La palabra "tsunami" recuerda inmediatamente los estragos que pueden causar estas olas excepcionalmente poderosas. Los tsunamis de los que escuchamos con más frecuencia son causados ​​por terremotos submarinos, y las olas que generan pueden viajar a velocidades de hasta 250 millas por hora y alcanzar decenas de metros de altura cuando tocan tierra y rompen. Pueden causar inundaciones masivas y una rápida devastación generalizada en las zonas costeras. como sucedió en el sudeste asiático en 2004 y en Japón en 2011.

Pero los tsunamis importantes también pueden ser causados ​​por otros eventos. El colapso parcial del volcán Anak Krakatau en Indonesia en 2018 provocó un tsunami que mató a más de 400 personas. Grandes deslizamientos de tierra, que arrojan inmensas cantidades de escombros al mar, también puede provocar tsunamis. Naturalmente, a los científicos les gustaría saber cómo y en qué medida podrían predecir las características de los tsunamis en diversas circunstancias.

La mayoría de los modelos de tsunamis generados por deslizamientos de tierra se basan en la idea de que el tamaño y la potencia de un tsunami están determinados por el espesor, o profundidad, del deslizamiento de tierra y la velocidad del "frente" cuando se encuentra con el agua. En un artículo titulado "Regímenes no lineales de olas de tsunami generados por un colapso granular, "publicado en línea en el Revista de mecánica de fluidos , El ingeniero mecánico de UC Santa Bárbara, Alban Sauret, y sus colegas, Wladimir Sarlin, Cyprien Morize y Philippe Gondret en Fluids, Laboratorio de Automatización y Sistemas Térmicos (FAST) en la Universidad de Paris-Saclay y el Centro Nacional Francés de Investigación Científica (CNRS), arrojar más luz sobre el tema. (El artículo también aparecerá en la edición impresa de la revista del 25 de julio).

Este es el último de una serie de artículos que el equipo ha publicado sobre caudales ambientales, y sobre las olas de tsunami generadas por deslizamientos de tierra en particular. A principios de este año, demostraron que la velocidad de un colapso, es decir, la velocidad a la que viaja el deslizamiento de tierra cuando entra al agua:controla la amplitud, o tamaño vertical, de la ola.

En sus experimentos más recientes, los investigadores midieron cuidadosamente el volumen del material granular, que luego soltaron, haciendo que se derrumbe como lo haría un acantilado, en un largo canal estrecho lleno de agua. Descubrieron que, si bien la densidad y el diámetro de los granos dentro de un deslizamiento de tierra tenían poco efecto sobre la amplitud de la onda, el volumen total de los granos y la profundidad del líquido jugaron papeles mucho más cruciales.

"Cuando los granos entren en el agua, actúan como un pistón, cuya fuerza horizontal gobierna la formación de la onda, incluyendo su amplitud relativa a la profundidad del agua, ", dijo Sauret. (Un desafío restante es comprender qué gobierna la velocidad del pistón)." Los experimentos también mostraron que si conocemos la geometría de la columna inicial [el material que fluye hacia el agua] antes de que colapse y la profundidad del agua donde aterriza, podemos predecir la amplitud de la onda ".

El equipo ahora puede agregar este elemento al modelo en evolución que han desarrollado para acoplar la dinámica del deslizamiento de tierra y la generación del tsunami. Un desafío particular es describir la transición de un deslizamiento de tierra seco inicial, cuando las partículas se separan por aire, a un flujo granular submarino, cuando el agua tiene un impacto importante en el movimiento de las partículas. Mientras eso ocurre, las fuerzas que actúan sobre los granos cambian drásticamente, afectando la velocidad a la que el frente de los granos que componen el deslizamiento de tierra ingresa al agua.

En la actualidad, Existe una gran brecha en las predicciones de tsunamis basadas en modelos simplificados que consideran la complejidad del campo (es decir, la geofísica) pero no captan la física del deslizamiento de tierra cuando entra al agua. Los investigadores ahora están comparando los datos de su modelo con los datos recopilados de estudios de casos de la vida real para ver si se correlacionan bien y si algún elemento de campo podría influir en los resultados.