Гамелан слышит Эль-Ниньо: как яванские лады превращают климатический хаос в звук ✛ ✎

Оригинал: "Preliminary sonification of ENSO using traditional Javanese gamelan scales"
arXiv:2602.14560 · 2026-02-16 · arXiv non-exclusive · собственный разбор · 2 мин
Климатические колебания Эль-Ниньо переложили на традиционные яванские лады и проверили, сохранилась ли динамика системы в акустическом фазовом пространстве.

Бронзовые пластины гамелана звучат не по единому камертону: каждый оркестр на Яве держит собственный строй, и два соседних ансамбля могут играть одну мелодию в чуть разных интервалах. Этот факт стал отправной точкой для необычного эксперимента: учёные перевели 155 лет температурных аномалий Тихого океана в ноты двух яванских ладов и посмотрели, как звук сохраняет динамику климатического хаоса.

Климатическое явление Эль-Ниньо — Южное колебание (ЭНСО) напоминает маятник, который качается нерегулярно: тёплая фаза сменяется холодной с периодом от двух до семи лет, причём тёплые отклонения бывают резче холодных. Обычно такие колебания показывают графиками, но график задействует только зрение. Слух же чутко улавливает повторяемость и временную структуру, поэтому данные перевели в звук — этот приём называют сонификацией. Вопрос стоял так: насколько точно акустический слепок передаёт хаотическую природу исходной системы и как на это влияет выбор музыкального лада.

В работе использовали два пятиступенных лада: пелог с неравными интервалами и слендро с более равномерными. Каждая нота получала громкость в зависимости от величины аномалии и скорости её изменения.

Чтобы отделить быстрые колебания от медленных, ряд температурных аномалий разложили на четыре временных масштаба с помощью скользящих средних. Из этих масштабов собрали четыре композиционные стратегии: слоистую, где все масштабы звучат одновременно; чередующуюся, где они сменяют друг друга; мелодическую, где один масштаб ведёт, а другой аккомпанирует; и спектральную, где пять главных частот управляют тембром. Полученные аудиофайлы разобрали на кадры, извлекли две характеристики звука — яркость (спектральный центроид) и энергию — и построили траектории в двумерном пространстве этих характеристик.

Оказалось, что выбор лада и стратегии резко меняет поведение траекторий. Чередующиеся режимы дали самую высокую возвратность: траектория часто возвращалась в уже посещённые области, как человек, который ходит по знакомым тропам. Слоистые режимы, наоборот, разбросали траектории по большей площади, но реже возвращались. Связь между яркостью и энергией тоже разошлась: у пелога она была сильно отрицательной — чем выше нота, тем тише звук, а у слендро почти нулевой, причём слоистый слендро дал положительную корреляцию. Это раздвоение не было заложено заранее: оно возникло из взаимодействия интервальной структуры лада и алгоритма отображения.

Максимальная возвратность составила 0.240 у пелог-чередующегося режима, а наибольшая яркость — 1863 Гц у слендро-слоистого. Эти числа — не просто статистика, а геометрические метки разных типов звукового поведения.

Работа даёт инструмент для сравнения любых сонификаций сложных сигналов. Раньше не было ясности, сохраняет ли звуковое представление динамическую структуру источника, а теперь можно измерить это через площадь выпуклой оболочки, длину пути, индекс исследования и возвратность. Методика пригодится в климатической коммуникации, где звук способен донести тревожные тренды до тех, кто не привык читать графики, и в музыкальной информатике, где важно понимать, как алгоритм отображения влияет на восприятие. Бронзовые пластины гамелана, настроенные по-своему в каждой деревне, оказались не просто экзотикой, а чувствительным прибором для изучения хаоса.

Гамелан настраивается не по единому стандарту: каждый оркестр имеет собственный микротоновый строй, называемый «эмбет», который делает его звучание уникальным. В работе использовано приближение равномерной темперации, поэтому настоящий яванский гамелан звучал бы иначе.

\gamma_1 = \frac{1}{N} \sum_{i=1}^{N} \left( \frac{\theta_i - \bar{\theta}}{\sigma} \right)^3
Мера асимметрии распределения: положительное значение указывает на более длинный хвост в сторону тёплых аномалий.
\gamma_2 = \frac{1}{N} \sum_{i=1}^{N} \left( \frac{\theta_i - \bar{\theta}}{\sigma} \right)^4 - 3
Мера тяжести хвостов распределения по сравнению с гауссовым: положительное значение означает более частые экстремальные отклонения.
\rho_1 = \frac{\sum_{i=1}^{N-1} (\theta_i - \bar{\theta})(\theta_{i+1} - \bar{\theta})}{\sum_{i=1}^{N} (\theta_i - \bar{\theta})^2}
Мера инерционности: насколько сегодняшнее значение связано с предыдущим месяцем.
Понятия
энсо модель Джина–Тиммермана индекс Эль-Ниньо южная осцилляция эль-ниньо многомерный индекс ЭНСО весенний барьер предсказуемости буйковые станции TAO/TRITON модель осциллятора с подзарядкой южная осцилляция распространение экваториальных волн ла-нинья относительный они ERSST NOAA PMEL TAO естественная изменчивость нелинейный спектральный анализ Лапласиана телеконнекция тропосферная двухлетняя осцилляция модель Зебиака–Кейна регион Нино 3.4