ABOUT THE SPEAKER
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.

Why you should listen

From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.

It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.

He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."

More profile about the speaker
Paul Snelgrove | Speaker | TED.com
TEDGlobal 2011

Paul Snelgrove: A census of the ocean

Paul Snelgrove: Spis mieszkańców oceanów.

Filmed:
336,429 views

Oceanograf Paul Snelgrove przedstawia wyniki trwającego 10 lat projektu, którego celem było stworzenie spisu wszystkich istot zamieszkujących oceany. Dzieli się z nami zdjęciami niesamowitych podwodnych odkryć Census of Marine Life (Spis Morskich Form Życia).
- Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders. Full bio

Double-click the English transcript below to play the video.

00:15
The oceansoceany coverpokrywa some 70 percentprocent of our planetplaneta.
0
0
3000
Oceany zajmują 70% powierzchni naszej planety.
00:18
And I think ArthurArthur C. ClarkeClarke probablyprawdopodobnie had it right
1
3000
2000
Arthur C. Clarke mógł mieć rację
00:20
when he said that perhapsmoże we oughtpowinni to call our planetplaneta
2
5000
3000
mówiąc, że Ziemię powinniśmy raczej nazywać
00:23
PlanetPlaneta OceanOcean.
3
8000
2000
Planetą Oceanem.
00:25
And the oceansoceany are hugelyogromnie productiveproduktywny,
4
10000
2000
Oceany są bardzo urodzajne.
00:27
as you can see by the satellitesatelita imageobraz
5
12000
2000
Jak widać na zdjęciu satelitarnym,
00:29
of photosynthesisfotosynteza, the productionprodukcja of newNowy life.
6
14000
2000
umożliwiają fotosyntezę, tworzenie nowego życia.
00:31
In factfakt, the oceansoceany produceprodukować halfpół of the newNowy life everykażdy day on EarthZiemia
7
16000
3000
Codziennie oceany produkują połowę życia na Ziemi
00:34
as well as about halfpół the oxygentlen that we breatheoddychać.
8
19000
3000
i połowę tlenu, którym oddychamy.
00:37
In additiondodanie to that, it harborsPrzystanie a lot of the biodiversityróżnorodności biologicznej on EarthZiemia,
9
22000
3000
Dają też schronienie wielu różnym formom życia,
00:40
and much of it we don't know about.
10
25000
2000
o których nadal niewiele wiemy.
00:42
But I'll tell you some of that todaydzisiaj.
11
27000
2000
Dzisiaj wam o nich opowiem.
00:44
That alsorównież doesn't even get into the wholecały proteinbiałko extractionekstrakcji
12
29000
2000
Pominę jednak szczegóły
00:46
that we do from the oceanocean.
13
31000
2000
dotyczące czerpania z oceanu białek,
00:48
That's about 10 percentprocent of our globalświatowy needswymagania
14
33000
2000
które zaspokajają ok. 10% naszych potrzeb,
00:50
and 100 percentprocent of some islandwyspa nationsnarody.
15
35000
3000
a 100% potrzeb ludności niektórych wysp.
00:53
If you were to descendschodzić
16
38000
2000
Gdybyśmy zeszli do największych głębin
00:55
into the 95 percentprocent of the biospherebiosfera that's livableznośny,
17
40000
2000
nadających się do zamieszkania
00:57
it would quicklyszybko becomestają się pitchsmoła blackczarny,
18
42000
2000
szybko zrobiłoby się ciemno.
00:59
interruptedprzerwana only by pinpointsPinPoints of lightlekki
19
44000
2000
Jedynym źródłem światła
01:01
from bioluminescentGerhardt organismsorganizmy.
20
46000
2000
byłyby bioluminescencyjne organizmy.
01:03
And if you turnskręcać the lightsświatła on,
21
48000
2000
Po zapaleniu światła
01:05
you mightmoc periodicallycyklicznie see spectacularspektakularny organismsorganizmy swimpływać by,
22
50000
2000
dojrzelibyśmy mijające nas niezwykłe istoty
01:07
because those are the denizensmieszkańcy of the deepgłęboki,
23
52000
2000
które zamieszkują największe głębiny.
01:09
the things that liverelacja na żywo in the deepgłęboki oceanocean.
24
54000
2000
które zamieszkują największe głębiny.
01:11
And eventuallyostatecznie, the deepgłęboki seamorze floorpiętro would come into viewwidok.
25
56000
3000
Wreszcie można by ujrzeć morskie dno.
01:14
This typerodzaj of habitatsiedlisko coversokładki more of the Earth'sZiemi surfacepowierzchnia
26
59000
3000
To środowisko zajmuje większy obszar Ziemi
01:17
than all other habitatssiedliska combinedłączny.
27
62000
2000
niż wszystkie inne środowiska razem wzięte.
01:19
And yetjeszcze, we know more about the surfacepowierzchnia of the MoonKsiężyc and about MarsMars
28
64000
2000
Jednak więcej wiemy o Księżycu czy Marsie,
01:21
than we do about this habitatsiedlisko,
29
66000
2000
niż o środowisku podwodnym,
01:23
despitepomimo the factfakt that we have yetjeszcze to extractwyciąg
30
68000
2000
z którego czerpiemy
01:25
a gramgram of foodjedzenie, a breathoddech of oxygentlen or a dropupuszczać of waterwoda
31
70000
3000
żywność, tlen i wodę.
01:28
from those bodiesciała.
32
73000
2000
żywność, tlen i wodę.
01:30
And so 10 yearslat agotemu,
33
75000
2000
10 lat temu rozpoczęto
01:32
an internationalmiędzynarodowy programprogram beganrozpoczął się callednazywa the CensusSpisu powszechnego of MarineMarine Life,
34
77000
3000
międzynarodowy program zwany Spisem Morskich Form Życia,
01:35
whichktóry setzestaw out to try and improveulepszać our understandingzrozumienie
35
80000
2000
mający na celu poszerzenie naszej wiedzy
01:37
of life in the globalświatowy oceansoceany.
36
82000
2000
o życiu w oceanach.
01:39
It involvedzaangażowany 17 differentróżne projectsprojektowanie around the worldświat.
37
84000
3000
Objął 17 różnych projektów na świecie.
01:42
As you can see, these are the footprintsślady stóp of the differentróżne projectsprojektowanie.
38
87000
2000
Widzimy tu zasięg różnych projektów.
01:44
And I hopenadzieja you'llTy będziesz appreciatedoceniać the levelpoziom of globalświatowy coveragepokrycie
39
89000
3000
Mam nadzieję, że docenicie globalny wymiar
01:47
that it managedzarządzane to achieveosiągać.
40
92000
2000
jaki udało się osiągnąć.
01:49
It all beganrozpoczął się when two scientistsnaukowcy, FredFred GrassleGrassle and JesseJesse AusubelAusubel,
41
94000
2000
Wszystko zapoczątkowała para naukowców, Fred Grassle i Jesse Ausubel,
01:51
metspotkał in WoodsWoods HoleOtwór, MassachusettsMassachusetts
42
96000
3000
na spotkaniu w Woods Hole, Massachusetts,
01:54
where bothobie were guestsgoście at the famedsłynny oceanographicoceanograficzny instituteinstytut.
43
99000
2000
gdzie gościli w znanym instytucie oceanograficznym.
01:56
And FredFred was lamentinglamentować the statestan of marineMarine biodiversityróżnorodności biologicznej
44
101000
3000
Fred ubolewał nad stanem morskiej bioróżnorodności,
01:59
and the factfakt that it was in troublekłopot and nothing was beingistota doneGotowe about it.
45
104000
3000
jej problemami i faktem, że nic się z tym nie robi.
02:02
Well, from that discussiondyskusja grewrósł this programprogram
46
107000
2000
W ten sposób powstał program
02:04
that involvedzaangażowany 2,700 scientistsnaukowcy
47
109000
2000
w który zaangażowało się 2700 naukowców
02:06
from more than 80 countrieskraje around the worldświat
48
111000
2000
z ponad 80 krajów,
02:08
who engagedzaręczony in 540 oceanocean expeditionswyprawy
49
113000
3000
którzy uczestniczyli w 540 wyprawach oceanicznych
02:11
at a combinedłączny costkoszt of 650 millionmilion dollarsdolarów
50
116000
3000
za łączną kwotę 650 mln dolarów,
02:14
to studybadanie the distributiondystrybucja, diversityróżnorodność and abundanceobfitość
51
119000
2000
by badać rozmieszczenie, różnorodność i obfitość
02:16
of life in the globalświatowy oceanocean.
52
121000
3000
życia w oceanach.
02:19
And so what did we find?
53
124000
2000
Co odkryliśmy?
02:21
We founduznany spectacularspektakularny newNowy speciesgatunki,
54
126000
2000
Nowe zaskakujące gatunki,
02:23
the mostwiększość beautifulpiękny and visuallynaocznie stunningoszałamiający things everywherewszędzie we lookedspojrzał --
55
128000
3000
piękne i zdumiewające, gdzie tylko nie spojrzeliśmy,
02:26
from the shorelinelinii brzegowej to the abyssOtchłań,
56
131000
2000
od samego brzegu aż po oceaniczną głębię,
02:28
formformularz microbesmikroby all the way up to fishryba and everything in betweenpomiędzy.
57
133000
3000
od mikrobów po ryby.
02:31
And the limitingograniczenie stepkrok here wasn'tnie było the unknownnieznany diversityróżnorodność of life,
58
136000
3000
Nie ograniczała nas obfitość form życia,
02:34
but ratherraczej the taxonomictaksonomiczna specialistsspecjaliści
59
139000
2000
lecz raczej specjaliści ds. taksonomii,
02:36
who can identifyzidentyfikować and catalogkatalog these speciesgatunki
60
141000
2000
identyfikujący i katalogujący te gatunki.
02:38
that becamestał się the limitingograniczenie stepkrok.
61
143000
2000
identyfikujący i katalogujący te gatunki.
02:40
They, in factfakt, are an endangeredzagrożone speciesgatunki themselvessami.
62
145000
3000
Oni sami są zagrożonym gatunkiem.
02:43
There are actuallytak właściwie fourcztery to fivepięć newNowy speciesgatunki
63
148000
2000
Codziennie opisuje się zaledwie 4-5
02:45
describedopisane everydaycodziennie for the oceansoceany.
64
150000
2000
nowych gatunków żyjących w oceanach.
02:47
And as I say, it could be a much largerwiększy numbernumer.
65
152000
3000
A można by więcej.
02:50
Now, I come from NewfoundlandNewfoundland in CanadaKanada --
66
155000
3000
Pochodzę z Nowej Fundlandii w Kanadzie.
02:53
It's an islandwyspa off the eastWschód coastWybrzeże of that continentkontynent --
67
158000
2000
To wyspa na wschodnim wybrzeżu,
02:55
where we experienceddoświadczony one of the worstnajgorszy fishingwędkowanie disasterskatastrofy
68
160000
3000
gdzie miało miejsce największe wyniszczenie łowisk
02:58
in humanczłowiek historyhistoria.
69
163000
2000
w dziejach.
03:00
And so this photographfotografia showsprzedstawia a smallmały boychłopak nextNastępny to a codfishdorsza.
70
165000
2000
Na zdjęciu widzimy małego chłopca obok dorszy.
03:02
It's around 1900.
71
167000
2000
Było to mniej więcej w roku 1900.
03:04
Now, when I was a boychłopak of about his agewiek,
72
169000
2000
Gdy ja byłem w jego wieku
03:06
I would go out fishingwędkowanie with my grandfatherDziadek
73
171000
2000
jeździłem na ryby z dziadkiem
03:08
and we would catchłapać fishryba about halfpół that sizerozmiar.
74
173000
2000
i łowiliśmy ryby o połowę mniejsze.
03:10
And I thought that was the normnorma,
75
175000
2000
Myślałem, że to normalne,
03:12
because I had never seenwidziany fishryba like this.
76
177000
2000
ponieważ nigdy wcześniej nie widziałem większych ryb.
03:14
If you were to go out there todaydzisiaj, 20 yearslat after this fisheryrybołówstwa collapsedzwinięty,
77
179000
3000
Gdybyście pojechali tam teraz, 20 lat po upadku rybołówstwa,
03:17
if you could catchłapać a fishryba, whichktóry would be a bitkawałek of a challengewyzwanie,
78
182000
3000
i złowili rybę, co byłoby nie lada wyzwaniem,
03:20
it would be halfpół that sizerozmiar still.
79
185000
2000
byłaby ona jeszcze o połowę mniejsza.
03:22
So what we're experiencingdoświadczanie is something callednazywa shiftingprzeniesienie baselineslinie bazowe.
80
187000
3000
Doświadczamy tzw. przesuwania linii bazowych.
03:25
Our expectationsoczekiwań of what the oceansoceany can produceprodukować
81
190000
2000
Oczekiwania odnośnie tego, co dostarczają oceany
03:27
is something that we don't really appreciatedoceniać
82
192000
2000
są mniejsze,
03:29
because we haven'tnie mam seenwidziany it in our lifetimesokresy istnienia.
83
194000
3000
ponieważ nie sądzimy, że może być lepiej.
03:32
Now mostwiększość of us, and I would say me includedw zestawie,
84
197000
3000
Większość z nas, w tym ja,
03:35
think that humanczłowiek exploitationeksploatacja of the oceansoceany
85
200000
2000
uważa, że eksploatacja oceanów przez ludzi
03:37
really only becamestał się very seriouspoważny
86
202000
2000
stała się poważnym problemem
03:39
in the last 50 to, perhapsmoże, 100 yearslat or so.
87
204000
2000
w ciągu ostatnich 50-100 lat.
03:41
The censusspis ludności actuallytak właściwie triedwypróbowany to look back in time,
88
206000
2000
Spis miał uwzględnić wcześniejszy okres
03:43
usingza pomocą everykażdy sourceźródło of informationInformacja they could get theirich handsręce on.
89
208000
3000
wykorzystując wszelkie możliwe źródła informacji,
03:46
And so anything from restaurantrestauracja menusmenu
90
211000
2000
od restauracyjnych menu,
03:48
to monasteryklasztor recordsdokumentacja to ships'statków logslogi
91
213000
2000
poprzez kroniki zakonne i dzienniki pokładowe,
03:50
to see what the oceansoceany lookedspojrzał like.
92
215000
2000
aby dowiedzieć się, jak wyglądały oceany.
03:52
Because sciencenauka datadane really goesidzie back
93
217000
2000
Dane naukowe w większości nie wybiegają wstecz
03:54
to, at bestNajlepiej, WorldŚwiat WarWojny IIII, for the mostwiększość partczęść.
94
219000
2000
poza drugą wojnę światową.
03:56
And so what they founduznany, in factfakt,
95
221000
2000
Odkryto, że prawdziwa
03:58
is that exploitationeksploatacja really beganrozpoczął się heavilyciężko with the RomansRzymianie.
96
223000
2000
eksploatacja zaczęła się wraz z panowaniem Rzymian.
04:00
And so at that time, of coursekurs, there was no refrigerationchłodzenie.
97
225000
3000
W tamtych czasach nie było chłodzenia,
04:03
So fishermenrybaków could only catchłapać
98
228000
2000
więc rybacy łowili tylko tyle,
04:05
what they could eitherzarówno eatjeść or sellSprzedać that day.
99
230000
2000
ile mogli zjeść lub sprzedać tego samego dnia.
04:07
But the RomansRzymianie developedrozwinięty saltingsolenie.
100
232000
2000
Rzymianie wykorzystywali sól,
04:09
And with saltingsolenie,
101
234000
2000
dzięki czemu
04:11
it becamestał się possiblemożliwy to storesklep fishryba and to transporttransport it long distancesodległości.
102
236000
3000
przechowywanie i transport ryb stały się możliwe.
04:14
And so beganrozpoczął się industrialprzemysłowy fishingwędkowanie.
103
239000
3000
Tak zaczęło się rybołówstwo przemysłowe.
04:17
And so these are the sortssortuje of extrapolationsekstrapolacji that we have
104
242000
3000
To szacunkowe dane
04:20
of what sortsortować of lossutrata we'vemamy had
105
245000
2000
o zmniejszeniu różnych populacji
04:22
relativekrewny to pre-humanwcześniej człowieka impactswpływ on the oceanocean.
106
247000
3000
wobec naturalnych oddziaływań na ocean.
04:25
They rangezasięg from 65 to 98 percentprocent
107
250000
2000
Wahają się od 65 do 98%
04:27
for these majorpoważny groupsgrupy of organismsorganizmy,
108
252000
2000
dla dużych grup organizmów,
04:29
as shownpokazane in the darkciemny blueniebieski barsbary.
109
254000
2000
jak widać na ciemnoniebieskich paskach.
04:31
Now for those speciesgatunki the we managedzarządzane to leavepozostawiać alonesam, that we protectochraniać --
110
256000
3000
W przypadku zwierząt objętych ochroną,
04:34
for exampleprzykład, marineMarine mammalsssaki in recentniedawny yearslat and seamorze birdsptaki --
111
259000
2000
np. ssaków morskich i ptaków,
04:36
there is some recoveryodzyskiwanie.
112
261000
2000
sytuacja się polepszyła.
04:38
So it's not all hopelessbeznadziejny.
113
263000
2000
Wciąż jest więc nadzieja.
04:40
But for the mostwiększość partczęść, we'vemamy goneodszedł from saltingsolenie to exhaustingwyczerpujący.
114
265000
3000
Jednak solenie doprowadziło do przeławiania.
04:43
Now this other linelinia of evidencedowód is a really interestingciekawy one.
115
268000
2000
Kolejna linia dowodów jest bardzo interesująca.
04:45
It's from trophytrofeum fishryba caughtzłapany off the coastWybrzeże of FloridaFlorida.
116
270000
3000
To zdjęcie z zawodów rybackich u wybrzeży Florydy.
04:48
And so this is a photographfotografia from the 1950s.
117
273000
3000
Zdjęcie jest z lat 50.
04:51
I want you to noticeogłoszenie the scaleskala on the slideślizgać się,
118
276000
2000
Zwróćcie uwagę na skalę z boku,
04:53
because when you see the samepodobnie pictureobrazek from the 1980s,
119
278000
2000
ponieważ na zdjęciu z lat 80.
04:55
we see the fishryba are much smallermniejszy
120
280000
2000
ryby są już o wiele mniejsze.
04:57
and we're alsorównież seeingwidzenie a changezmiana
121
282000
2000
Widać również zmianę
04:59
in termswarunki of the compositionkompozycja of those fishryba.
122
284000
2000
w budowie tych ryb.
05:01
By 2007, the catchłapać was actuallytak właściwie laughableśmiechu warte
123
286000
2000
W roku 2007 odłów był śmieszny
05:03
in termswarunki of the sizerozmiar for a trophytrofeum fishryba.
124
288000
2000
pod względem rozmiarów ryb konkursowych.
05:05
But this is no laughingśmiać się mattermateria.
125
290000
2000
Ale nie ma się z czego śmiać.
05:07
The oceansoceany have lostStracony a lot of theirich productivitywydajność
126
292000
2000
Oceany straciły na produktywności
05:09
and we're responsibleodpowiedzialny for it.
127
294000
3000
i jesteśmy za to odpowiedzialni.
05:12
So what's left? ActuallyFaktycznie quitecałkiem a lot.
128
297000
2000
Co więc pozostało? Właściwie to dużo.
05:14
There's a lot of excitingekscytujący things, and I'm going to tell you a little bitkawałek about them.
129
299000
3000
Opowiem o kilku z wielu fascynujących rzeczy.
05:17
And I want to startpoczątek with a bitkawałek on technologytechnologia,
130
302000
2000
Zacznę od technologii,
05:19
because, of coursekurs, this is a TEDTED ConferenceKonferencja
131
304000
2000
ponieważ to konferencja TED
05:21
and you want to hearsłyszeć something on technologytechnologia.
132
306000
2000
i chcecie usłyszeć o technologii.
05:23
So one of the toolsprzybory that we use to samplepróba the deepgłęboki oceanocean
133
308000
2000
Jednymi z narzędzi do pobierania próbek z głębin oceanów
05:25
are remotelyzdalnie operatedobsługiwane vehiclespojazdy.
134
310000
2000
są zdalnie sterowane pojazdy głębinowe.
05:27
So these are tetheredna uwięzi vehiclespojazdy we lowerniższy down to the seamorze floorpiętro
135
312000
3000
Opuszczane są na dno morza,
05:30
where they're our eyesoczy and our handsręce for workingpracujący on the seamorze bottomDolny.
136
315000
3000
gdzie są naszymi oczami i rękami.
05:33
So a couplepara of yearslat agotemu, I was supposeddomniemany to go on an oceanographicoceanograficzny cruiserejs
137
318000
3000
Parę lat temu miałem udać się w rejs oceanograficzny,
05:36
and I couldn'tnie mógł go because of a schedulingPlanowanie conflictkonflikt.
138
321000
3000
ale nie mogłem, z uwagi na inne obowiązki.
05:39
But throughprzez a satellitesatelita linkpołączyć I was ablezdolny to sitsiedzieć at my studybadanie at home
139
324000
3000
Poprzez połączenie satelitarne mogłem z domu,
05:42
with my dogpies curledZakręcony up at my feetstopy, a cupPuchar of teaherbata in my handdłoń,
140
327000
3000
z psem przy nogach i z kubkiem herbaty w ręku,
05:45
and I could tell the pilotpilot, "I want a samplepróba right there."
141
330000
2000
instruować pilota skąd ma pobrać próbki.
05:47
And that's exactlydokładnie what the pilotpilot did for me.
142
332000
2000
Zrobił dokładnie to, o co prosiłem.
05:49
That's the sortsortować of technologytechnologia that's availabledostępny todaydzisiaj
143
334000
3000
Taka technologia
05:52
that really wasn'tnie było availabledostępny even a decadedekada agotemu.
144
337000
2000
jeszcze dekadę temu była nieosiągalna.
05:54
So it allowspozwala us to samplepróba these amazingniesamowity habitatssiedliska
145
339000
2000
Pozwala na pobieranie próbek ze środowisk
05:56
that are very fardaleko from the surfacepowierzchnia
146
341000
2000
znacznie oddalonych od powierzchni i światła.
05:58
and very fardaleko from lightlekki.
147
343000
2000
znacznie oddalonych od powierzchni i światła.
06:00
And so one of the toolsprzybory that we can use to samplepróba the oceansoceany
148
345000
3000
Jednym z narzędzi do badania oceanów
06:03
is acousticsAkustyka, or sounddźwięk wavesfale.
149
348000
2000
jest akustyka - fale dźwiękowe.
06:05
And the advantageZaletą of sounddźwięk wavesfale
150
350000
2000
Zaletą fal dźwiękowych jest to,
06:07
is that they actuallytak właściwie passprzechodzić well throughprzez waterwoda, unlikew odróżnieniu lightlekki.
151
352000
2000
że w przeciwieństwie do światła, dobrze rozchodzą się w wodzie.
06:09
And so we can sendwysłać out sounddźwięk wavesfale,
152
354000
2000
Emitowane fale dźwiękowe
06:11
they bounceBounce off objectsobiekty like fishryba and are reflectedodzwierciedlenie back.
153
356000
3000
odbijają się np. od ryb i do nas wracają.
06:14
And so in this exampleprzykład, a censusspis ludności scientistnaukowiec tookwziął out two shipsstatki.
154
359000
3000
Widzimy tu dwa nasze statki badawcze.
06:17
One would sendwysłać out sounddźwięk wavesfale that would bounceBounce back.
155
362000
2000
Jeden wysyłał fale dźwiękowe, które wracały po odbiciu.
06:19
They would be receivedOdebrane by a seconddruga shipstatek,
156
364000
2000
Odbierał je drugi statek,
06:21
and that would give us very preciseprecyzyjny estimatesszacunki, in this casewalizka,
157
366000
3000
otrzymując bardzo dokładne wyniki,
06:24
of 250 billionmiliard herringśledź
158
369000
2000
w tym przypadku 250 mld śledzi
06:26
in a periodokres of about a minutechwila.
159
371000
2000
w przeciągu zaledwie minuty
06:28
And that's an areapowierzchnia about the sizerozmiar of ManhattanManhattan IslandWyspa.
160
373000
3000
na obszarze rozmiarów Manhattanu.
06:31
And to be ablezdolny to do that is a tremendousogromny fisheriesrybołówstwa toolnarzędzie,
161
376000
2000
To rewelacyjny przyrząd rybacki,
06:33
because knowingporozumiewawczy how manywiele fishryba are there is really criticalkrytyczny.
162
378000
3000
gdyż poznanie liczby ryb jest nader istotne.
06:36
We can alsorównież use satellitesatelita tagsTagi
163
381000
2000
Używamy również nadajników satelitarnych
06:38
to tracktor animalszwierzęta as they moveruszaj się throughprzez the oceansoceany.
164
383000
2000
do namierzania zwierząt wędrownych.
06:40
And so for animalszwierzęta that come to the surfacepowierzchnia to breatheoddychać,
165
385000
2000
Wypływając na powierzchnię by zaczerpnąć powietrza,
06:42
suchtaki as this elephantsłoń sealfoka,
166
387000
2000
zwierzęta takie jak foki
06:44
it's an opportunityokazja to sendwysłać datadane back to shoreBrzeg
167
389000
2000
umożliwiają przesłanie danych na brzeg
06:46
and tell us where exactlydokładnie it is in the oceanocean.
168
391000
3000
i określenie swojej pozycji.
06:49
And so from that we can produceprodukować these tracksutwory.
169
394000
2000
Z uzyskanych danych można odtworzyć ich szlaki.
06:51
For exampleprzykład, the darkciemny blueniebieski
170
396000
2000
Np. kolor ciemnoniebieski
06:53
showsprzedstawia you where the elephantsłoń sealfoka movedprzeniósł in the northpółnoc PacificPacyfiku.
171
398000
2000
ukazuje wędrówkę fok po północnym Pacyfiku.
06:55
Now I realizerealizować for those of you who are colorblindcolorblind, this slideślizgać się is not very helpfulpomocny,
172
400000
3000
Ten slajd nie jest zbyt pomocny dla daltonistów,
06:58
but stickkij with me nonethelessniemniej jednak.
173
403000
2000
ale mimo to, zostańcie ze mną.
07:00
For animalszwierzęta that don't surfacepowierzchnia,
174
405000
2000
Dla zwierząt niewypływających na powierzchnię
07:02
we have something callednazywa pop-uppop-up tagsTagi,
175
407000
2000
mamy specjalne nadajniki satelitarne,
07:04
whichktóry collectzebrać datadane about lightlekki and what time the sunsłońce riseswznosi się and setszestawy.
176
409000
3000
zapisujące czas wschodów i zachodów Słońca,
07:07
And then at some periodokres of time
177
412000
2000
które w pewnym momencie odczepiają się
07:09
it popswyskakuje mi up to the surfacepowierzchnia and, again, relaysPrzekaźniki that datadane back to shoreBrzeg.
178
414000
3000
i wypływają na powierzchnię przesyłając dane na ląd.
07:12
Because GPSGPS doesn't work underpod waterwoda. That's why we need these toolsprzybory.
179
417000
3000
Potrzebujemy tych urządzeń, bo GPS nie działa pod wodą.
07:15
And so from this we're ablezdolny to identifyzidentyfikować these blueniebieski highwaysautostrad,
180
420000
3000
Dzięki tym danym możemy określić szlaki,
07:18
these hotgorąco spotskropki in the oceanocean,
181
423000
2000
najważniejsze punkty aktywności,
07:20
that should be realreal prioritypriorytet areasobszary
182
425000
2000
które powinny być obszarami priorytetowymi
07:22
for oceanocean conservationochrona.
183
427000
2000
w ochronie oceanów.
07:24
Now one of the other things that you maymoże think about
184
429000
2000
Za każdym razem
07:26
is that, when you go to the supermarketsupermarket and you buykupować things, they're scannedzeskanowany.
185
431000
3000
gdy kupujemy w supermarkecie, produkty są skanowane.
07:29
And so there's a barcodekod kreskowy on that productprodukt
186
434000
2000
Na produktach znajduje się kod kreskowy
07:31
that tellsmówi the computerkomputer exactlydokładnie what the productprodukt is.
187
436000
3000
mówiący komputerowi czym jest dana rzecz.
07:34
GeneticistsGenetycy have developedrozwinięty a similarpodobny toolnarzędzie callednazywa geneticgenetyczny barcodingKody kreskowe.
188
439000
3000
Genetycy stworzyli podobny system zwany metkowaniem genetycznym.
07:37
And what barcodingKody kreskowe does
189
442000
2000
Metkowanie analizuje specjalny gen zwany CO1,
07:39
is use a specifickonkretny genegen callednazywa COCO1
190
444000
2000
Metkowanie analizuje specjalny gen zwany CO1,
07:41
that's consistentzgodny withinw ciągu a speciesgatunki, but variesróżni się od amongpośród speciesgatunki.
191
446000
3000
różniący się dla poszczególnych gatunków, lecz zgodny w obrębie jednego.
07:44
And so what that meansznaczy is we can unambiguouslyjednoznacznie identifyzidentyfikować
192
449000
2000
Pozwala to na jednoznaczne zidentyfikowanie gatunków,
07:46
whichktóry speciesgatunki are whichktóry
193
451000
2000
Pozwala to na jednoznaczne zidentyfikowanie gatunków,
07:48
even if they look similarpodobny to eachkażdy other,
194
453000
2000
które wyglądają podobnie,
07:50
but maymoże be biologicallybiologicznie quitecałkiem differentróżne.
195
455000
2000
jednak różnią się pod względem biologicznym.
07:52
Now one of the nicestnajpiękniejsze examplesprzykłady I like to citecytować on this
196
457000
2000
Najlepszym przykładem
07:54
is the storyfabuła of two youngmłody womenkobiety, highwysoki schoolszkoła studentsstudenci in NewNowy YorkYork CityMiasto,
197
459000
3000
jest historia dwóch uczennic z Nowego Jorku,
07:57
who workedpracował with the censusspis ludności.
198
462000
2000
które pracowały przy spisie.
07:59
They wentposzedł out and collectedZebrane fishryba from marketsrynki and from restaurantsrestauracje in NewNowy YorkYork CityMiasto
199
464000
3000
Zdobywały ryby ze sklepów i restauracji w Nowym Jorku
08:02
and they barcodedkodem kreskowym it.
200
467000
2000
i metkowały je.
08:04
Well what they founduznany was mislabeledmylnie fishryba.
201
469000
2000
Znalazły źle opisaną rybę,
08:06
So for exampleprzykład,
202
471000
2000
Znalazły źle opisaną rybę,
08:08
they founduznany something whichktóry was soldsprzedany as tunatuńczyka, whichktóry is very valuablecenny,
203
473000
2000
sprzedawaną jako tuńczyk, który jest dość kosztowny,
08:10
was in factfakt tilapiaTilapia, whichktóry is a much lessmniej valuablecenny fishryba.
204
475000
3000
a który okazał się być tilapią, wartą znacznie mniej.
08:13
They alsorównież founduznany an endangeredzagrożone speciesgatunki
205
478000
2000
Znalazły też zagrożone gatunki
08:15
soldsprzedany as a commonpospolity one.
206
480000
2000
sprzedawane jako pospolite ryby.
08:17
So barcodingKody kreskowe allowspozwala us to know what we're workingpracujący with
207
482000
2000
Dzięki metkowaniu wiemy z czym mamy do czynienia
08:19
and alsorównież what we're eatingjedzenie.
208
484000
3000
oraz co jemy.
08:22
The OceanOcean BiogeographicBiogeograficznych InformationInformacje SystemSystemu
209
487000
2000
System Biogeograficznych Danych Oceanicznych
08:24
is the databaseBaza danych for all the censusspis ludności datadane.
210
489000
2000
to baza danych z uzyskanymi informacjami.
08:26
It's openotwarty accessdostęp; you can all go in and downloadpobieranie datadane as you wishżyczenie.
211
491000
3000
Jest ogólnodostępna, więc można z niej pobierać dane.
08:29
And it containszawiera all the datadane from the censusspis ludności
212
494000
3000
Są tam wszystkie dane ze spisu
08:32
plusplus other datadane setszestawy that people were willingskłonny to contributeprzyczynić się.
213
497000
2000
oraz te dodane przez ochotników.
08:34
And so what you can do with that
214
499000
2000
Za ich pomocą można
08:36
is to plotwątek the distributiondystrybucja of speciesgatunki and where they occurpojawić się in the oceansoceany.
215
501000
3000
określić rozmieszczenie gatunków w oceanach.
08:39
What I've plottedkreślone up here is the datadane that we have on handdłoń.
216
504000
2000
Naniosłem na mapę dane, którymi dysponujemy.
08:41
This is where our samplingPobieranie próbek effortwysiłek has concentratedstężony.
217
506000
3000
To tu głównie pobieraliśmy próbki.
08:44
Now what you can see
218
509000
2000
Do terenów badań należał Północny Atlantyk,
08:46
is we'vemamy sampledpróbą the areapowierzchnia in the NorthPółnoc AtlanticAtlantic,
219
511000
2000
Do terenów badań należał Północny Atlantyk,
08:48
in the NorthPółnoc SeaMorze in particularszczególny,
220
513000
2000
głównie Morze Północne
08:50
and alsorównież the eastWschód coastWybrzeże of NorthPółnoc AmericaAmeryka fairlydość well.
221
515000
2000
i wschodnie wybrzeże Ameryki Północnej.
08:52
That's the warmciepły colorszabarwienie whichktóry showpokazać a well-sampleddobrze włączonych do próby statystycznej regionregion.
222
517000
3000
Zbadane rejony oznaczone są ciepłymi kolorami.
08:55
The coldzimno colorszabarwienie, the blueniebieski and the blackczarny,
223
520000
2000
Zimne kolory: niebieski i czarny,
08:57
showpokazać areasobszary where we have almostprawie no datadane.
224
522000
2000
to obszary z których nie mamy prawie żadnych danych.
08:59
So even after a 10-year-rok censusspis ludności,
225
524000
2000
Nawet po 10 latach spisywania gatunków,
09:01
there are largeduży areasobszary that still remainpozostawać unexplorednieodkryte.
226
526000
3000
istnieją duże niezbadane obszary.
09:04
Now there are a groupGrupa of scientistsnaukowcy livingżycie in TexasTexas, workingpracujący in the GulfZatoka of MexicoMeksyk
227
529000
3000
Grupa teksańskich naukowców pracujących w Zatoce Meksykańskiej
09:07
who decidedzdecydowany really as a laborpraca of love
228
532000
2000
zdecydowała się bezinteresownie
09:09
to pullCiągnąć togetherRazem all the knowledgewiedza, umiejętności they could
229
534000
2000
zjednoczyć siły i wiedzę
09:11
about biodiversityróżnorodności biologicznej in the GulfZatoka of MexicoMeksyk.
230
536000
2000
o bioróżnorodności w Zatoce Meksykańskiej.
09:13
And so they put this togetherRazem, a listlista of all the speciesgatunki,
231
538000
3000
Stworzyli listę wszystkich tamtejszych gatunków
09:16
where they're knownznany to occurpojawić się,
232
541000
2000
oraz ich miejsc występowania.
09:18
and it really seemedwydawało się like a very esotericezoteryczne, scientificnaukowy typerodzaj of exercisećwiczenie.
233
543000
3000
Było to bardzo wymagające zadanie.
09:21
But then, of coursekurs, there was the DeepGłębokie HorizonHoryzont oilolej spillzalanie.
234
546000
3000
Później miał miejsce wyciek ropy na platformie Deepwater Horizon.
09:24
So all of a suddennagły, this laborpraca of love
235
549000
2000
Nagle ta bezinteresowna praca
09:26
for no obviousoczywisty economicgospodarczy reasonpowód
236
551000
3000
niewynikająca z pobudek finansowych
09:29
has becomestają się a criticalkrytyczny piecekawałek of informationInformacja
237
554000
2000
stała się najważniejszym źródłem informacji
09:31
in termswarunki of how that systemsystem is going to recoverwyzdrowieć, how long it will take
238
556000
3000
na temat tego, jak przywrócić środowisko do normy,
09:34
and how the lawsuitssprawy sądowe
239
559000
2000
ile czasu to zajmie
09:36
and the multi-billion-dollarwielomiliardowy dolar discussionsdyskusje that are going to happenzdarzyć in the comingprzyjście yearslat
240
561000
3000
oraz w jaki sposób rozwiązać kwestię pozwów
09:39
are likelyprawdopodobne to be resolvedzdecydowany.
241
564000
3000
i przyszłych rozmów o miliardach dolarów.
09:42
So what did we find?
242
567000
2000
Co odkryliśmy?
09:44
Well, I could standstoisko here for hoursgodziny, but, of coursekurs, I'm not alloweddozwolony to do that.
243
569000
2000
Wyliczałbym godzinami, ale oczywiście nie mogę.
09:46
But I will tell you some of my favoriteulubiony discoveriesodkrycia
244
571000
2000
Opiszę więc tylko moje ulubione odkrycia
09:48
from the censusspis ludności.
245
573000
2000
ze spisu.
09:50
So one of the things we discoveredodkryty is where are the hotgorąco spotskropki of diversityróżnorodność?
246
575000
3000
Poznaliśmy główne skupiska bioróżnorodności,
09:53
Where do we find the mostwiększość speciesgatunki of oceanocean life?
247
578000
3000
w których znajdziemy najwięcej gatunków w oceanach.
09:56
And what we find if we plotwątek up the well-knowndobrze znane speciesgatunki
248
581000
2000
Po wyznaczeniu tras znanych zwierząt
09:58
is this sortsortować of a distributiondystrybucja.
249
583000
2000
otrzymujemy właśnie takie rozmieszczenie.
10:00
And what we see is that for coastalprzybrzeżny tagsTagi,
250
585000
2000
Organizmy przybrzeżne,
10:02
for those organismsorganizmy that liverelacja na żywo nearBlisko the shorelinelinii brzegowej,
251
587000
2000
żyjące blisko linii brzegowej,
10:04
they're mostwiększość diverseróżnorodny in the tropicstropiki.
252
589000
2000
wykazują największe zróżnicowane w tropikach.
10:06
This is something we'vemamy actuallytak właściwie knownznany for a while,
253
591000
2000
Wiedzieliśmy o tym od jakiegoś czasu,
10:08
so it's not a realreal breakthroughprzełom.
254
593000
2000
więc nie jest to dla nas żaden przełom.
10:10
What is really excitingekscytujący thoughchociaż
255
595000
2000
Ekscytujące jest natomiast to,
10:12
is that the oceanicoceaniczny tagsTagi, or the oneste that liverelacja na żywo fardaleko from the coastWybrzeże,
256
597000
2000
że zwierzęta żyjące daleko od brzegu
10:14
are actuallytak właściwie more diverseróżnorodny at intermediatepośredni latitudesszerokościach geograficznych.
257
599000
2000
są najbardziej zróżnicowane na średnich szerokościach geograficznych.
10:16
This is the sortsortować of datadane, again, that managersmenedżerowie could use
258
601000
3000
To rodzaj danych, który można wykorzystać
10:19
if they want to prioritizepriorytet areasobszary of the oceanocean that we need to conserveOszczędzanie.
259
604000
3000
do ustalenia najważniejszych obszarów ochronnych
10:22
You can do this on a globalświatowy scaleskala, but you can alsorównież do it on a regionalregionalny scaleskala.
260
607000
3000
zarówno na skalę globalną, jak i regionalną.
10:25
And that's why biodiversityróżnorodności biologicznej datadane can be so valuablecenny.
261
610000
3000
Dlatego dane o bioróżnorodności są tak cenne.
10:28
Now while a lot of the speciesgatunki we discoveredodkryty in the censusspis ludności
262
613000
3000
Chociaż większość nowoodkrytych stworzeń
10:31
are things that are smallmały and hardciężko to see,
263
616000
2000
to małe, prawie niewidoczne gołym okiem organizmy,
10:33
that certainlyna pewno wasn'tnie było always the casewalizka.
264
618000
2000
to zdarzają się wyjątki.
10:35
For exampleprzykład, while it's hardciężko to believe
265
620000
2000
Trudno uwierzyć,
10:37
that a threetrzy kilogramkilogram lobsterHomar could eludewymykają scientistsnaukowcy,
266
622000
2000
że 3-kilogramowy homar dał radę umknąć naukowcom.
10:39
it did untilaż do a fewkilka yearslat agotemu
267
624000
2000
Tak było, dopóki kilka lat temu
10:41
when SouthPołudniowa AfricanAfrykańska fishermenrybaków requestedzgłoszony an exporteksport permitzezwolenie na
268
626000
3000
południowoafrykański rybak złożył wniosek o zezwolenie na eksport
10:44
and scientistsnaukowcy realizedrealizowany that this was something newNowy to sciencenauka.
269
629000
3000
i okazało się, że to nowinka w nauce.
10:47
SimilarlyPodobnie this GoldenZłoty V kelpkelp
270
632000
2000
Także złota brunatnica V
10:49
collectedZebrane in AlaskaAlaska just belowponiżej the lowNiska waterwoda markznak
271
634000
2000
zebrana na Alasce tuż pod poziomem wody niskiej
10:51
is probablyprawdopodobnie a newNowy speciesgatunki.
272
636000
2000
może być nowym gatunkiem.
10:53
Even thoughchociaż it's threetrzy metersmetrów long,
273
638000
2000
Mimo że ma 3 metry wysokości,
10:55
it actuallytak właściwie, again, eludedominęła sciencenauka.
274
640000
2000
wymknęła się nauce.
10:57
Now this guy, this bigfinbigfin squidkałamarnica, is sevensiedem metersmetrów in lengthdługość.
275
642000
3000
Ta kałamarnica z gatunku Magnapinna ma aż 7 m długości.
11:00
But to be fairtargi, it liveszyje in the deepgłęboki watersfale of the Mid-AtlanticŚrodkowy Atlantyk RidgeRidge,
276
645000
3000
Żyje jednak w głębinach Grzbietu Środkowoatlantyckiego,
11:03
so it was a lot hardertrudniejsze to find.
277
648000
2000
więc ciężko było ją znaleźć.
11:05
But there's still potentialpotencjał for discoveryodkrycie of bigduży and excitingekscytujący things.
278
650000
3000
Nadal są szanse na znalezienie dużych i ciekawych rzeczy.
11:08
This particularszczególny shrimpkrewetki, we'vemamy dubbeddubbing it the JurassicJurajski shrimpkrewetki,
279
653000
3000
Tą krewetkę nazwaliśmy krewetką jurajską,
11:11
it's thought to have goneodszedł extinctwyginąć 50 yearslat agotemu --
280
656000
2000
którą uważano za wymarłą 50 lat temu,
11:13
at leastnajmniej it was, untilaż do the censusspis ludności discoveredodkryty
281
658000
2000
aż podczas spisu odkryto,
11:15
it was livingżycie and doing just fine off the coastWybrzeże of AustraliaAustralia.
282
660000
3000
że żyje i ma się dobrze u wybrzeży Australii.
11:18
And it showsprzedstawia that the oceanocean, because of its vastnessogrom,
283
663000
3000
To dowodzi, że ocean, ze względu na swój ogrom,
11:21
can hideukryć secretstajniki for a very long time.
284
666000
2000
może bardzo długo skrywać tajemnice.
11:23
So, StevenSteven SpielbergSpielberg, eatjeść your heartserce out.
285
668000
3000
Steven Spielberg może się schować.
11:26
If we look at distributionsdystrybucje, in factfakt distributionsdystrybucje changezmiana dramaticallydramatycznie.
286
671000
3000
Rozmieszczenia zmieniają się diametralnie.
11:29
And so one of the recordsdokumentacja that we had
287
674000
3000
Część danych dotyczyła
11:32
was this sootyśniady shearwaterBurzyk, whichktóry undergoesprzechodzi these spectacularspektakularny migrationsmigracje
288
677000
3000
burzyka szarego, który odbywa spektakularne migracje
11:35
all the way from NewNowy ZealandZelandia
289
680000
2000
z Nowej Zelandii
11:37
all the way up to AlaskaAlaska and back again
290
682000
2000
na Alaskę i z powrotem,
11:39
in searchszukanie of endlessnieskończony summerlato
291
684000
2000
w poszukiwaniu niekończącego się lata,
11:41
as they completekompletny theirich life cyclescykle.
292
686000
2000
by w końcu zamknąć swój cykl życia.
11:43
We alsorównież talkedrozmawialiśmy about the WhiteBiały SharkRekin CafeCafe.
293
688000
2000
Dyskutowaliśmy też o White Shark Cafe,
11:45
This is a locationLokalizacja in the PacificPacyfiku where whitebiały sharkrekin convergezbiegają się.
294
690000
3000
miejscu na Pacyfiku, w którym gromadzą się żarłacze białe.
11:48
We don't know why they convergezbiegają się there, we simplypo prostu don't know.
295
693000
2000
Nie wiemy dlaczego się tam zbierają.
11:50
That's a questionpytanie for the futureprzyszłość.
296
695000
2000
To zagadka do rozwiązania.
11:52
One of the things that we're taughtnauczony in highwysoki schoolszkoła
297
697000
2000
W szkole uczą nas,
11:54
is that all animalszwierzęta requirewymagać oxygentlen in orderzamówienie to surviveprzetrwać.
298
699000
3000
że zwierzęta do przeżycia potrzebują tlenu.
11:57
Now this little critterCritter, it's only about halfpół a millimetermilimetr in sizerozmiar,
299
702000
3000
To małe stworzenie wielkości ok. 1 mm,
12:00
not terriblyniemożliwie charismaticcharyzmatyczny.
300
705000
2000
niezbyt atrakcyjne,
12:02
But it was only discoveredodkryty in the earlywcześnie 1980s.
301
707000
2000
zostało odkryte na początku lat 80.
12:04
But the really interestingciekawy thing about it
302
709000
2000
Interesujące jest,
12:06
is that, a fewkilka yearslat agotemu, censusspis ludności scientistsnaukowcy discoveredodkryty
303
711000
3000
że kilka lat temu naukowcy biorący udział w spisie odkryli,
12:09
that this guy can thriveprosperować in oxygen-poortlen ubogich sedimentsosadów
304
714000
2000
że potrafi ono przetrwać w środowisku ubogim w tlen
12:11
in the deepgłęboki MediterraneanMediterranean SeaMorze.
305
716000
2000
w głębiach Morza Śródziemnego.
12:13
So now they know that, in factfakt,
306
718000
2000
Teraz wiadomo,
12:15
animalszwierzęta can liverelacja na żywo withoutbez oxygentlen, at leastnajmniej some of them,
307
720000
2000
że istnieją zwierzęta zdolne do życia bez tlenu.
12:17
and that they can adaptprzystosować się to even the harshestnajtrudniejszych of conditionswarunki.
308
722000
3000
Potrafią przystosować się do najsurowszych warunków.
12:20
If you were to suckssać all the waterwoda out of the oceanocean,
309
725000
3000
Gdyby wypompować z oceanów całą wodę,
12:23
this is what you'dty byś be left behindza with,
310
728000
2000
oto co by pozostało.
12:25
and that's the biomassbiomasa of life on the seamorze floorpiętro.
311
730000
2000
To biomasa z dna morskiego.
12:27
Now what we see is hugeolbrzymi biomassbiomasa towardsw kierunku the polestyczki
312
732000
3000
Najwięcej jej przy biegunach,
12:30
and not much biomassbiomasa in betweenpomiędzy.
313
735000
3000
a niewiele przy równiku.
12:33
We founduznany life in the extremesskrajności.
314
738000
2000
Odkryliśmy życie w ekstremalnych warunkach.
12:35
And so there were newNowy speciesgatunki that were founduznany
315
740000
2000
Odkryliśmy nowe gatunki
12:37
that liverelacja na żywo insidewewnątrz icelód
316
742000
2000
żyjące wewnątrz lodu,
12:39
and help to supportwsparcie an ice-basedoparte na lodzie foodjedzenie websieć.
317
744000
2000
utrzymujące sieć żywieniową opartą na lodzie.
12:41
And we alsorównież founduznany this spectacularspektakularny yetiYeti crabKrab
318
746000
2000
Odkryliśmy również tego niesamowitego kraba yeti
12:43
that liveszyje nearBlisko boilingwrzenie hotgorąco hydrothermalhydrotermalnych ventsotwory wentylacyjne at EasterWielkanoc IslandWyspa.
319
748000
3000
wśród gorących kominów hydrotermalnych koło Wyspy Wielkanocnej.
12:46
And this particularszczególny speciesgatunki
320
751000
2000
Ten niezwykły gatunek
12:48
really capturedschwytany the public'spubliczny attentionUwaga.
321
753000
3000
wzbudził spore zainteresowanie.
12:51
We alsorównież founduznany the deepestnajgłębszy ventsotwory wentylacyjne knownznany yetjeszcze -- 5,000 metersmetrów --
322
756000
3000
Odkryliśmy również najgłębsze kominy - 5 km,
12:54
the hottestnajgorętsze ventsotwory wentylacyjne at 407 degreesstopni CelsiusCelsjusza --
323
759000
3000
najgorętsze - 407 °C,
12:57
ventsotwory wentylacyjne in the SouthPołudniowa PacificPacyfiku and alsorównież in the ArcticArctic
324
762000
2000
kominy w południowym Pacyfiku i Arktyce,
12:59
where noneŻaden had been founduznany before.
325
764000
2000
dotąd nieznane.
13:01
So even newNowy environmentsśrodowiska are still withinw ciągu the domaindomena of the discoverablewykrywalne.
326
766000
3000
Tak więc zupełnie nowe środowiska czekają na odkrycie.
13:04
Now in termswarunki of the unknownsniewiadomych, there are manywiele.
327
769000
2000
Przed nami nadal wiele niewiadomych.
13:06
And I'm just going to summarizepodsumować just a fewkilka of them
328
771000
2000
Opiszę pokrótce kilka z nich.
13:08
very quicklyszybko for you.
329
773000
2000
Opisze pokrótce kilka z nich.
13:10
First of all, we mightmoc askzapytać, how manywiele fishesryby in the seamorze?
330
775000
3000
Po pierwsze: ile w morzu jest ryb?
13:13
We actuallytak właściwie know the fishesryby better than we do any other groupGrupa in the oceanocean
331
778000
2000
O rybach wiemy więcej niż o innych mieszkańcach oceanów,
13:15
other than marineMarine mammalsssaki.
332
780000
2000
poza ssakami morskimi.
13:17
And so we can actuallytak właściwie extrapolateekstrapolacji basedna podstawie on ratesstawki of discoveryodkrycie
333
782000
3000
Na podstawie współczynnika odkryć możemy oszacować
13:20
how manywiele more speciesgatunki we're likelyprawdopodobne to discoverodkryć.
334
785000
3000
ile nowych gatunków jeszcze odkryjemy.
13:23
And from that, we actuallytak właściwie calculateobliczać
335
788000
2000
Możemy w ten sposób obliczyć,
13:25
that we know about 16,500 marineMarine speciesgatunki
336
790000
3000
że skoro znamy około 16,5 tys. gatunków morskich
13:28
and there are probablyprawdopodobnie anotherinne 1,000 to 4,000 left to go.
337
793000
2000
to pewnie jest jeszcze 1-4 tys. do odkrycia.
13:30
So we'vemamy doneGotowe prettyładny well.
338
795000
2000
Tak więc spisaliśmy się całkiem nieźle.
13:32
We'veMamy got about 75 percentprocent of the fishryba,
339
797000
2000
Znamy blisko 75% gatunków ryb,
13:34
maybe as much as 90 percentprocent.
340
799000
2000
może nawet 90%.
13:36
But the fishesryby, as I say, are the bestNajlepiej knownznany.
341
801000
3000
Ryby jednak są najbardziej znane.
13:39
So our levelpoziom of knowledgewiedza, umiejętności is much lessmniej for other groupsgrupy of organismsorganizmy.
342
804000
3000
Nasza wiedza o innych organizmach jest dużo mniejsza.
13:42
Now this figurepostać is actuallytak właściwie basedna podstawie on a brandMarka newNowy paperpapier
343
807000
2000
Ten wykres oparty jest na najnowszych badaniach,
13:44
that's going to come out in the journaldziennik PLoSPLoS BiologyBiologii.
344
809000
3000
które zostaną opublikowane w magazynie PLoS Biology.
13:47
And what is does is predictprzepowiadać, wywróżyć how manywiele more speciesgatunki there are
345
812000
2000
Mają na celu przewidzieć liczbę nieodkrytych gatunków
13:49
on landwylądować and in the oceanocean.
346
814000
2000
na lądzie i w wodzie.
13:51
And what they founduznany
347
816000
2000
Według badań znamy ok. 9% gatunków zamieszkujących oceany.
13:53
is that they think that we know of about ninedziewięć percentprocent of the speciesgatunki in the oceanocean.
348
818000
3000
Według badań znamy ok. 9% gatunków zamieszkujących oceany.
13:56
That meansznaczy 91 percentprocent, even after the censusspis ludności,
349
821000
2000
A więc nawet po naszym spisie gatunków
13:58
still remainpozostawać to be discoveredodkryty.
350
823000
2000
91% pozostaje do odkrycia.
14:00
And so that turnsskręca out to be about two millionmilion speciesgatunki
351
825000
2000
W sumie da nam to
14:02
oncepewnego razu all is said and doneGotowe.
352
827000
2000
blisko 2 miliony gatunków.
14:04
So we still have quitecałkiem a lot of work to do
353
829000
2000
Pozostało więc jeszcze wiele do zrobienia
14:06
in termswarunki of unknownsniewiadomych.
354
831000
2000
w zakresie nieznanych gatunków.
14:08
Now this bacteriumbakteria
355
833000
2000
Oto bakteria
14:10
is partczęść of matsmaty that are founduznany off the coastWybrzeże of ChileChile.
356
835000
3000
występująca w dużych koloniach u wybrzeży Chile.
14:13
And these matsmaty actuallytak właściwie coverpokrywa an areapowierzchnia the sizerozmiar of GreeceGrecja.
357
838000
2000
Bakteryjne maty pokrywają tam obszar wielkości Grecji.
14:15
And so this particularszczególny bacteriumbakteria is actuallytak właściwie visiblewidoczny to the nakednagi eyeoko.
358
840000
3000
Bakteria widoczna jest gołym okiem,
14:18
But you can imaginewyobrażać sobie the biomassbiomasa that representsreprezentuje.
359
843000
3000
więc nietrudno sobie wyobrazić biomasę jaką reprezentuje.
14:21
But the really intriguingintrygancki thing about the microbesmikroby
360
846000
2000
Intrygujący w mikrobach jest
14:23
is just how diverseróżnorodny they are.
361
848000
2000
stopień ich zróżnicowania.
14:25
A singlepojedynczy dropupuszczać of seawaterwoda morska
362
850000
2000
Pojedyncza kropla morskiej wody
14:27
could containzawierać 160 differentróżne typestypy of microbesmikroby.
363
852000
2000
może zawierać do 160 różnych rodzajów mikrobów.
14:29
And the oceansoceany themselvessami
364
854000
2000
Same oceany
14:31
are thought potentiallypotencjalnie to containzawierać as manywiele as a billionmiliard differentróżne typestypy.
365
856000
3000
mogą zawierać ich prawie 1 mld rodzajów.
14:34
So that's really excitingekscytujący. What are they all doing out there?
366
859000
3000
To bardzo ekscytujące. Co one wszystkie tam robią?
14:37
We actuallytak właściwie don't know.
367
862000
2000
Tego niestety nie wiemy.
14:39
The mostwiększość excitingekscytujący thing, I would say, about this censusspis ludności
368
864000
2000
Najwspanialszą rzeczą w spisie gatunków
14:41
is the rolerola of globalświatowy sciencenauka.
369
866000
2000
jest rola globalnej nauki.
14:43
And so as we see in this imageobraz of lightlekki duringpodczas the night,
370
868000
2000
Na zdjęciu Ziemi nocą
14:45
there are lots of areasobszary of the EarthZiemia
371
870000
2000
widzimy wiele obszarów
14:47
where humanczłowiek developmentrozwój is much greaterwiększy
372
872000
3000
zwiększonej ingerencji człowieka
14:50
and other areasobszary where it's much lessmniej,
373
875000
2000
i obszary mniej rozwinięte,
14:52
but betweenpomiędzy them we see largeduży darkciemny areasobszary
374
877000
2000
a pomiędzy nimi duże czarne obszary
14:54
of relativelystosunkowo unexplorednieodkryte oceanocean.
375
879000
2000
stosunkowo niezbadanego oceanu.
14:56
The other pointpunkt I'd like to make about this
376
881000
2000
Należy pamiętać,
14:58
is that this ocean'sOcean's interconnectedpołączone.
377
883000
2000
że oceany są połączone.
15:00
MarineMarine organismsorganizmy do not careopieka about internationalmiędzynarodowy boundariesGranic;
378
885000
2000
Granice krajów nie dotyczą organizmów morskich.
15:02
they moveruszaj się where they will.
379
887000
2000
Przemieszczają się gdzie chcą.
15:04
And so the importanceznaczenie then of globalświatowy collaborationwspółpraca
380
889000
3000
Tym ważniejsza staje się
15:07
becomesstaje się all the more importantważny.
381
892000
2000
globalna współpraca.
15:09
We'veMamy lostStracony a lot of paradiseraj.
382
894000
2000
Straciliśmy wiele wspaniałych rzeczy,
15:11
For exampleprzykład, these tunatuńczyka that were oncepewnego razu so abundantobfity in the NorthPółnoc SeaMorze
383
896000
3000
np. tuńczyki pływające licznie w Morzu Północnym
15:14
are now effectivelyfaktycznie goneodszedł.
384
899000
2000
całkowicie wyginęły.
15:16
There were trawlswłoki takenwzięty in the deepgłęboki seamorze in the MediterraneanMediterranean,
385
901000
3000
W Morzu Śródziemnym zarzucano głęboko sieci,
15:19
whichktóry collectedZebrane more garbageŚmieci than they did animalszwierzęta.
386
904000
2000
które zebrały więcej śmieci niż zwierząt.
15:21
And that's the deepgłęboki seamorze, that's the environmentśrodowisko that we considerrozważać to be
387
906000
3000
A głębiny morskie jedno z najbardziej dziewiczych środowisk
15:24
amongpośród the mostwiększość pristinedziewiczy left on EarthZiemia.
388
909000
2000
jakie pozostały na Ziemi.
15:26
And there are a lot of other pressurespresje.
389
911000
2000
Problemów jest więcej.
15:28
OceanOcean acidificationzakwaszenie is a really bigduży issuekwestia that people are concernedzaniepokojony with,
390
913000
3000
Dużym zmartwieniem jest zakwaszenie oceanów
15:31
as well as oceanocean warmingogrzewanie, and the effectsruchomości they're going to have on coralkoral reefskoralowe.
391
916000
3000
i ocieplenie wód, które mogą wpływać na rafy koralowe.
15:34
On the scaleskala of decadesdziesiątki lat, in our lifetimesokresy istnienia,
392
919000
3000
Jeszcze za naszego życia
15:37
we're going to see a lot of damageuszkodzić to coralkoral reefskoralowe.
393
922000
2000
będziemy świadkami ogromnych szkód na rafach koralowych.
15:39
And I could spendwydać the restodpoczynek of my time, whichktóry is gettinguzyskiwanie very limitedograniczony,
394
924000
3000
Mógłbym jeszcze długo, choć kończy mi się czas,
15:42
going throughprzez this litanylitania of concernsobawy about the oceanocean,
395
927000
2000
wymieniać troski związane z oceanem,
15:44
but I want to endkoniec on a more positivepozytywny noteUwaga.
396
929000
2000
ale wolę zakończyć bardziej pozytywnie.
15:46
And so the grandwielki challengewyzwanie then
397
931000
2000
Będzie ogromnym wyzwaniem
15:48
is to try and make sure that we preservezachować what's left,
398
933000
2000
ochrona tego, co jeszcze mamy,
15:50
because there is still spectacularspektakularny beautypiękno.
399
935000
2000
a zostało na Ziemi wiele nieopisanego piękna.
15:52
And the oceansoceany are so productiveproduktywny,
400
937000
2000
Oceany są tak produktywne
15:54
there's so much going on in there that's of relevancestosowność to humansludzie
401
939000
3000
i dzieje się w nich tak wiele rzeczy mających wpływ na człowieka,
15:57
that we really need to, even from a selfishsamolubny perspectiveperspektywiczny,
402
942000
3000
że naprawdę musimy, choćby z egoistycznych pobudek,
16:00
try to do better than we have in the pastprzeszłość.
403
945000
2000
postarać się bardziej niż w przeszłości.
16:02
So we need to recognizerozpoznać those hotgorąco spotskropki
404
947000
2000
Musimy odnaleźć kluczowe miejsca
16:04
and do our bestNajlepiej to protectochraniać them.
405
949000
2000
i zrobić wszystko, by je chronić.
16:06
When we look at pictureskino like this, they take our breathoddech away,
406
951000
2000
Oceany zapierają nam dech,
16:08
in additiondodanie to helpingporcja jedzenia to give us breathoddech
407
953000
2000
ale zapewniają też tlen,
16:10
by the oxygentlen that the oceansoceany providezapewniać.
408
955000
2000
którym oddychamy.
16:12
CensusSpisu powszechnego scientistsnaukowcy workedpracował in the raindeszcz, they workedpracował in the coldzimno,
409
957000
3000
Naukowcy pracujący nad spisem pracowali w deszczu, zimnie,
16:15
they workedpracował underpod waterwoda and they workedpracował abovepowyżej waterwoda
410
960000
2000
pod i ponad powierzchnią wody,
16:17
tryingpróbować to illuminateoświetlania the wondrouscudowne discoveryodkrycie,
411
962000
2000
starając się wyjaśnić fenomen
16:19
the still vastogromny unknownnieznany,
412
964000
2000
pozostający wciąż tajemnicą,
16:21
the spectacularspektakularny adaptationsadaptacje that we see in oceanocean life.
413
966000
3000
niezwykłą zdolność przystosowawczą obecną w oceanach.
16:24
So whetherczy you're a yakjak herderherder livingżycie in the mountainsgóry of ChileChile,
414
969000
3000
Nie ważne, czy wypasasz jaki w górach w Chile,
16:27
whetherczy you're a stockbrokermakler giełdowy in NewNowy YorkYork CityMiasto
415
972000
3000
czy jesteś maklerem w Nowym Jorku,
16:30
or whetherczy you're a TEDsterTeda livingżycie in EdinburghEdynburg,
416
975000
2000
albo miłośnikiem TED mieszkającym w Edynburgu,
16:32
the oceansoceany mattermateria.
417
977000
2000
ocean ma znaczenie.
16:34
And as the oceansoceany go so shallpowinien we.
418
979000
2000
Dopóki istnieją oceany, istniejemy i my.
16:36
ThanksDzięki for listeningsłuchający.
419
981000
2000
Dziękuję za uwagę.
16:38
(ApplauseAplauz)
420
983000
2000
(Oklaski)
Translated by Bartłomiej Szóstak
Reviewed by Joanna Zajc

▲Back to top

ABOUT THE SPEAKER
Paul Snelgrove - Marine biologist
Paul Snelgrove led the group that pulled together the findings of the Census of Marine Life -- synthesizing 10 years and 540 expeditions into a book of wonders.

Why you should listen

From 2000 to 2010, the Census of Marine Life ran a focused international effort to catalogue as much knowledge as possible about the creatures living in our oceans. (It had never really been done before.) Some 2,700 scientists from 80 countries, on 540 expeditions, worked to assess the diversity, distribution, and abundance of marine life. More than 6,000 potential new species were discovered, amid scenes of ocean degradation, resilience, and wonder.

It was Paul Snelgrove's job to synthesize this mass of findings into a book. Snelgrove, a professor at Memorial University in Newfoundland who studies benthic sedimentary ecosystems, led the team that produced the book Discoveries of the Census of Marine Life, about the most important and dramatic findings of the CML: new species and habitats, unexpected and epic migration routes and changing distribution patterns. The census revealed how diverse, surprising, still vastly unknown, and tenacious life is in the oceans.

He says: "How to distill thousands of scientific papers and dozens of books into a coherent story? The answer was to lock myself in the basement, shut off email, and read, read, read."

More profile about the speaker
Paul Snelgrove | Speaker | TED.com