La Tierra Es Ruidosa. ¿Por qué sus datos deberían ser silenciosos?

Las erupciones volcánicas pueden involucrar todos nuestros sentidos. Escenas dramáticas de flujos de lava y nubes de ceniza, el sonido y la sensación de las vibraciones sísmicas, el olor y el sabor de las emisiones de gases y cenizas, la intensidad del calor: los instrumentos científicos pueden medir y registrar las causas físicas y químicas de estas sensaciones y preservarlas. como datos numéricos. Sin embargo, cuando los científicos analizan datos para buscar patrones y anomalías, recurren con mayor frecuencia a representaciones visuales. ¿Podrían nuestros otros sentidos decirnos cosas que nuestros ojos no ven?

El sistema auditivo humano a veces supera a la visión al ayudar a las personas a detectar patrones temporales sutiles o descubrir relaciones de causa y efecto.

Los gráficos, las fotos, los mapas y los videos son herramientas familiares y bien utilizadas para la visualización. Sin embargo, el sistema auditivo humano a veces supera a la visión al ayudar a las personas a detectar patrones temporales sutiles o descubrir relaciones de causa y efecto entre múltiples flujos de datos. En la investigación, las nuevas formas de examinar los datos a menudo conducen a descubrimientos. La visualización auditiva y la sonificación, la representación de datos a través del sonido, tienen un gran potencial para el avance de la ciencia al ayudar a los científicos a aprovechar al máximo sus capacidades creativas y deductivas.

La sonificación se ha utilizado de forma limitada en el pasado, como a través de los conocidos sonidos de las pantallas de sonar y los contadores Geiger. Ha llegado el momento de llevar esta capacidad a un uso más amplio en la investigación. Los esfuerzos de divulgación y educación científica también pueden aprovechar las tendencias culturales actuales y los desarrollos tecnológicos que facilitan experiencias multimedia inmersivas para hacer que la información sea accesible a audiencias más amplias y no técnicas mediante el uso de sonido [p. ej., Holtzman et al., 2014]. Además, la sonificación proporciona un marco para que los científicos con discapacidad visual perciban y evalúen los datos [p. ej., Song y Beilharz, 2007], que potencialmente tienen una percepción y una conciencia auditivas más desarrolladas que las personas sin discapacidad visual.

La sonificación implica pasos de procesamiento de datos que a veces son análogos y complementarios a los utilizados en los métodos de aprendizaje automático [Holtzman et al., 2018], que pueden revelar rápidamente características importantes y flujos de trabajo útiles para explorar conjuntos de datos [Barth et al., 2020]. En combinación con los resultados del modelo, que también pueden representarse auditivamente, las características identificadas a través de la sonificación de datos físicos pueden conducir a una nueva comprensión de los sistemas naturales complejos en el entorno sólido de la Tierra y la superficie.

La sonificación directa es una de las formas más simples de visualización auditiva y se puede aplicar fácilmente a una gran variedad de datos oscilatorios.

En geociencia, la sonificación se ha utilizado en sismología desde la Guerra Fría [Speeth, 1961]. Los científicos reconocieron que el oído humano podía distinguir entre explosiones de bombas y terremotos tectónicos simplemente acelerando las grabaciones de sacudidas del suelo al rango del oído humano (~20 hercios a 20 kilohercios). Esta sonificación directa es una de las formas más simples de visualización auditiva y se puede aplicar fácilmente (con el preprocesamiento adecuado) a una amplia gama de datos oscilatorios, como los que detallan las órbitas planetarias, la sismicidad, el infrasonido, los registros sedimentarios o de núcleos de hielo y el paleomagnetismo.

Un trabajo reciente ha demostrado que incluso sin un entrenamiento especial, los humanos pueden distinguir las características de la propagación de ondas sísmicas a través de la Tierra a partir de las firmas de la fuente del terremoto en pantallas auditivas de sismogramas, y esta habilidad mejora después del entrenamiento [Boschi et al., 2017]. Debido a que las frecuencias de interés en los datos de terremotos telesísmicos (0,0001–10 hercios) están muy por debajo del límite inferior del rango auditivo humano, la sonificación directa requiere que los datos sin procesar se cambien a frecuencias más altas. Este cambio de frecuencia, que multiplica los tiempos de observación muestreados discretamente por un factor de velocidad, representa un parámetro estético que debe elegirse, como el color o el tamaño de un símbolo en un gráfico visual.

Al sonificar catálogos de terremotos u otros eventos de generación de datos oscilatorios, los investigadores pueden usar múltiples factores de velocidad para estirar o comprimir eventos individuales mientras preservan con precisión la secuencia de tiempo del catálogo. La espacialización de audio también puede ayudar a distinguir sonidos o representar parámetros espaciales, como hipocentros de terremotos, en relación con una ubicación de observación elegida [Paté et al., 2022].

Recibe las noticias científicas más fascinantes de la semana en tu bandeja de entrada todos los viernes.

La sonificación también se puede aplicar a conjuntos de datos que no son simplemente oscilatorios, aunque se requieren opciones adicionales más allá de los factores de velocidad para representar otros parámetros. Un enfoque popular es la sonificación de asignación de parámetros, en la que los parámetros de datos se asignan a los parámetros del sonido. Por ejemplo, el tono de un silbido continuo de una tetera aumenta a medida que aumenta la velocidad de ebullición del agua. La frecuencia de sonido ascendente indica un aumento en el flujo de vapor a través del orificio en el pico, un proceso físico que es un indicador sónico de la tasa de ebullición. Los enfoques generales de sonificación logran esto al transformar los datos en sonido. Otros enfoques pueden, por ejemplo, representar eventos específicos como terremotos con un sonido específico llamado icono auditivo. El icono auditivo se puede modular sobre la base de aspectos de los datos, como usar un tono más alto y menos reverberación para eventos sísmicos de menor magnitud.

Emparejar la sonificación con la animación para que los sistemas auditivo y visual puedan trabajar juntos es otro enfoque a menudo útil.

Como bien saben los músicos, muchos parámetros pueden ayudar a distinguir entre sonidos: el tono, el volumen, el timbre y la complejidad armónica y temporal se pueden manipular y asignar a los datos. Los enfoques como la síntesis granular que son comunes en la ingeniería de audio y la música por computadora también representan herramientas poderosas para representar datos científicos diversos y de alta dimensión [Roads, 2004].

Combinar la sonificación con la animación para que los sistemas auditivo y visual puedan trabajar juntos es otro enfoque a menudo útil [Holtzman et al., 2014]. Las "películas de datos" resultantes suelen incluir una clave audiovisual que explica las reglas algorítmicas auditivas y visuales para generar la representación de datos. Las animaciones incorporan herramientas de representación de datos visuales y permiten la inclusión de más tipos de datos, así como modelos que facilitan la interpretación.

Para demostrar la gama de técnicas de sonificación y el enfoque de película de datos descrito anteriormente, hemos trabajado con múltiples conjuntos de datos que registran la actividad volcánica en el volcán Kīlauea en Hawái.

Kīlauea, uno de los volcanes más activos del mundo, es alimentado por el derretimiento por descompresión de una pluma del manto que también alimenta a otros volcanes activos en la isla de Hawai'i (Figura 1). El respiradero de la cumbre de Kīlauea estuvo activo desde 2008 hasta 2018, y en ese tiempo albergó un lago de lava activo que proporcionó una ventana abierta al sistema de magma subyacente [Patrick et al., 2021].

Esta actividad de la cumbre estuvo acompañada de erupciones efusivas (no explosivas) intermitentes a lo largo de East Rift Zone de Kīlauea, como la erupción de Kamoamoa en 2011. La actividad culminó en 2018 con una erupción en East Rift Zone que produjo aproximadamente 1 kilómetro cúbico de magma, dañando vecindarios cercanos y infraestructura e indujo una secuencia de meses de eventos de colapso de caldera generadores de terremotos en la cumbre. El análisis de esta erupción de una década, así como más de un siglo de estudio anterior, ha convertido a Kīlauea en uno de los volcanes activos mejor entendidos del mundo.

La estructura general del sistema de magma superficial de Kīlauea se conoce desde hace décadas, aunque los investigadores están refinando continuamente la imagen y quedan preguntas importantes sin respuesta.

La estructura general del sistema de magma superficial de Kīlauea se conoce desde hace décadas, aunque los investigadores están refinando continuamente la imagen y quedan preguntas importantes sin respuesta. Por encima de una red profunda de transporte de magma que se eleva desde la pluma del manto subyacente, se infiere que el magma se almacena en algunos lugares: en un depósito de aproximadamente 1 a 2 kilómetros por debajo del respiradero del cráter Halema'uma'u de la cumbre, en otra región de 3 a 5 kilómetros debajo del respiradero de la cumbre, y a lo largo de estructuras similares a diques que se extienden lateralmente desde la cumbre hasta las zonas de grietas del volcán. Durante gran parte de 2008-2018, existió un conducto directo entre el depósito de magma menos profundo y el lago de lava de la cumbre.

Aunque la estructura espacial y la conectividad temporal del magma del subsuelo en Kīlauea no se comprenden completamente, hemos incorporado la información disponible en una serie de bocetos conceptuales del sistema de magma. Estos bocetos contextualizan nuestro enfoque en la tubería superior del volcán en una película de datos que representa la evolución del sistema de magma de la cumbre poco profunda durante dos ventanas de tiempo durante el período eruptivo reciente.

La película de datos compuestos incluye una introducción y una clave auditiva (con voz en off del texto para accesibilidad) para presentar las técnicas de sonificación y el contexto geológico. La primera ventana de tiempo ilustra la dinámica a escala decenal del cráter Halema'uma'u de 2008 a 2018, durante el cual se produjo una amplia gama de actividad (Figura 2, izquierda); el segundo se acerca a la secuencia del colapso de la caldera de la cumbre y la erupción de la Zona del Rift Este inferior en 2018 (Figura 2, derecha). Para la primera ventana, la duración de 120 segundos de la película de datos significa que cada segundo de la película representa aproximadamente 1 mes de tiempo real; para la secuencia ampliada del colapso de 2018 entre el 11 de mayo y el 7 de agosto, cada segundo representa aproximadamente 1 día. (Para ambos casos también hemos hecho versiones de 60 segundos de las películas para demostrar cómo la escala de tiempo cambia el detalle con el que se pueden examinar los eventos).

Elegimos tres conjuntos de datos para sonificar para la película de datos de 2008-2018. Los terremotos cercanos a la cumbre, de un catálogo sísmico de toda la isla, rastrean el estado de tensión que evoluciona en el tiempo del volcán. Un catálogo separado [Crozier y Karlstrom, 2021] de pequeños terremotos asociados con desprendimientos de rocas desde las paredes del cráter hacia el lago de lava refleja una sismicidad de período muy largo (VLP), con períodos de oscilación dominantes de más de 10 segundos. Y los datos de deformación radial del suelo recopilados por los sensores del Sistema Global de Navegación por Satélite (GNSS) cerca de la cumbre rastrean la inflación y la deflación de la superficie del suelo [Patrick et al., 2021]. Sonificamos estos tres conjuntos de datos usando métodos diseñados para representar cualitativamente los procesos físicos que muestrearon los diferentes datos.

Para los terremotos cerca de la cumbre, utilizamos una sonificación directa simple de los movimientos verticales del suelo cerca de la cumbre desde una estación (NPT/NPB) en la red del Observatorio de Volcanes de Hawái del Servicio Geológico de EE. UU. Para cada terremoto, aplicamos un factor de velocidad de 150, lo que significa que las frecuencias sísmicas originalmente superiores a 0,13 hercios son audibles en la película. Las diferencias en las magnitudes y duraciones de los terremotos individuales se reflejan en el volumen y el timbre. Combinado con una animación de la ubicación hipocentral (directamente debajo del epicentro de cada terremoto), este enfoque permite una identificación clara de los cambios de tensión y los patrones de fractura dentro del volcán a lo largo del tiempo. Además, usamos la panoramización estéreo de izquierda a derecha (es decir, dividir el sonido de manera desigual en diferentes canales) para representar la distancia longitudinal de cada terremoto desde el centro del cráter.

Tan pronto como se abrió el cráter Halema'uma'u en 2008, las paredes expuestas del cráter comenzaron a colapsar progresivamente en el lago de lava agitado.

La sismicidad VLP, por otro lado, cuenta una historia sobre el sistema de magma en evolución debajo de Kīlauea. Tan pronto como se abrió el cráter Halema'uma'u en 2008, las paredes expuestas del cráter comenzaron a colapsar progresivamente en el lago de lava agitado, y para 2018 el diámetro del lago de lava había aumentado en un factor de 4. Los sismómetros detectaron chapoteo resonante amortiguado de magma en y fuera del embalse Halema'uma'u poco profundo (de 1 a 2 kilómetros de profundidad) causado por grandes rocas que caen sobre la superficie del lago de lava. La duración y las frecuencias (tanto el modo fundamental como los armónicos) de esta notable resonancia dependen de la geometría del sistema de magma y de las propiedades del magma multifásico, como la temperatura y el contenido de burbujas. Las variaciones en las características resonantes a lo largo del tiempo reflejan cambios dentro del sistema magmático [Crozier y Karlstrom, 2022].

Aunque estas formas de onda de VLP son a menudo bastante tonales (es decir, muestran pocos armónicos), la sonificación directa conduce a sonidos cortos que no representan bien la complejidad de los eventos reales. Para permitir que los oyentes escuchen la estructura temporal en la sismicidad VLP, utilizamos un enfoque en el que sonificamos los picos espectrales más fuertes en cada sismograma al sintetizar tonos sinusoidales puros, con frecuencias entre 200 y 500 hercios y duraciones de sonido de 1 segundo, que preservan el espaciamiento de frecuencia relativa y las envolventes temporales en los datos sísmicos (Figura 3).

La animación nuevamente brinda una ayuda clave para interpretar el sonido: asociamos cada evento de VLP con un toque de color dentro de un boceto del lago de lava de la cumbre y el sistema de tuberías poco profundo. La escala de colores corresponde al período del modo fundamental VLP, con colores más fríos que representan períodos más cortos. Debido a que el período y la tasa de decaimiento de la sismicidad VLP rastrean la temperatura del magma y los contenidos volátiles dentro del depósito y conducto poco profundos [Crozier y Karlstrom, 2022], esta animación proporciona una herramienta para examinar cómo la dinámica interna del volcán probablemente evolucionó a lo largo de la erupción.

Finalmente, sonificamos los datos geodésicos (GNSS radiales) recopilados alrededor de la cumbre de Kīlauea que rastrean la acumulación de magma debajo de la cumbre. Este magma ayudó a impulsar la dinámica del lago de lava y proporcionó la secuencia eruptiva climática en 2018, y los datos GNSS capturan la deformación que ocurre en áreas más grandes y escalas de tiempo más largas que los datos del terremoto. Elegimos un método de sonificación que representa los aumentos o disminuciones relativamente lentos en la deformación radial al agregar o eliminar notas, respectivamente, de un acorde de tonos sintetizados. Construimos este acorde usando notas del modo Lydian (una escala musical de siete notas) que abarca tres octavas. El aumento gradual del volcán que conduce al colapso repentino en 2018 se representa auditivamente con una densidad de tono y frecuencias en constante aumento. Las pequeñas variaciones en la deformación incrustadas en la tendencia inflacionaria a largo plazo se representan escalando el volumen de la cuerda a lo largo del tiempo con estas fluctuaciones sin tendencia a corto plazo. Visualmente, la deformación se representa como un círculo de radio variable ubicado en el centroide inferido del reservorio Halema'uma'u donde se acumulaba el magma.

Para la secuencia del colapso de la caldera de 2018, solo sonificamos datos geodésicos y del catálogo de terremotos, lo que permitió un examen más centrado del comportamiento cíclico durante el episodio eruptivo climático.

Para la secuencia del colapso de la caldera de 2018, solo sonificamos datos geodésicos y del catálogo de terremotos, lo que permitió un examen más centrado del comportamiento cíclico durante el episodio eruptivo climático. En esta secuencia, 62 terremotos de aproximadamente magnitud 5, que ocurrieron aproximadamente a diario, acompañaron caídas escalonadas en el suelo de la caldera registradas por un inclinómetro cercano a la cumbre (un tipo de medición geodésica diferente al GNSS). Cientos de terremotos más pequeños ocurrieron entre estos eventos de colapso, y los tiempos entre eventos disminuyeron a medida que aumentaba la tensión acercándose a la siguiente gran caída.

Utilizamos el enfoque de barrido de cuerdas desarrollado por Barth et al. [2020] para sonificar los datos del inclinómetro, lo que da como resultado grupos de tonos continuos que suben y bajan en una escala musical octatónica simétrica con el colapso de la caldera. La sonificación directa de los terremotos, utilizando un factor de velocidad de 280 (son audibles las frecuencias originales por encima de los 0,07 hercios), permite una diferenciación clara entre las diferentes magnitudes de los eventos, y la panorámica estéreo de izquierda a derecha en relación con el centro de la caldera proporciona una sensación espacial del colapso de la caldera. . Sonificamos aproximadamente 16.000 terremotos con magnitudes superiores a 1,5 [Shelly y Thelen, 2019] registrados en una estación (PUHI) alejada de la cumbre para evitar el recorte de la señal. Para la visualización adjunta, animamos y coloreamos los hipocentros y las profundidades de los terremotos sobre una imagen de topografía regional y bajo una línea de tiempo de inclinación del suelo. Este enfoque visual ilustra el dramático colapso de la caldera al final de la secuencia de 2018 utilizando datos topográficos recopilados posteriormente.

Las películas de datos bien construidas se pueden ver en varios niveles. Más que los gráficos estándar y estáticos de datos de series temporales, las películas de datos despiertan la curiosidad incluso en espectadores sin formación o formación científica. Si se proporciona una clave audiovisual, los patrones visuales y los sonidos promueven evaluaciones rápidas de la causalidad y la estructura espacial. También se pueden ver y escuchar películas de datos puramente como creaciones estéticas independientes de la ciencia subyacente. De hecho, nuestros enfoques para sonificar los datos para la película de datos de Kīlauea reflejan las técnicas basadas en datos utilizadas en la composición de música por computadora y los episodios de disturbios volcánicos naturalmente involucran elementos musicales convincentes de tensión y liberación.

Las películas de datos contienen capas de significado que pueden surgir con múltiples vistas y escuchas y con un mayor conocimiento científico.

Sin embargo, debajo del atractivo estético, como cualquier buen gráfico técnico, las películas de datos contienen capas de significado que pueden surgir con múltiples vistas y escuchas y con un mayor conocimiento científico. Por ejemplo, si ve nuestra película varias veces (o tal vez solo una vez, si es muy perceptivo), puede notar cambios en el período VLP que varían con los patrones de otros terremotos alrededor del volcán y la inflación del suelo entre 2008 y 2018. También puede notar las notables secuencias de pequeños terremotos preliminares que precedieron a eventos de mayor magnitud en 2018 y se localizaron espacialmente alrededor de múltiples estructuras de fallas en evolución que albergaron el colapso de la caldera a gran escala.

Algunos de estos patrones ya se han abordado en la literatura revisada por pares. Pero otros aún tienen que ser estudiados o explicados. Entonces, ¿qué escuchas? ¿Parece que patrones claros de deformación, sismicidad VLP o terremotos preceden a la secuencia eruptiva de 2018 u otros eventos eruptivos? ¿Cambian los patrones de terremotos y deformaciones a lo largo de la secuencia eruptiva de 2018?

La sonificación como herramienta para representar datos de ciencias de la Tierra está en pañales. Esperamos que la aplicación presentada aquí, cuyos detalles se pueden encontrar en Volcano Listening Project, inspire a otros a experimentar escuchando sus datos. Esperamos ver y escuchar los resultados.

Agradecemos a Adam Roszkiewicz por mezclar las sonificaciones compuestas y a Katie Mulliken por la revisión constructiva. AB y BH recibieron el apoyo de la subvención NSF-CISE 1663893. BH recibió el apoyo de una beca Meijerjergen de la Universidad de Oregón para colaborar con LK y de una subvención de colaboración de la Universidad de Columbia para su curso "Representación visual y sónica de datos", en el que los métodos utilizados aquí fueron desarrollados (disponibles a través de https://seismicsoundlab.github.io). LK recibió el apoyo de la subvención NSF CAREER 1848554. Cualquier uso de nombres comerciales, de empresas o de productos es únicamente con fines descriptivos y no implica la aprobación por parte del gobierno de EE. UU.

Barth, A., et al. (2020), Sonificación y animación de datos multivariados para iluminar la dinámica de las erupciones de géiseres, Comput. Música J., 44(1), 35–50, https://doi.org/10.1162/comj_a_00551.

Boschi, L., et al. (2017), Sobre la percepción de los datos sísmicos auditados, J. Acoust. Soc. Am., 141(5), 3899–3899, https://doi.org/10.1121/1.4988767.

Crozier, J. y L. Karlstrom (2021), La caracterización basada en Wavelet de la sismicidad de período muy largo revela la evolución temporal del sistema de magma poco profundo durante la erupción del volcán Kīlauea de 2008-2018, J. Geophys. Res. Tierra sólida, 126(6), e2020JB020837, https://doi.org/10.1029/2020JB020837.

Crozier, J. y L. Karlstrom (2022), Evolución de la temperatura del magma y los contenidos volátiles durante la erupción de la cumbre de 2008-2018 del volcán Kīlauea, Sci. Adv., 8(22), eabm4310, https://doi.org/10.1126/sciadv.abm4310.

Holtzman, B., et al. (2014), Laboratorio de sonido sísmico: Vistas, sonidos y percepción de la Tierra como un espacio acústico, en Simposio internacional sobre investigación multidisciplinaria de música por computadora, págs. 161–174, Springer, Cham, Suiza, https://doi.org/ 10.1007/978-3-319-12976-1_10.

Holtzman, BK, et al. (2018), El aprendizaje automático revela cambios cíclicos en los espectros de fuentes sísmicas en el campo geotérmico Geysers, Sci. Adv., 4(5), eaao2929, https://doi.org/10.1126/sciadv.aao2929.

Paté, A., et al. (2022), Combinación de pantallas de audio y visuales para resaltar patrones sísmicos temporales y espaciales, J. Multimodal User Interfaces, 16(1), 125–142, https://doi.org/10.1007/s12193-021-00378-8.

Patricio, M., et al. (2021), lago de lava cumbre de Kilauea 2008-2018: cronología e información sobre erupciones, US Geol. sobrev. Prof. Pap., 1867(A), https://doi.org/10.3133/pp1867A.

Roads, C. (2004), Microsound, MIT Press, Cambridge, Mass.

Shelly, DR y WA Thelen (2019), Anatomía del colapso de una caldera: secuencia de sismicidad de la cumbre de Kīlauea 2018 en alta resolución, Geophys. Res. Lett., 46(24), 14,395–14,403, https://doi.org/10.1029/2019GL085636.

Song, HJ y K. Beilharz (2007), Discriminación de flujo auditivo concurrente en gráficos auditivos, Int. J. Comput., 1(3), 79–87.

Speeth, SD (1961), Sonidos del sismómetro, J. Acoust. Soc. Am., 33(7), 909–916, https://doi.org/10.1121/1.1908843.

Wilding, JD, et al. (2022), La red magmática debajo de Hawai'i, Science, 379, 462–468, https://doi.org/10.1126/science.ade5755.

Leif Karlstrom ([email protected]), Universidad de Oregón, Eugene; Ben Holtzman, Universidad de Columbia, Nueva York, NY; Anna Barth, Universidad de California, Berkeley; Josh Crozier, Observatorio de Volcanes de California, Servicio Geológico de EE. UU., Menlo Park; y Arthur Paté, Junia/Instituto Superior de Electrónica y Tecnología Digital, Lille, Francia