La comprensione del comportamento dei flussi di lava è fondamentale per valutare i rischi vulcanici e progettare strategie di mitigazione efficaci. Durante le eruzioni, la roccia fusa può viaggiare a velocità da metri all'ora a decine di chilometri all'ora, distruggendo le infrastrutture, alterando i paesaggi e minacciando le popolazioni vicine.

Equazioni di governo e modelli di Rheological

Per i flussi di lava, queste equazioni devono essere adattate per spiegare la reologia non newtoniana, la forte dipendenza della temperatura della viscosità e i cambiamenti di fase (cristallizzazione e e essoluzione del gas). L'equazione di slancio generalizzata per un fluido incompresso è:

ρ (∂v/∂t + v· α α α α α α α α α α α α ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι ι

dove ρ è densità, v è velocità, p è pressione, τ è il tenore deviatorico di stress, e g è accelerazione gravitazionale. La complessità chiave risiede nella relazione costitutiva che collega lo stress al tasso di tensione. La lava si comporta come un materiale viscoplastico: si deforma solo quando lo stress applicato supera uno stress di rendimento τ0. Due modelli reologici comuni utilizzati in CFD sono:

  • Modello di Bingham:[ τ = τ0 + μp γ GM per τ > τ0, dove μp è la viscosità plastica e γ GM è la velocità di taglio. Questo modello cattura il comportamento del flusso di plug di lava – un tappo rigido che si muove su uno strato basale sheared.
  • Herschel–Bulkley modello:[] τ = τ0 + K γ± ⁇ n, dove K è l'indice di consistenza e n è l'indice di flusso (n < 1 for shear-thinning, n > 1 per la lentezza della cinghia). Questo modello più flessibile rappresenta meglio il comportamento di temperatura- e dependente della tensione di magma complesso.

La viscosità stessa si evolve come raffredda lavico e nucleato di cristalli. L'equazione Roscoe-Einstein spesso viene utilizzata per aggiornare la viscosità efficace come funzione della frazione di cristallo φ: μ eff = μ liquid · (1 - φ/φ max)^(-2.5 φ max).

Metodi numerici per la simulazione del flusso lavico

Metodo di volume finito (FVM)

Il metodo del volume finito divide il dominio computazionale in piccoli volumi di controllo e risolve la forma integrale delle equazioni di conservazione. FVM è intrinsecamente conservativo – massa, slancio e flussi di energia sono esattamente bilanciati attraverso le facce delle cellule – rendendolo adatto per simulazioni ad alta risoluzione di laviche che si diffondono su topografia complessa.

Metodo di elementi finiti (FEM)

Il metodo degli elementi finiti discosta il dominio in elementi (tringles, quadrilateri, tetrahedra) e approssima la soluzione utilizzando funzioni base. FEM è particolarmente attraente per la modellazione del flusso di lava perché può gestire mesh irregolari e non strutturate che si conformano a reali modelli di elevazione digitale (DEMs). Il metodo permette di affinamento delle maglie locali in regioni di alto gradiente, come il flusso anteriore e vicino stabilizzazione

Metodi senza reticola: Idrodinamica della particelle liscia (SPH)

SPH è una tecnica di SPH senza reticolate in cui il fluido è rappresentato da una serie di particelle in movimento, ognuna delle quali ha proprietà fisiche. Le particelle interagiscono con un kernel lisciante e le equazioni di governo sono risolte nella loro forma Lagrangiana. SPH è ideale per simulare grandi deformazioni, flussi di superficie libera e interazioni con confini complessi – tutte caratteristiche di lava.

Comparazione e approcci ibridi

FVM è conservatrice e robusta per le previsioni operative su larga scala; FEM eccelle nella flessibilità e nell'adattabilità della rete; SPH è naturale per i flussi di superficie libera. Alcuni codici moderni combinano questi metodi: un volume finito o un elemento finito per la maggior parte del flusso, insieme a un particella-in-cell (PIC) o un'adaptive mesh refinement (AMR).

Processi fisici chiave nella dinamica del flusso lavico

Raffreddamento, cristallizzazione e viscosità evoluzione

La superficie superiore si raffredda rapidamente, formando una sottile crosta che isola l'interno, permettendo al flusso di percorrere lunghe distanze. All'interno del flusso, la temperatura rimane al di sopra del liquido per un certo tempo, ma come si abbassa, cristalli nucleati e crescono, aumentando la viscosità di massa.

Gas Exsolution e Bubbly Flow

Molti flussi di lava contengono volatile disciolti (in particolare H2O, CO2, SO2) che si essolvono come cali di pressione vicino alla bocca. Le bolle possono ridurre significativamente la densità di massa e la viscosità della schiuma, aumentando la velocità di flusso e la distanza di uscita.

Interazione topografica e formazione di leve

La topografia pre-upazione – comprese le valli, i crinali e i campi di lava preesistenti – controlla fortemente la direzione e la velocità del flusso. I modelli CFD utilizzano i dati topografici ad alta risoluzione (ad esempio, 1 m di lidro o immagini stereo satellitari) per creare modelli di elevazione digitale (DEM) con cui è costruita la rete computazionale.

Dati di input e condizioni di produzione

Le simulazioni CFD affidabili richiedono dati di input di alta qualità. I parametri più critici sono:

  • Tasso di eruzione (tasso di effusione):[ Lo scarico della lava per unità di tempo, tipicamente misurato in m3/s. Questo può essere stimato da immagini termiche satellitari, misurazioni del campo o medie storiche. Il tasso di effusione determina l'intensità del flusso ed è il controllo primario sulla lunghezza del flusso.
  • Temperatura di lava iniziale:[ Per i magmi basalitici, la temperatura liquida è ~1200°C; per le lava andesitiche o dacitiche, è inferiore (~900–1100°C). La temperatura iniziale colpisce il tasso di raffreddamento e la cinetica di cristallizzazione.
  • Topografia (DEM): Si raccomanda una risoluzione orizzontale di almeno 10 m per una predizione accurata del percorso. Le piste di sterzo (≥30°) possono causare una rapida accelerazione e transizione dal flusso laminare al turbolento.
  • Proprietà materiali:[ Densità (di solito 2500-2800 kg/m3), capacità termica, conducibilità termica, emissività per il raffreddamento radiante, e i parametri reologici (sforzo di latta, indice di consistenza, indice di flusso). Le misurazioni del laboratorio su campioni naturali sono lo standard d'oro, ma in pratica questi valori sono sintonati contro eruzioni passate.

Le condizioni di flusso sono fissate al ventaglio: viene imposta una velocità fissa (o una portata di massa costante) e alla superficie del terreno viene utilizzata una condizione di no-slip, spesso combinata con un limite di flusso di calore (ad esempio, il trasferimento di calore convettivo alla roccia sottostante). La superficie superiore è modellata come un limite libero o segmentato: dove esiste una crosta, una condizione di no-slipano di dimensioni per essere applicata localmente.

Validazione e studi di casi

Kīlauea 2018 Eruzione della zona di Rift inferiore orientale

Il modello di eruzione del VS (SF) del 2018 ha prodotto uno dei flussi di lava più distruttivi nella storia recente, distruggendo oltre 700 strutture.

Etna 2021 Episodioso Parossistico

Durante il periodo febbraio-marzo 2021, il Mount Etna in Sicilia ha sperimentato una serie di spettacolari fontane laviche, generando un flusso di lava a breve ma veloce che ha avanzato diversi chilometri lungo la Valle del Bove.

Sfide e limitazioni

Nonostante i progressi significativi, la modellazione CFD dei flussi di lava affronta ancora diversi ostacoli:

  • Costo computazionale:[ Le simulazioni 3D ad alta risoluzione di una eruzione completa possono richiedere giorni o settimane su supercomputer, facendo previsioni in tempo reale impraticabili. Anche i modelli 2D a profondità media (ad esempio, equazioni di acqua bassa) richiedono un'attenta progettazione di rete per evitare tempi di esecuzione proibitivi.
  • Incertezza reologica:[ La reologia della lava naturale non è pienamente compresa, soprattutto per i magmi ricchi di cristalli e bubbly. Gli esperimenti di laboratorio sui campioni di fusione non possono rappresentare il comportamento dei flussi rapidamente raffreddati, caricati a gas. L'incertezza nello stress di resa e nella viscosità può portare a grandi variazioni nella lunghezza di flusso prevista.
  • Fisica multiscala:[ La dinamica della bolla e la crescita del cristallo si verificano a scale di micrometri a millimetri, mentre il flusso avanza su chilometri.
  • La mancanza di dati in tempo reale: Durante un'eruzione continua, la velocità di effusione e la temperatura della lava possono cambiare rapidamente. I modelli CFD che assumono un input costante non riescono a catturare le fasi di cera e di ondulazione.
  • Cambio di topografia:[] Il flusso lavico modifica la topografia costruendo nuove terre (ad esempio, formazione delta se la lava entra nel mare). La maggior parte dei modelli CFD assume una topografia fissa, che può diventare imprecisa per eruzioni a lunga durata.

Le direzioni future

Apprendimento della macchina–Simulazioni avanzate

I modelli di Surrogate basati su deep learning (ad esempio, reti neurali convoluzionali o reti neurali di grafi) possono essere formati su una libreria di simulazioni CFD precedenti per produrre previsioni quasi esistenti.Questi "emulatori" possono prevedere il percorso di flusso e lo spessore dato tasso di effusione e topografia senza risolvere le equazioni complete di Navier-Stokes.

Assimilazione e previsione operativa

L'assimilazione dei dati in tempo reale – fondendo le osservazioni satellitari con le previsioni del modello CFD – può ridurre l'incertezza e migliorare le abilità previsionali. I filtri Ensemble Kalman Filter e i filtri particle sono stati applicati per regolare i parametri reologici sulla mosca come i progressi del flusso.

Modelli accoppiati per la valutazione dell'impatto

Gli approcci futuri della CFD saranno probabilmente accoppiati con altri modelli: dispersione atmosferica per gas e ceneri vulcaniche, emissione termica per danni alle infrastrutture e anche modelli economici per quantificazione del rischio. Questo approccio sistema-di-sistemi permette ai responsabili di emergenza di valutare non solo dove andrà la lava ma anche quali saranno le conseguenze.

Conclusioni

La Computational Fluid Dynamics è diventata indispensabile per comprendere e prevedere le dinamiche dei flussi di lava. Risolvendo le equazioni accoppiate di massa, slancio ed energia con modelli reologici e termici realistici, CFD può riprodurre la complessità osservata delle eruzioni reali – dalla formazione delle levee all’arresto del flusso. Mentre le sfide nel tempo di calcolo, la caratterizzazione reologica e la disponibilità dei dati rimangono, i progressi nei metodi numerici, l’apprendimento rapido avvicinamento delle previsioni e la vita satellite