Zo klinkt het klimaat

Wetenschappelijke resultaten omzetten naar muzieknoten helpt om de data beter te begrijpen en om tot diepere inzichten te komen.

Sonification. Zo heet het omzetten van wetenschappelijke gegevens naar geluiden. Het onderzoeksveld bestaat al sinds 1992. Nu is er ook een handboek, meldt vakblad PNAS. Daarin reikt een aantal toonaangevende experts technieken aan om data te vertalen naar muziek.

Soms kunnen we iets beter horen dan zien, stellen de wetenschappers uit onder andere Duitsland en de Verenigde Staten. Zoals timing. Stel dat je een groot databestand bestudeert, verzameld over flink wat jaren. Dan is het lastig om het overzicht te bewaren en afwijkingen of bijzonderheden op te merken. Als je luistert, gaat dat veel makkelijker en sneller. Oceanografie en astronomie zijn bijvoorbeeld onderzoeksvelden die veranderingen over grote tijdsperiodes bestuderen. Maar er zijn er nog meer. Een greep uit de opvallendste ‘muzikale’ studies.

Klimaatmuziek

Wetenschappers verzamelden de temperatuurgegevens van 1880 tot 2015, van Amazone tot Noordpoolgebied. De verschillen in temperatuur zetten ze om in verschillende toonhoogtes: hoge noten zijn warm; lage noten koud. Vier instrumenten (één per breedtegraad) spelen voor elk jaar één toon.

Het muziekstuk maakt duidelijk dat de temperaturen de laatste jaren flink gestegen zijn. De laagste temperatuur van -47 graden Celsius werd behaald in 1909 en vertaald naar de laagste noot, de C–snaar, op de cello. Van daaruit verandert de temperatuur nog drie octaven, dat wil zeggen nog drie C–tonen hoger.

Nanomateriaal

Een van de eerste sonification-projecten boog zich over nanomateriaal. Dat zijn deeltjes tussen de 1 en 1.000 nanometer (10-9 meter). Data bestemd om de structuur van deze deeltjes te achterhalen is heel dynamisch: er vinden veel veranderingen plaats. Bovendien zijn de bestanden zo groot dat die niet op een computerscherm passen. Wetenschappers worden zo steeds onderbroken omdat ze een nieuwe dataset klaar moeten maken. Door de data te vertalen naar muziek kunnen de wetenschappers alle data onafgebroken beluisteren, en de dynamiek sneller oppikken. 

Armoede in de metro

Muziek kan ook inkomensongelijkheid laten horen. Dat is gebeurd met gegevens van wijken in New York, zoals je daar met een bepaalde metrolijn langskomt: Brooklyn, Manhattan en The Bronx. Als het gemiddelde inkomen van een wijk hoger ligt, zijn niet alleen meer geluiden te horen, maar verhoogt ook het volume en de kracht van de instrumenten. Soms hoor je drie instrumenten, soms 30. Steeds worden dezelfde regels toegepast en dezelfde berekeningen uitgevoerd om van data tot muzieknoten te komen. Elk gemiddeld inkomen representeert steeds één instrument dat de muzikant op een bepaald volume en tempo bespeelt.

Parkinson

Niet alleen maakt muziek data inzichtelijker, ook zijn patiënten met de ziekte van Parkinson mogelijk gebaat bij deze vertaalslag. Zo ontwikkelt Margaret Schedel (Stony Brook University in New York), een instrument waarmee ze parkinsonpatiënten helpt om beter te lopen. Daar hebben zij vaak moeite mee. Door sensoren op de voeten te plaatsen, haal je informatie binnen over de tijd: hoe lang doet een voet erover om één stap te zetten. En ruimtelijke data: hoe groot is de afstand van één stap.

Dan de vertaalslag. Toonhoogte gaat van hoog naar laag als de voet omhoog gaat om een stap te zetten. Meer vibratie in het geluid betekent dat de stap meer van het midden vandaan gaat. Zo gaan de componisten ermee aan de slag. Een onstabiele manier van wandelen is op die manier makkelijk op te merken.  Schedel hoopt dat patiënten uiteindelijk zichzelf kunnen corrigeren door naar de geluiden van hun stappen te luisteren. Een pilotstudie toonde al aan dat patiënten in de muziek herkennen waar ze de mist in gaan. Verder onderzoek moet uitwijzen of ze met die kennis vervolgens stabieler gaan lopen.

Luisteren naar je data is geen vervanging van andere manieren om de data te verkennen, waarschuwen de wetenschappers nog. Het is een toevoeging, je kunt geen conclusies trekken. Ook zal het niet voor alle databestanden toegevoegde waarde hebben. Vooral wetenschappers die te maken hebben met gegevens waarbij veranderingen over tijd of ruimte een belangrijke rol spelen, kunnen profijt bij hebben.