Compreender o comportamento dos fluxos de lava é fundamental para avaliar os perigos vulcânicos e projetar estratégias de mitigação eficazes.Durante as erupções, a rocha derretida pode viajar a velocidades de metros por hora a dezenas de quilômetros por hora, destruindo infraestrutura, alterando paisagens e ameaçando populações próximas.A dinâmica computacional de fluidos (CFD) fornece um robusto quadro para simular a dinâmica complexa do movimento de lava, permitindo aos cientistas prever caminhos de fluxo, taxas de resfriamento e potenciais zonas de impacto sob uma ampla gama de condições.Este artigo explora as abordagens primárias de CFD utilizadas na vulcanologia, os processos físicos que capturam e os desafios que permanecem em alcançar previsões precisas em tempo real.

Equações Governantes e Modelos Reológicos

No seu núcleo, o CFD resolve as equações de Navier-Stokes para conservação de massa, momento e energia. Para os fluxos de lava, essas equações devem ser adaptadas para dar conta da reologia não newtoniana, forte dependência de temperatura da viscosidade e mudanças de fase (cristalização e exsolução de gás).

ρ (.v/.t + v·.v) = -.p + .·τ + ρg

ρ é densidade, v é velocidade, p é pressão, τ é tensor de tensão deviatório, e g é aceleração gravitacional. A complexidade chave reside na relação constitutiva ligando tensão à taxa de tensão. Lava se comporta como um material viscoplástico: deforma-se apenas quando o estresse aplicado excede uma tensão de rendimento τ0. Dois modelos reológicos comuns usados no CFD são:

  • Modelo Bingham: τ = τ0 + μp γ γ γ , para τ > τ0, onde μp é a viscosidade plástica e γ , é a taxa de cisalhamento. Este modelo captura o comportamento do fluxo de plugue de lava – uma tampa rígida movendo-se sobre uma camada basal tosquiada.
  • Herschel–Bulkley model: τ = τ0 + K γ^n, onde K é o índice de consistência e n é o índice de fluxo (n < 1 for shear-thinning, n >] 1 para enfiamento de cisalhamento). Este modelo mais flexível representa melhor o comportamento dependente da temperatura e taxa de deformação dos magmas complexos.

A viscosidade em si evolui como nucleato de lava e cristais. A equação de Roscoe-Einstein é frequentemente usada para atualizar a viscosidade efetiva em função da fração cristalina ♦: μ eff = μ liquid · (1 - ♦/δ max)^(-2.5 ♦ max). Acima de uma fração cristalina crítica (~60%), a suspensão transiciona para um comportamento sólido, criando uma força de escoamento que pode parar o fluxo. A temperatura é monitorada através da equação de energia, que inclui termos para advecção de calor, condução, calor latente de cristalização e resfriamento radiativo na superfície. Estas equações acopladas tornam o problema computacionalmente intensivo, mas são essenciais para capturar a parada de fluxos de lava.

Métodos numéricos para simulação de Lava Flow

Método de volume finito (FVM)

O Método de Volume Finito divide o domínio computacional em pequenos volumes de controle e resolve a forma integral das equações de conservação. A FVM é inerentemente conservadora – massa, momento e fluxos de energia são exatamente equilibrados entre as faces celulares – tornando-o adequado para simulações de alta resolução de lava espalhando-se por topografia complexa. Os códigos de fonte aberta populares da CFD, como OpenFOAM e FEniCS, foram adaptados para aplicações vulcológicas. Pesquisadores usaram a FVM para modelar detalhes em escala de metros de canais e lobos de lava, capturando a formação de leves e a transição de fluxo canalizado para fluxo de folhas. O método lida bem com condições de contorno complexas; por exemplo, uma condição de deslizamento pode ser aplicada na superfície do solo, enquanto uma condição de deslizamento livre ou de tensão é aplicada no topo do fluxo, se a lava for isolada por uma crosta. No entanto, a FVM pode lutar com interfaces afiadas (por exemplo, entre a lava e o solo sólido) e muitas vezes requer um refinamento de malha adaptativa para resolver o fluxo frontal.

Método dos elementos finitos (FEM)

O Método do Elemento Finito discretiza o domínio em elementos (triângulos, quadrilaterais, tetraedro) e aproxima a solução usando funções de base. O FEM é particularmente atraente para a modelagem de fluxo de lava porque pode manipular malhas irregulares e não estruturadas que se conformam com modelos de elevação digital reais (DEMs). O método permite o refinamento de malha local em regiões de alto gradiente, como a frente de fluxo e obstáculos próximos. As implementações mais recentes usam a abordagem variacional multiescala (VMS) para estabilizar o momento do domínio dominado por adições e equações de energia, que ocorrem quando a lava flui rapidamente para baixo de encostas íngremes. O FEM foi empregado na simulação de fluxos basálticos no Monte Etna e Kīlauea, onde a complexidade topográfica (conescória, cicatrizes de falhas, tubos de lava) influencia significativamente a direção do fluxo. Uma limitação do padrão FEM é que não é estritamente conservadora para massa e energia; contudo, formulações mistas e o uso de métodos de Galerkin descontínuosos podem atenuar.

Métodos sem malha: Hidrodinâmica de Partículas Suave (SPH)

A SPH é uma técnica lagrangeana, sem malha, na qual o fluido é representado por um conjunto de partículas em movimento, cada uma carregando propriedades físicas. As partículas interagem através de um núcleo suavizante, e as equações governantes são resolvidas na sua forma Lagrangeana. A SPH é ideal para simular grandes deformações, fluxos de superfície livre e interações com limites complexos – todas características da lava. Como as posições de partículas são advectadas com o fluxo, a SPH pode naturalmente capturar a ruptura de um lobo de lava, a formação de múltiplos canais e a colocação de detritos. O método foi aplicado com sucesso para modelar a erupção de Etna 2001 e a erupção de 2018 da Kīlaueea Low East Rift Zone, reproduzindo o avanço de fluxo observado com boa precisão. As principais desvantagens da SPH são o alto custo computacional (número de partículas pode exceder milhões) e dificuldade em impor condições de contorno precisas (por exemplo, sem deslizamento no solo). Além disso, os modelos SPH muitas vezes requerem uma cuidadosa calibração de viscosidade e tensão de produção para corresponder às observações.

Comparação e abordagens híbridas

Cada método numérico tem pontos fortes e fracos. FVM é conservador e robusto para previsões operacionais em grande escala; FEM se destaca na flexibilidade e adaptatividade da malha; SPH é natural para fluxos de superfície livre. Alguns códigos modernos combinam estes métodos: um volume finito ou resolução de elementos finitos para a maior parte do fluxo, acoplado com uma abordagem de refinamento de malha de partículas em células (PIC) ou adaptativa (AMR) na frente de fluxo. Além disso, o uso de métodos de contorno imersos permite que os solucionadores FVM/FEM incorporem dados topográficos sem gerarem grades com o corpo ajustado, reduzindo o tempo de pré-processamento.

Processos físicos chave na Lava Flow Dynamics

Refrigeração, Cristalização e Evolução da Viscosidade

À medida que a lava avança, perde calor para a atmosfera e para o solo. A superfície superior esfria rapidamente, formando uma crosta fina que isola o interior, permitindo que o fluxo viaje longas distâncias. Dentro do fluxo, a temperatura permanece acima do liquidus por algum tempo, mas à medida que cai, os cristais se nucleam e crescem, aumentando a viscosidade do volume. A transição de um líquido Newtoniano para um líquido Bingham ou Herschel-Bulkley é controlada pela fração cristalina. Os modelos CFD normalmente parametrizam isto através de uma relação entre temperatura e cristalinidade (fracção de fase sólida), utilizando dados de petrologia experimental ou modelos termodinâmicos como MELTS. O calor latente liberado durante a cristalização compensa parcialmente o resfriamento radiativo, estabilizando o comprimento do fluxo. Uma falha em explicar estes efeitos leva a previsões de fluxos irrealistas curtos ou finos.

Exsolução de gás e fluxo de bolhas

Muitos fluxos de lava contêm voláteis dissolvidos (principalmente H2O, CO2, SO2) que exsolvem como pressão cai perto da ventilação. As bolhas podem reduzir significativamente a densidade e viscosidade da espuma, aumentando a velocidade de fluxo e a distância de escoamento. São necessários modelos de fluxo bifásico (líquido + gás) ou modelos de mistura para capturar este comportamento. A interação entre bolhas e a fase líquida é frequentemente descrita usando a equação Rayleigh-Plesset para crescimento de bolhas e um modelo de velocidade de deslizamento (por exemplo, o modelo Zuber-Findlay de fluxo de deriva). Enquanto a maioria dos códigos operacionais de CFD tratam o fluxo como uma única fase com uma densidade e viscosidade eficazes, os códigos de pesquisa incluem cada vez mais efeitos bifásicos para melhor corresponder à inflação observada e desgassing de fluxos ativos.

Interação topográfica e formação de levee

A topografia pré-erupção – incluindo vales, cumes e campos de lava pré-existentes – controla fortemente a direção e a velocidade do fluxo. Os modelos CFD usam dados topográficos de alta resolução (por exemplo, imagens de estéreo de 1 m de lidar ou satélite) para criar modelos digitais de elevação (DEMs) com os quais a malha computacional é construída. A interação entre lava e topografia leva à formação de leves, que são bordas elevadas autoformadas que limitam o fluxo. A formação de Levee é um processo de feedback: as bordas de movimento lento, alta viscosidade do fluxo esfriam e solidificam, criando um limite que impede a propagação lateral. Um modelo CFD deve capturar com precisão a transferência de calor e reologia nas margens para reproduzir este fenômeno. Vários estudos têm mostrado que apenas ao incluir um estresse de rendimento dependente da temperatura produzem modelos realistas larguras de levee e alturas.

Dados de entrada e condições de limite

Simulações confiáveis de CFD requerem dados de entrada de alta qualidade. Os parâmetros mais críticos são:

  • Taxa de ruptura (taxa de fusão): A descarga de lava por unidade de tempo, tipicamente medida em m3/s. Isto pode ser estimado a partir de imagens térmicas de satélite, medições de campo ou médias históricas. A taxa de derrame determina a intensidade do fluxo e é o controle primário sobre o comprimento do fluxo.
  • Temperatura inicial de lava: Para magmas basálticos, a temperatura do liquidus é ~1200°C; para lavas andesíticas ou dacíticas, é menor (~900–1100°C). A temperatura inicial afeta a taxa de resfriamento e a cinética de cristalização.
  • Topografia (DEM): Recomenda-se resolução horizontal de pelo menos 10 m para a predição precisa do caminho. As inclinações do Steeper (≥30°) podem causar aceleração rápida e transição do fluxo laminar para turbulento.
  • Propriedades materiais: Densidade (tipicamente 2500–2800 kg/m3), capacidade de calor, condutividade térmica, emissividade para resfriamento radiativo e parâmetros reológicos (stress de rendimento, índice de consistência, índice de fluxo). As medições laboratoriais em amostras naturais são o padrão ouro, mas na prática estes valores são sintonizados contra erupções passadas.

Condições de contorno na ventilação: é imposto um perfil de velocidade fixo (ou um caudal mássico constante). Na superfície do solo, é usada uma condição de ausência de deslizamento, frequentemente combinada com um limite de fluxo de calor (por exemplo, transferência de calor convectiva para a rocha subjacente). A superfície superior é modelada como um deslize livre ou um limite segmentado: onde existe uma crosta, pode ser aplicada localmente uma condição de ausência de deslizamento. Para simulações em grande escala, o domínio computacional deve estender- se o suficiente para conter todo o percurso de fluxo, que pode ser de dezenas de quilómetros. Isto aumenta o tamanho da malha e o tempo computacional.

Validação e Estudos de Caso

Kīlauea 2018 Erupção da Zona de Rift Leste Inferior

A erupção de 2018 do vulcão Kīlauea na ilha de Hawai’i produziu um dos fluxos de lava mais destrutivos da história recente, destruindo mais de 700 estruturas. Observações extensas de campo, imagens de drones e dados de satélite (por exemplo, do Observatório do Vulcão do Havaí e do USGS) fornecem um excelente parâmetro de referência para modelos CFD. Pesquisadores aplicaram tanto as abordagens FVM e SPH para simular o fluxo da fissura 8 ventilatório, incorporando DEMs de alta resolução e taxas de derrame medidas. O modelo SPH de ]Dietterich et al. (2022) reproduziu a geometria do lobo de fluxo geral e o tempo de ruptura de levee com um erro de menos de 10% na cobertura de área. O modelo destacou o papel crítico do Pu‘u ‘‘ōō lava flui na direção da lava 2018, um detalhe que simplistic (e.g., íngreme) modelos não conseguiu capturar.

Episódio de Paroxismal do Monte Etna 2021

Durante fevereiro-março de 2021, o Monte Etna, na Sicília, experimentou uma série de espetaculares fontes de lava, cada uma gerando um fluxo de lava de curta duração, mas em movimento rápido, que avançou vários quilômetros abaixo do Valle del Bove. Observações do Instituto Nacional Italiano de Geofísica e Vulcanologia (INGV) forneceram dados de alta resolução temporal sobre as taxas de derrame e avanço frontal de fluxo. Uma simulação de elementos finitos usando o código LavaSIM (baseada numa aproximação de águas rasas das equações Navier-Stokes) foi capaz de prever o comprimento final do fluxo dentro de 5% quando o histórico da taxa de derrame foi usado como entrada. O mesmo estudo descobriu que o fluxo avançou de forma pulsante devido à interação entre a taxa de resfriamento e de fornecimento, um fenômeno que não pode ser reproduzido por modelos estatísticos mais simples.

Desafios e Limitações

Apesar de um progresso significativo, a modelagem de fluxos de lava ainda enfrenta vários obstáculos:

  • Custo computacional: Simulações 3D de alta resolução de uma erupção completa podem levar dias ou semanas em supercomputadores, tornando impraticável a previsão em tempo real.Mesmo modelos 2D de profundidade média (por exemplo, equações de água rasas) requerem um design cuidadoso de malha para evitar tempos de execução proibitivos.
  • Incerteza reológica:] A reologia da lava natural não é totalmente compreendida, especialmente para magmas ricos em cristais e borbulhantes.Experimentos laboratoriais em amostras refundidas podem não representar o comportamento de escoamentos rapidamente resfriados, carregados de gás.A incerteza na tensão de rendimento e viscosidade pode levar a grandes variações no comprimento de fluxo previsto.
  • Física multiescala: A dinâmica da bolha e o crescimento de cristais ocorrem em escalas de micrômetros a milímetros, enquanto o fluxo avança ao longo de quilômetros. A ponte dessas escalas em uma única simulação (modelagem multiescala) é um tópico de pesquisa ativo.
  • Falta de dados em tempo real: Durante uma erupção em curso, a taxa de derrame e a temperatura de lava podem mudar rapidamente. Os modelos CFD que assumem a entrada constante não conseguem capturar as fases de depilação e desvanecimento. Incorporar dados térmicos e posicionais em tempo real de satélites (por exemplo, VIIRS, Sentinel-2) em um framework de data-assimilação é uma avenida promissora, mas desafiadora.
  • Mudança de topografia: O próprio fluxo de lava modifica a topografia construindo novos terrenos (por exemplo, formação delta se a lava entra no mar).A maioria dos modelos de CFD assumem uma topografia fixa, que pode tornar-se imprecisa para erupções de longa duração.

Instruções futuras

Simulações de aprendizagem de máquina–melhoram

Modelos substitutos baseados em aprendizagem profunda (por exemplo, redes neurais convolucionais ou redes neurais de grafos) podem ser treinados em uma biblioteca de simulações anteriores de CFD para produzir previsões quase instantâneas. Estes “emuladores” podem prever o caminho de fluxo e espessura dada taxa de derrame e topografia sem resolver as equações completas de Navier-Stokes. Os primeiros modelos para fluxos de lava foram desenvolvidos por Mossoux et al. (2021)] e mostraram precisão comparável aos modelos baseados em física, mas com uma aceleração de três a quatro ordens de magnitude. As abordagens híbridas que usam redes neurais com formação física (PINN) para fazer cumprir as leis de conservação também estão sendo exploradas.

Assimilação de dados e previsão operacional

A assimilação de dados em tempo real – fundindo observações de satélite com previsões de modelos CFD – pode reduzir a incerteza e melhorar a habilidade de previsão. O filtro de partículas Ensemble Kalman e filtros de partículas foram aplicados para ajustar parâmetros reológicos em tempo real à medida que o fluxo avança. O Programa de Riscos de Vulcões USGS está investindo em ferramentas operacionais de CFD que podem ser executadas em clusters computacionais modestos e fornecer mapas de perigo atualizados a cada hora. Os desafios incluem a latência das observações de satélite (normalmente 10-30 minutos) e a necessidade de automação robusta da geração de malha e configuração de solucionadores.

Modelos em conjunto para avaliação de impacto

As futuras abordagens de CFD provavelmente serão associadas a outros modelos: dispersão atmosférica para gás e cinzas vulcânicas, emissão térmica para danos na infraestrutura e até mesmo modelos econômicos para quantificação de risco.Esta abordagem de sistema de sistemas permite que os gestores de emergência avaliem não só para onde a lava irá, mas também quais serão as consequências. Por exemplo, um modelo CFC-térmico conjunto pode prever a temperatura de um fluxo de lava em um ponto crítico de infraestrutura (por exemplo, uma subestação de energia) e estimar o tempo até a falha.

Conclusão

A dinâmica computacional de Fluid Dynamics tornou-se indispensável para compreender e prever a dinâmica dos fluxos de lava. Ao resolver as equações de massa, momento e energia com modelos reológicos e térmicos realistas, o CFD pode reproduzir a complexidade observada das erupções reais – desde a formação de leve até a parada de fluxo. Enquanto os desafios no tempo de computação, caracterização reológica e disponibilidade de dados permanecem, avanços nos métodos numéricos, aprendizado de máquinas e monitoramento de satélites estão rapidamente nos aproximando da previsão robusta de fluxo de lava em tempo real. O objetivo final é fornecer aos vulcanólogos e gestores de emergência ferramentas que possam salvar vidas e propriedades diante de um dos fenômenos mais poderosos da natureza. À medida que os recursos computacionais continuam a crescer e nosso entendimento físico se aprofunda, o CFD desempenhará um papel cada vez mais central na vulcanologia.