La convezione nella colonna di destra è molto più forte di quella di sinistra. Gli esperimenti (in alto) mostrano che il modello convettivo è grossolano a granulometria maggiore (a destra), mentre gli studi classici (al centro) generalmente prevedono il contrario. Dopo aver considerato l'effetto della dispersione meccanica, i nuovi risultati delle simulazioni (in basso) combaciano bene con le osservazioni sperimentali. Attestazione:Liang et al .
Quando Yu "Alex" Liang ha iniziato la scuola di specializzazione presso l'Università del Texas ad Austin, è stato incaricato di eseguire un esperimento diretto per raccogliere dati su un fenomeno ben compreso nella meccanica dei fluidi:come le differenze di densità influenzano il flusso del fluido in un mezzo poroso.
È uno scenario che si gioca su un'ampia gamma di problemi scientifici. Infatti, Liang stava pianificando di applicare i dati sperimentali a un progetto più ampio sul sequestro del carbonio. Però, l'esperimento ha rivelato che la fisica che governa il flusso non era così definita come pensavano gli scienziati.
I risultati hanno rivelato che il driver principale di questo tipo di flusso di fluido, chiamato convezione solutale, era stato trascurato. Cosa c'è di più, una volta che questo driver è stato preso in considerazione, capovolge completamente i risultati di flusso attesi.
"Di qualche grado, è un punto di svolta, " ha detto Liang, che ha conseguito il dottorato di ricerca in ingegneria petrolifera nel 2017 e ora lavora per Hilcorp, una compagnia energetica con sede a Houston. "I nostri esperimenti e simulazioni mostrano che il modello convettivo è controllato da un processo diverso da quello pensato in precedenza. Le persone si renderanno conto che ci sono teorie molto più approfondite da esplorare sulla convezione solubile nei mezzi porosi".
I risultati della ricerca di Liang sono stati pubblicati sulla rivista Lettere del ricercatore geofisico nel mese di settembre. I suoi coautori includono Marc Hesse, professore associato presso la UT Jackson School of Geosciences e l'Institute for Computational Engineering and Sciences (ICES), David Di Carlo, professore associato presso il Dipartimento di ingegneria petrolifera e dei geosistemi di UT Hildebrand, e Baole Wen, un borsista post-dottorato presso la Jackson School e l'ICES. DiCarlo e Hesse sono i dottorandi di Liang. consiglieri.
Per decenni è stato il consenso scientifico che l'equilibrio tra correnti guidate dalla densità e diffusione fosse il fattore principale che controllava la convezione solubile nei mezzi porosi. Il pensiero è andato:le regioni di fluido denso si muovono verso il basso fino a quando la diffusione elimina la differenza di densità che guida il flusso, creando dita dense che affondano verso il basso. Generalmente, le dita devono essere sufficientemente distanziate in modo che la diffusione non possa spalmarle mentre il fluido affonda. Perciò, si pensava generalmente che le dita fossero più distanti nei flussi lenti e più vicine nei flussi veloci guidati da maggiori differenze di densità.
Nonostante il modello sia ben consolidato nelle simulazioni al computer, Hesse ha affermato che il team di ricerca non è stato in grado di trovare risultati sperimentali che dimostrino questo comportamento di base. Così hanno sviluppato un semplice impianto da tavolo, un serbatoio trasparente riempito con perline di vetro e acqua, per osservare la convezione solubile in tempo reale. Per avviare il processo di convezione, l'acqua è stata sormontata da uno strato di metanolo e glicole etilenico, una miscela complessivamente meno densa dell'acqua, ma diventa gradualmente più denso e affonda mentre subisce la convezione con l'acqua all'interfaccia del fluido.
Il team si aspettava che il classico schema delle dita strette emergesse negli esperimenti che utilizzavano perline di diametro maggiore. Anziché, emerse lo schema completamente opposto. La distanza tra le dita aumentava con la dimensione del tallone.
"Ecco questo fenomeno molto elementare, che si verifica in tutti i tipi di applicazioni, è un classico esempio di formazione di schemi—e fai gli esperimenti e ottieni letteralmente l'opposto di quello che tutti si aspettano, " Ha detto Hesse. "Questo dimostra che qualcosa è totalmente sbagliato nella nostra comprensione di base di questo processo".
Un'analisi più approfondita ha rivelato che la dispersione creata dalle perle di diametro maggiore aveva un impatto maggiore sull'ambiente convettivo rispetto alla diffusione. Mentre le precedenti teorie della convezione solutale enfatizzano la diffusione, la diffusione del materiale nell'acqua nei loro esperimenti si è rivelata controllata dalla dispersione meccanica, che porta alla miscelazione aggiuntiva dei fluidi sulla scala dei pori.
"In altre parole, quello che stai attraversando è davvero importante, " ha detto. "La dispersione aumenta con l'aumentare della granulometria, ed è per questo che le dita si allargano mentre lo fai con perline più grandi."
Sulla base delle loro osservazioni sull'esperimento da tavolo, i ricercatori sono stati in grado di replicare i loro risultati con un modello computazionale.
"Il punto chiave è che analizziamo l'effetto della dispersione sulla convezione nel sottosuolo sulla base dei nostri dati sperimentali e quindi utilizziamo simulazioni numeriche ad alta risoluzione per verificare la nostra analisi, " disse Wen.
Certo, il mondo naturale è molto più complesso di una vasca piena di perline o di un modello semplificato. I ricercatori hanno affermato che gli scienziati hanno molti fattori da tenere a mente quando si ricercano fenomeni complessi che coinvolgono la convezione solubile, come il sequestro di CO2. Ma DiCarlo ha affermato che questi risultati mostrano che gli scienziati che studiano i fondamenti del processo hanno alcuni nuovi fattori da considerare.
"Il lavoro mostra che se si vuole prevedere come la CO2 si dissolve nel sottosuolo, o simile processo di scioglimento, lo studio deve includere la dispersione in modo corretto, " ha detto. "Tutti gli studi precedenti hanno ignorato la dispersione".
Hesse ha aggiunto che i risultati sperimentali possono aiutare ad aggiungere una dose di realtà ai modelli computazionali che hanno sbagliato per decenni.
"Se la tua simulazione numerica non può nemmeno simulare questo semplice esperimento che sto facendo, che fiducia hai che farà la cosa giusta in un ambiente ancora più complicato, " Egli ha detto.