Nghiên cứu mới, công bố trên tạp chí Science bởi nhóm bao gồm Olivier Bachmann từ ETH Zurich, trình bày một cơ chế bổ sung để hiểu cách nham thạch giàu khí phun. Trước đây, hiện tượng tạo bọt thường được giải thích bằng sự giảm áp khi nham thạch dâng lên, tương tự như cách carbon dioxide tạo bọt trong chai champagne. Tuy nhiên, mô hình này không giải thích tại sao một số núi lửa giàu khí, như Mount St. Helens hay Quizapu, đôi khi vẫn tạo dòng chảy êm dịu.
Các tác giả cho thấy lực cắt trong ống dẫn — khác biệt về tốc độ chảy giữa trung tâm và thành ống — có thể tạo và khuyến khích bọt khí. Nếu các bọt lớn lên và hợp nhất sâu trong ống, chúng có thể hình thành kênh thoát khí, cho phép khí rời khỏi hệ thống sớm hơn và giảm nguy cơ phun nổ. Thí nghiệm với chất lỏng nhớt bão hòa carbon dioxide cho thấy khi lực cắt vượt một ngưỡng, bọt xuất hiện đột ngột; mức độ quá bão hòa ban đầu càng cao thì ngưỡng lực cắt càng thấp. Các bọt đã có sẵn cũng khuyến khích bọt mới hình thành gần đó.
Kết hợp quan sát phòng thí nghiệm và mô phỏng máy tính, nhóm nghiên cứu cho thấy hiệu ứng này có khả năng xảy ra khi nham thạch nhớt chảy dọc ống dẫn và chịu lực cắt mạnh. Phát hiện này giải thích vì sao nham thạch ít khí vẫn có thể nổ nếu lực cắt tạo nhiều bọt, và ngược lại lực cắt có thể tạo kênh thoát khí trong nham thạch giàu khí, làm giảm khả năng nổ. Các tác giả khuyên cần cập nhật mô hình núi lửa để tính đến lực cắt trong ống dẫn nhằm dự đoán nguy cơ tốt hơn.
- Thí nghiệm: chất lỏng nhớt bão hòa CO2.
- Mô phỏng: kiểm tra điều kiện lực cắt.
- Ví dụ: Mount St. Helens năm 1980 bắt đầu chảy chậm rồi nổ.
Từ khó
- nham thạch — khoáng chất nóng chảy dưới lớp vỏ Trái Đất
- lực cắt — sự khác biệt tốc độ giữa các lớp chất lỏng
- ống dẫn — đường hoặc ống để nham thạch chảy lên
- bão hòa — trạng thái đã chứa tối đa một chất hòa tan
- ngưỡng — giá trị tối thiểu gây một hiệu ứng
- hợp nhất — khi hai hay nhiều bọt nối lại thành một
- kênh thoát khí — lối cho khí rời khỏi hệ thống nham thạch
- mô phỏng — tạo lại tình huống trên máy tính để nghiên cứu
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bài viết nói rằng thêm lực cắt vào mô hình có thể giúp dự đoán nguy cơ tốt hơn. Bạn nghĩ việc này sẽ ảnh hưởng như thế nào đến cảnh báo sớm và quản lý rủi ro?
- Thí nghiệm phòng thí nghiệm và mô phỏng máy tính cho thấy hiệu ứng lực cắt. Theo bạn, khó khăn khi áp dụng kết quả đó cho núi lửa thực tế là gì?
- Bài viết nêu ví dụ Mount St. Helens bắt đầu chảy chậm rồi nổ. Dựa trên nội dung bài, những điểm giám sát nào cần chú ý khi theo dõi núi lửa tương tự?
Bài viết liên quan
Cảm biến nhà và AI giám sát sức khỏe người mắc ALS
Nhóm tại University of Missouri thử nghiệm hệ thống cảm biến trong nhà kết hợp trí tuệ nhân tạo để theo dõi thay đổi chức năng ở người mắc xơ cứng teo cơ một bên (ALS). Dự án xác minh dữ liệu rồi phát triển mô hình dự báo và tích hợp cảnh báo vào chăm sóc lâm sàng.