Comprender el comportamiento de los flujos de lava es fundamental para evaluar los peligros volcánicos y diseñar estrategias de mitigación efectivas. Durante las erupciones, la roca fundida puede viajar a velocidades de metros por hora a decenas de kilómetros por hora, destruyendo infraestructura, alterando paisajes y amenazando poblaciones cercanas. Dinámicas Fluidas Computacionales (CFD) proporciona un marco robusto para simular las complejas dinámicas del movimiento de lava, permitiendo a los científicos predecir los caminos de flujo y las velocidades de los potenciales, las tasas de impactos.

Ecuaciones que rigen y modelos retológicos

En su núcleo, CFD resuelve las ecuaciones Navier-Stokes para la conservación de masa, impulso y energía. Para los flujos de lava, estas ecuaciones deben adaptarse para tener en cuenta la reología no neotoniana, la fuerte dependencia de temperatura de la viscosidad y los cambios de fase (cristallización y exclusión de gas).El impulso generalizado para un fluido incompresible es:

. (( ⁇ v/(s) + v· esperav) = - avisos + з·τ + ρgρ

donde ρ es densidad, v es velocidad, p es presión, τ es el tensor de estrés desviador, y g es aceleración gravitacional. La complejidad clave radica en la relación constitutiva que une el estrés a la tasa de tensión. La lava se comporta como material viscoplásico: se deforma sólo cuando el estrés aplicado supera el estrés de rendimiento τ0. Dos modelos reológicos comunes utilizados en CFD son:

  • Bingham model: τ = τ0 + μp γú for τ τ0, donde μp es la viscosidad plástica y γú es la tasa de encaje. Este modelo captura el comportamiento del flujo de enchufe de la lava – una tapa rígida que se mueve sobre una capa basal de encaje.
  • Herschel-Bulkley model: τ = τ0 + K γú^n, donde K es el índice de consistencia y n es el índice de flujo (n < 1 for shear-thinning, n > 1 para el entorpecimiento de lana).Este modelo más flexible representa mejor el comportamiento de temperatura y de la tensión dependiente de magmas complejos.

La adcosidad misma evoluciona como enfriamiento de lava y núcleo de cristales. La ecuación de Roscoe-Einstein se utiliza a menudo para actualizar la viscosidad efectiva como función de fracción de cristal φ: μ eff = μ liquid · (1 - φ/φ max)^(-2.5 φ max).

Métodos numéricos para la simulación de lavado

Método de volumen finito (FVM)

El método de voluminoso finito divide el dominio computacional en pequeños volúmenes de control y resuelve la forma integral de las ecuaciones de conservación. FVM es inherentemente conservador – masa, impulso y flujos energéticos son exactamente equilibrados en las caras de las células – lo que es adecuado para simulaciones de alta resolución de lava que se propagan sobre la topografía compleja.

Método de Elemento Finito (FEM)

El método de descomposición de la tubería discreta el dominio en elementos (triángulos, cuadriláteros, tetrahedra) y aproxima la solución utilizando funciones de base. FEM es particularmente atractivo para el modelado de flujo de lava porque puede manejar mallas irregulares y no estructuradas que se ajustan a modelos de elevación digital real (DEMs).

Métodos sin malla: Hidrodinámica de partículas desmootidas (SPH)

El modelo de la Elipa es una técnica de la grangia, sin mallas en la que el fluido está representado por un conjunto de partículas móviles, cada propiedad física porta. Las partículas interactúan a través de un núcleo de suavidad, y las ecuaciones de gobierno se resuelven en su forma lagrangia.

Comparación y enfoques híbridos

Cada método numérico tiene fortalezas y debilidades. FVM es conservador y robusto para las previsiones operativas a gran escala; FEM se destaca en la flexibilidad y adaptividad de la malla; SPH es natural para flujos de superficie libre. Algunos códigos modernos combinan estos métodos: un volumen finito o un elemento finito solucionador para la mayor parte del flujo, junto con un enfoque de partículas en células (PIC) o refinación de mallav.

Procesos físicos clave en dinámicas de flujo de lava

Evolución de la refrigeración, la cristalización y la viscosidad

A medida que avanza la lava, pierde calor a la atmósfera y al suelo. La superficie superior se enfría rápidamente, formando una corteza fina que aísla el interior, permitiendo que el flujo viaje largas distancias. Dentro del flujo, la temperatura permanece por encima del líquido durante algún tiempo, pero al caer, estabilizar el núcleo y crecer, aumentando la viscosidad de la masa.

Gas Exsolution y Bubbly Flow

Muchos flujos de lava contienen volatiles disueltos (principalmente H2O, CO2, SO2) que se exuelven como gotas de presión cerca del vent. Las burbujas pueden reducir significativamente la densidad de vracs y la viscosidad de la espuma, potenciando la velocidad de flujo y distancia de ejecución. Los modelos de flujo de dos fases (liquid + gas) o mezcla se necesitan para capturar este comportamiento.

Interacción topográfico y formación de levee

La topografía pre-eruption – incluyendo valles, crestas y campos de lava preexistentes – controla fuertemente la dirección de flujo y la velocidad. Los modelos CFD utilizan datos topográficos de alta resolución (por ejemplo, 1 m de lidar aéreo o imágenes estereotipadas de satélite) para crear modelos de elevación digital (DEM) con los que se construye la malla computacional.

Datos de entrada y condiciones de límites

Las simulaciones fiables de CFD requieren datos de entrada de alta calidad. Los parámetros más críticos son:

  • Tasa de erupción (tasa de efusión): La descarga de lava por unidad de tiempo, normalmente medida en m3/s. Esto se puede estimar a partir de imágenes térmicas por satélite, mediciones de campo o promedios históricos. La tasa de efusión determina la intensidad del flujo y es el control primario de la longitud de flujo.
  • Temperatura de lava interior: Para magmas basalíticos, la temperatura del líquido es de ~1200°C; para lavas andesíticas o dacíticas, es menor (~900–1100°C). La temperatura inicial afecta la velocidad de enfriamiento y la cinética de cristalización.
  • Topografía (DEM): Se recomienda al menos 10 m de resolución horizontal para una predicción de ruta precisa. Las pendientes de esterilización (≥30°) pueden provocar una aceleración rápida y una transición del flujo laminar a la turbulencia.
  • Propiedades materiales: Densidad (normalmente 2500–2800 kg/m3), capacidad de calor, conductividad térmica, emisividad para el enfriamiento radiativo, y parámetros reológicos (insistente de rendimiento, índice de consistencia, índice de flujo). Las mediciones de laboratorio en muestras naturales son el estándar de oro, pero en la práctica estos valores se ajustan a las erupciones pasadas.

Condiciones de la luminaria en el vent: se impone un perfil de velocidad fija (o una velocidad de flujo constante). En la superficie terrestre se utiliza una condición de vertido sin pulverización, a menudo combinada con un límite de flujo de calor (por ejemplo, transferencia de calor convectiva a la roca subyacente). La superficie superior se modela como un pulverizador libre o un límite segmentado: donde existe una costra de flexión, una condición de pulido de pulido total de diez kilómetros puede ser aplicado localmente

Validación y estudios de casos

Kīlauea 2018 Erupción de la zona de ciclismo del Este

El modelo de lavado de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea de la línea.

Mount Etna 2021 Episodio Paroxismal

Durante febrero–marzo 2021, el Monte Etna en Sicilia experimentó una serie de fuentes de lava espectaculares, cada una generando un flujo de lava corto pero rápido que avanzó varios kilómetros por el Valle del Bove. Observaciones del Instituto Nacional Italiano de Geofísica y Volcanología (INGV) proporcionaron datos de alta resolución temporal sobre las tasas de efusión y el flujo de avance frontal.

Desafíos y limitaciones

A pesar de los importantes progresos, la modelización de las corrientes de lava en el CDF sigue enfrentando varios obstáculos:

  • ] Costo computacional: Las simulaciones 3D de alta resolución de una erupción completa pueden tomar días o semanas en supercomputadores, haciendo impractical la previsión en tiempo real. Incluso los modelos 2D de profundidad (por ejemplo, ecuaciones de agua poco profunda) requieren un diseño cuidadoso de malla para evitar tiempos de ejecución prohibitivos.
  • Incertidumbre retológica: La retología de lava natural no se entiende completamente, especialmente para los magmas ricos en cristal y bóblica. Los experimentos de laboratorio sobre muestras remeladas pueden no representar el comportamiento de flujos de refrigeración rápida, cargados de gas. La incertidumbre en el estrés de rendimiento y la viscosidad puede conducir a grandes variaciones en la longitud de flujo predicho.
  • Multiscale physical:] La dinámica de burbujas y el crecimiento del cristal ocurren a escalas de micrometers a milímetros, mientras que el flujo avanza a lo largo de kilómetros. Bridging estas escalas en una sola simulación (modificación a escala múltiple) es un tema de investigación activo.
  • Falta de datos en tiempo real: Durante una erupción continua, la tasa de efusión y la temperatura de lava pueden cambiar rápidamente. Los modelos CFD que asumen una entrada constante no captan las fases de enceramiento y enceramiento. Incorporar datos térmicos y posicionales en tiempo real de satélites (por ejemplo, VIIRS, Sentinel-2) en un marco prometedor de desafío de la asistencia técnica.
  • Cambio de la fotografía: El flujo de lava en sí mismo modifica la topografía construyendo nuevas tierras (por ejemplo, formación delta si la lava entra en el mar). La mayoría de los modelos de la CFD asumen una topografía fija, que puede ser inexacta para erupciones de larga duración.

Future Directions

Aprendizaje de máquinas– Simulación mejorada

Los modelos de conservación basados en el aprendizaje profundo (por ejemplo, redes neuronales convolutivas o redes neuronales gráficas) pueden ser entrenados en una biblioteca de simulaciones CFD anteriores para producir pronósticos casi instant. Estos “emuladores” pueden predecir el camino de flujo y el espesor dados de la tasa de efusión y topografía sin resolver las ecuaciones de magnitud Navier-Stokes completas.

Adecuación de datos y predicción operacional

La asimilación de datos en tiempo real – observaciones satelitales con predicciones de modelos CFD – puede reducir la incertidumbre y mejorar la habilidad de pronóstico.El Programa de Control de Filtros y partículas de Ensemble Kalman se ha aplicado para ajustar los parámetros reológicos en la mosca mientras avanza el flujo. El programa de los riesgos de la generación de volcanes de USGS está invirtiendo en herramientas de computación de computación de la configuración de cálculos de alta calidad.

Modelos pares para la evaluación de impactos

Los futuros enfoques de CFD probablemente se combinarán con otros modelos: dispersión atmosférica para gas y ceniza volcánica, emisión térmica por daños en infraestructura, e incluso modelos económicos para cuantificación de riesgos. Este enfoque de sistema de sistemas permite a los administradores de emergencia evaluar no sólo dónde irá la lava sino también cuáles serán las consecuencias. Por ejemplo, un modelo conjunto de CFD-termal puede predecir la temperatura de un flujo de lava en un punto de infraestructura crítica.

Conclusión

La dinámica de fluidos computacionales se ha convertido en indispensable para comprender y predecir las dinámicas de los flujos de lava. Al resolver las ecuaciones acopladas de masa, impulso y energía con modelos reológicos y térmicos realistas, CFD puede reproducir la complejidad observada de las erupciones reales – desde la formación de la leve hasta el arresto de flujo de flujo.