it's a ballet.
198
500260
3000
Çok zor bir işlem ama bir bale gibi.
08:23
We bring the tuna out, we measure it.
199
503260
3000
Tunayı sudan çıkarırız, ölçeriz ,
08:26
A team of fishers, captains, scientists and technicians
200
506260
3000
balıkçılar, kaptanlar, bilim adamları ve teknikerler den
08:29
work together to keep this animal out of the ocean
201
509260
3000
oluşan bir takım bu hayvanı
08:32
for about four to five minutes.
202
512260
3000
4-5 dakikalığına suyun dışında tutmaya çalışıyor
08:35
We put water over its gills, give it oxygen.
203
515260
3000
Solungaçlarına su dökerek ona oksijen veririz.
08:38
And then with a lot of effort, after tagging,
204
518260
3000
Etiketleme,bunun çevreyi algıladığından emin olduktan sonra,
08:41
putting in the computer,
205
521260
2000
veriyi bilgisayara girdikten sonra
08:43
making sure the stalk is sticking out so it senses the environment,
206
523260
3000
yine büyük bir eforla
08:46
we send this fish back into the sea.
207
526260
3000
onu suya bırakırız.
08:49
And when it goes, we're always happy.
208
529260
2000
Gittiği zaman hep mutlu oluruz.
08:51
We see a flick of the tail.
209
531260
2000
Kuyruğunun suya vurduğunu görürüz.
08:53
And from our data that gets collected,
210
533260
3000
Topladığımız veri sayesinde
08:56
when that tag comes back,
211
536260
2000
etiketlenen balık geri döndüğünde biliriz --
08:58
because a fisher returns it
212
538260
2000
bin dolarlık bir ödül için
09:00
for a thousand-dollar reward,
213
540260
2000
bir balıkçı o etiketi getirir--
09:02
we can get tracks beneath the sea
214
542260
2000
önümüzdeki 5 yıl boyunca
09:04
for up to five years now,
215
544260
2000
denizde o balığı
09:06
on a backboned animal.
216
546260
2000
takip edebiliriz.
09:08
Now sometimes the tunas are really large,
217
548260
3000
Bazı Tunalar gerçekten büyük olabilirler,
09:11
such as this fish off Nantucket.
218
551260
2000
mesela Nantucket adası yakınlarındaki bu balık gibi.
09:13
But that's about half the size
219
553260
2000
Ama bu bile benim bugüne kadar
09:15
of the biggest tuna we've ever tagged.
220
555260
2000
etiketlediğim en büyük tunanın yarısı kadar.
09:17
It takes a human effort,
221
557260
2000
Bir balığı tekneye almak
09:19
a team effort, to bring the fish in.
222
559260
2000
insan ve takım çabası gerektirir.
09:21
In this case, what we're going to do
223
561260
2000
Bu vakada tunaya otomatik açılan
09:23
is put a pop-up satellite archival tag on the tuna.
224
563260
3000
uydu arşiv etiketi koyuyoruz.
09:27
This tag rides on the tuna,
225
567260
2000
Bu etiket tunayla
09:29
senses the environment around the tuna
226
569260
3000
yola devam eder, tunanın etrafındaki çevreyi hisseder
09:32
and actually will come off the fish,
227
572260
3000
ve kendiliğinden balığı terk eder.
09:35
detach, float to the surface
228
575260
2000
Ayrılır ve su yüzeyinde yüzer,
09:37
and send back to Earth-orbiting satellites
229
577260
3000
üzerindeki elektronik işlemci sayesinde
09:40
position data estimated by math on the tag,
230
580260
3000
dünya yörüngesindeki yerine
09:43
pressure data and temperature data.
231
583260
3000
etiketteki basınç ve sıcaklık verileri hesaplanarak geri gönderilir.
09:46
And so what we get then from the pop-up satellite tag
232
586260
2000
Böylece bir insan kontağı olmadan
09:48
is we get away from having to have a human interaction
233
588260
3000
otomatik açılan uydu etiketini
09:51
to recapture the tag.
234
591260
2000
yerine geri göndeririz.
09:53
Both the electronic tags I'm talking about are expensive.
235
593260
3000
Bu haklarında konuştuğum iki elektronik etikette pahalı etiketler.
09:56
These tags have been engineered
236
596260
2000
Kuzey Amerika’daki çeşitli mühendisler
09:58
by a variety of teams in North America.
237
598260
3000
tarafından geliştirildiler,
10:01
They are some of our finest instruments,
238
601260
2000
Ve şu an okyanusta sahip olduğumuz
10:03
our new technology in the ocean today.
239
603260
3000
en iyi ve yeni teknolojiye sahip gereçlerimizden ikisidirler.
10:07
One community in general
240
607260
2000
Bize bir topluluk bugüne kadar
10:09
has given more to help us than any other community.
241
609260
2000
diğer tüm topluluklardan daha çok yardım etti.
10:11
And that's the fisheries off the state of North Carolina.
242
611260
3000
Bu toplulukta Kuzey Karolayna balıkçılar topluluğudur.
10:14
There are two villages, Harris and Morehead City,
243
614260
3000
Orda Harris ve Morehead isimli iki kasaba var.,
10:17
every winter for over a decade,
244
617260
2000
10 yılı aşkın bir süredir
10:19
held a party called Tag-A-Giant,
245
619260
3000
her kış Tag-a-Gigant isimli bir
10:22
and together, fishers worked with us
246
622260
2000
parti düzenliyorlar ve
10:24
to tag 800 to 900 fish.
247
624260
3000
balıkçılarla birlikte 800-900 balığı etiketliyoruz.
10:27
In this case, we're actually going to measure the fish.
248
627260
3000
Bu görüntüde balığın ölçümünü yapıyoruz.
10:30
We're going to do something that in recent years we've started:
249
630260
3000
Ve son yıllarda yapmaya başladığımız bir şeyi yapacağız:
10:33
take a mucus sample.
250
633260
2000
mukus örneği alacağız.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
635260
3000
Derisinin ne kadar parlak olduğuna bir bakın, benim yansımamı görebiliyorsunuz.
10:38
And from that mucus, we can get gene profiles,
252
638260
3000
Ve bu mukus sayesinde bir gen profili oluşturabiliyoruz.
10:41
we can get information on gender,
253
641260
2000
Cinsiyet üzerine bilgi topluyor,
10:43
checking the pop-up tag one more time,
254
643260
2000
otomatik açılan uydu etiketini bir kez daha kontrol edebiliyor
10:45
and then it's out in the ocean.
255
645260
2000
ve sonra okyanusa bırakıyoruz.
10:47
And this is my favorite.
256
647260
2000
Bu benim favorim.
10:49
With the help of my former postdoc, Gareth Lawson,
257
649260
3000
Doktoralı öğrencim Gareth Lawson un yardımıyla
10:52
this is a gorgeous picture of a single tuna.
258
652260
2000
tek bir tunanın muhteşem resmi.
10:54
This tuna is actually moving on a numerical ocean.
259
654260
3000
Bu tuna çok sayıda okyanusta geziniyor.
10:57
The warm is the Gulf Stream,
260
657260
2000
Sıcak olan körfez akıntısı,
10:59
the cold up there in the Gulf of Maine.
261
659260
3000
yukarda soğuk olan da Maine Körfezi akıntısı.
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
662260
3000
İşte orası tunanın gitmek istediği yer. Ringa balık sürüsünde yem aramak istiyor.
11:05
but it can't get there. It's too cold.
263
665260
2000
Ama oraya gidemez, çünkü çok soğuk.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
667260
3000
Ama sonra sular ısınıyor, tuna da dalıp biraz balık avlıyor
11:10
maybe comes back to home base,
265
670260
2000
Belki sonra evine geri gelir,
11:12
goes in again
266
672260
2000
sonra geri gidebilir.
11:14
and then comes back to winter down there in North Carolina
267
674260
3000
Kışın aşağıya Kuzey Karolayna ya geliyor.
11:17
and then on to the Bahamas.
268
677260
2000
Sonrada Bahamalara geçiyor.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
679260
3000
Ve benim favori görüntüm: üç tuna Meksika körfezine gidiyor.
11:22
Three tunas tagged.
270
682260
2000
Üç tunada etiketlenmiş.
11:24
Astronomically, we're calculating positions.
271
684260
2000
Astronomik olarak pozisyonlarını hesaplıyoruz.
11:26
They're coming together. That could be tuna sex --
272
686260
3000
Bir araya geliyorlar. Bu tuna çiftleşmesi olabilir.
11:29
and there it is.
273
689260
2000
Ve işte orada,
11:31
That is where the tuna spawn.
274
691260
2000
Tunalar yavruluyor
11:33
So from data like this,
275
693260
2000
Ve bunun gibi datalar sayesinde
11:35
we're able now to put the map up,
276
695260
2000
bir harita oluşturabiliyoruz,
11:37
and in this map
277
697260
2000
bu haritada son 10 yılda
11:39
you see thousands of positions
278
699260
2000
ve etiketlemenin yarısıyla meydana getirilmiş
11:41
generated by this decade and a half of tagging.
279
701260
3000
binlerce pozisyon görüyorsunuz.
11:44
And now we're showing that tunas on the western side
280
704260
3000
Şimdi batı tarafından
11:47
go to the eastern side.
281
707260
2000
doğuya giden tunaları gösteriyoruz
11:49
So two populations of tunas --
282
709260
2000
İki tuna popülasyonu var
11:51
that is, we have a Gulf population, one that we can tag --
283
711260
2000
bunlardan birisi etiketlediğimiz körfez popülasyonu,
11:53
they go to the Gulf of Mexico, I showed you that --
284
713260
3000
onlar körfeze doğru gidiyorlar daha önce size göstermiştim
11:56
and a second population.
285
716260
2000
ve ikinci popülasyon var.
11:58
Living amongst our tunas -- our North American tunas --
286
718260
2000
Kuzey Amerika tunalarımız arasında yaşayanlar
12:00
are European tunas that go back to the Med.
287
720260
3000
Avrupa tarafında yaşayan tunalarımız suların kabardığı yöne doğru gidiyor,
12:03
On the hot spots -- the hope spots --
288
723260
2000
sıcak bölge ümit bölgesi oluyor
12:05
they're mixed populations.
289
725260
2000
iki tuna popülâsyonu birbirine karışıyor.
12:07
And so what we've done with the science
290
727260
2000
Bilimsel olarak her ne yaptıysak
12:09
is we're showing the International Commission,
291
729260
2000
Uluslar arası Komiteye gösteriyoruz,
12:11
building new models,
292
731260
2000
yeni modeller yapıyor,
12:13
showing them that a two-stock no-mixing model --
293
733260
2000
two-stock-no mixing modeli gösteriyoruz –
12:15
to this day, used to reject
294
735260
3000
ki CITES anlaşmasını
12:18
the CITES treaty --
295
738260
2000
reddetmekte kullanılıyordu-
12:20
that model isn't the right model.
296
740260
2000
bu model doğru bir model değil
12:22
This model, a model of overlap,
297
742260
2000
Bu model bir örtüşme modeli,
12:24
is the way to move forward.
298
744260
2000
daha ileriye gitmenin yolu.
12:26
So we can then predict
299
746260
2000
Bu modelle idare yerinin
12:28
where management places should be.
300
748260
2000
neresi olması gerektiğini tahmin edebiliriz.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
750260
3000
Meksika körfezi ve Akdeniz gibi yerler
12:33
are places where the single species,
302
753260
2000
tek bir türün, tek bir popülasyonunun
12:35
the single population, can be captured.
303
755260
2000
yakalanabileceği yerler.,
12:37
These become forthright in places we need to protect.
304
757260
3000
Buralar derhal korumamız gereken yerler arasında geliyor.
12:40
The center of the Atlantic where the mixing is,
305
760260
3000
Karışım Atlantiğin ortasında meydana geliyor.
12:43
I could imagine a policy that lets Canada and America fish,
306
763260
2000
Amerika ve Kanadanın avlanmasına izin veren bir yasa hayal edebiliyorum.
12:45
because they manage their fisheries well,
307
765260
3000
Çünkü balıkçılarını iyi idare ediyorlar,
12:48
they're doing a good job.
308
768260
2000
iyi iş çıkarıyorlar.
12:50
But in the international realm,
309
770260
2000
Ama uluslar arası alanda
12:52
where fishing and overfishing has really gone wild,
310
772260
2000
balıkçılık ve aşırı balık avlanma iyice çılgınlaştı.
12:54
these are the places that we have to make hope spots in.
311
774260
3000
Bu yerlerde umut noktaları oluşturmalıyız.
12:57
That's the size they have to be to protect the bluefin tuna.
312
777260
3000
İşte bu korumaları gereken mavi yüzgeçli tunanın boyutları.
13:00
Now in a second project
313
780260
2000
Şimdi ikinci projemizin ismi
13:02
called Tagging of Pacific Pelagics,
314
782260
2000
Pasifik Pelagiclerini Etiketleme
13:04
we took on the planet as a team,
315
784260
2000
Deniz hayatında sayım yapan bizler
13:06
those of us in the Census of Marine Life.
316
786260
2000
gezegeni bir takım gibi ele alıyoruz
13:08
And, funded primarily through Sloan Foundation and others,
317
788260
4000
Öncelikle Sloan vakfı ve diğerleri tarafından
13:12
we were able to actually go in, in our project --
318
792260
3000
maddi olarak destekleniyoruz,
13:15
we're one of 17 field programs
319
795260
2000
böylece projelerimizi gerçekleştirebiliyoruz.
13:17
and begin to take on tagging large numbers of predators,
320
797260
3000
17 alan programından birisiyiz ve sadece tunaları değil
13:20
not just tunas.
321
800260
2000
çok miktarda diğer yırtıcılarıda etiketlemeye başladık
13:22
So what we've done
322
802260
2000
Yani bizim yaptığımız
13:24
is actually gone up to tag salmon shark in Alaska,
323
804260
3000
Alaskaya somon köpek balığını etiketlemeye gitmek,
13:27
met salmon shark on their home territory,
324
807260
3000
kendi bölgelerinde onlarla iletişime geçmek.
13:30
followed them catching salmon
325
810260
2000
Onları somon yakalarken izlemek
13:32
and then went in and figured out
326
812260
2000
ve sonra eğer yolları üzerine
13:34
that, if we take a salmon and put it on a line,
327
814260
3000
somon bırakırsak
13:37
we can actually take up a salmon shark --
328
817260
2000
onları yakalayabileceğimi fark ettik
13:39
This is the cousin of the white shark --
329
819260
2000
Bu beyaz balinanın kuzeni
13:41
and very carefully --
330
821260
2000
ve çok dikkatle dikkat edin
13:43
note, I say "very carefully," --
331
823260
2000
çok dikkatle dedim,
13:45
we can actually keep it calm,
332
825260
2000
onu gerçekten sakinleştirebiliriz,
13:47
put a hose in its mouth, keep it off the deck
333
827260
3000
hortumu ağzına koyuyoruz, güverteden kaldırıp
13:50
and then tag it with a satellite tag.
334
830260
3000
uydu etiketiyle etiketliyoruz.
13:53
That satellite tag will now have your shark phone home
335
833260
3000
Bu uydu etiketiyle köpek balığı ev telefonunuz olacak
13:56
and send in a message.
336
836260
2000
ve mesaj gödeebileceksiniz.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
838260
3000
Köpek balığı burada sıçrıyor eğer dikkatle bakarsanız bir anteni var.
14:01
It's a free swimming shark with a satellite tag
338
841260
2000
Bu somon avlayan, uydu etiketli
14:03
jumping after salmon,
339
843260
2000
özgürce yüzen ve bu sırada
14:05
sending home its data.
340
845260
3000
bize veri yollayan bir köpek balığı.
14:09
Salmon sharks aren't the only sharks we tag.
341
849260
2000
Somon köpek balıkları haricinde etiketlediğimiz başka köpek balıklarıda var.
14:11
But there goes salmon sharks with this meter-level resolution
342
851260
3000
Ama burada somon köpek balıkları üzerlerindeki metre seviye çözünürlüğüyle
14:14
on an ocean of temperature -- warm colors are warmer.
343
854260
3000
okyanusta gidiyorlar, sıcak renklerin olduğu yerde su ısısı daha yüksek.
14:17
Salmon sharks go down
344
857260
2000
Somon köpek balıkları yavrulamak için
14:19
to the tropics to pup
345
859260
2000
aşağıya tropiklere gidiyor
14:21
and come into Monterey.
346
861260
2000
sonra Monterrey’e geliyorlar.
14:23
Now right next door in Monterey and up at the Farallones
347
863260
3000
Şimdi hemen Monterrey’in yanında yukarıda Farrolone’de
14:26
are a white shark team led by Scott Anderson -- there --
348
866260
2000
Scott Anderson ve Sal Jorgenson’un liderlik ettiği
14:28
and Sal Jorgensen.
349
868260
2000
bir beyaz köpekbalığı takımı var.
14:30
They can throw out a target --
350
870260
2000
Hedefi dışarı atabilirler,-
14:32
it's a carpet shaped like a seal --
351
872260
2000
bu fok balığı şeklinde bir halı-
14:34
and in will come a white shark, a curious critter
352
874260
3000
beyaz köpek balığı meraklı bir hayvandır buna gelecektir.
14:37
that will come right up to our 16-ft. boat.
353
877260
3000
4.8 metre uzunluğundaki botumuza yaklaşacaklar
14:40
It's a several thousand-pound animal.
354
880260
2000
Bu bir kaç ton ağırlığında bir hayvan.
14:42
And we'll wind in the target.
355
882260
3000
Hedefin etrafında dolanacağız.
14:45
And we'll place an acoustic tag
356
885260
2000
ve akustik bir etiket koyacağız, akustik sonarlı.
14:47
that says, "OMSHARK 10165,"
357
887260
2000
Etiketin ismi: OMSHARK 101065,
14:49
or something like that, acoustically with a ping.
358
889260
3000
ya da bunun gibi bir şey,
14:52
And then we'll put on a satellite tag
359
892260
2000
Ve sonra üzerine uydu etiketi koyacağız.
14:54
that will give us the long-distance journeys
360
894260
3000
Bu etiket bize köpek balığının uzun mesafe seyahatleri hakkında bilgi verecek.
14:57
with the light-based geolocation algorithms
361
897260
2000
Bunu da hayvanın üzerindeki bilgisayar ışık tabanlı
14:59
solved on the computer that's on the fish.
362
899260
3000
jeolojik algoritması sayesinde çözecek.
15:02
So in this case, Sal's looking at two tags there,
363
902260
3000
Bu olayda Sal hayvanın üzerindeki iki etikete bakıyor.
15:05
and there they are: the white sharks of California
364
905260
3000
İşte oradalar; Kaliforniya beyaz köpek balığı diğer beyaz köpekbalıklarıyla
15:08
going off to the white shark cafe and coming back.
365
908260
3000
köpekbalıkları kafesine gidip geri dönüyor.
15:12
We also tag makos with our NOAA colleagues,
366
912260
2000
NOAA’da ki meslektaşlarımızla Makos ve
15:14
blue sharks.
367
914260
2000
Mavi Köpekbalıklarını da etiketliyoruz.
15:16
And now, together, what we can see
368
916260
2000
Ve şimdi birlikte
15:18
on this ocean of color that's temperature,
369
918260
2000
bu renkler okyanusunda gördüğümüz şey; ısı.
15:20
we can see ten-day worms of makos and salmon sharks.
370
920260
3000
10 günlük Makos larvalarını ve somon köpekbalıklarını görebiliyoruz.
15:24
We have white sharks and blue sharks.
371
924260
2000
Beyaz ve mavi köpekbalıklarımız var.
15:26
For the first time,
372
926260
2000
Ve ilk kez
15:28
an ecoscape as large as ocean-scale,
373
928260
2000
bir ecoscape – okyanus ölçeği kadar büyük-
15:30
showing where the sharks go.
374
930260
3000
köpekbalıklarının nereye gittiğini gösterdi.
15:33
The tuna team from TOPP has done the unthinkable:
375
933260
3000
TOPP’ tan bir tuna takımı hiç düşünülmeyeni yaptı.
15:36
three teams tagged 1,700 tunas,
376
936260
3000
Aynı zamanda 1700 tunayı,
15:39
bluefin, yellowfin and albacore
377
939260
2000
mavi yüzgeçlileri, sarı yüzgeçlileri ve akorkinoz balığını etiketledi.
15:41
all at the same time --
378
941260
2000
Bizim kullandığımız
15:43
carefully rehearsed tagging programs
379
943260
2000
etiketleme programlarını kullanarak
15:45
in which we go out, pick up juvenile tunas,
380
945260
3000
sensorlu etiketleri dikkatlice
15:48
put in the tags that actually have the sensors,
381
948260
3000
yavru tunalara naklettiler.
15:51
stick out the tuna
382
951260
2000
Ve sonra onları tekrar
15:53
and then let them go.
383
953260
2000
okyanusa bıraktılar.
15:55
They get returned, and when they get returned,
384
955260
2000
Tunalar geri döndüler, döndükleri zaman
15:57
here on a NASA numerical ocean
385
957260
3000
NASA’nın sayısal okyanusunda
16:00
you can see bluefin in blue
386
960260
2000
mavi yüzgeçlileri mavi renkte,
16:02
go across their corridor,
387
962260
2000
koridorlarında karşıya geçerken
16:04
returning to the Western Pacific.
388
964260
3000
batı pasifiğe dönerken görebilirsiniz.
16:07
Our team from UCSC has tagged elephant seals
389
967260
3000
UCSC’den takımımız fil fok balıklarını kafalarının üzerinden etiketlediler.
16:10
with tags that are glued on their heads, that come off when they slough.
390
970260
3000
Deri değiştiklerinde etikette çıkıyordu.
16:13
These elephant seals cover half an ocean,
391
973260
3000
Okyanusun yarısını fil fok balıkları kapsıyor,
16:16
take data down to 1,800 feet --
392
976260
2000
548m. Derinlikten inanılmaz
16:18
amazing data.
393
978260
2000
veri aldık.
16:20
And then there's Scott Shaffer and our shearwaters
394
980260
3000
Ve sonra Scott Shaffer yelkovan kuşlarına
16:23
wearing tuna tags, light-based tags,
395
983260
3000
hafif imalat tuna etiketleri taktılar.
16:26
that now are going to take you from New Zealand to Monterey and back,
396
986260
3000
Şimdi bu etiketler sizi Yeni Zelanda’dan alıp Monterrey’e ve sonra tekrar geriye götürecek.
16:29
journeys of 35,000 nautical miles
397
989260
3000
Ki bu 35.000 deniz mili eder
16:32
we had never seen before.
398
992260
2000
daha önce böyle bir şey görmedik.
16:34
But now with light-based geolocation tags that are very small,
399
994260
3000
Ve şimdi hafif imal edilmiş,küçücük,yer belirten etiketlerle
16:37
we can actually see these journeys.
400
997260
2000
bu yolculuğu gerçekten görebiliyoruz.
16:39
Same thing with Laysan albatross
401
999260
2000
Aynı şeyi bazen okyanusu
16:41
who travel an entire ocean
402
1001260
2000
bir yolculukta geçen Laysan Albatroslarında da yaptık.
16:43
on a trip sometimes,
403
1003260
2000
Onlarda tunalarla
16:45
up to the same zone the tunas use.
404
1005260
2000
aynı güzergâhı takip ediyorlar.
16:47
You can see why they might be caught.
405
1007260
3000
Neden yakalanabileceklerini görebilirsiniz
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
1010260
3000
Sonra George Shillinger ve Playa Grande’den
16:53
tagging leatherbacks
407
1013260
2000
deniz kaplumbağası takımımız daha önce bulunduğumuz
16:55
that go right past where we are.
408
1015260
3000
yere doğru giden deniz kaplumbağalarını etiketlediler.
16:58
And Scott Benson's team
409
1018260
2000
Ve Scott Benson’un takımı
17:00
that showed that leatherbacks go from Indonesia
410
1020260
2000
deniz kaplumbağalarının Endenozyadan
17:02
all the way to Monterey.
411
1022260
2000
Monterrey’e kadar geldiklerini gösterdi.
17:04
So what we can see on this moving ocean
412
1024260
3000
Sonunda bu hareketli okyanusta
17:07
is we can finally see where the predators are.
413
1027260
3000
yırtıcıların nerede olduklarını görebiliyoruz.
17:10
We can actually see how they're using ecospaces
414
1030260
3000
Onların okyanus kadar geniş ecospace’leri
17:13
as large as an ocean.
415
1033260
2000
nasıl kullandıklarını görebiliyoruz.
17:15
And from this information,
416
1035260
2000
Bu bilgi sayesinde
17:17
we can begin to map the hope spots.
417
1037260
3000
artık ümit noktalarını haritaya aktarabiliyoruz.
17:20
So this is just three years of data right here --
418
1040260
2000
Buradaki veri üç yıllık.
17:22
and there's a decade of this data.
419
1042260
2000
Bu verinin 10 yıllığıda var.
17:24
We see the pulse and the seasonal activities
420
1044260
2000
Bu hayvanların yaptıkları mevsimsel
17:26
that these animals are going on.
421
1046260
3000
aktivitelerin sinyalini görebiliyoruz.
17:30
So what we're able to do with this information
422
1050260
2000
Yani bu bigiyi özetleyip
17:32
is boil it down to hot spots,
423
1052260
3000
sıcak noktalarda kullanabiliyoruz.
17:35
4,000 deployments,
424
1055260
2000
4000 görevlendirme.
17:37
a huge herculean task,
425
1057260
3000
dev gibi başarması zor bir görev,
17:40
2,000 tags
426
1060260
2000
bir bölgede 2000 etiket,
17:42
in an area, shown here for the first time,
427
1062260
2000
ilk kez burada gösteriliyor.
17:44
off the California coast,
428
1064260
2000
Kaliforniya’nın toplanma bölgesi
17:46
that appears to be a gathering place.
429
1066260
3000
olduğu ortaya çıktı.
17:50
And then for sort of an encore from these animals,
430
1070260
3000
Sonra bu hayvanlardan bir çeşit tekrar istediğimizde
17:53
they're helping us.
431
1073260
2000
bize yardımcı oluyorlar.
17:55
They're carrying instruments
432
1075260
2000
2000 metre derinlikten
17:57
that are actually taking data down to 2,000 meters.
433
1077260
3000
veri alan araçlar taşıyorlar.
18:00
They're taking information from our planet
434
1080260
2000
Gezegenimizden, Antartika
18:02
at very critical places like Antarctica and the Poles.
435
1082260
3000
ve Kutuplar gibi çok kritik bölgelerden bilgi topluyor.
18:05
Those are seals from many countries
436
1085260
2000
Bunlar pek çok ülkeden gelen fok balıkları
18:07
being released
437
1087260
2000
bizim için
18:09
who are sampling underneath the ice sheets
438
1089260
2000
buz katmanlarının altından örnek alıyor
18:11
and giving us temperature data of oceanographic quality
439
1091260
3000
ve her iki kutupla ilgili okyanus bilimi niteliğinde
18:14
on both poles.
440
1094260
2000
ısı verisi veriyorlar.
18:16
This data, when visualized, is captivating to watch.
441
1096260
3000
Bu veri gözünüzde canlandırdığınızda izlemesi büyüleyici bir şey.
18:19
We still haven't figured out best how to visualize the data.
442
1099260
3000
Bu veriyi hala nasıl canlandıracağımıza dair bir çözüm bulamadık.
18:22
And then, as these animals swim
443
1102260
2000
Ve sonra bu hayvanlar yüzdükçe,
18:24
and give us the information
444
1104260
2000
bize iklim problemleriyle ilgili bilgi verdikçe
18:26
that's important to climate issues,
445
1106260
2000
bu bilgiyi halka iletmenin
18:28
we also think it's critical
446
1108260
2000
çok kritik olduğunu düşündük,
18:30
to get this information to the public,
447
1110260
2000
bu çeşit bir veriye
18:32
to engage the public with this kind of data.
448
1112260
3000
halkın ilgisini çekmeyi düşündük.
18:35
We did this with the Great Turtle Race --
449
1115260
2000
Bunu büyük kaplumbağa yarışı düzenleyerek-
18:37
tagged turtles, brought in four million hits.
450
1117260
3000
ki bu kaplumbağalar etiketliydi- 4 milyon kişinin dikkatini çekerek başardık.
18:40
And now with Google's Oceans,
451
1120260
3000
Ve şimdi Google Okyanus ile
18:43
we can actually put a white shark in that ocean.
452
1123260
2000
okyanusa bir beyaz köpekbalığı koyabiliriz.
18:45
And when we do and it swims,
453
1125260
2000
Bunu yapınca köpekbalığı yüzer
18:47
we see this magnificent bathymetry
454
1127260
2000
ve siz okyanusun büyüleyici derinliklerini görebilirsiniz.
18:49
that the shark knows is there on its path
455
1129260
2000
Ve köpekbalığı Kaliforniya’dan
18:51
as it goes from California to Hawaii.
456
1131260
2000
Hawaii’ye gittiği gibi yolunu bulur.
18:53
But maybe Mission Blue
457
1133260
2000
Ama belki mavi görev
18:55
can fill in that ocean that we can't see.
458
1135260
3000
bizim göremediğimiz şekilde okyanusu doldurabilir.
18:58
We've got the capacity, NASA has the ocean.
459
1138260
3000
Kapasitemiz var, Nasa’nın okyanusu var.
19:01
We just need to put it together.
460
1141260
2000
Sadece bir araya getirmeye ihtiyacımız var.
19:03
So in conclusion,
461
1143260
2000
Şöyle özetlersek,
19:05
we know where Yellowstone is for North America;
462
1145260
3000
Kuzey Amerika’da Yellow Stone ulusal parkının nerede olduğunu biliyoruz,
19:08
it's off our coast.
463
1148260
2000
kıyılarımızın hemen dışında.
19:10
We have the technology that's shown us where it is.
464
1150260
2000
Bize nerede olduğunu gösterecek teknolojiye sahibiz.
19:12
What we need to think about perhaps for Mission Blue
465
1152260
3000
Ne hakkında düşünmeye ihtiyacımız var? Belki Mavi Görevin
19:15
is increasing the biologging capacity.
466
1155260
3000
artan bir biyolojik blog kapasitesi olduğunu düşünmeliyiz.
19:18
How is it that we can actually
467
1158260
2000
Bu nasıl olur,
19:20
take this type of activity elsewhere?
468
1160260
3000
bu çeşit bir hareketliliği herhangi bir yere alabilirmiyiz?
19:23
And then finally -- to basically get the message home --
469
1163260
3000
Ve sonunda bir mesaj merkezi oluşturup
19:26
maybe use live links
470
1166260
2000
belki mavi balina ya da beyaz köpekbalığı
19:28
from animals such as blue whales and white sharks.
471
1168260
2000
gibi hayvanlardan gelen canlı bağlantıları kullanacağız.
19:30
Make killer apps, if you will.
472
1170260
2000
Eğer yaparsanız öldürücü telefon uygulamaları yapın.
19:32
A lot of people are excited
473
1172260
2000
Golden Gate köprüsü altından köpekbalıkları geçtiğinde
19:34
when sharks actually went under the Golden Gate Bridge.
474
1174260
3000
pek çok insan gerçekten çok heyecanlanmıştı.
19:37
Let's connect the public to this activity right on their iPhone.
475
1177260
3000
Gelin halk bu çeşit aktivitelere hemen iphone’larından bağlanabilsin.
19:40
That way we do away with a few internet myths.
476
1180260
3000
Böylece bazı internet efsanelerinden uzaklaşabiliriz.
19:44
So we can save the bluefin tuna.
477
1184260
2000
Böylece mavi yüzgeçli tunayı kurtarabiliriz.
19:46
We can save the white shark.
478
1186260
2000
Beyaz köpekbalığını kurtarabiliriz.
19:48
We have the science and technology.
479
1188260
2000
Bunu yapacak bilime ve teknolojiye sahibiz.
19:50
Hope is here. Yes we can.
480
1190260
2000
Ümit burada, evet yapabiliriz.
19:52
We need just to apply this capacity
481
1192260
2000
Sadece bu kapasiteyi okyanuslarımıza
19:54
further in the oceans.
482
1194260
2000
daha fazla uygulamamız gerekiyor.
19:56
Thank you.
483
1196260
2000
Teşekkür ederim.
19:58
(Applause)
484
1198260
2000
(Alkış)
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