La compréhension du comportement des coulées de lave est essentielle pour évaluer les dangers volcaniques et concevoir des stratégies d'atténuation efficaces. Pendant les éruptions, la roche fondue peut voyager à des vitesses allant de mètres par heure à des dizaines de kilomètres par heure, détruisant les infrastructures, modifiant les paysages et menaçant les populations voisines. La dynamique des fluides computationnels (CFD) fournit un cadre solide pour simuler la dynamique complexe du mouvement de la lave, permettant aux scientifiques de prévoir les voies d'écoulement, les taux de refroidissement et les zones d'impact potentielles dans une large gamme de conditions.

Équations et modèles géologiques

Pour les flux de lave, ces équations doivent être adaptées pour tenir compte de la rhéologie non néotonienne, de la forte dépendance de la viscosité à la température et des changements de phase (cristallisation et exsolution de gaz). L'équation de l'impulsion généralisée pour un fluide incompressible est :

ρ (-)v/-) + v/-) = --p + τ + ρg

où ρ est la densité, v est la vitesse, p est la pression, τ est la tension de contrainte déviatorique, et g est l'accélération gravitationnelle. La complexité clé réside dans la relation constitutive liant la contrainte à la vitesse de déformation. Lava se comporte comme un matériau viscoplastique: elle ne se déforme que lorsque la contrainte appliquée dépasse une contrainte de rendement τ0. Deux modèles rhéologiques communs utilisés dans CFD sont:

  • Modèle Bingham: τ = τ0 + μp γ γ , pour τ > τ0, où μp est la viscosité plastique et γ γ est le taux de cisaillement. Ce modèle capture le comportement de flux de bouchon de lave – un bouchon rigide se déplaçant sur une couche basale cisaillée.
  • Modèle Herschel-Bulkley: τ = τ0 + K γγ^n, où K est l'indice de cohérence et n est l'indice de débit (n < 1 for shear-thinning, n > 1 pour l'échauffement du cisaillement).Ce modèle plus flexible représente mieux le comportement dépendant de la température et du taux de déformation des magmas complexes.

La viscosité elle-même évolue comme refroidissant la lave et nucléate de cristaux. L'équation Roscoe-Einstein est souvent utilisée pour mettre à jour la viscosité effective en fonction de la fraction cristalline λ: μ eff = μ liquide · (1 - λ/φ max)^(-2,5 φ max). Au-dessus d'une fraction cristalline critique (~60%), la suspension passe à un comportement de type solide, créant une force de rendement qui peut arrêter le flux. La température est suivie par l'équation énergétique, qui comprend des termes pour advection thermique, conduction, chaleur latente de cristallisation et refroidissement radiatif à la surface. Ces équations couplées rendent le problème computationnellement intense, mais elles sont essentielles pour capturer l'arrêt des flux de lave.

Méthodes numériques pour la simulation du débit de lava

Méthode de volume fini (MVM)

La méthode du volume Finite divise le domaine computationnel en petits volumes de contrôle et résout la forme intégrale des équations de conservation. La FVM est intrinsèquement conservatrice – masse, élan et flux d'énergie sont exactement équilibrés entre les faces cellulaires – ce qui le rend adapté pour des simulations à haute résolution de lave se propageant sur une topographie complexe. Les codes CFD à source ouverte populaires tels qu'OpenFOAM et Fenics ont été adaptés pour des applications volcaniques. Les chercheurs ont utilisé la FVM pour modéliser les détails à l'échelle des compteurs de canaux et de lobes de lave, captant la formation de digues et la transition de flux canalisé à flux de feuille. La méthode gère bien les conditions limites complexes; par exemple, une condition de non-dérapage peut être appliquée à la surface du sol pendant qu'une condition de glissement libre ou de contrainte de cisaillement est appliquée au sommet du flux si la lave est isolée par une croûte.

Méthode de l'élément fini (FEM)

La méthode de l'élément Finite discrétise le domaine en éléments (triangles, quadrilatères, tétraèdres) et en rapproche la solution en utilisant des fonctions de base. La FEM est particulièrement attrayante pour la modélisation de l'écoulement de lave car elle peut manipuler des mailles irrégulières non structurées qui sont conformes aux modèles numériques d'élévation réels (DEM). La méthode permet de perfectionner les mailles locales dans les régions à gradient élevé, comme le front de flux et les obstacles proches.

Méthodes sans mesh: Hydrodynamique des particules lissées (SPH)

SPH est une technique lagrangien sans maillage dans laquelle le fluide est représenté par un ensemble de particules mobiles, chacune portant des propriétés physiques. Les particules interagissent par un noyau lissant et les équations qui régissent sont résolues sous leur forme lagrangienne. SPH est idéal pour simuler de grandes déformations, des flux de surface libre et des interactions avec des limites complexes – toutes caractéristiques de la lave. Parce que les positions des particules sont advégées avec le flux, SPH peut naturellement capturer la rupture d'un lobe de lave, la formation de canaux multiples, et l'emplacement des débris. La méthode a été appliquée avec succès au modèle de l'éruption de 2001 et de l'éruption de Kīlauea inférieure de la zone de Rift Est 2018, reproduisant l'avancement observé du flux avec une bonne précision.

Comparaison et approches hybrides

Chaque méthode numérique a des forces et des faiblesses. FVM est conservateur et robuste pour les prévisions opérationnelles à grande échelle; FEM excelle à la flexibilité et à l'adaptabilité du maillage; SPH est naturel pour les flux de surface libre. Certains codes modernes combinent ces méthodes : un résolveur de volume ou d'éléments finis pour la majeure partie du flux, couplé à une approche de perfectionnement des mailles adaptatives (AMR) ou de particules dans les cellules au niveau du front de flux.

Principaux processus physiques dans la dynamique du flux de lava

Refroidissement, cristallisation et évolution de la viscosité

La surface supérieure se refroidit rapidement, formant une mince croûte qui isole l'intérieur, permettant au flux de parcourir de longues distances. À l'intérieur du flux, la température reste au-dessus du liquide pendant un certain temps, mais au fur et à mesure qu'elle diminue, les cristaux se nucléent et se développent, augmentant la viscosité en vrac. La transition d'un fluide Newtonien à un fluide Bingham ou Herschel-Bulkley est contrôlée par la fraction cristalline. Les modèles CFD le paramétrent généralement par rapport à la température et à la cristallinité (fraction de phase solide), à l'aide de données de modèles expérimentaux de pétrologie ou de thermodynamiques tels que MELTS. La chaleur latente libérée pendant la cristallisation compense partiellement le refroidissement radiatif, stabilisant la longueur du flux.

Exsolution de gaz et débit de bulles

De nombreux flux de lave contiennent des volatiles dissous (principalement H2O, CO2, SO2) qui s'exsolvent sous forme de baisses de pression près du conduit d'évacuation. Les bulles peuvent réduire de façon significative la densité et la viscosité de la mousse, augmentant la vitesse d'écoulement et la distance de sortie. Les modèles de débit en deux phases (liquide + gaz) ou de mélange sont nécessaires pour saisir ce comportement. L'interaction entre les bulles et la phase liquide est souvent décrite à l'aide de l'équation Rayleigh-Plesset pour la croissance de bulles et d'un modèle de vitesse de glissement (p. ex. modèle de flux de dérive de Zuber-Findlay).

Interaction topographique et formation de levées

Les modèles CFD utilisent des données topographiques à haute résolution (par exemple, des images lidar aéroportées ou stéréo-satellites) pour créer des modèles numériques d'élévation (DEM) avec lesquels le maillage calculateur est construit. L'interaction entre la lave et la topographie conduit à la formation de léves, qui sont des jantes surélevées autoformées qui limitent le flux. La formation de levées est un processus de rétroaction : les bords lents, à haute viscosité du flux refroidissent et solidifient, créant une limite qui empêche l'expansion latérale. Un modèle CFD doit saisir avec précision le transfert de chaleur et la rhéologie aux marges pour reproduire ce phénomène. Plusieurs études ont montré que ce n'est qu'en incluant une contrainte de rendement dépendante de la température que les modèles produisent des largeurs et des hauteurs réalistes de la léve.

Données d'entrée et conditions de limite

Des simulations fiables de CFD nécessitent des données d'entrée de haute qualité. Les paramètres les plus critiques sont :

  • Taux d'éclatement (taux d'effusion):[ Le débit de lave par unité de temps, mesuré en m3/s, peut être estimé à partir d'images thermiques satellitaires, de mesures sur le terrain ou de moyennes historiques. Le taux d'effusion détermine l'intensité du débit et est le principal régulateur de la longueur du flux.
  • Température initiale de la lave: Pour les magmas basaltiques, la température du liquide est de ~120°C; pour les laves andésitiques ou dacitiques, elle est plus basse (~900–110°C). La température initiale affecte la vitesse de refroidissement et la cinétique de cristallisation.
  • Topographie (DEM): Une résolution horizontale d'au moins 10 m est recommandée pour une prévision précise du chemin. Les pentes de Steeper (≥30°) peuvent provoquer une accélération rapide et une transition du flux laminaire au flux turbulent.
  • Propriétés du matériau: Densité (habituellement 2500–2800 kg/m3), capacité thermique, conductivité thermique, émissivité pour le refroidissement radiatif et paramètres rhéologiques (contrainte de rendement, indice de consistance, indice de débit).Les mesures en laboratoire sur des échantillons naturels sont la norme de l'or, mais en pratique ces valeurs sont ajustées en fonction des éruptions passées.

Conditions de limite au vent : un profil de vitesse fixe (ou un débit massique constant) est imposé. À la surface du sol, on utilise un état sans glissement, souvent combiné à une limite de flux thermique (p. ex. transfert convectif de chaleur vers la roche sous-jacente). La surface supérieure est modélisée comme un glissement libre ou une limite segmentée : lorsqu'il existe une croûte, un état sans glissement peut être appliqué localement.

Validation et études de cas

Kīlauea 2018 Éruption de la zone du fossé inférieur est

L'éruption de Kīlauea Volcan 2018 sur l'île de Hawai'i a produit l'un des flux de lave les plus destructeurs de l'histoire récente, détruisant plus de 700 structures. Des observations de terrain, des images de drones et des données satellitaires (par exemple, de l'Observatoire du volcan d'Hawaï et de l'USGS) constituent un excellent point de repère pour les modèles CFD. Les chercheurs ont appliqué des approches FVM et SPH pour simuler le flux de la fente 8, y compris des MDE à haute résolution et des taux d'effusion mesurés. Le modèle SPH de Dietterich et al. (2022) a reproduit la géométrie globale du lobe de flux et le moment où la brèche de léve a été interrompue avec une erreur inférieure à 10 % dans la couverture de la zone.

Mont Etna 2021 Épisode paroxysmal

En février-mars 2021, le mont Etna en Sicile a connu une série de fontaines spectaculaires de lave, chacune générant un flux de lave à courte durée de vie mais en mouvement rapide qui a avancé à plusieurs kilomètres de la Valle del Bove. Les observations de l'Institut national italien de géophysique et de volcanologie (INGV) ont fourni des données de haute résolution temporelle sur les taux d'effusion et l'avance de l'écoulement avant. Une simulation d'éléments finis utilisant le code LavaSIM (basé sur une approximation de l'eau peu profonde des équations Navier-Stokes) a été en mesure de prédire la longueur finale du flux dans un délai de 5% lorsque l'historique du taux d'effusion a été utilisé comme entrée.

Défis et limites

Malgré des progrès importants, la modélisation des débits de lave par CFD fait encore face à plusieurs obstacles :

  • Coûts de calcul:[ Les simulations 3D à haute résolution d'une éruption complète peuvent prendre des jours ou des semaines sur des supercalculateurs, rendant la prévision en temps réel impossible.
  • Incertitudes rhumologiques:[ La rhéologie de la lave naturelle n'est pas entièrement comprise, surtout pour les magmas riches en cristaux et en bulles. Les expériences de laboratoire sur des échantillons refondus ne représentent peut-être pas le comportement de refroidissement rapide, les débits chargés en gaz.
  • Physique à plusieurs échelles: La dynamique des bulles et la croissance des cristaux se produisent à des échelles de micromètres à millimètres, tandis que le débit progresse sur des kilomètres.
  • L'accumulation de données en temps réel:[ Pendant une éruption continue, le taux d'effusion et la température de la lave peuvent changer rapidement.Les modèles CFD qui supposent une entrée constante ne saisissent pas les phases de cirage et de décrochage.
  • Modification de la topographie :[ Le flux de lave modifie lui-même la topographie en construisant de nouvelles terres (p. ex. formation de delta si la lave entre dans la mer). La plupart des modèles CFD supposent une topographie fixe, qui peut devenir inexacte pour les éruptions de longue durée.

Orientations futures

Apprentissage automatique – Simulations améliorées

Les modèles de substitution basés sur l'apprentissage profond (p. ex., réseaux neuronaux convolutionnels ou réseaux neuronaux graphes) peuvent être formés sur une bibliothèque de simulations de CFD antérieures pour produire des prévisions quasi-instantanées.Ces -émulateurs peuvent prédire le cheminement et l'épaisseur du flux en fonction du taux d'effusion et de la topographie sans résoudre les équations complètes Navier-Stokes.Les premiers modèles de ce type pour les flux de lave ont été développés par Mossoux et al. (2021) et ont montré une précision comparable à des modèles basés sur la physique, mais avec une accélération de trois à quatre ordres de grandeur.

Assimilation des données et prévision opérationnelle

L'assimilation en temps réel des données – fusion des observations par satellite avec les prévisions du modèle CFD – peut réduire l'incertitude et améliorer les compétences de prévision.L'Ensemble Kalman Filter et les filtres à particules ont été appliqués pour ajuster les paramètres rhéologiques à la volée au fur et à mesure que le débit avance.Le USGS Volcan Hazards Program investit dans des outils opérationnels CFD qui peuvent être exploités sur des grappes informatiques modestes et fournir des cartes de danger actualisées toutes les heures.

Modèles couplés pour l'analyse d'impact

Les approches futures du CFD seront probablement couplées à d'autres modèles : dispersion atmosphérique pour le gaz volcanique et les cendres, émissions thermiques pour les dommages causés à l'infrastructure, et même modèles économiques pour la quantification des risques.Cette approche du système de systèmes permet aux gestionnaires des urgences d'évaluer non seulement où la lave ira, mais aussi quelles en seront les conséquences. Par exemple, un modèle mixte CFD-thermal peut prédire la température d'un flux de lave à un point d'infrastructure critique (p. ex., une sous-station d'alimentation) et estimer le temps jusqu'à la défaillance.

Conclusion

En résolvant les équations couplées de masse, de moment et d'énergie avec des modèles rhéologiques et thermiques réalistes, CFD peut reproduire la complexité observée des éruptions réelles – de la formation de léves à l'arrêt du flux. Bien que des défis subsistent en matière de temps de calcul, de caractérisation rhéologique et de disponibilité des données, les progrès des méthodes numériques, de l'apprentissage des machines et de la surveillance par satellite nous rapprochent rapidement de la prévision robuste et en temps réel du flux de lave. L'objectif ultime est de fournir aux volcanologues et aux gestionnaires d'urgence des outils qui peuvent sauver des vies et des biens face à un des phénomènes les plus puissants de la nature.