Mission Blue Voyage
Barbara Block: Tagging tuna in the deep ocean
Barbara Block: Etiquetar atuns no oceano profundo
Filmed:
Readability: 4.4
368,018 views
O atum é o atleta do oceano — um predador rápido, de grande alcance, cujos hábitos só agora começamos a perceber. Barbara Block, bióloga marinha, coloca etiquetas de despistagem nos atuns (completas com "transponders" que registam dados sem precedentes relativos a estes peixes fantásticos e ameaçados e aos "habitats" do oceano onde eles se movimentam.
Barbara Block - Marine biologist
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Barbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem. Full bio
Double-click the English transcript below to play the video.
00:15
I've been fascinated for a lifetime
0
0
3000
Fiquei fascinada para toda a vida
00:18
by the beauty, form and function
1
3000
2000
pela beleza, pela forma e pela função
00:20
of giant bluefin tuna.
2
5000
3000
do gigantesco atum-rabilho.
00:23
Bluefin are warmblooded like us.
3
8000
3000
Este atum é um animal
de sangue quente, como nós.
de sangue quente, como nós.
00:26
They're the largest of the tunas,
4
11000
3000
São os maiores atuns,
00:29
the second-largest fish in the sea -- bony fish.
5
14000
3000
os segundos peixes maiores do mar
— peixes ossudos.
— peixes ossudos.
00:32
They actually are a fish
6
17000
2000
São peixes endotérmicos.
00:34
that is endothermic --
7
19000
2000
00:36
powers through the ocean with warm muscles like a mammal.
8
21000
3000
Impulsionam-se pelo oceano graças
a músculos quentes, como um mamífero.
a músculos quentes, como um mamífero.
00:40
That's one of our bluefin at the Monterey Bay Aquarium.
9
25000
3000
Este é um desses atuns
no Aquário da Baía de Monterey.
no Aquário da Baía de Monterey.
00:43
You can see in its shape and its streamlined design
10
28000
3000
Vemos, pela sua forma
e pelo seu "design" aperfeiçoado
e pelo seu "design" aperfeiçoado
00:46
it's powered for ocean swimming.
11
31000
3000
que está adaptado a nadar no oceano.
00:49
It flies through the ocean on its pectoral fins, gets lift,
12
34000
3000
Voa pelo oceano
com as barbatanas peitorais,
com as barbatanas peitorais,
ganha altura,
00:52
powers its movements
13
37000
2000
impulsiona os seus movimentos
com uma cauda semilunar.
com uma cauda semilunar.
00:54
with a lunate tail.
14
39000
2000
00:56
It's actually got a naked skin for most of its body,
15
41000
3000
Tem a pele nua na maior parte do corpo,
00:59
so it reduces friction with the water.
16
44000
3000
por isso reduz a fricção na água.
01:02
This is what one of nature's finest machines.
17
47000
3000
É uma das máquinas da natureza
mais fantásticas.
mais fantásticas.
01:05
Now, bluefin
18
50000
2000
O atum-rabilho
01:07
were revered by Man
19
52000
2000
foi venerado pelos homens
01:09
for all of human history.
20
54000
3000
em toda a história da humanidade.
01:12
For 4,000 years, we fished sustainably for this animal,
21
57000
3000
Durante 4000 anos, pescámos
sustentadamente este animal
sustentadamente este animal
01:15
and it's evidenced
22
60000
2000
como se verifica na arte que vemos
01:17
in the art that we see
23
62000
2000
01:19
from thousands of years ago.
24
64000
2000
de há milhares de anos.
01:21
Bluefin are in cave paintings in France.
25
66000
3000
O atum-rabilho, em pinturas
rupestres em França.
rupestres em França.
01:24
They're on coins
26
69000
2000
Aparecem em moedas
que datam de há 3000 anos.
que datam de há 3000 anos.
01:26
that date back 3,000 years.
27
71000
3000
Este peixe era venerado pela humanidade,
01:29
This fish was revered by humankind.
28
74000
3000
01:32
It was fished sustainably
29
77000
2000
era pescado sustentadamente
em todas as épocas,
em todas as épocas,
01:34
till all of time,
30
79000
2000
01:36
except for our generation.
31
81000
2000
com exceção da nossa geração.
01:38
Bluefin are pursued wherever they go --
32
83000
3000
O atum-rabilho é perseguido
para onde quer que vá
para onde quer que vá
01:41
there is a gold rush on Earth,
33
86000
2000
Há uma corrida ao ouro, na Terra
01:43
and this is a gold rush for bluefin.
34
88000
2000
e é uma corrida ao ouro do atum-rabilho.
01:45
There are traps that fish sustainably
35
90000
2000
Há armadilhas que pescavam
sustentadamente até há pouco tempo.
sustentadamente até há pouco tempo.
01:47
up until recently.
36
92000
3000
01:50
And yet, the type of fishing going on today,
37
95000
3000
Contudo, o tipo de pesca que se faz hoje
com redes, com enormes estacas,
01:53
with pens, with enormous stakes,
38
98000
3000
01:56
is really wiping bluefin
39
101000
2000
está a eliminar o atum-rabilho
ecologicamente do planeta.
ecologicamente do planeta.
01:58
ecologically off the planet.
40
103000
2000
02:00
Now bluefin, in general,
41
105000
2000
O atum-rabilho, em geral,
02:02
goes to one place: Japan.
42
107000
2000
vai para um só sítio: o Japão.
02:04
Some of you may be guilty
43
109000
2000
Alguns de vocês podem sentir-se culpados
02:06
of having contributed to the demise of bluefin.
44
111000
2000
por terem contribuído
para a extinção do atum.
para a extinção do atum.
02:08
They're delectable muscle,
45
113000
2000
É uma carne deliciosa, rica em gordura
02:10
rich in fat --
46
115000
2000
02:12
absolutely taste delicious.
47
117000
2000
— tem um sabor delicioso.
02:14
And that's their problem; we're eating them to death.
48
119000
3000
É esse o problema:
estamos a comê-lo até à extinção.
estamos a comê-lo até à extinção.
02:17
Now in the Atlantic, the story is pretty simple.
49
122000
3000
No Atlântico, a história é muito simples.
02:20
Bluefin have two populations: one large, one small.
50
125000
3000
O atum-rabilho tem duas populações:
uma grande e uma pequena.
uma grande e uma pequena.
02:23
The North American population
51
128000
2000
A população da América do Norte
02:25
is fished at about 2,000 ton.
52
130000
3000
é pescada em cerca de 2000 toneladas.
02:28
The European population and North African -- the Eastern bluefin tuna --
53
133000
3000
A população da Europa e do Norte de África
— o atum-rabilho de leste —
— o atum-rabilho de leste —
02:31
is fished at tremendous levels:
54
136000
3000
é pescado a níveis tremendos:
02:34
50,000 tons over the last decade almost every year.
55
139000
3000
umas 50 000 toneladas por ano,
nos últimos 10 anos.
nos últimos 10 anos.
02:37
The result is whether you're looking
56
142000
2000
O resultado é que, se procurarmos
02:39
at the West or the Eastern bluefin population,
57
144000
3000
a população do atum
no Ocidente ou no Oriente,
no Ocidente ou no Oriente,
02:42
there's been tremendous decline on both sides,
58
147000
2000
tem havido um enorme declínio
em ambos os lados,
em ambos os lados,
02:44
as much as 90 percent
59
149000
2000
que atinge os 90%,
02:46
if you go back with your baseline
60
151000
2000
se recuarmos a 1950,
como termo de comparação.
como termo de comparação.
02:48
to 1950.
61
153000
2000
02:50
For that, bluefin have been given a status
62
155000
3000
Por isso, o atum-rabilho
recebeu um estatuto
recebeu um estatuto
02:53
equivalent to tigers, to lions,
63
158000
3000
equivalente aos tigres, aos leões,
02:56
to certain African elephants
64
161000
2000
a certos elefantes africanos
02:58
and to pandas.
65
163000
2000
e aos pandas.
03:00
These fish have been proposed
66
165000
2000
Estes peixes foram propostos
para a lista de espécies em perigo
para a lista de espécies em perigo
03:02
for an endangered species listing in the past two months.
67
167000
3000
nos últimos dois meses.
03:05
They were voted on and rejected
68
170000
2000
Houve uma votação,
03:07
just two weeks ago,
69
172000
2000
mas o pedido foi rejeitado
apenas há duas semanas,
apenas há duas semanas,
03:09
despite outstanding science
70
174000
2000
apesar dos excecionais dados científicos
03:11
that shows from two committees
71
176000
3000
apresentados por duas comissões
de que este peixe satisfaz
os critérios de CITES I.
os critérios de CITES I.
03:14
this fish meets the criteria of CITES I.
72
179000
3000
03:17
And if it's tunas you don't care about,
73
182000
2000
E, mesmo que não se interessem
pelos atuns,
pelos atuns,
03:19
perhaps you might be interested
74
184000
2000
talvez vos interesse saber
03:21
that international long lines and pursing
75
186000
2000
que as grandes empresas
de pesca internacionais
de pesca internacionais
03:23
chase down tunas and bycatch animals
76
188000
3000
que perseguem o atum,
capturam sem querer outros animais
capturam sem querer outros animais
03:26
such as leatherbacks, sharks,
77
191000
2000
como tartarugas, tubarões,
03:28
marlin, albatross.
78
193000
2000
bacalhaus, albatrozes.
03:30
These animals and their demise
79
195000
2000
A redução destes animais
03:32
occurs in the tuna fisheries.
80
197000
3000
ocorre durante a pesca do atum.
03:35
The challenge we face
81
200000
2000
O problema que enfrentamos
03:37
is that we know very little about tuna,
82
202000
3000
é que sabemos muito pouco sobre o atum.
03:40
and everyone in the room knows what it looks like
83
205000
3000
Toda a gente aqui conhece a imagem
03:43
when an African lion
84
208000
2000
de um leão africano a apanhar a sua presa.
03:45
takes down its prey.
85
210000
2000
Duvido que alguém já tenha visto
um atum gigante a alimentar-se.
um atum gigante a alimentar-se.
03:47
I doubt anyone has seen a giant bluefin feed.
86
212000
3000
03:50
This tuna symbolizes
87
215000
3000
Este atum simboliza
03:53
what's the problem for all of us in the room.
88
218000
3000
qual é o problema
para todos nós nesta sala.
para todos nós nesta sala.
Estamos no século XXI,
mas só agora começámos
mas só agora começámos
03:56
It's the 21st century, but we really have only just begun
89
221000
3000
03:59
to really study our oceans in a deep way.
90
224000
3000
a estudar os oceanos de forma profunda.
04:02
Technology has come of age
91
227000
2000
A tecnologia chegou ao ponto
04:04
that's allowing us to see the Earth from space
92
229000
3000
de nos permitir ver a Terra
a partir do espaço
a partir do espaço
04:07
and go deep into the seas remotely.
93
232000
3000
e de mergulharmos nos mares,
por controlo remoto.
por controlo remoto.
04:10
And we've got to use these technologies immediately
94
235000
2000
Temos de usar estas tecnologias
imediatamente
imediatamente
04:12
to get a better understanding
95
237000
2000
para termos uma melhor compreensão
04:14
of how our ocean realm works.
96
239000
3000
sobre a forma como o oceano funciona.
04:17
Most of us from the ship -- even I --
97
242000
2000
Muitos de nós — até eu —
observamos o oceano num barco
observamos o oceano num barco
04:19
look out at the ocean and see this homogeneous sea.
98
244000
3000
e vemos este mar homogéneo.
04:22
We don't know where the structure is.
99
247000
2000
Não sabemos onde está a estrutura.
04:24
We can't tell where are the watering holes
100
249000
3000
Não sabemos onde estão os pontos de água
04:27
like we can on an African plain.
101
252000
3000
como acontece nas savanas africanas.
04:30
We can't see the corridors,
102
255000
2000
Não vemos os corredores
04:32
and we can't see what it is
103
257000
2000
e não vemos o que é que há de comum
04:34
that brings together a tuna,
104
259000
2000
entre o atum, uma tartaruga e um albatroz.
04:36
a leatherback and an albatross.
105
261000
2000
04:38
We're only just beginning to understand
106
263000
2000
Só agora começamos a perceber
04:40
how the physical oceanography
107
265000
2000
como a oceanografia física
04:42
and the biological oceanography
108
267000
2000
e a oceanografia biológica
04:44
come together
109
269000
2000
se encontram para criar uma força sazonal
04:46
to create a seasonal force
110
271000
2000
04:48
that actually causes the upwelling
111
273000
2000
que provoca um afloramento
04:50
that might make a hot spot a hope spot.
112
275000
3000
que pode transformar um ponto crítico
num ponto de esperança.
num ponto de esperança.
04:53
The reasons these challenges are great
113
278000
2000
Há muitas razões para estes problemas
04:55
is that technically it's difficult to go to sea.
114
280000
3000
porque, tecnicamente,
é difícil ir para o mar.
é difícil ir para o mar.
04:58
It's hard to study a bluefin on its turf,
115
283000
2000
É difícil estudar um atum
no seu território,
no seu território,
05:00
the entire Pacific realm.
116
285000
2000
em toda a área do Pacífico.
05:02
It's really tough to get up close and personal with a mako shark
117
287000
4000
É muito difícil aproximarmo-nos
de um grande tubarão
de um grande tubarão
05:06
and try to put a tag on it.
118
291000
2000
e tentar pôr-lhe uma etiqueta.
05:08
And then imagine being Bruce Mate's team from OSU,
119
293000
3000
Depois, imaginem ser
a equipa de Bruce Mate da OSU,
a equipa de Bruce Mate da OSU,
05:11
getting up close to a blue whale
120
296000
2000
aproximarem-se duma baleia azul
05:13
and fixing a tag on the blue whale that stays,
121
298000
3000
e colocarem na baleia azul
uma etiqueta que se mantenha.
uma etiqueta que se mantenha.
05:16
an engineering challenge
122
301000
2000
É um problema de engenharia
05:18
we've yet to really overcome.
123
303000
2000
que ainda não solucionámos.
05:20
So the story of our team, a dedicated team,
124
305000
3000
A história da nossa equipa,
uma equipa dedicada,
uma equipa dedicada,
05:23
is fish and chips.
125
308000
2000
é peixes e "chips".
05:25
We basically are taking
126
310000
2000
Estamos a usar as mesmas peças
que os telefones por satélite,
que os telefones por satélite,
05:27
the same satellite phone parts,
127
312000
2000
05:29
or the same parts that are in your computer, chips.
128
314000
3000
ou as mesmas partes que existem
nos nossos computadores, os "chips".
nos nossos computadores, os "chips".
05:32
We're putting them together in unusual ways,
129
317000
3000
Montamo-las duma forma pouco habitual.
05:35
and this is taking us into the ocean realm
130
320000
2000
e isso leva-nos ao reino do oceano
05:37
like never before.
131
322000
2000
como nunca se fez anteriormente.
05:39
And for the first time,
132
324000
2000
Pela primeira vez,
estamos aptos a observar
a viagem de um atum pelo oceano
a viagem de um atum pelo oceano
05:41
we're able to watch the journey of a tuna beneath the ocean
133
326000
3000
05:44
using light and photons
134
329000
2000
utilizando a luz e os fotões
05:46
to measure sunrise and sunset.
135
331000
3000
para medir o nascer e o pôr-do-sol.
05:49
Now, I've been working with tunas for over 15 years.
136
334000
3000
Tenho trabalhado com atuns
há mais de 15 anos.
há mais de 15 anos.
05:52
I have the privilege of being a partner
137
337000
2000
Tenho o privilégio de ter uma parceria
05:54
with the Monterey Bay Aquarium.
138
339000
2000
com o aquário da Baía de Monterey.
05:56
We've actually taken a sliver of the ocean,
139
341000
2000
Agarrámos num pedaço do oceano
05:58
put it behind glass,
140
343000
2000
e pusemo-lo por detrás de um vidro,
06:00
and we together
141
345000
2000
e, em conjunto, pusemos lá
um atum-rabilho e um atum-amarelo.
um atum-rabilho e um atum-amarelo.
06:02
have put bluefin tuna and yellowfin tuna on display.
142
347000
3000
06:05
When the veil of bubbles lifts every morning,
143
350000
3000
Quando a cortina de bolhas
se eleva todas as manhãs
se eleva todas as manhãs
06:08
we can actually see a community from the Pelagic ocean,
144
353000
3000
vemos uma comunidade do oceano pelágico,
06:11
one of the only places on Earth
145
356000
2000
um dos únicos locais da Terra
06:13
you can see giant bluefin swim by.
146
358000
3000
onde vemos gigantescos
atuns-rabilho a nadar.
atuns-rabilho a nadar.
06:16
We can see in their beauty of form and function,
147
361000
2000
Vemos a sua atividade interminável
na sua beleza de forma e de função.
06:19
their ceaseless activity.
148
364000
2000
Eles voam pelo seu espaço,
o espaço do oceano.
o espaço do oceano.
06:21
They're flying through their space, ocean space.
149
366000
3000
06:24
And we can bring two million people a year
150
369000
2000
Podemos levar dois milhões
de pessoas por ano
de pessoas por ano
06:26
into contact with this fish
151
371000
2000
a entrar em contacto com estes peixes
06:28
and show them its beauty.
152
373000
3000
e mostrar-lhes a sua beleza.
06:31
Behind the scenes is a working lab at Stanford University
153
376000
3000
Nos bastidores, funciona um laboratório
da Universidade de Stanford
da Universidade de Stanford
06:34
partnered with the Monterey Bay Aquarium.
154
379000
2000
em parceria com o Aquário
da Baía de Monterey.
da Baía de Monterey.
06:36
Here, for over 14 or 15 years,
155
381000
2000
Aqui, há mais de 14 ou 15 anos,
06:38
we've actually brought in
156
383000
2000
temos criado o atum-rabilho
e o atum-amarelo, em cativeiro.
e o atum-amarelo, em cativeiro.
06:40
both bluefin and yellowfin in captivity.
157
385000
2000
06:42
We'd been studying these fish,
158
387000
2000
Temos estudado estes peixes,
06:44
but first we had to learn how to husbandry them.
159
389000
2000
mas, primeiro, tivemos
que aprender a criá-los.
que aprender a criá-los.
06:46
What do they like to eat?
160
391000
2000
O que é que eles gostam de comer?
06:48
What is it that they're happy with?
161
393000
2000
Com que é que se sentem felizes?
06:50
We go in the tanks with the tuna -- we touch their naked skin --
162
395000
3000
Entramos nos tanques com os atuns,
tocamos na sua pele nua.
tocamos na sua pele nua.
06:53
it's pretty amazing. It feels wonderful.
163
398000
3000
É espantoso, uma sensação maravilhosa.
06:56
And then, better yet,
164
401000
2000
E, ainda melhor,
06:58
we've got our own version of tuna whisperers,
165
403000
2000
temos a nossa versão
de tratadores de atuns,
de tratadores de atuns,
07:00
our own Chuck Farwell, Alex Norton,
166
405000
2000
os nossos Chuck Farwell, Alex Norton,
07:02
who can take a big tuna
167
407000
2000
que conseguem agarrar num grande atum
07:04
and in one motion,
168
409000
2000
e, com um só movimento,
07:06
put it into an envelope of water,
169
411000
2000
enfiam-no num saco com água,
07:08
so that we can actually work with the tuna
170
413000
2000
para podermos trabalhar com o atum
07:10
and learn the techniques it takes
171
415000
2000
e aprender as técnicas necessárias
07:12
to not injure this fish
172
417000
2000
para não ferir este peixe
07:14
who never sees a boundary in the open sea.
173
419000
3000
que nunca conheceu limites no mar alto.
07:17
Jeff and Jason there, are scientists
174
422000
2000
Jeff e Jason são cientistas
07:19
who are going to take a tuna
175
424000
2000
que vão pôr um atum numa coisa
parecida com uma esteira, uma calha.
parecida com uma esteira, uma calha.
07:21
and put it in the equivalent of a treadmill, a flume.
176
426000
3000
07:24
And that tuna thinks it's going to Japan, but it's staying in place.
177
429000
3000
Este atum julga que vai para o Japão,
mas não sai do seu lugar.
mas não sai do seu lugar.
07:27
We're actually measuring its oxygen consumption,
178
432000
2000
Estamos a medir o consumo de oxigénio,
07:29
its energy consumption.
179
434000
2000
o consumo de energia.
07:32
We're taking this data and building better models.
180
437000
3000
Recolhemos estes dados
e construímos modelos melhores.
e construímos modelos melhores.
07:35
And when I see that tuna -- this is my favorite view --
181
440000
3000
Quando vejo este atum
— é a minha imagem preferida —
— é a minha imagem preferida —
07:38
I begin to wonder:
182
443000
2000
ficou a pensar:
Como é que este peixe resolveu
o problema da longitude antes de nós?
o problema da longitude antes de nós?
07:40
how did this fish solve the longitude problem before we did?
183
445000
3000
07:44
So take a look at that animal.
184
449000
2000
Observem este animal.
É, provavelmente, o mais próximo
que já estiveram dele.
que já estiveram dele.
07:46
That's the closest you'll probably ever get.
185
451000
2000
07:48
Now, the activities from the lab
186
453000
3000
As atividades do laboratório
07:51
have taught us now how to go out in the open ocean.
187
456000
3000
ensinaram-nos a forma de ir ao alto mar.
07:54
So in a program called Tag-A-Giant
188
459000
3000
Num programa chamado Tag-A-Giant
07:57
we've actually gone from Ireland to Canada,
189
462000
3000
fomos da Irlanda ao Canadá,
08:00
from Corsica to Spain.
190
465000
2000
de Corisca a Espanha.
08:02
We've fished with many nations around the world
191
467000
3000
Pescámos com muitas nações
do mundo inteiro
do mundo inteiro
08:05
in an effort to basically
192
470000
2000
numa tentativa
08:07
put electronic computers
193
472000
3000
de pôr computadores eletrónicos
no interior de atuns gigantes.
08:10
inside giant tunas.
194
475000
2000
08:12
We've actually tagged 1,100 tunas.
195
477000
3000
Etiquetámos 1100 atuns
08:15
And I'm going to show you three clips,
196
480000
2000
Vou mostrar três vídeos,
08:17
because I tagged 1,100 tunas.
197
482000
3000
porque eu etiquetei 1100 atuns.
08:20
It's a very hard process, but it's a ballet.
198
485000
3000
É um processo muito difícil,
mas é um bailado.
mas é um bailado.
08:23
We bring the tuna out, we measure it.
199
488000
3000
Trazemos o atum cá para fora e medimo-lo.
08:26
A team of fishers, captains, scientists and technicians
200
491000
3000
Uma equipa de pescadores, de capitães,
de cientistas e de técnicos
de cientistas e de técnicos
08:29
work together to keep this animal out of the ocean
201
494000
3000
trabalham em conjunto para manter
este animal fora do oceano
este animal fora do oceano
08:32
for about four to five minutes.
202
497000
3000
durante cerca de quatro ou cinco minutos.
08:35
We put water over its gills, give it oxygen.
203
500000
3000
Pomos-lhe água nas brânquias,
damos-lhe oxigénio.
damos-lhe oxigénio.
08:38
And then with a lot of effort, after tagging,
204
503000
3000
Depois, com muito esforço,
depois de o etiquetarmos,
depois de o etiquetarmos,
08:41
putting in the computer,
205
506000
2000
de introduzir os dados no computador,
08:43
making sure the stalk is sticking out so it senses the environment,
206
508000
3000
de garantir que a haste sobressai
para captar o ambiente,
para captar o ambiente,
08:46
we send this fish back into the sea.
207
511000
3000
finalmente devolvemos o peixe ao mar.
08:49
And when it goes, we're always happy.
208
514000
2000
Quando ele parte, sentimo-nos contentes.
08:51
We see a flick of the tail.
209
516000
2000
Vemos um batimento da cauda.
08:53
And from our data that gets collected,
210
518000
3000
De acordo com os dados que recolhemos,
08:56
when that tag comes back,
211
521000
2000
quando essa marca aparece
08:58
because a fisher returns it
212
523000
2000
— porque um pescador a devolve
09:00
for a thousand-dollar reward,
213
525000
2000
em troca de uma recompensa
de mil dólares —
de mil dólares —
09:02
we can get tracks beneath the sea
214
527000
2000
podemos obter pistas debaixo do mar
09:04
for up to five years now,
215
529000
2000
que se estendem por cinco anos,
09:06
on a backboned animal.
216
531000
2000
de um grande animal vertebrado.
09:08
Now sometimes the tunas are really large,
217
533000
3000
Às vezes, os atuns são muito grandes,
09:11
such as this fish off Nantucket.
218
536000
2000
como este peixe da costa de Nantucket.
09:13
But that's about half the size
219
538000
2000
Mas este tem metade do tamanho
09:15
of the biggest tuna we've ever tagged.
220
540000
2000
dos maiores que já marcámos.
09:17
It takes a human effort,
221
542000
2000
É preciso um esforço humano de equipa
09:19
a team effort, to bring the fish in.
222
544000
2000
para trazer o peixe para bordo.
09:21
In this case, what we're going to do
223
546000
2000
Neste caso, vamos pôr no atum
09:23
is put a pop-up satellite archival tag on the tuna.
224
548000
3000
uma etiqueta de arquivo,
autodestacável, ligada a satélite
autodestacável, ligada a satélite
09:27
This tag rides on the tuna,
225
552000
2000
Esta etiqueta acompanha o atum,
09:29
senses the environment around the tuna
226
554000
3000
sonda o ambiente em volta do atum
09:32
and actually will come off the fish,
227
557000
3000
e acaba por cair do peixe,
09:35
detach, float to the surface
228
560000
2000
fica a flutuar à superfície
09:37
and send back to Earth-orbiting satellites
229
562000
3000
e envia, para os satélites
em órbita em volta da Terra,
em órbita em volta da Terra,
09:40
position data estimated by math on the tag,
230
565000
3000
os dados das posições calculadas
matematicamente na etiqueta,
matematicamente na etiqueta,
09:43
pressure data and temperature data.
231
568000
3000
dados sobre a pressão e a temperatura.
09:46
And so what we get then from the pop-up satellite tag
232
571000
2000
Assim, com esta etiqueta autodestacável
09:48
is we get away from having to have a human interaction
233
573000
3000
evitamos a necessidade da interação humana
09:51
to recapture the tag.
234
576000
2000
para reaver a etiqueta.
09:53
Both the electronic tags I'm talking about are expensive.
235
578000
3000
Quaisquer das duas etiquetas eletrónicas
de que falei são caras.
de que falei são caras.
09:56
These tags have been engineered
236
581000
2000
Estas etiquetas foram concebidas
09:58
by a variety of teams in North America.
237
583000
3000
por uma série de equipas
na América do Norte.
na América do Norte.
10:01
They are some of our finest instruments,
238
586000
2000
São alguns dos nossos instrumentos
mais sofisticados,
mais sofisticados,
10:03
our new technology in the ocean today.
239
588000
3000
a nossa nova tecnologia no oceano.
10:07
One community in general
240
592000
2000
Uma comunidade, entre todas,
deu-nos maior ajuda
do que qualquer outra comunidade.
do que qualquer outra comunidade.
10:09
has given more to help us than any other community.
241
594000
2000
10:11
And that's the fisheries off the state of North Carolina.
242
596000
3000
São as pescas ao largo
do estado da Carolina do Norte.
do estado da Carolina do Norte.
10:14
There are two villages, Harris and Morehead City,
243
599000
3000
Há duas aldeias, Harris e Morehead City.
10:17
every winter for over a decade,
244
602000
2000
Todos os invernos, durante mais de 10 anos,
10:19
held a party called Tag-A-Giant,
245
604000
3000
faziam uma festa chamada Tag-a-Giant.
10:22
and together, fishers worked with us
246
607000
2000
Os pescadores trabalharam
em conjunto connosco
em conjunto connosco
10:24
to tag 800 to 900 fish.
247
609000
3000
para etiquetar 800 a 900 atuns.
10:27
In this case, we're actually going to measure the fish.
248
612000
3000
Nesta imagem, estamos a medir o peixe.
10:30
We're going to do something that in recent years we've started:
249
615000
3000
Vamos fazer uma coisa
que começámos a fazer nos últimos anos:
que começámos a fazer nos últimos anos:
10:33
take a mucus sample.
250
618000
2000
recolher uma amostra de muco.
10:35
Watch how shiny the skin is; you can see my reflection there.
251
620000
3000
Reparem como a pele é brilhante;
vemos nela o meu reflexo.
vemos nela o meu reflexo.
10:38
And from that mucus, we can get gene profiles,
252
623000
3000
A partir desse muco,
podemos obter perfis de muco,
podemos obter perfis de muco,
10:41
we can get information on gender,
253
626000
2000
podemos obter informações sobre o sexo,
10:43
checking the pop-up tag one more time,
254
628000
2000
verificar a etiqueta autodestacável
mais uma vez
mais uma vez
10:45
and then it's out in the ocean.
255
630000
2000
e, depois, ele regressa ao oceano.
10:47
And this is my favorite.
256
632000
2000
Esta é a minha preferida.
10:49
With the help of my former postdoc, Gareth Lawson,
257
634000
3000
Com a ajuda de Gareth Lawson,
o meu antigo aluno de pós-doutoramento,
o meu antigo aluno de pós-doutoramento,
10:52
this is a gorgeous picture of a single tuna.
258
637000
2000
esta é uma imagem espantosa de um só atum.
10:54
This tuna is actually moving on a numerical ocean.
259
639000
3000
Este atum está a movimentar-se
num oceano numérico.
num oceano numérico.
10:57
The warm is the Gulf Stream,
260
642000
2000
O calor é a Corrente do Golfo,
10:59
the cold up there in the Gulf of Maine.
261
644000
3000
o frio em cima é o Golfo do Maine.
É para onde o atum quer ir,
quer ir comer nos cardumes de arenques,
quer ir comer nos cardumes de arenques,
11:02
That's where the tuna wants to go -- it wants to forage on schools of herring --
262
647000
3000
11:05
but it can't get there. It's too cold.
263
650000
2000
mas não consegue lá chegar
porque está muito frio.
porque está muito frio.
11:07
But then it warms up, and the tuna pops in, gets some fish,
264
652000
3000
Depois, aquece e o atum entra,
apanha alguns peixes,
apanha alguns peixes,
11:10
maybe comes back to home base,
265
655000
2000
talvez volte para a sua base,
11:12
goes in again
266
657000
2000
volta lá novamente
e depois regressa ao inverno
cá em baixo na Carolina do Norte
cá em baixo na Carolina do Norte
11:14
and then comes back to winter down there in North Carolina
267
659000
3000
11:17
and then on to the Bahamas.
268
662000
2000
e depois para as Bahamas.
11:19
And my favorite scene, three tunas going into the Gulf of Mexico.
269
664000
3000
A minha cena preferida:
três atuns a ir para o Golfo do México.
três atuns a ir para o Golfo do México.
11:22
Three tunas tagged.
270
667000
2000
Três atuns com etiquetas.
11:24
Astronomically, we're calculating positions.
271
669000
2000
Estamos a calcular posições.
astronomicamente.
astronomicamente.
11:26
They're coming together. That could be tuna sex --
272
671000
3000
Estão a juntar-se.
Será sexo entre atuns?
Será sexo entre atuns?
11:29
and there it is.
273
674000
2000
E aqui estão eles.
11:31
That is where the tuna spawn.
274
676000
2000
É aqui que os atuns desovam.
11:33
So from data like this,
275
678000
2000
A partir de dados como este,
11:35
we're able now to put the map up,
276
680000
2000
conseguimos completar o mapa.
11:37
and in this map
277
682000
2000
Neste mapa, vemos milhares de posições
11:39
you see thousands of positions
278
684000
2000
11:41
generated by this decade and a half of tagging.
279
686000
3000
geradas pelas etiquetas colocadas
nestes dez anos e meio.
nestes dez anos e meio.
11:44
And now we're showing that tunas on the western side
280
689000
3000
Agora mostramos que os atuns
do lado ocidental
do lado ocidental
11:47
go to the eastern side.
281
692000
2000
vão para o lado oriental.
11:49
So two populations of tunas --
282
694000
2000
Duas populações de atuns.
11:51
that is, we have a Gulf population, one that we can tag --
283
696000
2000
Uma delas é a população do Golfo,
aquela que podemos etiquetar
aquela que podemos etiquetar
11:53
they go to the Gulf of Mexico, I showed you that --
284
698000
3000
que vai para o Golfo do México,
como já mostrei.
como já mostrei.
11:56
and a second population.
285
701000
2000
E há uma segunda população.
11:58
Living amongst our tunas -- our North American tunas --
286
703000
2000
A viver entre os nossos atuns,
os atuns norte-americanos,
os atuns norte-americanos,
12:00
are European tunas that go back to the Med.
287
705000
3000
há atuns europeus
que regressam ao Mediterrâneo.
que regressam ao Mediterrâneo.
12:03
On the hot spots -- the hope spots --
288
708000
2000
Nos pontos críticos
— os pontos de esperança —
— os pontos de esperança —
12:05
they're mixed populations.
289
710000
2000
há populações misturadas.
12:07
And so what we've done with the science
290
712000
2000
O que fizemos, com a ciência,
12:09
is we're showing the International Commission,
291
714000
2000
é que estamos a mostrar
à Comissão Internacional,
à Comissão Internacional,
12:11
building new models,
292
716000
2000
a criar novos modelos,
12:13
showing them that a two-stock no-mixing model --
293
718000
2000
a mostrar-lhes que um modelo
de duas reservas, que não se misturam
de duas reservas, que não se misturam
12:15
to this day, used to reject
294
720000
3000
— um modelo usado até hoje
para rejeitar o tratado do CITES —
para rejeitar o tratado do CITES —
12:18
the CITES treaty --
295
723000
2000
12:20
that model isn't the right model.
296
725000
2000
esse modelo não é o modelo certo.
12:22
This model, a model of overlap,
297
727000
2000
Este modelo, um modelo de sobreposição,
12:24
is the way to move forward.
298
729000
2000
é a forma de avançarmos.
12:26
So we can then predict
299
731000
2000
Assim, podemos prever
12:28
where management places should be.
300
733000
2000
onde devem ser colocados
os locais de gestão.
os locais de gestão.
12:30
Places like the Gulf of Mexico and the Mediterranean
301
735000
3000
Locais como o Golfo do México
e o Mediterrâneo
e o Mediterrâneo
12:33
are places where the single species,
302
738000
2000
são locais onde podemos capturar
12:35
the single population, can be captured.
303
740000
2000
espécies individuais, populações únicas.
12:37
These become forthright in places we need to protect.
304
742000
3000
São estes os locais
que é preciso proteger.
que é preciso proteger.
12:40
The center of the Atlantic where the mixing is,
305
745000
3000
Para o centro do Atlântico,
onde se dá a mistura,
onde se dá a mistura,
12:43
I could imagine a policy that lets Canada and America fish,
306
748000
2000
imagino uma política que deixe
o Canadá e os EUA pescarem
o Canadá e os EUA pescarem
12:45
because they manage their fisheries well,
307
750000
3000
porque eles gerem bem as pescas,
12:48
they're doing a good job.
308
753000
2000
estão a fazer um bom trabalho.
12:50
But in the international realm,
309
755000
2000
Mas a nível internacional,
12:52
where fishing and overfishing has really gone wild,
310
757000
2000
onde a pesca e a pesca em excesso
não têm limites,
não têm limites,
12:54
these are the places that we have to make hope spots in.
311
759000
3000
estes são os locais onde precisamos
de pontos de esperança.
de pontos de esperança.
12:57
That's the size they have to be to protect the bluefin tuna.
312
762000
3000
Este é o tamanho que devem ter
para se proteger o atum-rabilho.
para se proteger o atum-rabilho.
13:00
Now in a second project
313
765000
2000
Agora, num segundo projeto
13:02
called Tagging of Pacific Pelagics,
314
767000
2000
chamado Tagging of Pacific Pelagics
13:04
we took on the planet as a team,
315
769000
2000
nós, que fazemos parte
do Censo da Vida Marinha,
do Censo da Vida Marinha,
13:06
those of us in the Census of Marine Life.
316
771000
2000
estudámos o planeta em equipa.
13:08
And, funded primarily through Sloan Foundation and others,
317
773000
4000
Financiados sobretudo
pela Fundação Sloan, entre outras,
pela Fundação Sloan, entre outras,
13:12
we were able to actually go in, in our project --
318
777000
3000
pudemos avançar com o nosso projeto
13:15
we're one of 17 field programs
319
780000
2000
— somos um dos 17 programas de campo —
13:17
and begin to take on tagging large numbers of predators,
320
782000
3000
e começámos a etiquetar
grande número de predadores,
grande número de predadores,
13:20
not just tunas.
321
785000
2000
não são só os atuns.
13:22
So what we've done
322
787000
2000
Fomos etiquetar o tubarão-salmão
no Alasca,
no Alasca,
13:24
is actually gone up to tag salmon shark in Alaska,
323
789000
3000
13:27
met salmon shark on their home territory,
324
792000
3000
Encontrámos o tubarão-salmão
no seu território natural,
no seu território natural,
13:30
followed them catching salmon
325
795000
2000
seguimo-lo enquanto
eles apanhavam salmões.
eles apanhavam salmões.
13:32
and then went in and figured out
326
797000
2000
Depois pensámos
13:34
that, if we take a salmon and put it on a line,
327
799000
3000
que, se agarrássemos num salmão
e o puséssemos numa linha de pesca,
e o puséssemos numa linha de pesca,
13:37
we can actually take up a salmon shark --
328
802000
2000
podíamos apanhar um tubarão-salmão.
13:39
This is the cousin of the white shark --
329
804000
2000
Este é primo do tubarão-branco.
13:41
and very carefully --
330
806000
2000
Muito cuidadosamente,
— reparem, eu disse
"muito cuidadosamente" —
"muito cuidadosamente" —
13:43
note, I say "very carefully," --
331
808000
2000
13:45
we can actually keep it calm,
332
810000
2000
podemos mantê-lo calmo,
13:47
put a hose in its mouth, keep it off the deck
333
812000
3000
colocamos uma mangueira na boca,
mantemo-lo no convés
mantemo-lo no convés
13:50
and then tag it with a satellite tag.
334
815000
3000
e colocamos-lhe uma etiqueta por satélite.
13:53
That satellite tag will now have your shark phone home
335
818000
3000
Essa etiqueta tem um número de telefone
13:56
and send in a message.
336
821000
2000
que enviará uma mensagem.
13:58
And that shark leaping there, if you look carefully, has an antenna.
337
823000
3000
Aquele tubarão que deu um salto,
se olharem bem, tem uma antena.
se olharem bem, tem uma antena.
14:01
It's a free swimming shark with a satellite tag
338
826000
2000
É um tubarão que nada em liberdade,
com uma etiqueta por satélite,
com uma etiqueta por satélite,
14:03
jumping after salmon,
339
828000
2000
a saltar para apanhar salmões
14:05
sending home its data.
340
830000
3000
e a enviar informações.
14:09
Salmon sharks aren't the only sharks we tag.
341
834000
2000
Não etiquetamos apenas
os tubarões-salmão.
os tubarões-salmão.
14:11
But there goes salmon sharks with this meter-level resolution
342
836000
3000
Mas estes tubarões-salmão
andam com este medidor
andam com este medidor
14:14
on an ocean of temperature -- warm colors are warmer.
343
839000
3000
da temperatura do oceano
— mais quente onde há cores mais quentes.
— mais quente onde há cores mais quentes.
14:17
Salmon sharks go down
344
842000
2000
Os tubarões-salmão descem até aos trópicos
14:19
to the tropics to pup
345
844000
2000
14:21
and come into Monterey.
346
846000
2000
e chegam a Monterey.
14:23
Now right next door in Monterey and up at the Farallones
347
848000
3000
Mesmo ao pé de Monterey,
mais acima nas Farallones,
mais acima nas Farallones,
14:26
are a white shark team led by Scott Anderson -- there --
348
851000
2000
há uma equipa para os tubarões-brancos
14:28
and Sal Jorgensen.
349
853000
2000
chefiada por Scott Anderson
e por Sal Jorgensen.
e por Sal Jorgensen.
14:30
They can throw out a target --
350
855000
2000
Podem lançar uma etiqueta
14:32
it's a carpet shaped like a seal --
351
857000
2000
— é um tapete com a forma de uma foca —
14:34
and in will come a white shark, a curious critter
352
859000
3000
e aparece um tubarão-branco,
uma criatura curiosa,
uma criatura curiosa,
14:37
that will come right up to our 16-ft. boat.
353
862000
3000
que se aproxima do nosso barco
com cinco metros.
com cinco metros.
14:40
It's a several thousand-pound animal.
354
865000
2000
É um animal que pode ter
mais de duas toneladas.
mais de duas toneladas.
14:42
And we'll wind in the target.
355
867000
3000
Anda à roda do alvo
14:45
And we'll place an acoustic tag
356
870000
2000
e colocamos-lhe uma etiqueta acústica
14:47
that says, "OMSHARK 10165,"
357
872000
2000
que diz: "OMSHARK 10165,"
ou qualquer coisa parecida,
ou qualquer coisa parecida,
14:49
or something like that, acoustically with a ping.
358
874000
3000
com um zumbido acústico.
14:52
And then we'll put on a satellite tag
359
877000
2000
Depois colocamos uma etiqueta por satélite
14:54
that will give us the long-distance journeys
360
879000
3000
que nos dará as viagens de longa distância
com os algoritmos para localização
geográfica, com base na luz,
geográfica, com base na luz,
14:57
with the light-based geolocation algorithms
361
882000
2000
14:59
solved on the computer that's on the fish.
362
884000
3000
com resolução no computador
que está no peixe.
que está no peixe.
15:02
So in this case, Sal's looking at two tags there,
363
887000
3000
Nesta imagem, Sal está a observar
duas etiquetas
duas etiquetas
15:05
and there they are: the white sharks of California
364
890000
3000
e cá estão eles: os tubarões-brancos
da Califórnia,
da Califórnia,
15:08
going off to the white shark cafe and coming back.
365
893000
3000
a irem ao café dos tubarões-brancos
e a regressarem.
e a regressarem.
Também etiquetamos tubarões-sardos
15:12
We also tag makos with our NOAA colleagues,
366
897000
2000
15:14
blue sharks.
367
899000
2000
com os nossos colegas da NOAA.
15:16
And now, together, what we can see
368
901000
2000
Agora, em conjunto, podemos ver
15:18
on this ocean of color that's temperature,
369
903000
2000
neste oceano com cores das temperaturas,
15:20
we can see ten-day worms of makos and salmon sharks.
370
905000
3000
podemos ver larvas de 10 dias
de tubarões-sardo e tubarões-salmão.
de tubarões-sardo e tubarões-salmão.
15:24
We have white sharks and blue sharks.
371
909000
2000
Temos tubarões-brancos
e tubarões-rabilho.
e tubarões-rabilho.
15:26
For the first time,
372
911000
2000
Pela primeira vez,
15:28
an ecoscape as large as ocean-scale,
373
913000
2000
um reservatório ecológico
do tamanho de um oceano,
do tamanho de um oceano,
15:30
showing where the sharks go.
374
915000
3000
que mostra para onde vão os tubarões.
15:33
The tuna team from TOPP has done the unthinkable:
375
918000
3000
A equipa dos atuns de TOPP
realizou o inimaginável:
realizou o inimaginável:
15:36
three teams tagged 1,700 tunas,
376
921000
3000
Três equipas marcaram 1700 atuns,
15:39
bluefin, yellowfin and albacore
377
924000
2000
rabilhos, amarelos e albacoras,
15:41
all at the same time --
378
926000
2000
todos na mesma altura.
15:43
carefully rehearsed tagging programs
379
928000
2000
Ensaiaram cuidadosamente
programas de etiquetagem
programas de etiquetagem
15:45
in which we go out, pick up juvenile tunas,
380
930000
3000
em que saíam,
apanhavam atuns jovens,
apanhavam atuns jovens,
15:48
put in the tags that actually have the sensors,
381
933000
3000
colocavam as etiquetas
que têm os sensores,
que têm os sensores,
15:51
stick out the tuna
382
936000
2000
sintonizavam-nos
15:53
and then let them go.
383
938000
2000
e depois libertavam-nos.
15:55
They get returned, and when they get returned,
384
940000
2000
Eles depois regressavam
e, quando regressavam,
e, quando regressavam,
15:57
here on a NASA numerical ocean
385
942000
3000
aqui num oceano numérico da NASA
16:00
you can see bluefin in blue
386
945000
2000
vemos atuns-rabilho a azul
16:02
go across their corridor,
387
947000
2000
a atravessar o seu corredor,
16:04
returning to the Western Pacific.
388
949000
3000
regressando ao Pacífico Ocidental.
16:07
Our team from UCSC has tagged elephant seals
389
952000
3000
A nossa equipa da UCSC
etiquetou elefantes-marinhos
etiquetou elefantes-marinhos
16:10
with tags that are glued on their heads, that come off when they slough.
390
955000
3000
com etiquetas coladas na cabeça
que caem quando eles perdem o pelo.
que caem quando eles perdem o pelo.
16:13
These elephant seals cover half an ocean,
391
958000
3000
Estes elefantes-marinhos
cobrem metade de um oceano,
cobrem metade de um oceano,
16:16
take data down to 1,800 feet --
392
961000
2000
recolhem dados até 550 m de profundidade,
16:18
amazing data.
393
963000
2000
informações espantosas.
16:20
And then there's Scott Shaffer and our shearwaters
394
965000
3000
Depois, há Scott Shaffer
e as nossas pardelas
e as nossas pardelas
16:23
wearing tuna tags, light-based tags,
395
968000
3000
que usam etiquetas de atuns,
etiquetas com base na luz,
etiquetas com base na luz,
16:26
that now are going to take you from New Zealand to Monterey and back,
396
971000
3000
que vão da Nova Zelândia
até Monterey e regressam,
até Monterey e regressam,
16:29
journeys of 35,000 nautical miles
397
974000
3000
uma viagem de 35 000 milhas náuticas
16:32
we had never seen before.
398
977000
2000
que nunca tínhamos visto.
16:34
But now with light-based geolocation tags that are very small,
399
979000
3000
Agora, com as etiquetas de localização
geográfica, que são muito pequenas,
geográfica, que são muito pequenas,
16:37
we can actually see these journeys.
400
982000
2000
podemos ver essas viagens.
16:39
Same thing with Laysan albatross
401
984000
2000
O mesmo com o albatroz-de-laysan
16:41
who travel an entire ocean
402
986000
2000
que atravessa todo o oceano,
16:43
on a trip sometimes,
403
988000
2000
por vezes, numa só viagem,
16:45
up to the same zone the tunas use.
404
990000
2000
até à mesma zona usada pelos atuns.
16:47
You can see why they might be caught.
405
992000
3000
Vemos porque é que podem ser apanhados.
16:50
Then there's George Schillinger and our leatherback team out of Playa Grande
406
995000
3000
Também temos George Shillinger
e a nossa equipa
de tartarugas da Playa Grande,
de tartarugas da Playa Grande,
16:53
tagging leatherbacks
407
998000
2000
a etiquetar tartarugas-de-couro
16:55
that go right past where we are.
408
1000000
3000
que passam por onde nós estamos.
16:58
And Scott Benson's team
409
1003000
2000
E a equipa de Scott Benson
que mostrou que essas tartarugas
vão da Indonésia até Monterey.
vão da Indonésia até Monterey.
17:00
that showed that leatherbacks go from Indonesia
410
1005000
2000
17:02
all the way to Monterey.
411
1007000
2000
17:04
So what we can see on this moving ocean
412
1009000
3000
Neste oceano em movimento,
17:07
is we can finally see where the predators are.
413
1012000
3000
podemos ver, finalmente ,
onde estão os predadores.
onde estão os predadores.
17:10
We can actually see how they're using ecospaces
414
1015000
3000
Podemos ver como usam um espaço ecológico,
17:13
as large as an ocean.
415
1018000
2000
tão grande como um oceano.
17:15
And from this information,
416
1020000
2000
E, a partir destas informações,
17:17
we can begin to map the hope spots.
417
1022000
3000
podemos começar a mapear
os pontos críticos.
os pontos críticos.
Aqui temos apenas três anos de informações
17:20
So this is just three years of data right here --
418
1025000
2000
17:22
and there's a decade of this data.
419
1027000
2000
mas temos dados destes durante 10 anos.
17:24
We see the pulse and the seasonal activities
420
1029000
2000
Vemos o ritmo e as atividades sazonais
17:26
that these animals are going on.
421
1031000
3000
destes animais.
17:30
So what we're able to do with this information
422
1035000
2000
Com estas informações,
17:32
is boil it down to hot spots,
423
1037000
3000
podemos reduzir os pontos críticos,
17:35
4,000 deployments,
424
1040000
2000
Quatro mil pontos críticos,
17:37
a huge herculean task,
425
1042000
3000
uma tarefa hercúlea.
17:40
2,000 tags
426
1045000
2000
Duas mil etiquetas
17:42
in an area, shown here for the first time,
427
1047000
2000
numa área, que aqui mostramos
pela primeira vez,
pela primeira vez,
17:44
off the California coast,
428
1049000
2000
ao largo da costa da Califórnia,
17:46
that appears to be a gathering place.
429
1051000
3000
que parece ser um local de reunião.
17:50
And then for sort of an encore from these animals,
430
1055000
3000
Como uma espécie de bis,
17:53
they're helping us.
431
1058000
2000
estes animais estão a ajudar-nos.
17:55
They're carrying instruments
432
1060000
2000
Eles transportam instrumentos
que estão a recolher dados
a 2000 m de profundidade.
a 2000 m de profundidade.
17:57
that are actually taking data down to 2,000 meters.
433
1062000
3000
18:00
They're taking information from our planet
434
1065000
2000
Estão a recolher informações
sobre o nosso planeta
sobre o nosso planeta
18:02
at very critical places like Antarctica and the Poles.
435
1067000
3000
em locais muito críticos
como a Antártida e os polos.
como a Antártida e os polos.
18:05
Those are seals from many countries
436
1070000
2000
Aquelas são focas de muitos países
a serem libertadas
a serem libertadas
18:07
being released
437
1072000
2000
e estão a recolher amostras
por baixo das placas de gelo.
por baixo das placas de gelo.
18:09
who are sampling underneath the ice sheets
438
1074000
2000
18:11
and giving us temperature data of oceanographic quality
439
1076000
3000
que nos dão dados da temperatura
da qualidade oceanográfica,
da qualidade oceanográfica,
18:14
on both poles.
440
1079000
2000
nos dois polos.
18:16
This data, when visualized, is captivating to watch.
441
1081000
3000
É cativante observar
esses dados, quando visualizados,
esses dados, quando visualizados,
18:19
We still haven't figured out best how to visualize the data.
442
1084000
3000
Mas ainda não arranjámos a melhor forma
de visualizar estes dados.
de visualizar estes dados.
18:22
And then, as these animals swim
443
1087000
2000
Além disso, enquanto estes animais nadam
18:24
and give us the information
444
1089000
2000
e nos dão as informações
18:26
that's important to climate issues,
445
1091000
2000
que são importantes
para questões climáticas,
para questões climáticas,
18:28
we also think it's critical
446
1093000
2000
também pensamos que é fundamental
18:30
to get this information to the public,
447
1095000
2000
disponibilizar ao público
estas informações,
estas informações,
18:32
to engage the public with this kind of data.
448
1097000
3000
para envolver o público
com este tipo de dados.
com este tipo de dados.
18:35
We did this with the Great Turtle Race --
449
1100000
2000
Fizemos isso com a Corrida das Tartarugas
18:37
tagged turtles, brought in four million hits.
450
1102000
3000
— tartarugas com etiquetas,
trouxeram-nos quatro milhões de visitas.
trouxeram-nos quatro milhões de visitas.
18:40
And now with Google's Oceans,
451
1105000
3000
Agora, com os Oceans da Google,
podemos pôr um tubarão-branco
naquele oceano.
naquele oceano.
18:43
we can actually put a white shark in that ocean.
452
1108000
2000
18:45
And when we do and it swims,
453
1110000
2000
Quando o fazemos e ele nada,
18:47
we see this magnificent bathymetry
454
1112000
2000
vemos esta magnífica batimetria
18:49
that the shark knows is there on its path
455
1114000
2000
que o tubarão sabe
que existe ali, no seu caminho,
que existe ali, no seu caminho,
18:51
as it goes from California to Hawaii.
456
1116000
2000
quando vai da Califórnia até ao Havai.
18:53
But maybe Mission Blue
457
1118000
2000
Mas talvez a Mission Blue
18:55
can fill in that ocean that we can't see.
458
1120000
3000
consiga preencher esse oceano
que não conseguimos ver.
que não conseguimos ver.
18:58
We've got the capacity, NASA has the ocean.
459
1123000
3000
Temos essa capacidade.
A NASA tem o oceano.
A NASA tem o oceano.
Só precisamos de juntar tudo.
19:01
We just need to put it together.
460
1126000
2000
19:03
So in conclusion,
461
1128000
2000
Em conclusão,
19:05
we know where Yellowstone is for North America;
462
1130000
3000
sabemos o que Yellowstone
representa para os EUA.
representa para os EUA.
19:08
it's off our coast.
463
1133000
2000
Está ao largo da nossa costa.
19:10
We have the technology that's shown us where it is.
464
1135000
2000
Temos a tecnologia
que nos mostra onde está.
que nos mostra onde está.
19:12
What we need to think about perhaps for Mission Blue
465
1137000
3000
Precisamos de pensar que a Mission Blue
talvez aumente a capacidade
do registo biológico.
do registo biológico.
19:15
is increasing the biologging capacity.
466
1140000
3000
19:18
How is it that we can actually
467
1143000
2000
Como poderemos fazer
19:20
take this type of activity elsewhere?
468
1145000
3000
este tipo de atividade noutro sítio?
19:23
And then finally -- to basically get the message home --
469
1148000
3000
Por fim — para levar
uma mensagem para casa —
uma mensagem para casa —
talvez usar ligações em direto
19:26
maybe use live links
470
1151000
2000
de animais como as baleias azuis
e os tubarões-brancos
e os tubarões-brancos
19:28
from animals such as blue whales and white sharks.
471
1153000
2000
19:30
Make killer apps, if you will.
472
1155000
2000
Fazer aplicações "killer", se quiserem.
19:32
A lot of people are excited
473
1157000
2000
Muitas pessoas ficam entusiasmadas
19:34
when sharks actually went under the Golden Gate Bridge.
474
1159000
3000
quando os tubarões passam
por baixo da Ponte Golden Gate.
por baixo da Ponte Golden Gate.
19:37
Let's connect the public to this activity right on their iPhone.
475
1162000
3000
Liguemos o público a esta atividade
através do iPhone.
através do iPhone.
19:40
That way we do away with a few internet myths.
476
1165000
3000
Desse modo, acabamos
com alguns mitos da Internet.
com alguns mitos da Internet.
19:44
So we can save the bluefin tuna.
477
1169000
2000
Podemos salvar o atum-rabilho.
19:46
We can save the white shark.
478
1171000
2000
Podemos salvar o atum-branco.
19:48
We have the science and technology.
479
1173000
2000
Temos a ciência e a tecnologia.
19:50
Hope is here. Yes we can.
480
1175000
2000
Há esperança. Sim, podemos.
19:52
We need just to apply this capacity
481
1177000
2000
Basta aplicar esta capacidade
19:54
further in the oceans.
482
1179000
2000
nos oceanos.
19:56
Thank you.
483
1181000
2000
Obrigada.
19:58
(Applause)
484
1183000
2000
(Aplausos)
ABOUT THE SPEAKER
Barbara Block - Marine biologistBarbara Block studies how tuna, billfish and sharks move around (and stay warm) in the open ocean. Knowing how these large predators travel through pelagic waters will help us understand their role in the wider ocean ecosystem.
Why you should listen
Barbara Block takes a multidisciplinary approach to studying how large pelagic fish live and travel in the open ocean. Using novel electronic tags, Block and her team track large predators — tunas, billfish and sharks — on their ocean journeys. She also studies how and why muscle makes heat at a molecular level in fish.
Working out of Stanford's Hopkins Marine Station, Block and her colleagues run the Tuna Research and Conservation Center, a member of the Tagging of Pacific Predators (TOPP) program. Combining tracking data with physiological and genetic analyses, Block (a MacArthur "genius" grant winner) is developing population and ecological models to help us understand these fishes' roles in the ocean ecosystem — and perhaps learn to better manage these important food fish.
Barbara Block | Speaker | TED.com