1

THÈSE

en vue d’obtenir le grade de

Docteur d’Aix-Marseille Université

Spécialité: Mécanique et physique des fluides

Laboratoire IRPHÉ UMR7342

École Doctorale 353

Soutenue le 28 Mai 2020

par Monsieur Baraa QADDAH

MODÉLISATION NUMÉRIQUE DE LA DYNAMIQUE ET DE L’ÉVOLUTION

THERMIQUE D’UNE GOUTTE MÉTALLIQUE EN CHUTE LIBRE DANS UN
MILIEU VISQUEUX

Directeurs de thèse: Monsieur Michael LE BARS

Monsieur Julien MONTEUX
Après avis de: Monsieur Nicolas RIMBERT, Membre/Rapporteur
Monsieur Renaud DEGUEN, Membre/Rapporteur
Devant la Commission d’examen formée de:
Monsieur Thomas BONOMETTI, Membre/Examinateur
Madame Maylis LANDEAU, Membre/Examinatrice
Monsieur Nicolas RIMBERT, Membre/Rapporteur
Monsieur Renaud DEGUEN, Membre/Rapporteur
Monsieur Michael LE BARS, Membre/Directeur de thèse
Monsieur Julien MONTEUX, Membre/Directeur de thèse
2
Table des matières

Remerciements 1

Introduction 3

1 De l’accrétion à la formation du noyau terrestre 7

1.1 Formation des planètes telluriques du système solaire . . . . . . . . . . . . . . . . . . . . 7

1.1.1 Formation des planétésimaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.1.2 Formation des protoplanètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.1.3 Formation des planètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.2 Formation des océans magmatiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1.3 Formation du noyau terrestre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.3.1 Équilibres thermochimiques efficaces : scénario "iron rain" . . . . . . . . . . . . . 21

1.3.2 Déséquilibres thermochimiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

1.3.3 Équilibres thermochimiques intermédiaires . . . . . . . . . . . . . . . . . . . . . . 24

1.4 Paramètres gouvernant le système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.4.1 Propriétés de l’océan magmatique . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.4.2 Propriétés du noyau métallique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

1.5 Conclusion et questions soulevées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2 Dynamique d’une goutte dans un milieu visqueux 33

2.1 Forces dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.2 Nombres adimensionnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.2.1 Influence de Re et W e sur une goutte/bulle . . . . . . . . . . . . . . . . . . . . . 38

2.2.2 Vitesse terminale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.2.3 Coefficient de trainée CD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.3 Stabilité des gouttes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3
 2.4 Mécanismes de fragmentation d’une goutte . . . . . . . . . . . . . . . . . . . . . . . . . 43

2.5 Temps et distance de fragmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

2.6 Échanges diffusifs d’une goutte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

2.6.1 Couche limite diffusive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

2.6.2 Relations entre N u et P e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

2.6.3 Temps et longueur caractéristiques d’équilibration . . . . . . . . . . . . . . . . . 55

2.6.4 Volume du fluide hôte affecté par l’échange thermo-chimique . . . . . . . . . . . 59

2.7 Conclusion et prochaines étapes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

3 Écoulement biphasique : Méthode numérique 61

3.1 Modélisation numérique appliquée à Comsol Multiphysics . . . . . . . . . . . . . . . . . 62

3.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3.1.2 Méthode des éléments finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

3.1.3 Étapes de la construction d’un calcul . . . . . . . . . . . . . . . . . . . . . . . . . 63

3.2 Modèle physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3.2.1 Choix des physiques de notre étude . . . . . . . . . . . . . . . . . . . . . . . . . . 66

3.2.2 Suivi des phases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

3.2.3 Couplage multi-physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

3.2.4 Propriétés des matériaux physiques . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3.3 Modèle numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3.3.1 Géométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

3.3.2 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

3.3.3 Maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

3.3.4 Solveurs numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

3.4 Validation du modèle numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

3.4.1 Effets de bords . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

3.4.2 Ordre de discrétisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

3.4.3 Conditions aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

3.4.4 Taille de la maille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

3.4.5 Méthode du maillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

3.4.6 Suivi des phases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

3.4.7 Influence de la viscosité sur la dynamique de la goutte : tests préliminaires . . . 84

3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

4
4 Étude dynamique d’une goutte de métal dans un océan magmatique 87

4.1 Introduction et résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

4.2 Physical and numerical model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

4.2.1 Governing equations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90

4.2.2 Physical and non-dimensional parameters . . . . . . . . . . . . . . . . . . . . . . 92

4.2.3 Numerical method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

4.3 Systematic numerical study . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

4.3.1 Drag coefficient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

4.3.1.1 For small Reynolds numbers . . . . . . . . . . . . . . . . . . . . . . . . 98

4.3.1.2 For moderate and large Reynolds numbers . . . . . . . . . . . . . . . . 98

4.3.1.3 Results and discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

4.3.2 Fragmentation modes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

4.3.3 Time and distance before breakup . . . . . . . . . . . . . . . . . . . . . . . . . . 106

4.3.4 Maximum stable drop radius . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

4.3.5 The influence of initial conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

4.4 Implications for the metal/silicate exchanges . . . . . . . . . . . . . . . . . . . . . . . . 111

4.4.1 Boundary layer thickness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

4.4.2 Time evolution of the droplet surface . . . . . . . . . . . . . . . . . . . . . . . . . 113

4.4.3 Application to a 10 km metal diapir . . . . . . . . . . . . . . . . . . . . . . . . . 114

4.5 Conclusions and future works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

4.6 Appendix: computational resolution and convergence . . . . . . . . . . . . . . . . . . . . 120

5 Évolution thermique d’une goutte de métal dans un océan magmatique 123

5.1 Introduction et résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

5.2 Numerical model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

5.3 Reference case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

5.3.1 Average falling velocity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

5.3.2 Average temperature evolution of the metal drop . . . . . . . . . . . . . . . . . . 130

5.3.3 Volume of heated magma during the drop sinking . . . . . . . . . . . . . . . . . 131

5.3.4 Heat transfer at the drop interface . . . . . . . . . . . . . . . . . . . . . . . . . . 132

5.4 Parametric study and scaling analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

5.4.1 Time and length of equilibration . . . . . . . . . . . . . . . . . . . . . . . . . . . 133

5.4.2 Heat exchanges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

5.4.3 Volume of heated magma ocean . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

5
 5.5 Influence of a temperature dependent viscosity . . . . . . . . . . . . . . . . . . . . . . . 138

5.5.1 Drop dynamics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

5.5.2 Drop fragmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

5.5.3 Thermal evolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

5.6 Conclusions and future work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

6 Conclusion et perspectives 147

6.1 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

6.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

6
Liste des figures

1.1 Résultat d’une simulation "N-corps" lors de la "Runaway growth" du système planétésimaux-

protoplanétaire sur le plan a − e pour t = 0, 105 , et 2 × 105 ans. a est l’axe semi-majeur

de l’orbite en unité astronomique et e est l’excentricité de chaque objet. La taille des

symboles est proportionnelle à la taille des objets. Extrait de Kokubo and Ida [2012] . . 9

1.2 Évolution temporelle de la masse des planétésimaux au cours de la croissance "Run-

away". La ligne continue indique la variation en masse de l’objet le plus grand du

système et la ligne pointillée indique la variation en masse moyenne du système. Extrait

de Kokubo and Ida [2000] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.3 Résultat d’une simulation "N-corps" lors de la "Oligarchic growth" du système planétésimaux-

protoplanétaire sur le plan a − e pour t = 105 , 2 × 105 , 3 × 105 , 4 × 105 et 5 × 105 ans. Où

a est l’axe semi-majeur en unité astronomique et e est l’excentricité. Les cercles pleins

représentent les protoplanètes obtenues au cours du temps. (Kokubo and Ida [2000]) . . 11

1.4 Évolution temporelle de la masse des planétésimaux au cours de la croissance "Oli-

garchic". La ligne continue indique la variation en masse de l’objet le plus grand du

système et la ligne pointillée indique la variation en masse moyenne du système. (Kokubo

and Ida [2000]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.5 Évolution temporelle de la distribution des masses dans le système protoplanètes-planètes

avec 50 embryons initiaux. (Agnor et al. [1999]) . . . . . . . . . . . . . . . . . . . . . . . 14

1.6 Évolution temporelle de la croissance et la migration des planètes géantes selon Walsh

et al. [2011]. Les cercles pleins noirs représentent les planètes gazeuses. Les grands cer-

cles ouverts représentent les embryons planétaires qui forment les planètes telluriques

dans le panneau inférieur après 150 million d’années. Les points rouges représentent les

planétésimaux du système solaire interne et les points bleus représentent les planétési-

maux du système solaire externe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

7
1.7 Visualisation d’une simulation numérique de l’état de l’impacteur, de la Terre primitive

après l’impact géant et du disque. (a) Vue du plan équatorial de la planète qui montre

la distribution de la température dans le système à la suite de l’impact. (b) Les couleurs

représentent la source du matériau de l’impacteur et de la proto-Terre avec : la couleur

rouge représente les particules apportées par l’impacteur et la couleur bleue représente

le matériau de la Terre (même vue que (a)). (c) Les couleurs représentent le métal en

rouge et les silicates en bleu (même vue que (a) et (b)). (d) Vue de l’ensemble du disque

et de la Terre primitive avec du métal en rouge et des silicates en bleu. D’après Canup

[2004] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.8 Une vue schématique extraite de Wood et al. [2006] afin de comprendre les étapes de la

formation du noyau terrestre. Tout d’abord, un corps impacte la Terre primitive. En-

suite, de petites gouttelettes de fer plongent dans le manteau supérieur primitif fondu

(en orange). Puis, de grosses gouttes métalliques formées à la base de l’océan magma-

tique (en gris) chutent à travers le manteau primitif inférieur solide (en bleu). Enfin,

ces blobs métalliques assemblent le noyau primitif de la Terre. . . . . . . . . . . . . . . . 18

1.9 Instantanés d’un impact entre la Terre primitive et un corps différencié d’une masse

égale à 10% la masse de la Terre, pour plusieurs angles d’impact qui sont 0◦ (a), 30◦

(b), 45◦ (c) et 60◦ (d). Le noyau de l’impacteur est coloré en rouge s’il n’a pas été

fragmenté et en jaune s’il a été fragmenté. Les couleurs bleu foncé, bleu clair et rouge

représentent respectivement le manteau de l’impacteur, le manteau de la Terre et le

noyau de la Terre. Selon Genda et al. [2017] . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.10 Représentation schématique du modèle de "iron rain" lors de la séparation des phases

métal/silicate dans un océan de magma pendant la formation du noyau, selon Rubie

et al. [2003]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1.11 Simulation numérique directe du modèle "iron rain" suivant l’évolution temporelle de

la chute: (à gauche) d’une goutte d’un rayon ∼ 0.0159 m (a-c) pour t=0s (a), 1.2s (b)

et 7s (c) et d’un rayon ∼ 0.0145 m (d-f) pour t=0s (d), 2s (e) et 4.3s (f), (à droite) de

plusieurs gouttes de la même rayon ∼ 0.0159 m pour t=0s (a), 0.8s (b), 3s (c), 4s (d),

6s (e) et 7.8(f). D’après Ichikawa et al. [2010] . . . . . . . . . . . . . . . . . . . . . . . . 22

1.12 Une vue schématique du comportement d’une grosse goutte métallique dans l’océan

magmatique, générant des instabilités de cisaillement dans la zone d’entraînement sur

les parois verticales, qui s’élargissent du jet cylindrique au panache cylindrique du métal,

selon Dahl and Stevenson [2010]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

8
1.13 Série d’expériences : des particules qui imitent la phase métallique en blanc, mélangées

avec un fluide de couleur fluorescente qui imite la phase silicatée, tombent par gravité

dans une cuve sphérique remplie de fluide qui représente un bassin d’océan de magma,

selon Deguen et al. [2011]. Ces expériences ont été réalisées à différents nombres de Rouse

qui compare la vitesse de sédimentation des particules et la vitesse typique d’écoulement. 25

1.14 Une vue schématique extraite de Deguen et al. [2014] de l’évolution du noyau métallique

dans la zone d’entraînement turbulente selon la façon dont l’océan magmatique s’est

formé. (i) Océan magmatique semi-sphérique formé par le propre impact, (ii) océan de

magma global horizontal préexistant et (iii) océan de magma complètement fondu. Le

noyau métallique, le silicate fondu et le manteau solide sont représentés respectivement

en gris, orange clair et orange foncé. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

1.15 La viscosité de MgSiO3 en fonction de la pression pour différentes températures (A) et

en fonction de la température à une pression donnée (B). Les symboles plein et ouvert

représentent respectivement le liquide anhydre et le liquide hydraté. Les cercles, les

carrés et les diamants représentent respectivement des températures différentes de 3000,

4000 et 6000 K (A). D’après Karki and Stixrude [2010] . . . . . . . . . . . . . . . . . . . 28

1.16 Instantanés de la chute libre d’une goutte de gallium dans un mélange moins dense d’eau

et de glycérol initialement au repos, pendant une période de temps déterminée ∆t. a)

Une goutte d’un rayon initial de 14 mm est relâchée dans un fluide 500 fois plus visqueux

que la phase métallique. b) Une goutte d’un rayon initial de 23 mm est libérée dans le

même fluide visqueux que (a). c) La même goutte de 23 mm de rayon tombe dans un

milieu 5 fois plus visqueux que la phase métallique. D’après Wacheul et al. [2014] . . . . 31

2.1 Une vue schématique des forces dynamiques qui influencent une goutte mobile. . . . . . 35

2.2 Une vue schématique de l’évolution temporelle des trois scénarios possibles de la dy-

namique des gouttes pendant sa chute dans un fluide ambiant, montrant le comporte-

ment des forces dynamiques sur la dynamique des gouttes. A) Une goutte sphérique.

B) Une goutte déformable. C) Une fragmentation en gouttes. . . . . . . . . . . . . . . . 36

2.3 Les stades de la variation de la morphologie dans la dynamique de la goutte en fonction

de W e et Re (extrait de Loth [2008]). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

9
2.4 Coefficient de traînée en fonction du nombre de Reynolds pour diverses études passées

basées sur le nombre de Morton et représentées par différents symboles (extrait de Loth

[2008]). Cette figure est valable pour des bulles très déformées ou des inclusions de

fluide moins visqueuses que le fluide ambiant. Les lignes noires représentent l’équation

analytique (2.5 et 2.6) et la ligne pointillée représente l’équation (2.7). . . . . . . . . . . 41

2.5 Le rayon de goutte maximum stable en fonction des viscosités plausibles de l’océan de

magma dans les régimes intermédiaire et de Newton extrait de Samuel [2012]. La ligne

rouge correspond aux résultats numériques de Samuel [2012] et la ligne pointillée bleue

présente les résultats théoriques de Rubie et al. [2003]. . . . . . . . . . . . . . . . . . . . 42

2.6 Weber critique en fonction du nombre d’Ohnesorge selon Pilch and Erdman [1987]. La

ligne noire présente la corrélation de Brodkey [1967] (Éq. 2.10). Les cercles noirs mon-

trent les résultats d’études précédentes du système gaz-liquide. Les triangles présentent

les résultats de Li and Fogler [1978] du système liquide-liquide. W ecOh→0 = 12 dans

cette figure car ils ont calculé W e en fonction du diamètre. . . . . . . . . . . . . . . . . 44

2.7 Les différents régimes de fragmentation explorés dans le passé par de nombreux auteurs,

en fonction du nombre de Weber. D’après [Kékesi et al., 2014]. . . . . . . . . . . . . . . 45

2.8 Les différents modes de fragmentation extraits de Pilch and Erdman [1987] selon la

valeur du nombre de Weber. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2.9 Les différents modes de fragmentation des travaux de Dai and Faeth [2001] extraits de

l’article revu de Guildenbecher et al. [2009]. 1) Bag : 6.5 ≤ W e ≤ 9, 2) Bag/plume :

9 ≤ W e ≤ 20, 3) Plume/sheet-thinning : 20 ≤ W e ≤ 40 et 4) Sheet-thinning : W e ≥ 40. 47

2.10 Nouveau mode de fragmentation "dual-bag" dans la zone de fragmentation multimode

pour 14 ≤ W e ≤ 20, extrait de Cao et al. [2007]. . . . . . . . . . . . . . . . . . . . . . . 47

2.11 Différents modes de fragmentation dans la zone de fragmentation multimode, d’après

Kékesi et al. [2014]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

2.12 Différents modes de fragmentation dans le système liquide-liquide selon les travaux de

Landeau et al. [2014]. Cette Figure extraite de la thèse de Hadj-Achour [2017]. . . . . . 49

2.13 Comparaison des évolutions dynamiques d’une goutte métallique dans l’eau selon les

expériences de Hadj-Achour [2017] (en haut), avec les étapes de fragmentation d’une

goutte d’eau dans un écoulement de gaz selon Opfer et al. [2014] (en bas). Cette Figure

est extraite de la thèse de Hadj-Achour [2017]. . . . . . . . . . . . . . . . . . . . . . . . 50

10
2.14 Le temps adimensionné de fragmentation du système liquide-gaz en fonction du nombre

de Weber dans la gamme intermédiaire. Les symboles pleins indiquent le temps de

fragmentation initial et les symboles vides représentent le temps de fragmentation total.

Selon Dai and Faeth [2001]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2.15 La longueur adimensionnée de fragmentation en fonction du nombre de Weber selon

Landeau et al. [2014]. La goutte est immergée dans le fluide environnant (a), la goutte

se situe à la surface de l’expérience (b). Les couleurs noire, bleue, grise et rouge représen-

tent respectivement le rapport de densité suivant : Rρ ∼ 1.03, 1.22, 1.43 − 1.45 et

1.87 − 1.96. Les symboles , 5, ♦ et représentent respectivement les modes de

fragmentation suivants : régime de Jellyfish, régime de Rayleigh Taylor piercing, régime

de turbulent thermal et régime vortex ring. Les symboles composés d’un carré dans un

cercle et d’un triangle dans un cercle représentent respectivement les régimes intermé-

diaires suivants : régime de vortex ring évoluant vers un régime de Jellyfish et régime

entre le vortex ring et le Rayleigh Taylor piercing. . . . . . . . . . . . . . . . . . . . . . 52

2.16 Le temps d’équilibrage chimique normalisé par le temps d’advection de la particule et de

la goutte en lévitation en fonction du nombre de Peclet. Extrait de Ulvrová et al. [2011].

Les symboles pleins et vides représentent respectivement la particule et la goutte. La

théorie analytique est illustrée par des lignes pointillées. Re compris dans la gamme de

[0 − 50]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

2.17 Le transfert diffusif de trois régimes dynamiques de la goutte selon le nombre de Peclet

(a-c) extrait de Lherm and Deguen [2018] : a) régime diffusif, b) régime sphérique et c)

régime de cisaillement. d) montre le temps d’équilibrage normalisé par le temps de grav-

ité en fonction du nombre de Peclet. Les symboles et les lignes pointillées représentent

respectivement les résultats numériques et les fits. . . . . . . . . . . . . . . . . . . . . . 58

2.18 L’évolution temporelle du transfert chimique d’une bulle d’oxygène qui monte dans un

système d’oxygène et d’eau selon Ganguli and Kenig [2011]. Entre ’a’ et ’l’, le pas de

temps de chaque instantané est de 0.01s. . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

3.1 Représentation schématique du principe de la méthode des éléments finis d’un calcul 1D

par la discrétisation linéaire du domaine en éléments et en nœuds, extrait de Rovitto

[2016]. La ligne noire en pointillés correspond à la solution exacte dans le système et la

ligne noire correspond à la solution approximative de ce système. . . . . . . . . . . . . . 63

3.2 Schéma de la procédure complète pour réaliser une modélisation numérique avec Comsol

Multiphysics, extrait de Rovitto [2016]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

11
3.3 Un zoom illustrant notre maillage de triangles libres dans cette thèse. . . . . . . . . . . 73

3.4 Comparaison de la vitesse moyenne d’une goutte de 10 mm en fonction du temps pour

différentes largeurs du domaine de calcul. Les lignes noires, rouges, vertes et bleues

représentent respectivement des largeurs correspondant à 6R, 8R, 10R et 12R. La ligne

noire en pointillés représente la largeur correspondant à 14R. . . . . . . . . . . . . . . . 76

3.5 Comparaison de la forme finale d’une goutte de 10 mm en illustrant la fonction de Level

Set φ pour différentes largeurs du domaine de calcul. . . . . . . . . . . . . . . . . . . . . 77

3.6 Gauche : comparaison du volume temporel d’une goutte de 10 mm normalisé sur le

volume initial de la goutte sphérique pour différents ordres de discrétisation. Les lignes

noire, rouge, verte et bleue représentent respectivement les ordres correspondant à

P1+P1, P2+P1, P2+P2 et P3+P2. Droite : comparaison de la surface de la goutte

normalisée sur la surface initiale sphérique en fonction du temps pour deux ordres de

discrétisation P2+P2 (ligne noire) et P3+P2 (ligne rouge). . . . . . . . . . . . . . . . . . 78

3.7 Comparaison de la vitesse moyenne de la goutte en fonction du temps pour deux condi-

tions de pression limite différentes. Les lignes noire et rouge représentent respectivement

une condition limite avec un point de pression et une condition limite avec des frontières

ouvertes (entrée/sortie). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3.8 Comparaison de la forme de la goutte à un temps donné pour deux conditions de pression

limite différentes. Gauche : une condition limite avec un point de pression. Droite : une

condition limite avec des frontières ouvertes (entrée/sortie). . . . . . . . . . . . . . . . . 80

3.9 Géométrie et conditions aux limites du modèle de référence. Cette figure est extraite de

Hysing et al. [2009] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

3.10 Comparaison de la position du centre d’une bulle (gauche) et de sa vitesse moyenne

ascendante (droite) en fonction du temps d’un modèle de référence réalisé par Hysing

et al. [2009] avec différents maillages effectués par le logiciel Comsol. Les lignes noire

et rouge représentent respectivement le modèle de référence [Hysing et al., 2009] et le

modèle de Comsol (Preney et al. [2018]). Les lignes pointillées orange, bleu et vert

représentent respectivement les taille de maillage R/29, R/40 et R/67. . . . . . . . . . 82

3.11 Méthode de maillage adaptatif manuel de notre domaine d’étude. . . . . . . . . . . . . . 83

3.12 Volume de la goutte normalisé par le volume sphérique initial en fonction du temps afin

de comparer la conservation du volume dans les méthodes Level Set et Phase Field.

Gauche : Rµ = 50. Droit : Rµ = 200 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

12
3.13 La forme finale de la goutte pour différents rapports de viscosité entre la goutte mé-

tallique et l’océan de magma. a) Rµ = 100, b) Rµ = 200, c) Rµ = 500 et d) Rµ = 1000. 85

3.14 Évolution du volume d’une goutte de 15mm de rayon en fonction du temps pour dif-

férents rapports de viscosité entre la goutte métallique et l’océan de magma. Les lignes

noire, bleue, verte et rouge représentent respectivement le rapport de viscosité de 100,

200, 500 et 1000. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

4.1 Représentation schématique de la séparation métal/silicate lors d’un impact entre un

corps différencié et la Terre primitive avec un schéma de notre domaine de calcul, extrait

de Qaddah et al. [2019]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

4.2 Global view of our geometry with the initial drop at the top (left), and a zoom illustrating

our manual method for adaptive mesh (right). . . . . . . . . . . . . . . . . . . . . . . . . 93

4.3 Drag coefficient as a function of the Reynolds number for various values of the silicates

viscosity. Filled symbols are the analytical results given by Eq.4.13, while empty symbols

show our numerical results from the first 62 simulations in table 4.2. Filled black symbols

show numerical results for an undeformable sphere Rµ = 0, and black stars are the

analytical results from Eq. 4.11. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

4.4 Regime diagram of the fragmentation modes as a function of Re and W e numbers

for various viscosity ratios: Rµ = 10 (blue dotted line), Rµ = 50 (green dotted line),

Rµ = 100 (black dotted line), Rµ = 200 (orange dotted line), Rµ = 1000 (red dotted

line), and Rµ = 2500 (turquoise dotted line). Our numerical results come from the first

62 simulations in table 4.2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

4.5 Deformation and thick rim shear breakup of an iron drop within a magma ocean. In

this model, Re = 36.4, W e = 14.6, Rµ = 200 (simulation #30 in Table 4.2). . . . . . . . 102

4.6 Deformation and thick rim bag breakup of an iron drop within a magma ocean. In this

model, Re = 42.5, W e = 17.2, Rµ = 200 (simulation #32 in Table 4.2). . . . . . . . . . 103

4.7 Deformation and rim shear breakup of an iron drop within a magma ocean. In this

model, Re = 92.4, W e = 20.3, Rµ = 100 (simulation #22 in Table 4.2). . . . . . . . . . 103

4.8 Deformation and jellyfish shear breakup of an iron drop within a magma ocean. In this

model, Re = 76.1, W e = 33.1, Rµ = 200 (simulation #33 in Table 4.2). . . . . . . . . . 104

4.9 Deformation and shear breakup of an iron drop within a magma ocean. In this model,

Re = 2670, W e = 636, Rµ = 50 (simulation #62 in Table 4.2). . . . . . . . . . . . . . . 105

13
4.10 Critical Weber number as a function of the viscosity ratio. The blue diamond is the

critical Weber number when the viscosity ratio equal to 1, as obtained by Villermaux

and Bossa [2009]. The red and blue lines represent the scaling laws derived from our data.106

4.11 The path of a new fragmentation mode where the iron structure encloses the silicates. . 107

4.12 Non-dimensional break-up time as a function of Weber number for viscosity ratios Rµ

ranging between 10 and 1000. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

4.13 Non-dimensional break-up distance d∗bk as a function of the Weber number for viscosity

ratios Rµ ranging between 10 and 1000. . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

4.14 Stable drop radius as a function of plausible magma ocean viscosities. The green dia-

monds present our numerical results, the red squares correspond to the results of Rubie

et al. [2003], the black circles display the results of Samuel [2012], the blue stars corre-

spond the analytical results of the Eq. 4.19 and the black dash line presents the scaling

law proposed by this study. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

4.15 The final shape of the iron droplets for different initial conditions. Spherical case (left),

prolate form (middle) and oblate form (right). . . . . . . . . . . . . . . . . . . . . . . . . 111

4.16 Schematic representation of the geometry used for the determination of the boundary

layer thickness δ at the drop surface: spherical case (top) and deformed drop (bottom). 112

4.17 Boundary layer thickness as a function of the varied parameters in this study (drop

radius and magma ocean viscosity) for viscosity ratios Rµ ranging between 10 and 1000.

Our numerical results come from the first 62 simulations in Table 4.2). . . . . . . . . . . 113

4.18 The streamlines around a large drop. In this model, Re = 2670, W e = 636, Rµ = 50

(simulation #62 in Table 4.2). The black lines are the streamlines, the red region

represents the molten silicates and the blue region represents the deformable iron drop. 114

4.19 Non-dimensional surface exchange as a function of time for viscosity ratios Rµ ranging

between 10 and 1000. Here, we consider a drop of initial radius R = 10 mm. For

viscosity ratio = 10 (black line), Re = 553 and W e = 10.9. For viscosity ratio = 50

(red line), Re = 108 and W e = 10.4. For viscosity ratio = 100 (blue line), Re = 44.2

and W e = 8.74. For viscosity ratio = 200 (purple line), Re = 25.1 and W e = 9.02. For

viscosity ratio = 1000 (green line), Re = 2.70 and W e = 2.61. . . . . . . . . . . . . . . . 115

4.20 Normalised exchange surface S ∗ as a function of magma ocean viscosity after the breakup

of a 10 km metal diapir. In the sinking droplet population, no cut-off is considered at

R = Rmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

14
4.21 Normalised exchange surface S ∗ as a function of magma ocean viscosity after the breakup

of a 10 km metal diapir. In the sinking droplet population, a cut-off is considered at

R = Rmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

4.22 Comparison of different mesh sizes of a strongly oscillating drop (simulation #18 in

Table 4.2). Left: Normalised boundary layer thickness as a function of grid sizes. Right:

Normalised exchange surface as a function of time. . . . . . . . . . . . . . . . . . . . . . 120

4.23 Comparison of the final shape of the fragmented drop for two different mesh sizes.

(simulation #83 in Table 4.2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

5.1 Left: comparison of our numerical results with the analytical results of Crank [1975]

for the radial profile of the normalised temperature anomaly for a non-deformable and

immobile drop. Right: comparison of the time evolution of the normalised mean tem-

perature anomaly determined with different mesh sizes for a deformable and mobile

drop (simulation #4 in Table 5.2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

5.2 Dynamical and thermal evolutions of the metal drop as a function of time for simulation

#4 in Table 5.2. The color presents the temperature anomaly normalised by its initial

value T ∗ . The black solid line separates the metallic material from the magma ocean.

From left to right, the time normalised by the thermal diffusion time is t∗ = 0, 0.01, 0.02

and 0.05. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

5.3 Normalized average velocity of the metal drop as a function of normalized time for

simulation #4 in Table 5.2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

5.4 Normalized average temperature anomaly of the metal drop as a function of normalized

time (left) and depth (right) for simulation #4 in Table 5.2. The black lines represent

our numerical results and the red dashed lines represent the exponential fits from Eq.

5.4.The correlation coefficient for the two fits is 0.9999. . . . . . . . . . . . . . . . . . . . 130

5.5 Left: volume of heated magma ocean (TC = 1 K) once the drop reaches a time t∗ = 0.067

and a depth z = 37R in our simulation #4 in Table 5.2. Right: normalized heated

magma volume as a function of normalized depth for different values of TC . . . . . . . . 131

5.6 Temperature gradient (K/m) in and around the drop for our reference simulation #4

in Table 5.2 at time t∗ = 0.055. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

5.7 Left: temperature anomaly (colorscale) and contour of the thermal boundary layer (red

line) around the drop (black line) for our reference simulation #4 in Table 5.2 at time

t∗ = 0.067. Middle: zoom at the drop front. Right: temperature profile of the thermal

boundary layer in front of the drop and determination of the local boundary layer thickness.133

15
5.8 Characteristic time (Left) and length (Right) of equilibration as a function of the vis-

cosity contrast (see Eq. (5.4)). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134

5.9 Characteristic time (Left) and length (Right) of equilibration as a function of the drop

initial radius (see Eq. (5.4)). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

5.10 Dimensionless equilibrium time (Left) and length (Right) as a function of the Peclet

number. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

5.11 Dimensionless thickness of the thermal boundary layer at the drop front as a function

of Peclet number (Left). Dimensionless average thickness of the thermal boundary layer

around the drop as a function of Peclet number (Right). . . . . . . . . . . . . . . . . . . 137

5.12 Nusselt number as a function of Peclet number . . . . . . . . . . . . . . . . . . . . . . . 138

5.13 Dimensionless heated magma ocean volume as a function of X, and comparison with

our scaling law (5.14). Our numerical results are represented with different symbols for

different given depths. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

5.14 Thermal evolution of the non-deformable metal drop as a function of normalized time

(Left). From left to right, t∗ =0, 0.0167, 0.033, 0.05 and 0.067. The right figure shows

the temperature gradient (K/m) in and around the spherical drop case. In this model,

Re = 0.76, P e = 254 and Rµ =1000 (simulation #3 in Table 5.2) . . . . . . . . . . . . . 140

5.15 Thermal evolution of the weakly deformable metal drop as a function of normalized time

(Left). From left to right, t∗ =0.015, 0.024, 0.033, 0.047 and 0.06. The right figure shows

the temperature gradient (K/m) in and around the deformable drop. In this model,

Re = 21.8, P e = 728.36 and Rµ =100 (simulation #5 in Table 5.2) . . . . . . . . . . . . 141

5.16 Thermal evolution of the strongly deformable metal drop as a function of normalized

time (Left). From left to right, t∗ =0.02, 0.033, 0.047, 0.06 and 0.077. The right figure

shows the temperature gradient (K/m) in and around the deformable drop case. In this

model, Re = 47.6, P e = 793.73 and Rµ =50 (simulation #6 in Table 5.2) . . . . . . . . . 142

5.17 Comparison of the normalized average velocity field as a function of normalized time to

show the influence of a temperature dependent viscosity for: a non-deformable spherical

drop (Left), a weakly deformable drop (Middle) and a strongly deformable drop (Right).

The black lines present the constant magma ocean viscosity. The red (blue) dashed lines

present the temperature dependent viscosity with ∆T = 100 K (∆T = 1000 K). . . . . . 143

5.18 View of the viscosity field (in Pa.s) around the strongly deformable drop when a tem-

perature dependent viscosity is considered. . . . . . . . . . . . . . . . . . . . . . . . . . . 144

16
5.19 Final form at breaking of the drop for a constant viscosity magma ocean (Left) and

a temperature dependent viscosity magma ocean (Middle). On the right, view of the

viscosity field (in Pa.s) around the drop in the later case. In this model, Re = 50,

P e = 3330 and Rµ =200 (simulation #10 in Table 5.2). . . . . . . . . . . . . . . . . . . . 145

5.20 Comparison of the dimensionless temperature as a function of normalized time for a non-

deformable drop (Left), a weakly deformable drop (Middle) and a strongly deformable

drop (Right). The black lines present the constant magma ocean viscosity. The red

(blue) dashed lines present the temperature dependent viscosity with ∆T = 100 K

(∆T = 1000 K). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

5.21 Comparison of normalized heated magma ocean volume as a function of normalized time

for a non-deformable drop (Left), a weakly deformable drop (Middle) and a strongly

deformable drop (Right). The black lines present the constant magma ocean viscosity.

The red (blue) dashed lines present the temperature dependent viscosity with ∆T =

100 K (∆T = 1000 K). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

17
18
Liste des tableaux

3.1 Définitions des symboles et des valeurs des paramètres physiques utilisés dans le cadre

de cette thèse [Karki and Stixrude, 2010, Kushiro, 1986, Poirier, 1988, Assael et al.,

2006, Thomas and Asimow, 2013, Pozzo et al., 2013, Hofmeister, 1999, de Koker et al.,

2012, Wacheul et al., 2014]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3.2 Valeurs des paramètres physiques utilisés dans le modèle de référence de Hysing et al.

[2009] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80

4.1 Symbol definitions and values of the physical and non-dimensional parameters used in

this study. Reynolds and Weber numbers are defined a posteriori using the relevant

terminal velocity, measured in each run. . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

4.2 Non-dimensional parameters for all performed simulations used in this study. In all our

simulations, Rρ = 2.14. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

4.3 Comparison the cost of one simulation for three different grid sizes . . . . . . . . . . . . 122

5.1 Symbol definitions and values of the physical and non-dimensional parameters used in

this study. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

5.2 Dimensional and non-dimensional parameters for all performed simulations used in this

study. P eh is the grid Peclet number. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

5.3 The change in characteristics time and length for cases of temperature-dependent viscosity.145

19
20
Remerciements

Suite à trois années de thèse qui m’ont permis de me développer personnellement et professionnellement,

il me faut désormais exprimer ma gratitude aux personnes qui ont contribué à l’avancement et à la

réussite de cette thèse.

Tout d’abord, je remercie chaleureusement mes directeurs de thèse, Julien Monteux et Michael

Le Bars, qui m’ont accompagné durant cette thèse, en étant toujours très disponibles et accessibles.

L’indépendance et la confiance qui m’ont été offertes, ont joué un rôle essentiel dans la construction

de ma personnalité sur le plan scientifique. Personne ne peut échouer avec ces excellents directeurs de

thèse, merci de tout mon cœur Julien et Michael.

Je remercie également Nicolas Rimbert et Renaud Deguen d’avoir pris le temps (pendant cette

période difficile du Covid 19) de lire et de commenter mon manuscrit avec une riche discussion pendant

la soutenance. Je remercie ensuite Maylis Landeau et Thomas Bonometti d’avoir examiné ce travail

et la qualité de leurs questions et commentaires.

Je tiens également à remercier tout particulièrement Ali Bouhifd pour toutes les discussions scien-

tifiques importantes sur les sciences de la Terre.

Je tiens à remercier le directeur du laboratoire Magmas et Volcans, Didier Laporte, pour m’avoir

accueilli durant ces trois années au sein du laboratoire et pour la confiance qu’il accorde toujours

aux doctorants. Je remercie aussi les membres du laboratoire Magmas et Volcans pour leur soutien

quotidien.

Je tiens également à remercier tous les doctorants avec lesquels j’ai vécu au sein du laboratoire

Magmas et Volcans pour tous les moments agréables que nous avons passés ensemble et toutes les

discussions scientifiques.

Je n’oublie pas de remercier Thomas Livebardon, mon tuteur de stage M2, qui a eu un grand

impact sur ma personnalité scientifique dans le domaine de la modélisation numérique.

Je remercie de tout mon cœur mon épouse Sally qui m’a soutenu, motivé et encouragé chaque jour

pendant ces trois années et qui a rendu ma vie impeccable afin de réussir ce projet.

1
 Je tiens à remercier mon père et ma mère qui ont su encourager et nourrir mon envie de construire

mes projets depuis ma scolarité.

Enfin, ce mémoire de thèse est un cadeau à ma petite princesse Tia.

2
Introduction

La Terre s’est formée à la suite de multiples collisions entre des protoplanètes et des planétésimaux de

tailles croissantes. Au cours de ce processus d’accrétion, une énorme quantité d’énergie est dissipée

faisant ainsi augmenter les températures et entraînant des phénomènes de fusion importants à l’échelle

planétaire. Chaque impact possède un angle et une vitesse de collision différents, ce qui provoque des

effets différents dans les profondeurs de la Terre. L’énergie cinétique libérée lors de telles collisions, le

réchauffement radioactif engendré par la désintégration des radioéléments à courte durée de vie et la

dissipation de chaleur résultant de la conversion de l’énergie potentielle lors de la formation du noyau

et de la séparation noyau/manteau, entraînent la fusion d’une partie ou de la totalité du manteau

terrestre. Ainsi, des océans magmatiques se forment. Suite à chaque collision, le noyau de l’impacteur

plonge dans le manteau primitif de la Terre avant de s’assembler avec le noyau terrestre primitif. Cette

phase d’accrétion, accompagnée par la formation du noyau actuel de la Terre, est considérée comme un

événement fondamental dans l’évolution des caractéristiques thermo-chimiques de la Terre. Néanmoins,

la dynamique des fluides et les échanges thermochimiques de ce processus restent mal connus. Jusqu’à

présent, les études ont montré que le noyau de métal liquide de l’impacteur peut se déformer dans

les océans magmatiques et se fragmenter ultérieurement en gouttes de différentes tailles, allant du

millimètre jusqu’à peut-être des kilomètres, conduisant à des échanges thermochimiques plus ou moins

importants avec le fluide ambiant. La dynamique des fluides résultant de ce processus est un écoulement

biphasique entre des gouttes métalliques liquides et un océan liquide de magma. Chaque phase liquide

a ses propriétés dynamiques, thermiques et chimiques spécifiques, différentes de celles de l’autre phase.

Un des paramètres les plus importants est la viscosité de l’océan magmatique. Ce paramètre dépend

fortement de la température et de la pression du magma et augmente progressivement de la surface à la

base de l’océan de magma. Cela génère éventuellement des contrastes de viscosité importants entre la

goutte métallique et l’océan magmatique selon les conditions thermodynamiques du magma. De plus,

comme mentionné ci-dessus, la taille de la goutte résultant du mécanisme de fragmentation peut varier

sur une gamme allant du millimètre au kilomètre. Ces deux paramètres (le contraste de viscosité et la

3
taille de la goutte) peuvent jouer un rôle significatif sur la dynamique et l’évolution thermochimique

de la goutte, ainsi que sur les échanges thermochimiques entre la goutte et l’océan de magma.

Dans le cadre de cette thèse, nous caractérisons la dynamique des fluides et l’évolution thermochim-

ique d’une goutte métallique dans un océan magmatique. Les enjeux de cette étude sont de déterminer

le rôle du rapport de viscosité entre les deux phases et la taille initiale de la goutte sur la dynamique, la

stabilité, la fragmentation et l’évolution thermochimique de la goutte métallique. Pour ce faire, nous

développons des modèles numériques en utilisant le logiciel commercial Comsol Multiphysics. Le plan

de cette thèse est organisé en cinq chapitres principaux :

• Le premier chapitre présente les motivations géophysiques de cette thèse en détaillant les pro-

cessus d’accrétion planétaire de la poussière à la formation du noyau terrestre. Ensuite, nous

illustrons la formation des océans magmatiques au sein de la Terre primitive, océans qui sont

considérés comme le lieu d’équilibre des gouttes métalliques. Puis, nous discutons les différents

modèles concernant les échanges thermochimiques des gouttes métalliques lors de leur chute dans

l’océan magmatique avant de rejoindre le noyau primitif de la Terre. Par la suite, nous explorons

les larges gammes de valeurs des propriétés thermodynamiques de ces deux phases, existant dans

la bibliographie. Enfin, nous mettons en évidence les principales questions de cette thèse.

• Le deuxième chapitre expose la dynamique des fluides liée à la déformation d’une goutte/bulle

dans un milieu plus visqueux et son évolution diffusive. Tout d’abord, nous présentons les

équations physiques qui gouvernent l’évolution d’une goutte dans un environnement fluide et

les forces dynamiques qui influencent la morphologie et la dynamique d’une goutte. Ensuite,

nous introduisons les nombres sans dimension susceptibles de jouer un rôle sur l’équilibre de ces

forces dynamiques. Puis, nous décrivons le critère de stabilité d’une goutte et les mécanismes

de fragmentation, ainsi que le temps et la distance de fragmentation. Enfin, nous discutons des

échanges diffusifs d’une goutte, notamment la couche limite diffusive, le temps et la longueur

d’équilibre et le volume de fluide ambiant affecté par l’échange thermo-chimique.

• Dans le troisième chapitre, nous présentons l’outil numérique utilisé dans cette thèse en décrivant

le logiciel choisi, la méthode numérique appliquée et les étapes de développement d’un modèle

numérique. Ensuite, nous présentons le modèle physique de nos études, y compris la méthode

de suivi des phases utilisée, le couplage multi-physique appliqué et les propriétés des matéri-

aux physiques utilisés dans ce modèle. Puis, nous détaillons plus spécifiquement notre modèle

numérique et notamment la géométrie choisie de notre problématique, les conditions aux limites,

le maillage et les solveurs numériques. Finalement, nous validons notre modèle numérique en

4
 effectuant des études préliminaires afin de choisir la taille de notre domaine d’étude, l’ordre des

schémas spatiaux, les conditions aux limites, la taille du maillage et la méthode de suivi des

phases.

• Le quatrième chapitre expose les résultats de notre étude sur la dynamique, la stabilité et la

fragmentation d’une goutte de liquide métallique dans un océan magmatique. Dans ce chapitre,

nous déterminons les valeurs du coefficient de traînée en fonction du nombre de Reynolds et les

modes de fragmentation présentés dans cette étude en fonction des nombres de Reynolds, de We-

ber et du rapport de viscosité. Ensuite, nous comparons le temps et la distance de fragmentation

avec des études antérieures et nous proposons des lois d’échelles du rayon maximum stable de la

goutte et du Weber critique en fonction de la viscosité de l’océan de magma et du rapport de

viscosité, respectivement. Finalement, nous estimons les échanges thermo-chimiques potentiels

entre la goutte et l’océan magmatique en appliquant un modèle géophysique dépendant de nos

résultats numériques.

• Le dernier chapitre porte sur notre étude de l’évolution thermique d’une goutte dans un océan

magmatique et de l’influence d’une viscosité qui dépend de la température sur la dynamique,

la fragmentation et l’évolution thermique d’une goutte. Dans ce chapitre, nous proposons des

lois d’échelle de temps et de longueur d’équilibre thermique, de l’épaisseur de la couche limite

moyenne thermique et du nombre de Nusselt en fonction du nombre de Peclet.

Pour terminer ce manuscrit de thèse, nous résumons les résultats importants obtenus dans les travaux

de cette étude dans une conclusion générale et nous proposons des perspectives importantes pour

donner suite à cette thèse.

5
6
Chapitre 1

De l’accrétion à la formation du noyau

terrestre

La Terre s’est formée il y a environ 4, 57 milliards d’années, par l’accrétion de matière issue de la

nébuleuse protosolaire. Au bout de quelques millions d’années, ce processus d’accrétion a inclus des

collisions de plus en plus énergiques et catastrophiques entre des embryons planétaires primitifs qui

ont fortement contribué à la formation actuelle de la Terre.

Le noyau actuel de la Terre a été formé pendant et après plusieurs étapes qui ont duré de 10 à

100 millions d’années [Chambers, 2004, O’Brien et al., 2006]. Ces étapes commencent dans un premier

temps par la formation des protoplanètes, puis impliquent des impacts géants entre la Terre primitive et

des corps différenciés de la taille de Mars à la Terre [Hartmann and Davis, 1975]. Ces collisions géantes

auraient permis de faire fondre le manteau primitif de la Terre et de former des océans magmatiques

[Tonks and Melosh, 1992]. Au cours de cette accrétion, la phase métallique des impacteurs s’est séparée

de la phase silicatée pour former le noyau actuel de la Terre. Toutes ces étapes, des poussières à la

formation du noyau terrestre, seront détaillées dans les sections suivantes.

1.1 Formation des planètes telluriques du système solaire

La formation des planètes du système solaire, des poussières jusqu’à leur taille actuelle, aurait pris

quelques dizaines de millions d’années et se serait deroulée suivant trois phases majeures (Kallenbach

et al. [2000]). D’abord, des gaz et des poussières de l’ordre du micromètre forment le disque pro-

toplanétaire, et s’accumulent formant des planétésimaux de tailles kilomètriques tournant autour du

proto-soleil. Ensuite, ces planétésimaux s’assemblent en formant des protoplanètes de la taille de Mars.

7
Finalement, ces protoplanètes entrent en collision, formant les planètes actuelles du système solaire.

1.1.1 Formation des planétésimaux

Au départ de la formation des planètes terrestres, le disque protoplanétaire est constitué de 1% de

grains de poussière de taille micrométrique et d’environ 99% d’hydrogène et d’hélium gazeux (Chambers

[2010], Ida et al. [2001]). Les grains de poussière s’agrègent les uns aux autres lors des collisions,

formant des objets plus volumineux de la taille du millimètre au centimètre (Weidenschilling [2000]).

Ces objets forment des chondrites en chauffant dans la nébuleuse solaire (Chambers [2010]). Dans

cette nébuleuse, les grains de poussière s’agglomèrent avec les chondrites formant un grand nuage qui

se mélange fortement aux gaz, et tournent ensemble autour du proto-soleil (Kallenbach et al. [2000]).

Le mouvement des composantes de ce nuage est probablement turbulent dans le disque protoplané-

taire (Chambers [2010]). Cette turbulence influence l’instabilité gravitationnelle et limite à son tour

la formation directe des planétésimaux (Chambers [2010]). Malgré l’influence de la turbulence, les

particules se collent par collisions formant des planétésimaux de tailles kilométriques. Ce processus se

produit rapidement sur une échelle de temps de quelques milliers d’années à quelques millions d’années

(Rubie et al. [2015], Chambers [2010], Laibe et al. [2008], Kallenbach et al. [2000]). Les interactions

gravitationnelles mutuelles augmentent entre les grands objets, ce qui entraîne la croissance de grands

objets au détriment des petits objets (Rubie et al. [2015]). Donc, les planétésimaux sont le résultat

d’instabilités gravitationnelles et/ou de collisions entre particules, qui vont se regrouper formant des

protoplanètes.

1.1.2 Formation des protoplanètes

Après la formation des planétésimaux, la vitesse et la force des collisions entre les objets deviennent

plus importantes. Cette vitesse dépend fortement de la taille des particules. La collision à faible vitesse

entraîne une coalescence, tandis que la collision à grande vitesse favorise une certaine fragmentation

(Chambers [2010]). Alors que le champ gravitationnel de l’objet augmente monotoniquement avec

la taille de l’objet, il est donc nécessaire que les fragments aient une grande vitesse pour s’échapper.

Sinon, ils vont se regrouper avec les particules mères. Donc, avec l’augmentation de la taille de l’objet,

la fragmentation devient limitée.

Cependant, la formation d’embryons planétaires à partir des planétésimaux de tailles killométriques

dans un disque protoplanétaire, se produit par deux étapes consécutives.

Pendant la première étape, appelée «Runaway growth», les grands planétésimaux grandissent plus

rapidement que les petits planétésimaux et que leur rapport de masse croît de façon exponentielle au

8
cours de la formation de protoplanètes (Kokubo and Ida [1995]). La méthode la plus utilisée pour

étudier systématiquement l’accrétion de système protoplanétaire à ce stade de "Runaway growth" est

la simulation numérique à "N-corps". Cette méthode est utilisée afin de caractériser simultanément

les évolutions des distributions de masse, spatiale et de vitesse du système proto-planétaire (Kokubo

and Ida [1995]). Tandis que les désavantages liés aux simulations à "N-corps" sont que le nombre de

planétésimaux est limité dans le système et que la fragmentation n’est pas prise en compte en raison

de l’augmentation du nombre de planétésimaux de plusieurs ordres de grandeur avec la fragmentation

(Kokubo and Ida [1996, 2012]). Cependant, Kokubo and Ida [1995] ont réussi à simuler entre 3000 −

5000 planétésimaux en 3D afin de déterminer l’évolution dynamique des systèmes planètesimaux-

protoplanètes.

Figure 1.1: Résultat d’une simulation "N-corps" lors de la "Runaway growth" du système
planétésimaux-protoplanétaire sur le plan a − e pour t = 0, 105 , et 2 × 105 ans. a est l’axe semi-
majeur de l’orbite en unité astronomique et e est l’excentricité de chaque objet. La taille des symboles
est proportionnelle à la taille des objets. Extrait de Kokubo and Ida [2012]

À ce stade de croissance, la vitesse aléatoire des planétésimaux augmente par l’interaction gravita-

tionnelle mutuelle qui, à son tour, modifie graduellement l’orbite des planétésimaux, comme l’illustre

la Figure 1.1. L’évolution massique dans le système de planétésimaux illustrée dans la Figure 1.2

montre que, après 200 000 ans, la masse du plus grand objet est environ 200 fois la masse initiale

9
Figure 1.2: Évolution temporelle de la masse des planétésimaux au cours de la croissance "Runaway".
La ligne continue indique la variation en masse de l’objet le plus grand du système et la ligne pointillée
indique la variation en masse moyenne du système. Extrait de Kokubo and Ida [2000]

des planétésimaux, et que la masse moyenne des planétésimaux dans le système est environ deux

fois la masse initiale. En même temps, le nombre de planétésimaux dans le système passe de 3000

planétésimaux à 1322 planétésimaux.

De plus, les gros corps ont des orbites presque circulaires en raison de la friction dynamique et

des facteurs de focalisation gravitationnelle importants dans ces corps (Figure 1.1). Tandis que,

l’équipartition d’énergie se produit dans le système lorsque la masse des planétésimaux augmente,

ce qui entraîne une réduction de la vitesse de dispersion due à la friction dynamique des corps plus

petits (Kokubo and Ida [1996]). Lorsque les corps les plus gros du système protoplanétaire deviennent

suffisamment massifs pour contrôler la distribution des vitesses des plus petits planétésimaux, le stade

de croissance "Runaway" s’arrête (Chambers [2010]). Ainsi, le stade de croissance "Runaway" des

systèmes planétésimaux-protoplanétaires résulte en un grand nombre de planétésimaux et un petit

nombre de proto-planétaires.

À cause de l’inefficacité de la friction dynamique et de l’augmentation de la vitesse de dispersion

entre les planétésimaux, la phase de croissance transite de "Runaway" vers la deuxième stade de

croissance "Oligarchic". Dans cette phase de croissance, les protoplanètes résultant de la phase de

croissance "Runaway" dominent les petits planétésimaux voisins. De ce fait, les protoplanètes et les

10
planétésimaux dans le système commencent à interagir ensemble.

Figure 1.3: Résultat d’une simulation "N-corps" lors de la "Oligarchic growth" du système
planétésimaux-protoplanétaire sur le plan a − e pour t = 105 , 2 × 105 , 3 × 105 , 4 × 105 et 5 × 105
ans. Où a est l’axe semi-majeur en unité astronomique et e est l’excentricité. Les cercles pleins
représentent les protoplanètes obtenues au cours du temps. (Kokubo and Ida [2000])

Les simulations "N-corps" ont également été utilisées pour évaluer l’évolution dynamique du sys-

tème planétésimaux-protoplanètes par "Oligarchic growth" (Kokubo and Ida [2000, 2012]). Figure

1.3 montre l’évolution temporelle de la simulation de "N-corps" réalisée par Kokubo and Ida [2000]

avec 4000 planétésimaux initiaux d’une gamme de masse allant de 2 × 1020 kg à 4 × 1021 kg. Cette

simulation illustre après 200 000 ans, la formation de sept protoplanètes résultant de la croissance par

"Runaway" qui ont presque la même masse. Après 200 000 ans, le nombre de planétésimaux réduit

d’environ 1800 par rapport à son nombre initial. La friction dynamique devient inefficace dans le

système, ce qui entraine une augmentation de l’excentricité de certaines protoplanètes, conduisant à

11
interagir ensemble et à déclencher la croissance par "Oligarchic". Après 300 000 ans, les corps proto-

planétaires et les planétésimaux entrent en collision, donnant naissance à deux grandes protoplanètes

dominant le système, avec trois petites protoplanètes parmi elles. Ces trois protoplanètes interagissent

formant une autre grande protoplanète 100 000 ans plus tard.

Le nombre de planétésimaux passe de 4000 à 1257 à la fin de la simulation après 500 000 ans.

Parmis ces planétésimaux, il y a trois grands corps protoplanétaires qui représentent d’environ 41%

de la masse totale du système. De plus, dans ce stade de croissance, la masse maximale augmente

d’environ 2000 fois la masse initiale des planétésimaux, et la masse moyenne dans le système croît

d’environ 10 fois la masse initiale (Figure 1.4).

Figure 1.4: Évolution temporelle de la masse des planétésimaux au cours de la croissance "Oligarchic".
La ligne continue indique la variation en masse de l’objet le plus grand du système et la ligne pointillée
indique la variation en masse moyenne du système. (Kokubo and Ida [2000])

Au cours de la croissance des protoplanètes pendant cette phase, la friction dynamique diminue

et l’orbite des protoplanètes s’éloigne de la forme circulaire, ce qui conduit à arrêter la croissance

"Oligarchic" (Chambers [2010]). La croissance des planétésimaux aux protoplanètes est estimée à

environ 105 − 106 ans (Wetherill and Stewart [1993], Kokubo and Ida [2000])

12
1.1.3 Formation des planètes

À la fin du stade de croissance "oligarchic", les protoplanètes de la taille de Mars se déplacent sur des

orbites croisées, entrent en collision et s’assemblent pour former les planètes du système solaire (Cham-

bers [2010], Agnor et al. [1999], Kokubo and Genda [2010]). Cette phase de croissance commence en

attirant l’essaim de petits planétésimaux restants dans le système et en formant de plus grands objets.

Les excentricités de ces embryons augmentent rapidement en raison des perturbations gravitationnelles

mutuelles entre eux, ce qui entraîne un chevauchement de leurs orbites qui permet d’avoir des impacts

entre eux (Chambers and Wetherill [1998]). Ces impacts produisent des oscillations dans l’excentricité

et l’inclinaison qui empêchent l’isolement des embryons.

Les simulations "N-corps" sont une methode utilisée pour étudier la formation des planètes à

partir d’embryons de la taille de Mars (Chambers and Wetherill [1998], Agnor et al. [1999], Kokubo

and Genda [2010]). Chambers and Wetherill [1998] ont montré dans leurs modèles que la collision

entre les protoplanètes diminue le nombre d’objets dans le système et augmente la distance entre deux

objets. En revanche, Kokubo and Genda [2010] ont trouvé dans leurs modèles d’accrétion réaliste

que l’accrétion planétaire n’est pas efficace dans environ la moitié des collisions entre protoplanètes.

Cette inefficacité prolonge l’échelle de temps de la formation planétaire (Agnor and Asphaug [2004])

et peut affecter la rotation planétaire (Kokubo and Genda [2010]). Les premières planètes telluriques

apparaissent en 200 millions d’années entre 0.5 et 1 U.A. selon Agnor et al. [1999] dans la Figure 1.5.

Tandis que les planètes géantes gazeuses se forment plus tôt que les planètes telluriques en 600 000

ans selon Walsh et al. [2011] (Figure 1.6). Ces simulations de "N-corps" montrent que les interactions

dynamiques et les collisions entre les embryons auraient duré 100−200 millions d’années afin de former

les planètes du système solaire (Chambers and Wetherill [1998], Agnor et al. [1999]). À ce stade, les

planètes primitives et les impacteurs se sont déjà différenciés, possédant un noyau métallique entouré

d’un manteau rocheux de silicate. De plus, le moment cinétique de rotation finale des planètes aurait

été déterminé par des impacts géants [Agnor et al., 1999, Kokubo and Ida, 2007]. Ces impacts se sont

déroulés à la fin de l’accrétion planétaire entre les planètes primitives et les embryons dans le système

solaire.

Un de ces impacts aurait formé le système Terre - Lune (Hartmann and Davis [1975]). Cet impact

est considéré comme un événement majeur dans l’histoire de la Terre et de la formation du noyau ter-

restre (Kallenbach et al. [2000]). Cependant, un impact oblique entre un embryon de masse martienne

et la Terre primitive aurait pu favoriser la mise en orbite de matériel mantellique arraché la Terre.

Ce matériel pauvre en métal a ensuite pu se réaccréter pour former la Lune (Hartmann and Davis

[1975], Cameron and Ward [1976], Canup [2004]). Les simulations numériques SPH (Smooth Particle

13
Figure 1.5: Évolution temporelle de la distribution des masses dans le système protoplanètes-planètes
avec 50 embryons initiaux. (Agnor et al. [1999])

Hydrodynamics) ont modélisé cet impact et caractérisé la formation de la Lune à partir de cet impact

(Canup and Asphaug [2001], Canup [2004]).

Figure 1.7 montre le resultat d’une simulation numérique réalisée par Canup [2004], illustrant un

impact entre la Terre primitive et un impacteur de la taille de Mars. Suite à l’impact, les matériaux

de l’impacteur incorporés dans la Terre primitive sont chauffés plus fortement que ceux de la Terre

primitive. De plus, le noyau métallique de l’impacteur est le matériau le plus chaud du système, ce

noyau s’assemble avec le noyau primitif de la Terre (Figure 1.7(c)). En revanche, le manteau de silicate

de l’impacteur s’étale dans le disque de post-impact, qui se réaccretera ensuite pour former la Lune

(Figure 1.7(d)). Donc, cet impact géant influence la formation de la Lune et du noyau terrestre.

L’accrétion des planètes telluriques est un phénomène relativement court faisant intervenir des im-

14
Figure 1.6: Évolution temporelle de la croissance et la migration des planètes géantes selon Walsh
et al. [2011]. Les cercles pleins noirs représentent les planètes gazeuses. Les grands cercles ouverts
représentent les embryons planétaires qui forment les planètes telluriques dans le panneau inférieur
après 150 million d’années. Les points rouges représentent les planétésimaux du système solaire interne
et les points bleus représentent les planétésimaux du système solaire externe.

pacts de plus en plus gros. Cette phase a donc des conséquences énergétiques, chimiques et thermiques

majeures sur l’évolution interne et primitive des planètes. Ainsi de nombreux scénarios concernant

l’évolution du champ de pression, de température et des paramètres thermodynamiques qu’ils gou-

vernent sont plausibles. De plus, les différents résultats des modèles d’accrétion suggèrent aussi une

grande diversité thermique et chimique que l’on peut attendre des futurs impacteurs, ce qui justifie la

nécessité d’une étude physique systématique. Les questions qui peuvent se poser à la fin de la formation

du système solaire sont les suivantes : après l’impact, quelle fraction du manteau terrestre est fondue

? Comment le noyau de l’impacteur plonge-t-il dans le manteau silicaté fondu et rejoint-il le noyau de

la Terre primitive ? Des éléments de réponse seront apportés dans les prochaines sections.

1.2 Formation des océans magmatiques

Le terme "océan magmatique" désigne une couche de plusieurs centaines de kilomètres d’épaisseur,

partiellement ou complètement fondue dans le manteau terrestre et qui est vigoureusement convective.

15
Figure 1.7: Visualisation d’une simulation numérique de l’état de l’impacteur, de la Terre primitive
après l’impact géant et du disque. (a) Vue du plan équatorial de la planète qui montre la distribution
de la température dans le système à la suite de l’impact. (b) Les couleurs représentent la source du
matériau de l’impacteur et de la proto-Terre avec : la couleur rouge représente les particules apportées
par l’impacteur et la couleur bleue représente le matériau de la Terre (même vue que (a)). (c) Les
couleurs représentent le métal en rouge et les silicates en bleu (même vue que (a) et (b)). (d) Vue de
l’ensemble du disque et de la Terre primitive avec du métal en rouge et des silicates en bleu. D’après
Canup [2004]

La viscosité de l’océan magmatique contrôle largement le mouvement de convection (Solomatov [2015]).

Des sources d’énergie énormes sont nécessaires pour fondre partiellement ou totalement le manteau

terrestre et former des océans magmatiques. Ces énergies sont mises en jeu dans la Terre primitive

selon plusieurs mécanismes.

Les impacts violents au dernier stade de la formation de la Terre fournissent la plus grande source

d’énergie pour chauffer et faire fondre le manteau primitif de la Terre (Tonks and Melosh [1992, 1993]).

La formation d’un océan magmatique peut se produire plusieurs fois en de multiples épisodes avec

l’occurrence de chaque impact entre la Terre primitive et des corps de masse supérieure à celle de

Mercure (Wetherill [1988]). Les objets assez volumineux qui impactent la Terre primitive à une vitesse

de 10 − 15 km/s dissipent assez d’énergie cinétique pour faire fondre la planète entière (Tonks and

16
Melosh [1993]). La distribution de cette énergie est aussi importante que la quantité de cette énergie

pour déterminer l’état thermique après la collision (Stevenson [1987]). D’autre part, des corps de

moins de quelques centaines de kilomètres de rayon fournissent des énergies cinétiques insuffisantes

pour générer une fusion complète du manteau primitif de la Terre (Keil et al. [1997]). Récemment,

des simulations des impacts géants utilisant la méthode "SPH" ont été réalisées par Nakajima and

Stevenson [2015]. Ces simulations ont montré que les impacts étaient tellement énergiques que la

plupart du manteau de la Terre a été fondu, suggérant que la base de l’océan de magma est proche

de la frontière du noyau. Ce résultat est en contradiction avec les observations géochimiques qui

indiquent que le manteau primitif était hétérogène et que la fusion complète de la totalité du manteau

est impossible (par exemple : Touboul et al. [2012]). De plus, la Terre a été impactée sous des conditions

qui provoquent la fonte de 30 à 65% du manteau terrestre, selon sa température initiale (Tonks and

Melosh [1993]).

D’autres facteurs ont contribué au réchauffement et à la fusion de la Terre, en plus de l’énergie

cinétique apportée par les impacts géants. La désintégration radioactive de nucléides à courte durée de
26 60
vie, tels que Al et Fe, génère des températures permettant de dépasser les températures de fusion

du manteau de silicate, conduisant au réchauffement et à la différenciation de la Terre aux premiers

stades de la formation planétaire (Mostefaoui et al. [2005], Yoshino et al. [2003]). Cette source d’énergie

a permis de maintenir une température élevée dans les profondeurs de la Terre et a fait en sorte que

les éléments les plus denses de la Terre primitive se séparent de la phase silicatée et se sédimentent

en direction du centre de la Terre, en formant un noyau métallique liquide composé essentiellement de

Fer et de Nickel. Cette migration et cette séparation des phases permettent d’obtenir une autre source

d’énergie par dissipation visqueuse. Les éléments métalliques denses réchauffent le manteau primitif de

la Terre pendant la séparation métal/silicate par la dissipation de l’énergie gravitationnelle en énergie

thermique, ce qui augmente la température du manteau de plusieurs centaines de degrés (Tonks and

Melosh [1992], Rubie et al. [2007]).

Ces trois sources d’énergie cinétique, gravitationnelle et radioactive favorisent la formation des

océans magmatiques préservés dans la Terre primitive jusqu’à la formation du noyau. Ces zones sont

considérées comme étant le siège des réactions chimiques et des échanges thermochimiques entre les

phases métalliques et silicatées.

1.3 Formation du noyau terrestre

La formation du noyau terrestre est un processus hautement énergétique qui est survenu au cours de

la formation de la Terre par accrétion de corps de tailles différentes (Stevenson [1981]). Ces corps sont

17
soit différenciés, constitués d’un noyau métallique recouvert par un manteau silicaté, soit indifférenciés,

composés d’un mélange solide de métaux et de silicates. Les corps qui ont impacté la proto-Terre, ont

pénétré dans l’océan de magma et ont libéré des gouttelettes de fer qui se sont progressivement stabil-

isées à la base de l’océan de magma (Figure 1.8). Ensuite, ces gouttelettes de fer se sont assemblées

à la base de l’océan magmatique, formant de grands blobs qui ont migré à travers le proto-manteau

solide par percolation et par les instabilités de Rayleigh-Taylor. Une grande partie des échanges ther-

Figure 1.8: Une vue schématique extraite de Wood et al. [2006] afin de comprendre les étapes de la
formation du noyau terrestre. Tout d’abord, un corps impacte la Terre primitive. Ensuite, de petites
gouttelettes de fer plongent dans le manteau supérieur primitif fondu (en orange). Puis, de grosses
gouttes métalliques formées à la base de l’océan magmatique (en gris) chutent à travers le manteau
primitif inférieur solide (en bleu). Enfin, ces blobs métalliques assemblent le noyau primitif de la Terre.

mochimiques entre les deux phases se déroulent dans le manteau fondu supérieur. Ce processus reste

activement débattu afin de contraindre ou d’expliquer les caractéristiques thermochimiques actuelles

de la Terre. La formation du noyau de la Terre influence largement le budget thermique de la Terre

[Jaupart et al., 2007], ainsi que la présence d’une dynamo primitive de la Terre [Monteux et al., 2012].

18
Des études précédentes ont estimé les changements thermiques de la Terre après la formation du noyau

terrestre. Par exemple, Flasar and Birch [1973] ont constaté que la Terre entière se réchaufferait

d’environ 1600 − 2000 K après ce processus sans fournir aucune information sur la distribution de

l’énergie. Canup [2004] (Figure 1.7, a) a montré dans sa simulation numérique la distribution de la

température après l’impact qui a formé le système Terre-Lune. Selon sa simulation, la température

de la Terre entière a augmenté jusqu’à 7000 K. De plus, l’énergie potentielle gravitationnelle est di-

rectement dissipée en énergie thermique lors la chute des gouttes métalliques dans l’océan magmatique

[Jaupart et al., 2007]. Ce qui influence la température de la Terre.

D’un point de vue chimique, des éléments lithophiles (attirés par la phase rocheuse) et des éléments

sidérophiles (attirés par la phase métallique) ont pu être échangés entre les différents réservoirs lors de

la formation du noyau terrestre. Ces échanges chimiques entre les deux phases au cours de la sépara-

tion métal/silicate ont fortement influencé la signature géochimique de l’intérieur de la Terre utilisée

aujourd’hui pour contraindre le processus de différenciation en termes de temps caractéristiques, de

conditions pression/température ou de conditions rédox [Rubie et al., 2007]. Les données géochim-

iques montrent un excès d’éléments hautement et modérément sidérophiles dans le manteau terrestre

actuel [Drake and Righter, 2002]. Après la fermeture du noyau de la Terre, l’accrétion tardive de corps

astéroïdes ou cométaires aux planètes terrestres, peut expliquer l’abondance d’éléments hautement

sidérophiles qui enrichissent le manteau terrestre actuel [Albarede et al., 2013, Genda et al., 2017].

Alors que, l’abondance d’éléments modérément sidérophiles peut être interprétée par le mécanisme de

séparation métal/silicate et l’équilibre chimique entre les deux phases dans l’océan magmatique (Rubie

et al. [2003]).

Cependant, après l’impact géant et la formation de l’océan magmatique, le noyau de métal liquide de

l’impacteur s’est dispersé et a ensuite plongé dans cet océan de magma moins dense sous la forme d’un

fluide non miscible. Ensuite, ce noyau de métal liquide a pu se déformer puis se fragmenter en gouttes

de différentes tailles, allant du millimètre au kilomètre en raison entre autres de l’instabilité de Kelvin-

Helmholtz. Ce processus de fragmentation conduit à des échanges thermochimiques entre les deux

phases, avant l’assemblage des gouttes métalliques avec le proto-noyau terrestre. Par ailleurs, la vitesse

et l’angle de contact entre les deux corps impactés au moment de l’impact jouent un rôle important

dans la détermination des gouttes résultant de la première désintégration (Genda et al. [2017], Woo

et al. [2019]). Ces gouttes sont soit soumises à des mécanismes de fragmentation consécutifs, ce qui

permet aux gouttes d’échanger thermochimiquement avec les silicates de l’océan magmatique, soit

s’assemblent rapidement au noyau primitif sans avoir échangé thermochimiquement avec le milieu

environnant. Les simulations réalisées par Genda et al. [2017], montrent les effets des angles d’impact

19
entre la Terre primitive et un impacteur de taille de la Lune, sur le devenir mécanique et chimique

du noyau de l’impacteur (Figure 1.9). Cette simulation illustre que les angles d’impact de 45◦ ± 10◦

entrainent une fragmentation de noyau liquide en gouttes métalliques de tailles de 10 m, ce qui favorise

les échanges chimiques entre ces gouttes et les silicates de la Terre.

Figure 1.9: Instantanés d’un impact entre la Terre primitive et un corps différencié d’une masse égale
à 10% la masse de la Terre, pour plusieurs angles d’impact qui sont 0◦ (a), 30◦ (b), 45◦ (c) et 60◦ (d).
Le noyau de l’impacteur est coloré en rouge s’il n’a pas été fragmenté et en jaune s’il a été fragmenté.
Les couleurs bleu foncé, bleu clair et rouge représentent respectivement le manteau de l’impacteur, le
manteau de la Terre et le noyau de la Terre. Selon Genda et al. [2017]

Néanmoins, afin de caractériser le mouvement du noyau métallique liquide dans l’océan magma et

l’équilibre thermochimique entre ces deux phases, plusieurs scénarios ont été proposés dans les études

antérieures.

20
1.3.1 Équilibres thermochimiques efficaces : scénario "iron rain"

Le modèle de la pluie de fer est le scénario le plus utilisé dans les études précédentes pour caractériser

la séparation des phases dans l’océan magmatique (Stevenson [1990], Karato and Murthy [1997], Rubie

et al. [2003]). Ce modèle suggére que le noyau de l’impacteur a subi un mécanisme de fragmentations

successives, qui se traduit par de petites gouttelettes d’un diamètre caractéristique unique d’environ

1 cm, correspondant à l’échelle capillaire (Figure 1.10). Toutes les gouttelettes se déplacent indépen-

damment vers le fond de l’océan magmatique à la même vitesse de sédimentation ∼ 0.5 m/s et sans

aucun autre changement de forme, ce qui engendre un équilibre chimique efficace entre les deux phases

à une distance inférieure à 200 m dans l’océan magmatique, selon le modèle théorique réalisé par Rubie

et al. [2003].

Figure 1.10: Représentation schématique du modèle de "iron rain" lors de la séparation des phases
métal/silicate dans un océan de magma pendant la formation du noyau, selon Rubie et al. [2003].

Ichikawa et al. [2010] ont effectué des simulations numériques directes du modèle de "iron rain"

dans l’océan magmatique, en partant d’une seule goutte (Figure 1.11, à gauche) ou de plusieurs gout-

telettes de la même taille (Figure 1.11, à droite). La chute d’une goutte provoque une déformation

puis une fragmentation rapide en gouttelettes de tailles différentes, par la contrainte visqueuse exercée

par le fluide ambiant, qui dépasse la force de tension superficielle de la goutte (Figure 1.11, à gauche).

D’autre part, l’évolution des gouttes multiples implique la combinaison successive des gouttelettes,

formant des gouttes plus grosses (Figure 1.11, à droite). Par conséquent, quel que soit l’état initial de

21
la simulation (une goutte ou plusieurs gouttelettes), l’état final du calcul se traduit par des gouttes

de tailles différentes, contrairement au modèle théorique "iron rain". De plus, l’équilibre thermochim-

ique dans ces simulations se produit après une chute d’une distance inférieure à 100 m dans l’océan

magmatique.

Figure 1.11: Simulation numérique directe du modèle "iron rain" suivant l’évolution temporelle de la
chute: (à gauche) d’une goutte d’un rayon ∼ 0.0159 m (a-c) pour t=0s (a), 1.2s (b) et 7s (c) et d’un
rayon ∼ 0.0145 m (d-f) pour t=0s (d), 2s (e) et 4.3s (f), (à droite) de plusieurs gouttes de la même
rayon ∼ 0.0159 m pour t=0s (a), 0.8s (b), 3s (c), 4s (d), 6s (e) et 7.8(f). D’après Ichikawa et al. [2010]

1.3.2 Déséquilibres thermochimiques

Contrairement à l’équilibre thermochimique efficace entre le noyau métallique et les silicates, pro-

posé par le modèle théorique de "iron rain", un autre modèle théorique décrit par Dahl and Steven-

son [2010], suggère que le déséquilibre thermochimique se manifeste entre ces deux phases lorsque le

noyau d’impacteur dépasse 5 kilomètres de rayon. Ce modèle illustré dans la Figure 1.12 suggère

22
que le noyau de l’impacteur pénètre verticalement dans l’océan magmatique et se mélange dans la

zone d’entraînement avec les silicates sous forme de jet liquide par l’instabilité de cisaillement, ce

qui engendre des mouvements tourbillonnaires induits par l’océan de magma, transformant la zone

d’entraînement en un panache cylindrique du métal et élargissant linéairement la largeur de cette zone

avec la profondeur. Selon ce modèle, le grand volume métallique pourrait se déformer pendant sa

Figure 1.12: Une vue schématique du comportement d’une grosse goutte métallique dans l’océan mag-
matique, générant des instabilités de cisaillement dans la zone d’entraînement sur les parois verticales,
qui s’élargissent du jet cylindrique au panache cylindrique du métal, selon Dahl and Stevenson [2010].

chute, s’éroder à l’arrière par l’écoulement turbulent induit dans le sillage et se mélanger avec la phase

silicatée par les instabilités de Rayleigh-Taylor et Kelvin-Helmholtz, sans se fragmenter en gouttelettes.

Par conséquent, le degré de mélange entre la grosse goutte métallique et l’océan magmatique ne permet

pas de réaliser un équilibre thermochimique efficace entre ces deux phases.

23
1.3.3 Équilibres thermochimiques intermédiaires

Récemment, les recherches se sont appuyées sur la dynamique des fluides expérimentale et numérique

afin de mieux comprendre les phénomènes dynamiques de la chute de gouttes dans l’océan de magma,

ainsi que le degré d’équilibre thermochimique entre les deux phases métalliques et silicatées. Samuel

[2012] a constaté à l’aide de simulations numériques, qu’une goutte métallique d’une taille plus petite

que l’épaisseur de l’océan magmatique, se sépare rapidement en gouttelettes de moins de 0.2 m, ce qui

permet un équilibrage thermochimique rapide entre ces deux phases. Ces simulations axisymétriques

ont ajouté au modèle théorique de Dahl and Stevenson [2010], qu’en plus de la déformation et de

l’érosion d’une grosse goutte, la désintégration en petits objets est inévitable lorsque la taille de goutte

n’est pas comparable avec l’épaisseur de l’océan magmatique.

Des expériences en dynamique des fluides réalisées par Deguen et al. [2011], sont utilisées afin

d’évaluer la quantité de mélange entre la phase métallique et la phase silicatée dans un bassin d’océan

magmatique sphérique produit par un impact (Figure 1.13). Dans leurs expériences, l’instabilité turbu-

lente mélange fortement les particules denses qui représentent la phase métallique liquide de l’impacteur

avec les silicates fondus, formant un nuage de mélange qui s’élargit en fonction de la profondeur.

Lorsque l’intensité de turbulence du nuage de mélange devient faible par rapport à la force gravi-

tationnelle des particules, ces dernières tombent à leur vitesse de sédimentation à la base du bassin

magmatique, en se séparant du fluide dans la zone d’entraînement (Figure 1.13, a). Lorsque l’inertie

de ce nuage de mélange dans la zone d’entraînement est forte, un impact secondaire énergétique du

métal partiellement dilué à la base de l’océan magmatique se produit (Figure 1.13, b et c). Cet im-

pact secondaire provoque une fragmentation et un mélange supplémentaires du métal, ce qui favorise

l’équilibre thermochimique entre les deux phases. En conséquence de ces expériences, le noyau de

l’impacteur volumineux se mélange partiellement avec les silicates fondus avant d’atteindre la base du

réservoir magmatique sphérique, tandis que le petit noyau métallique subit un fort mélange avec la

phase silicatée, donc des échanges thermochimiques entre les deux phases sont efficaces.

Plus tard, Deguen et al. [2014] ont réutilisé la dynamique des fluides expérimentale en libérant

une grosse goutte métallique représentée par une solution aqueuse de Nal dans un tube orienté ver-

ticalement rempli avec une huile de silicone qui représente des silicates fondus. Ils ont montré dans

leurs expériences que le volume de fer se fractionne rapidement et forme un nuage de gouttelettes de

tailles différentes, allant du millimètre au centimètre, si l’épaisseur de l’océan magmatique est profond

d’environ 3 − 4 fois son diamètre initial. Mais auparavant, le noyau liquide évolue d’abord à partir

de son état initial sous la forme d’un panache turbulent avec un fort entraînement et mélange, con-

duisant à un équilibrage thermochimique rapide avant même la fragmentation. Leur étude suggère

24
Figure 1.13: Série d’expériences : des particules qui imitent la phase métallique en blanc, mélangées
avec un fluide de couleur fluorescente qui imite la phase silicatée, tombent par gravité dans une cuve
sphérique remplie de fluide qui représente un bassin d’océan de magma, selon Deguen et al. [2011]. Ces
expériences ont été réalisées à différents nombres de Rouse qui compare la vitesse de sédimentation
des particules et la vitesse typique d’écoulement.

aussi que l’équilibre thermochimique entre les deux phases dépend fortement de l’histoire de la forma-

tion de l’océan magmatique (Figure 1.14). Si l’impact lui-même a formé un réservoir semi-sphérique

de magma (Figure 1.14, (i)), l’écoulement du mélange métal/silicate peut avoir un impact secondaire

à la base du bassin, ce qui entraîne un écoulement ascendant qui engendre une zone d’entraînement

supplémentaire entre ces deux phases avec des équilibres effectifs. Si l’océan magmatique était déjà

présent avec une limite horizontale (Figure 1.14, (ii)), les deux phases se mélangent comme un écoule-

ment pyroclastique fortement soumis à la gravité turbulente, aboutissant à un mélange supplémentaire

entre métal/silicate. Dans le cas où l’impact a fait fondre le manteau terrestre en entier (Figure 1.14,

(iii)), le nuage de mélange métal/silicate s’assemble rapidement avec le noyau de la Terre primitive,

ce qui permet un mélange supplémentaire métal-silicate dans le noyau avant que la phase silicatée se

sépare du noyau.

Tous ces scénarios précédents ont présenté des résultats différents qui peuvent expliquer les aspects

thermochimiques actuels observés sur la Terre.

25
Figure 1.14: Une vue schématique extraite de Deguen et al. [2014] de l’évolution du noyau métallique
dans la zone d’entraînement turbulente selon la façon dont l’océan magmatique s’est formé. (i) Océan
magmatique semi-sphérique formé par le propre impact, (ii) océan de magma global horizontal préexis-
tant et (iii) océan de magma complètement fondu. Le noyau métallique, le silicate fondu et le manteau
solide sont représentés respectivement en gris, orange clair et orange foncé.

1.4 Paramètres gouvernant le système

Les propriétés dynamiques et thermiques du noyau liquide de l’impacteur et de l’océan magmatique

dépendent fortement de leurs compositions chimiques, ainsi que de la pression et de la température.

Dans cette section, nous rapportons les paramètres thermodynamiques de ces deux phases en détaillant

la large gamme de ces paramètres dans la littérature.

1.4.1 Propriétés de l’océan magmatique

La compréhension et la détermination de la complexité des propriétés thermodynamiques de l’océan

de magma est un objectif permanent dans la recherche. La viscosité de l’océan magmatique est un

26
paramètre majeur qui dépend fortement de sa température et de sa pression [Karki and Stixrude,

2010]. Cette viscosité peut varier suivant une très large gamme de cinq ordres de grandeur. En outre,

la composition chimique de cet océan magmatique peut influencer sa viscosité [Solomatov, 2015]. Une

grande quantité d’eau peut être présente dans l’océan magmatique, ce qui réduit la viscosité du magma

[Abe et al., 2000]. De plus, la viscosité à basse pression et au niveau du liquidus pour les silicates

ultramafiques est de l’ordre de 0.1 Pa.s [Liebske et al., 2005]. D’autre part, l’océan péridotitique

de magma contenant une grande concentration de silicium à basse température peut augmenter la

viscosité à 100 Pa.s [Kushiro, 1986]. Des simulations de dynamique moléculaire des premiers principes

réalisées par Karki and Stixrude [2010], démontrent que la viscosité de MgSiO3 de l’enstatite augmente

de façon monotone avec la pression et la température de 0.0006 Pa.s à plus de 1 Pa.s (Figure 1.15, A).

Par ailleurs, à une pression donnée, la viscosité du magma diminue lorsque la température augmente

(Figure 1.15, B), selon l’équation suivante :

µT = Ae(B/(T −1000))1 (1.1)

où A = 0.00033 Pa.s, B = 6400 K pour le liquide anhydre et A = 0.00024 Pa.s, B = 4600 K pour le

liquide hydraté. Selon ces simulations, la viscosité de l’océan magma augmente de la surface à la base

de l’océan magma en raison des effets combinés de température et de pression.

La densité de l’océan magmatique dépend aussi des conditions de température et de pression.

Suzuki et al. [1998] ont mesuré la densité de fusion des péridotites riches en oxyde ferreux (FeO) à haute

pression, jusqu’à 18 GPa. Des expériences de compression de choc sur du forstérite liquide (Mg2 SiO4 )

préchauffé à une température initiale de 2273 K, pour une pression de 1 bar ont été réalisées par Thomas

and Asimow [2013]. Selon ces deux expériences de Suzuki et al. [1998] et Thomas and Asimow [2013],

la densité du magma augmente de 2600 à 4000 kg.m−3 de manière monotone avec la pression et la

température sous les conditions de pression [6 − 20]GPa et de température [2000 − 2900]K. La plupart

des scénarios proposés dans les études sur la ségrégation des métaux dans l’océan magmatique ont

utilisé une densité magmatique constante comprise entre 3500 et 4000 kg.m−3 [Rubie et al., 2003,

Samuel, 2012, Ichikawa et al., 2010].

En ce qui concerne les propriétés thermiques, la conductivité thermique et la capacité calorifique

de l’océan magmatique dépendent fortement des compositions du magma (Hofmeister [1999], Thomas

and Asimow [2013]). Les augmentations de température diminuent la conductivité thermique de la

Forstérite (Mg2 SiO4 ) de 10 à 4 W.m−1 .K−1 et celle de l’oxyde de magnésium (MgO) de 50 à 10

W.m−1 .K−1 [Hofmeister, 1999]. Cependant la conductivité thermique à 2000 K pour toutes les com-
1 Le profil de température dans un océan de magma est adiabatique (Figure 1.15, A).

27
Figure 1.15: La viscosité de MgSiO3 en fonction de la pression pour différentes températures (A) et en
fonction de la température à une pression donnée (B). Les symboles plein et ouvert représentent respec-
tivement le liquide anhydre et le liquide hydraté. Les cercles, les carrés et les diamants représentent
respectivement des températures différentes de 3000, 4000 et 6000 K (A). D’après Karki and Stixrude
[2010]

positions chimiques du magma est égale ou inférieure à 10 W.m−1 .K−1 [Hofmeister, 1999]. Quant à

la capacité calorifique, elle est comprise entre 1000 et 2000 J.kg−1 .K−1 en fonction de la composition

chimique du magma (Thomas and Asimow [2013]).

1.4.2 Propriétés du noyau métallique

Les propriétés thermodynamiques des noyaux des impacteurs sont évidemment difficiles à contraindre.

Cela provient de la difficulté d’accéder à un échantillon réel d’un noyau afin de déterminer ses propriétés

thermodynamiques. D’après l’analyse du noyau terrestre actuel, la composition chimique du noyau

joue un rôle très important dans la détermination de ses propriétés. Dès lors, pour des raisons de

simplicité, nous considérons que la composition chimique du noyau des impacteurs qui ont impacté

la Terre est analogue à celle contenue dans le noyau de la Terre. La majorité de ces compositions

sont constituées d’environ 85% de fer liquide, en plus d’environ 5% de nickel et 10% d’éléments légers

[McDonough, 2014]. Cependant, nous devons savoir que les échantillons que les chercheurs analysent ne

proviennent pas du noyau de la Terre. La composition du noyau métallique est fortement contrainte par

la comparaison entre des échantillons superficiels et des météorites. Grâce aux données géophysiques,

la pression et la température du centre de la Terre sont connues. Cela aide les scientifiques à déterminer

approximativement les valeurs des propriétés thermodynamiques du noyau de la Terre, en appliquant

28
ces conditions de pression et de température à l’échantillon analysé.

La viscosité du noyau métallique liquide dépend légèrement de la pression et est presque constante

près de la limite du noyau interne (Poirier [1988]) et à la surface de la Terre (Assael et al. [2006]).

Poirier [1988] a suggéré que la viscosité du noyau métallique augmente de 0.003 Pa.s à la frontière

manteau/noyau à 0.006 Pa.s à la frontière du noyau intérieur, cette dernière valeur correspond à celle

du fer liquide à une pression ambiante.

Les éléments légers contenus dans le noyau diminuent la densité d’environ 5 − 10% par rapport à

la densité du noyau qui ne contient que du fer et du nickel [McDonough, 2003, Rubie et al., 2007]. La

densité du fer à pression constante inférieure à 1 GPa est de l’ordre de 7015 kg.m−3 [Assael et al., 2006,

Beutl et al., 1994, Valencia and Quested, 2008], tandis que celle du nickel est équivalente à 7900 kg.m−3

[Valencia and Quested, 2008]. Par contre, ces valeurs de densité dans les conditions de pression et de

température au noyau sont plus élevées selon Pozzo et al. [2013]. La densité au centre de la Terre est

d’environ 13000 kg.m−3 [Dziewonski and Anderson, 1981]. Cette valeur de densité n’est pas pertinente

pour un impacteur en raison de la petite taille de l’impacteur par rapport à celle de la Terre. Ainsi, la

distribution de la pression et de la température d’un impacteur est plus petite que celle de la Terre.

Cependent, la différence de densité entre le noyau métallique et le silicate de l’océan magmatique est

de l’ordre de 4000 kg.m−3 selon les modèles de post-impact planétaire dans l’océan magmatique [Rubie

et al., 2003, Samuel, 2012].

La conductivité thermique du noyau métallique augmente avec la température et la pression et

change selon la composition chimique initiale du noyau. Pozzo et al. [2013] ont étudié deux liquides

silicium-oxygène-fer (Fe0.79 Si0.08 O0.13 ) et (Fe0.82 Si0.10 O0.08 ), dans les conditions du noyau terrestre

afin de déterminer la conductivité thermique à l’aide de simulations analytiques. Alors que, de Koker

et al. [2012] ont effectué des simulations de structures électroniques de premier ordre de Fe, Fe-Si, et

Fe-O liquide pour définir la conductivité thermique à l’état du noyau terrestre. Ainsi, ce paramètre

est variable dans la gamme 90 − 160 W.m−1 .K−1 à pression et température constantes en fonction de

la composition chimique [de Koker et al., 2012, Pozzo et al., 2013].

Enfin, la capacité thermique du métal varie considérablement avec la température initiale du noyau

[Ichikawa et al., 2014] et dépend légèrement de la pression. Selon plusieurs études passées, la capacité

de la chaleur du noyau métallique varie de 660 à 850 J.kg−1 .K−1 [Pozzo et al., 2013, Ichikawa et al.,

2014].

29
1.5 Conclusion et questions soulevées

Comme nous l’avons détaillé dans la section précédente, la viscosité du silicate varie de plusieurs

ordres de grandeur en fonction de la profondeur 2 . Par contre, la viscosité du noyau de l’impacteur est

probablement relativement constante. Par conséquent, le contraste de viscosité entre le silicate et la

phase métallique varie sur une large gamme. Or, dans tous les scénarios précédents qui ont expliqué

la ségrégation du noyau métallique dans le manteau fondu de la Terre primitive, les chercheurs ont

négligé l’influence du ratio de viscosité entre ces deux phases.

Tout récemment, une expérience analogique de métal liquide sédimentant dans l’océan magmatique

a été développée par Wacheul et al. [2014], dans laquelle ils ont utilisé du gallium pour imiter le noyau

de fer liquide et un mélange d’eau et de glycérol pour imiter le silicate fondu dans l’océan magmatique.

Ils ont démontré que la taille initial de la goutte de fer et la valeur du rapport de viscosité jouent un

rôle très important sur la morphologie de l’écoulement métallique, les mécanismes de fragmentation et

les tailles de gouttes résultantes (Figure 1.16).

Dans les Figures 1.16, (a) et 1.16, (b), Wacheul et al. [2014] ont mis en évidence l’effet de la taille

initiale de la goutte de métal. La chute d’une goutte de 14 mm de rayon dans un liquide 500 fois plus

visqueux que le métal ne produit pas de fragmentation, alors que la goutte se déforme vers un cap

sphérique jusqu’à la fin du domaine de l’expérience (Figure 1.16, a). En revanche, l’augmentation du

rayon de la goutte à 23 mm avec le même ratio de viscosité engendre la fragmentation de la goutte en

trois petites gouttelettes (Figure 1.16, b). Ensuite, la même goutte de 23 mm de rayon se désagrège

en petites gouttelettes de tailles différentes formant un nuage de gouttelettes, quand elle tombe dans

un fluide 100 fois moins visqueux qu’avant (Figure 1.16, c).

Jusqu’à présent, de nombreuses questions demeurent concernant la dynamique locale et les trans-

ferts thermochimiques à l’échelle d’une goutte, notamment :

• Quelle est l’influence de la taille initiale et du ratio de viscosité sur la dynamique d’une goutte ?

• Est-ce que l’équilibre thermochimique entre les deux phases est efficace ?

• Quels sont le temps et la profondeur nécessaires pour atteindre l’équilibre thermochimique entre

ces deux phases ?

La réponse à ces questions est fondamentale pour mieux estimer et caractériser la longueur d’équilibration

thermo-chimique entre les deux phases lors de la séparation métal/silicate dans les planètes, et par

conséquent, pour les modèles pertinents de l’état thermochimique initial de la planète.

2 Au long d’un adiabat, la diminution de la viscosité due à l’augmentation de la température compensant un petit

peu l’augmentation de la viscosité due à l’augmentation de la pression.

30
Figure 1.16: Instantanés de la chute libre d’une goutte de gallium dans un mélange moins dense d’eau
et de glycérol initialement au repos, pendant une période de temps déterminée ∆t. a) Une goutte d’un
rayon initial de 14 mm est relâchée dans un fluide 500 fois plus visqueux que la phase métallique. b)
Une goutte d’un rayon initial de 23 mm est libérée dans le même fluide visqueux que (a). c) La même
goutte de 23 mm de rayon tombe dans un milieu 5 fois plus visqueux que la phase métallique. D’après
Wacheul et al. [2014]

31
32
Chapitre 2

Dynamique d’une goutte dans un

milieu visqueux

Afin de mieux comprendre la dynamique d’une goutte liquide/bulle de gaz et les échanges thermochim-

iques avec un milieu environnant plus ou moins visqueux, nous proposons tout d’abord une vision

globale des phénomènes dynamiques et thermochimiques d’une goutte avant de nous focaliser sur le

sujet de la thèse.

Une goutte est un volume de liquide possédant une tension superficielle importante. Une goutte

en mouvement dans son milieu (liquide ou gazeux) chute à une vitesse qui dépend des contrastes de

densité et de viscosité entre les deux phases, de sorte qu’un sillage dynamique derrière la goutte peut se

former lors de sa chute. La formation d’une goutte a été explorée dans une vaste gamme de domaines

d’études, notamment :

• phénomènes naturels : la goutte de pluie [Villermaux and Bossa, 2009] et la formation de gout-

telettes de magma après une éruption volcanique [Jones et al., 2019].

• sprays [Kékesi et al., 2014, Kooij et al., 2018] : agriculture [Damak et al., 2016], administra-

tion de médicaments [Dalmoro et al., 2013], imprimantes à jet d’encre [Martin et al., 2008] et

microfluidiques [Squires and Quake, 2005].

• applications industrielles : moteurs à combustion interne [Baumgarten, 2006] et sûreté nucléaire

[Hadj-Achour et al., 2015].

• enjeux géophysiques : la formation du noyau terrestre [Landeau et al., 2014, Fleck et al., 2018].

Dans ce chapitre, nous détaillons la dynamique, la stabilité, la fragmentation et l’évolution diffusive

33
d’une goutte dans un milieu fluide explorées dans des études précédentes.

2.1 Forces dynamiques

Considérons un système composé d’une goutte liquide initialement sphérique de rayon (R) et au repos

sans vitesse initiale, tombant sous l’action de la gravité (g) dans un fluide environnant initialement

immobile, moins dense et plus visqueux. Supposons aussi que les deux phases se comportent comme

des fluides newtoniens, incompressibles et non miscibles avec une tension superficielle uniforme (σ),

une densité (ρ) et une viscosité (µ) constantes dans chaque fluide. Ainsi, la dynamique des fluides de

l’écoulement biphasé est régie par les équations de Navier-Stokes:

1
La conservation de masse (équation d’incompressibilité) :

∇.u = 0, (2.1)

La conservation de la quantité de mouvement :

∂u
ρ( + u.∇u) = ∇.[−P I + µ(∇u + (∇u)T )] + ρg + Fst (2.2)
∂t

Où u est la vitesse du fluide en m.s−1 , ρ est la densité volumique du fluide en kg.m−3 , t est le temps

en s, P est la pression du fluide en Pa, I est la matrice d’identité, µ est la viscosité du fluide en Pa.s,

g est l’accélération gravitationnelle en m.s−2 et Fst est la force de la tension superficielle en N.m−3 .

Cette structure liquide sphérique subit lors de son mouvement de multiples forces qui déterminent

tous les phénomènes dynamiques de la goutte. Ces forces sont extraites de l’équation de quantité

de mouvement (2.2) et apparaissent dans un schéma illustré dans la Figure (2.1). Initialement au

repos, la goutte accélère à une vitesse u du fait de la différence de densité de l’écoulement biphasé

(instabilité Rayleigh-Taylor) sous la force de gravité Fg ∼ (ρ1 − ρ2 )gVo . Les indices 1 et 2 représentent

respectivement la goutte liquide et le fluide ambiant, tandis que Vo est la volume de la goutte sphérique
ρ 2
en m3 . Cette accélération entraîne une force de pression hydrodynamique (force d’inertie) Fp ∼ 2u A

qui dépend fortement de la vitesse de la chute (A est la surface de la goutte sphérique en m2 ). Par

contre, la viscosité des fluides freine le mouvement du liquide sphérique par le frottement du fluide à

l’interface de la goutte, ce qui engendre deux forces opposées à celle de la chute de la goutte. La première

force apparaît dans la contrainte visqueuse qui varie avec la vitesse de cisaillement et est appelée force

visqueuse Fµ ∼ µu R12 Vo . La deuxième force est liée à la force de pression hydrodynamique Fp dans
1 En toute rigueur, c’est un modèle à un fluide qui est utilisé. Il y a donc des hypothèses sous-jacentes, notamment

l’absence de glissement entre phase et de fluctuations de vitesse à l‘échelle de la maille.

34
 Figure 2.1: Une vue schématique des forces dynamiques qui influencent une goutte mobile.

le sillage derrière la goutte. Ces deux forces résultent en une force qui ralentit la chute de la goutte en

s’opposant à la force gravitationnelle et que l’on appelle la force de traînée FD ∼ CD 2ρ u 2 A (CD est le

coefficient de traînée). De plus, la pression à l’intérieur de la goutte diffère de la pression externe du

fluide environnant, ce qui provoque un saut de pression à l’interface entre les deux fluides, selon la loi

de Laplace [de Laplace and Bowditch, 1966]. Ce saut de pression exerce une force à l’interface qui est

appelée force de tension superficielle Fs ∼ 2 σR (σ est le coefficient de tension superficielle en N.m−1 ).

Les enjeux de ces forces caractérisent le destin dynamique de la goutte et son état final. La Figure

2.2 présente trois scénarios différents du comportement dynamique de la goutte lors sa chute, sous

l’influence des forces dynamiques.

Lorsque la force visqueuse de la goutte est très importante par rapport à la force inertielle, la goutte

demeure sphérique sans subir de changement de forme (Figure 2.2,A). Ce phénomène est également

dû à la force de tension superficielle. Dans ce cas, la force de traînée est très importante en raison de

son fort coefficient de traînée CD .

Dans le 2ème scénario (Figure 2.2,B), la goutte se déforme en une calotte sphérique en raison de

l’intensité de la force d’inertie qui domine la force visqueuse et surmonte la force de tension superficielle

(t=t1 ). Cette déformation augmente la surface de la goutte, ce qui entraîne une augmentation de la

35
Figure 2.2: Une vue schématique de l’évolution temporelle des trois scénarios possibles de la dy-
namique des gouttes pendant sa chute dans un fluide ambiant, montrant le comportement des forces
dynamiques sur la dynamique des gouttes. A) Une goutte sphérique. B) Une goutte déformable. C)
Une fragmentation en gouttes.

force de traînée. Alors que la force de la tension superficielle retrouve rapidement son intensité et

résiste à l’intensité de la force de pression hydrodynamique de la segmentation de la goutte, ce qui

mène à une déformation vers l’ellipsoïde allongé (prolate) et donc, à une diminution de la force de

traînée (t=t2 ). A ce stade, la goutte soit reste en oscillation sans avoir atteint sa forme finale en raison

de la lutte entre les forces, soit elle atteint son état final stationnaire du fait de l’équilibrage des forces

à l’interface de la goutte (t=t∞ ).

Dans le dernier scénario illustré dans la Figure 2.2,C, la force d’inertie continue de presser l’interface

de la goutte et de surmonter la force de tension superficielle, conduisant à déformer la goutte et à

réduire de plus en plus son épaisseur verticale jusqu’à provoquer la fragmentation. Dans ce cas, la

36
force de tension superficielle ne peut plus résister la force d’inertie et la pression externe dans le fluide

ambiant est beaucoup plus importante que la pression interne dans la goutte. Ceci provoque donc une

fragmentation de la goutte.

2.2 Nombres adimensionnés

L’importance du rapport des forces dynamiques est mesurée par des nombres sans dimension qui

déterminent l’état dynamique total de notre système. Selon le théorème de Vaschy-Buckingham, il est

possible de déterminer cinq nombres sans dimension basés sur les paramètres de contrôle :

ρ2 V R
• Le nombre de Reynolds (Re = µ2 ), qui compare les force inertielles sur les force visqueuses

(V est la vitesse terminale de la goutte). Le nombre de Reynolds permet de déterminer trois

régimes dynamiques de la chute de la goutte [Samuel, 2012]. Le régime de Stokes correspond à

Re < 1 lorsque les forces visqueuses dominent le système. Le régime intermédiaire correspond

à Re = 1 − 500 lorsque les deux forces visqueuses et inertielles sont importantes. Le régime de

Newtonien correspond à Re > 500 lorsque les forces inertielles sont dominantes.

ρ2 V 2 R
• Le nombre de Weber (W e = σ ), qui exprime l’importance des forces d’inertie par rap-

port à celles de la tension superficielle. Ce nombre est responsable de la détermination du sort

dynamique de la goutte [Pilch and Erdman, 1987]. Lorsque W e << 1, les forces de tension super-

ficielle sont importantes et la goutte reste sphérique sans changement de sa morphologie. Lorsque

W e >> 1, les forces inertielles dominent le système, ce qui entraîne une forte déformation et une

fragmentation rapide.

∆ρgR2
• Le nombre de Bond (Bo = σ ), qui mesure le rapport entre les forces gravitationnelles et

celles de la tension superficielle. Ce nombre est utilisé dans plusieurs études pour déterminer la

forme de la goutte (ex : Tripathi et al. [2015]).

ρ1
• Le rapport de densité (Rρ = ρ2 ).

µ2
• Le rapport de viscosité (Rµ = µ1 ).

Dans certaines études précédentes, d’autres nombres sans dimension ont été utilisés tels que le coeffi-

cient de traînée, le nombre d’Ohnesorge et le nombre de Morton. Ces nombres peuvent être calculés à
∆ρgR
partir de ceux définis ci-dessus. Le coefficient de traînée CD ∼ ρ2 V 2 , compare le rapport entre la force

gravitationnelle et la force d’inertie lorsque la vitesse terminale est atteinte. Le nombre d’Ohnesorge

(Oh = √ µ1 ), représente le rapport entre les forces visqueuses, les forces d’inertie et la tension super-
ρ1 Rσ
gµ42 ∆ρ
ficielle. Le nombre de Morton M o = ρ22 σ 3
, est un nombre sans dimension utilisé avec le nombre de

37
Bond pour caractériser la forme dynamique des bulles ou des gouttes et basé sur les grandeurs physiques

caractéristiques du fluide environnant. Dans certaines études expérimentales, Re et W e sont utilisés

comme paramètres de sortie selon la vitesse terminale de la goutte (ex : Landeau et al. [2014]). En re-

vanche, dans les simulations numériques périodiques, Re et W e sont des paramètres d’entrée où nous

considérons une goutte fixe au centre du maillage, et nous imposons une vitesse d’entrée constante

et une condition de sortie libre. La majorité des résultats existants avec le changement de viscosité

proviennent de cette configuration (ex : Kékesi et al. [2014]), ainsi, nous décidons d’utiliser Re et W e

dans cette thèse en utilisant la vitesse terminale de la goutte issue de nos résultats numériques.

2.2.1 Influence de Re et W e sur une goutte/bulle

Dans le but de parvenir à une bonne compréhension de l’effet de Re et W e sur la dynamique de la

bulle ou de la goutte, Loth [2008] a révisé le changement de la morphologie de la goutte/bulle associée

à son sillage pour différents W e, Re, Rµ et Rρ dans la Figure 2.3 (Re et W e sont calculés dans cette

figure en fonction du diamètre de la goutte/bulle). À Re donné, la bulle de gaz est plus sensible à la

distorsion que la goutte liquide, puisque la bulle se déforme en un ellipsoïde aplati lorsque W e > 0.8,

tandis que W e doit atteindre une valeur ∼ 2 afin de produire la déformation de la goutte montante

dans un autre liquide.

Figure 2.3: Les stades de la variation de la morphologie dans la dynamique de la goutte en fonction
de W e et Re (extrait de Loth [2008]).

Lorsque W e devient très élevé, la répartition de la force de pression autour de la goutte ne sera pas

constante, avec une force de pression plus élevée à l’arrière de la goutte et une force de pression plus

38
faible à l’équateur de la goutte. Ce qui provoque une déformation plus ou moins importante selon la

force de tension superficielle dans la zone déformée. La Figure 2.3 indique également que la bulle se

déforme associée à un sillage quasi-turbulent lorsque Re > 100 ou que le fluide ambiant a une faible

viscosité, alors que le sillage sera stable lorsque Re < 100 ou que le liquide hôte sera plus visqueux. De

ce fait, les phénomènes dynamiques de goutte/bulle dépendent fortement des propriétés dynamiques

des deux phases, qui déterminent la vitesse à laquelle la goutte se déplace, la distribution de la force

de pression autour de la goutte, donc la forme finale et la vitesse terminale de la goutte.

2.2.2 Vitesse terminale

La vitesse terminale de la goutte peut être déterminée selon le régime dynamique de la goutte. Dans

le régime de Stokes, la goutte atteint sa vitesse terminale selon la loi de Stokes :

2∆ρgR2
V = (2.3)
9µ2

Dans les régimes intermédiaire et de Newton, la vitesse terminale dépend fortement de la déforma-

tion de la goutte, et atteint sa valeur finale lorsque la force de traînée équilibre la force gravitationnelle:

s
8 ∆ρ gR
V = (2.4)
3 ρ2 CD

2.2.3 Coefficient de trainée CD

Le coefficient de traînée est un nombre sans dimension qui permet de mesurer ou de quantifier la traînée

ou la résistance d’une goutte qui s’enfonce dans un autre fluide. Le coefficient de traînée mesure le

rapport au carré entre la vitesse théorique de Newton et la vitesse mesurée de la goutte. Ce coefficient

est donc fortement dépendant des conditions d’interface, du nombre de Reynolds et de la forme de la

goutte.

Lorsque W e << 1, la recirculation interne dans la goutte empêche la déformation car la pression à

l’intérieur de la chute est importante par rapport à la pression extérieure et la goutte reste sphérique.

L’augmentation de Re pour les gouttes non déformables entraîne une diminution de CD suivant la

relation empirique proposée par Mei et al. [1994] :

16 8 1 3.315
CDW e→0 = [1 + [ + (1 + √ )]−1 ]. (2.5)
Re Re 2 Re

Cette relation reste valable jusqu’à ce que le nombre de Weber s’approche de ∼ 1, où la goutte

commence à se déformer. Cette déformation augmente le coefficient de traînée du fait de l’augmentation

39
de la surface de la goutte. De plus, l’écoulement externe se transforme d’un sillage laminaire attaché

en un sillage laminaire séparé.

À W e → ∞ et Re >> 1, la goutte oscille vigoureusement en changeant le flux externe en un

sillage transitoire instable ou un sillage turbulent. Darton and Harrison [1974], Clift et al. [1978] ont

formulé une corrélation empirique concernant le coefficient de traînée, y compris l’influence du rapport

de viscosité entre les deux phases, pour une vaste gamme de petits à grands nombres de Reynolds :

8 24 2 + 3Rµ
CDW e→∞ = + ( ). (2.6)
3 Re 3 + 3Rµ

Pour les valeurs intermédiaires de Re et W e, Loth [2008] a proposé une relation qui englobe les

Éqs 2.5 et 2.6 en ajoutant une dépendance fonctionnelle (∆(CD )∗ ) qui augmente de façon monotone

avec le nombre de Weber :

CD = CDW e→0 + ∆(CD )∗ [CDW e→∞ − CDW e→0 ] (2.7)

∆(CD )∗ = tanh(0.021W e1.6 ). (2.8)

Les équations (2.6 et 2.7) pour W e >> 1 et Re >> 1 sont formulées pour caractériser le coefficient

de trainée de bulles. La Figure 2.4 indique un bon accord entre ces trois équations analytiques (2.5,

2.6 et 2.7) du coefficient de traînée des bulles de gaz et les données expérimentales issues d’études

précédentes basées sur différents nombres de Morton. De plus, la Figure 2.4 montre que lorsque Re
8
tend vers l’infini, le coefficient de traînée converge vers une seule valeur ∼ 3 comme constaté par

Davies and Taylor [1950]. Par ailleurs, cette valeur est variable dans le système liquide-liquide selon

le cas étudié. Patel and Theofanous [1981] ont rapporté que les coefficients de traînée atteignent une

valeur allant jusqu’à ∼ 2.1 pour les gouttes de mercure dans l’eau. Plus tard, Kim et al. [1983] ont

montré que ces coefficients ne prennent pas une valeur unique et restent en variation dépendante de

Re pour les gouttes de gallium dans l’eau. Ainsi, les Éqs (2.6 et 2.7) sont validées dans le système

gaz-liquide. Dans le contexte de cette thèse, le système de calcul étudié est liquide-liquide. Par la

suite, nous comparerons ces équations aux données numériques de cette thèse en vérifiant la validité

de celles-ci dans le système liquide-liquide.

40
Figure 2.4: Coefficient de traînée en fonction du nombre de Reynolds pour diverses études passées
basées sur le nombre de Morton et représentées par différents symboles (extrait de Loth [2008]). Cette
figure est valable pour des bulles très déformées ou des inclusions de fluide moins visqueuses que le
fluide ambiant. Les lignes noires représentent l’équation analytique (2.5 et 2.6) et la ligne pointillée
représente l’équation (2.7).

2.3 Stabilité des gouttes

La goutte demeure stable tant que la force de pression hydrodynamique dans la zone déformée ne

surmonte pas la force de tension superficielle qui résiste à la fragmentation dans cette zone. Le plus

grand rayon de goutte capable de résister à la désagrégation due à la force de tension superficielle est

appelé le rayon de goutte maximum stable (Rmax ). Tandis que, la capacité de la goutte à se rompre

au-delà de ce rayon (Rmax ), est gouvernée par le nombre de Weber critique (W ec ). La fragmentation

survient lorsque le nombre de Weber dépasse le seuil critique W ec .

En revenant à l’équation du nombre de Weber en utilisant la vitesse de Newton (Éq.2.4), nous

41
trouvons l’équation équivalente de Rmax [Pilch and Erdman, 1987] :

s
3CD σ
Rmax = W ec . (2.9)
8 ∆ρg

Dans le contexte géophysique de la formation du noyau terrestre, deux modèles (théorique par Rubie

et al. [2003] et numérique par Samuel [2012]) ont déjà déterminé Rmax en fonction de la viscosité

de l’océan magmatique, comme présenté dans la Figure 2.5. Aucune différence n’existe entre ces

modèles dans le régime de Newton, et Rmax reste constant ∼ 5mm et indépendant de la viscosité

de l’océan magmatique. Dès que le régime intermédiaire débute, Rmax croît de façon monotone avec

la viscosité de l’océan magmatique, mais, les résultats de ces deux modèles sont différents. Cette

différence provient du critère de fragmentation appliqué dans chaque modèle afin de déterminer Rmax .

En effet, W ec utilisé dans le modèle théorique de Rubie et al. [2003] est de l’ordre de ∼ 5. En revanche,

le changement du coefficient de traînée dépendant de Re qui est utilisé dans le modèle numérique de

Samuel [2012], affecte le critère de fragmentation considéré dans ce modèle, ce qui change donc W ec .

Figure 2.5: Le rayon de goutte maximum stable en fonction des viscosités plausibles de l’océan de
magma dans les régimes intermédiaire et de Newton extrait de Samuel [2012]. La ligne rouge correspond
aux résultats numériques de Samuel [2012] et la ligne pointillée bleue présente les résultats théoriques
de Rubie et al. [2003].

Ainsi, Rmax est fortement lié au nombre de Weber critique (W ec ) qui varie selon les conditions

initiales du cas étudié. Selon Hinze [1955], la valeur critique de Weber pour une chute de la goutte

42
dans un écoulement d’air est de l’ordre de ∼ 11. Par la suite, les modèles théoriques de Tarnogrodzki

[2001] ont obtenu une valeur de W ec équivalente à ∼ 5 pour des gouttes de liquide tombant librement

à travers un gaz ou un autre liquide de moindre densité. De plus, Guildenbecher et al. [2009] ont révisé

l’atomisation secondaire des gouttes en notant que W ec dans la plupart des études passées est dans

la gamme de 5.5 ± 1. Plus tard, Villermaux and Bossa [2009] ont constaté que la valeur critique de

Weber pour la goutte de pluie chutant dans l’air, est ∼ 3. Des simulations numériques de gouttelettes

de liquide en lévitation dans un écoulement de gaz à vitesse uniforme ont été réalisées par Kékesi et al.

[2014] et ont permis de déterminer la valeur de W ec = 6. Dans tous ces modèles précédents, les valeurs

de W ec sont calculées avec le diamètre, mais nous donnons leurs valeurs ici avec le rayon suivant la

définition que nous avons proposée dans la section précédente.

Ainsi, le nombre critique de Weber varie d’un cas d’étude à l’autre selon les propriétés des fluides

considérés, sachant que cette valeur augmente avec le rapport de viscosité entre les deux phases [Joseph

et al., 1999]. Afin de caractériser l’effet de la viscosité, Brodkey [1967] a proposé une corrélation de

W ec en fonction du nombre de Oh :

W ec = W ecOh→0 (1 + 1.077 × Oh1.6 ). (2.10)

Où, W ecOh→0 est la valeur de Weber critique à faible nombre de Oh, constante et égale à 6 lorsque

Oh < 0.1.

Pilch and Erdman [1987] ont confirmé la validité de cette relation (Éq. 2.10) pour Oh < 10 en la

comparant avec les données d’études passées des systèmes gaz-liquide et liquide-liquide (Figure 2.6).

Dans cette Figure 2.6, ils ont montré que W ec est fortement dépendant de la viscosité à l’intérieur de

la goutte lorsque Oh > 0.1.

2.4 Mécanismes de fragmentation d’une goutte

La fragmentation des gouttes a été largement abordée dans la littérature, en déterminant les phénomènes

fondamentaux menant à la dispersion, ainsi qu’en identifiant les différents modes et régimes de frag-

mentation. La raison principale qui motive la recherche sur les processus de fragmentation est la

caractérisation de la taille et de la forme finales des gouttelettes. Les phénomènes de fragmentation

ont été explorés dans différents domaines et dans des systèmes liquide-liquide et gaz-liquide, des pre-

miers travaux de Hinze [1955], Krzeczkowski [1980], Patel and Theofanous [1981], Kim et al. [1983],

Pilch and Erdman [1987], Hsiang and Faeth [1992, 1995], Faeth et al. [1995], Gelfand [1996] jusqu’aux

travaux récents de Dai and Faeth [2001], Bonometti and Magnaudet [2006], Cao et al. [2007], Guilden-

43
Figure 2.6: Weber critique en fonction du nombre d’Ohnesorge selon Pilch and Erdman [1987]. La
ligne noire présente la corrélation de Brodkey [1967] (Éq. 2.10). Les cercles noirs montrent les résultats
d’études précédentes du système gaz-liquide. Les triangles présentent les résultats de Li and Fogler
[1978] du système liquide-liquide. W ecOh→0 = 12 dans cette figure car ils ont calculé W e en fonction
du diamètre.

becher et al. [2009], Ohta et al. [2010], Jalaal and Mehravaran [2012], Ohta et al. [2014], Kékesi et al.

[2014], Landeau et al. [2014], Wacheul et al. [2014], Tripathi et al. [2015].

Kékesi et al. [2014] ont passé en revue les divers mécanismes de fragmentation du système gaz-

liquide explorés dans des études précédentes. Ces régimes sont identifiés selon le nombre de Weber

(W e dans cet article est en fonction du diamètre) et illustrés dans la Figure 2.7. Dans cette Figure, les

chercheurs ont bien mis en évidence deux modes de fragmentation majeurs. Le premier mode survient

immédiatement au-dessus du seuil critique de Weber et est appelé "Bag breakup" [Krzeczkowski, 1980,

Dai and Faeth, 2001]. Dans ce cas, suite à la déformation, la goutte forme un ample sac fin accroché

à son anneau plus épais (Figure 2.8, Bag breakup). Au fur et à mesure, le sac explose en petites

gouttelettes suivies d’une désintégration complète de l’anneau de la goutte.

Le second mode se produit à un grand nombre de Weber et se nomme "Shear breakup" [Pilch

and Erdman, 1987, Hsiang and Faeth, 1995, Faeth et al., 1995]. Dans ce régime, la goutte se déforme

vers une mince feuille porteuse de deux fines membranes de chaque côté (Figure 2.8, Sheet stripping).

Ensuite, le fluide ambiant cisaille ces membranes, entraînant une fragmentation en petites structures

44
Figure 2.7: Les différents régimes de fragmentation explorés dans le passé par de nombreux auteurs,
en fonction du nombre de Weber. D’après [Kékesi et al., 2014].

liquides (gouttelettes et ligaments).

Parmi ces deux régimes principaux, des mécanismes complexes ont été documentés dans la gamme

intermédiaire de Weber, considérés comme des modes de transitions. Krzeczkowski [1980] a effectué

une série d’expériences sur la formation des gouttes liquides d’eau, de méthanol, d’éthanol, de butanol

et de glycérine dans un écoulement d’air externe pour différents contrastes de viscosité et de densité.

Krzeczkowski [1980] a classifié deux modes transitoires indépendants du rapport de viscosité qui sont

les modes "bag-jet" et "transition". Le régime "bag-jet" ressemble à celui de "bag breakup", et la

seule différence entre ces deux modes est que la formation du sac mince est associée à la formation

d’une colonne de liquide sur l’axe de la goutte, ce qui éclate avec l’anneau épais de la goutte (Figure

2.8, Bag and stamen breakup). Alors que, le mode de transition combine les deux modes principaux

"Bag breakup" et "Shear breakup", où la goutte est déformée en une feuille mince qui possède deux

membranes, la première membrane très mince ressemble à celle de la "Shear breakup", mais la sec-

onde membrane est gonflée, formant un petit sac. La fragmentation est réalisée rapidement après la

formation de ces membranes.

Pilch and Erdman [1987] ont revu en détails les mécanismes de fragmentation dans la Figure 2.8

pour une seule goutte liquide dans un flux de gaz externe, et ont introduit deux modes de fragmentation

supplémentaires, pour un nombre de Weber très faible et très élevé. Le premier mode "Vibrational

breakup" à faible Weber, où la goutte est soumise à plusieurs oscillations avant de se décomposer en

quelques fragments (Figure 2.8, Vibrational breakup). Le deuxième mode "Catastrophic breakup"

à grand Weber, où la goutte explose entièrement et rapidement par des mécanismes de fragmenta-

tion consécutifs des structures des fragments jusqu’à atteindre le Weber critique de chaque fragment

45
Figure 2.8: Les différents modes de fragmentation extraits de Pilch and Erdman [1987] selon la valeur
du nombre de Weber.

(Figure 2.8, Catastrophic breakup). Hsiang and Faeth [1992, 1995], Faeth et al. [1995] ont retrouvé

les mêmes régimes de fragmentation de Krzeczkowski [1980] dans l’étude de la formation de gouttes

de pulvérisation dans la combustion. Dans leurs travaux, ils ont fourni des taux de déformation des

gouttes en pourcentage selon le nombre de Weber.

Plus tard, Dai and Faeth [2001] ont étudié les comportements dynamiques des gouttelettes d’eau et

d’éthanol dans le gaz, et ont déterminé deux régimes de fragmentation dans la catégorie intermédiaire

de Weber (Figure 2.9) : un mode "bag-plume breakup" analogue aux modes "bag-jet" et "bag-stamen",

et un mode "plume sheet thinning" proche du mode "Shear breakup". Dans le mode "plume sheet

thinning", la goutte ne forme aucun sac, mais plutôt une feuille mince avec une colonne de liquide

46
Figure 2.9: Les différents modes de fragmentation des travaux de Dai and Faeth [2001] extraits de
l’article revu de Guildenbecher et al. [2009]. 1) Bag : 6.5 ≤ W e ≤ 9, 2) Bag/plume : 9 ≤ W e ≤ 20, 3)
Plume/sheet-thinning : 20 ≤ W e ≤ 40 et 4) Sheet-thinning : W e ≥ 40.

au milieu et les fragments sont d’abord retirés de cette colonne de façon similaire au mode "Shear

breakup".

Récemment, un nouveau type de fragmentation "dual-bag" (Figure 2.10) a été identifié dans la

zone de fragmentation multimode par Cao et al. [2007]. Dans ce mode, la goutte est fragmentée en

deux étapes : la première fragmentation est identique au "bag breakup" qui est associée à la formation

d’une calotte sphérique qui reforme un second sac qui subit une seconde décomposition.

Figure 2.10: Nouveau mode de fragmentation "dual-bag" dans la zone de fragmentation multimode
pour 14 ≤ W e ≤ 20, extrait de Cao et al. [2007].

Plus récemment, dans ses simulations numériques, Kékesi et al. [2014] ont défini cinq nouveaux

mécanismes de fragmentation pour un nombre Weber fixé à 10 et différents rapports de viscosité et de

47
densité entre les deux phases. Ces types de fragmentation sont illustrés dans la Figure 2.11.

Figure 2.11: Différents modes de fragmentation dans la zone de fragmentation multimode, d’après
Kékesi et al. [2014].

• Thick rim shear : la goutte forme un petit sac qui se détache avec le temps, formant une goutelette

déformable et laissant les bords de la goutte très épais.

• Thick rim bag : analogue au mode "Thick rim shear", où suite à la séparation du petit sac, une

deuxième fragmentation survient dans la partie fragmentée.

• Rim shear : les bords de la goutte se dilatent radialement jusqu’à la séparation centrale de la

goutte.

• Jellyfish shear : de minces membranes sortent des côtés de la goutte qui se déplace comme une

méduse. Ces membranes se détachent de la base de la goutte avec le temps.

• Mixed breakup : ce mode est soumis à une fragmentation complexe et combine entre les deux

modes de fragmentation essentiels "bag et shear breakup".

En ce qui concerne le système liquide-liquide, il est moins étudié que le système liquide-gaz.

Cependant, les mécanismes de fragmentation sont similaires. Kim et al. [1983] ont effectué une série

d’expériences afin de caractériser la dynamique d’une goutte de gallium dans un écoulement d’eau à

des vitesses variées. Ils ont démontré dans leurs expériences que la goutte peut se fragmenter en trois

scénarios selon la valeur du nombre de Weber. Ces scénarios sont "bag breakup" pour W e < 250,

"transition breakup" pour 250 < W e < 650 et "shear breakup" pour W e > 650. Nous observons

que la limite des modes de fragmentation dans les deux systèmes est différente. Par exemple, dans le

système liquide-gaz, la transition de "bag breakup" à la zone multimode est effectuée pour W e = 25

Pilch and Erdman [1987], tandis que dans le système liquide-liquide, le mode de "bag breakup" se

maintient jusqu’à W e = 250.

En ce qui concerne les fluides géophysiques, Landeau et al. [2014] ont développé des expériences

entre deux fluides non miscibles afin de modéliser les écoulements planétaires post-impact dans l’océan

48
magmatique. Ils ont identifié quatre modes de fragmentation illustrés dans la Figure 2.12 qui sont

proches de ceux du système liquide-gaz :

Figure 2.12: Différents modes de fragmentation dans le système liquide-liquide selon les travaux de
Landeau et al. [2014]. Cette Figure extraite de la thèse de Hadj-Achour [2017].

• Jellyfish régime pour W e ∼ 24 qui est établi en même temps par Kékesi et al. [2014] dans le

système liquide-gaz.

• Vortex ring régime pour W e ∼ 70 : la goutte est soumise à la rotation d’un anneau tourbillonnaire

dans chaque côté pendant sa déformation. Puis, la fragmentation se produit d’une manière

analogue au régime "Shear breakup".

• Rayleigh Taylor piercing régime pour W e ∼ 50 qui est identique au mode "plume shear" ou

"shear breakup".

• Turbulent thermal pour W e ∼ 1000 qui ressemble au mode "catastrophic breakup"

49
 Plus tard, Hadj-Achour [2017], a caractérisé la fragmentation secondaire de la chute libre d’une

goutte métallique dans l’eau. Dans sa thèse, il a indiqué que les évolutions dynamiques de la goutte

et les étapes du processus de fragmentation dans le système liquide-liquide sont presque identiques à

celles du système liquide-gaz (Figure 2.13). La différence fondamentale entre les deux systèmes est la

direction du sac, où dans le cas du système liquide-liquide, le sac se trouve dans la direction opposée

au sens de l’écoulement.

Figure 2.13: Comparaison des évolutions dynamiques d’une goutte métallique dans l’eau selon les
expériences de Hadj-Achour [2017] (en haut), avec les étapes de fragmentation d’une goutte d’eau
dans un écoulement de gaz selon Opfer et al. [2014] (en bas). Cette Figure est extraite de la thèse de
Hadj-Achour [2017].

Par conséquent, les mécanismes de fragmentation dans les deux systèmes sont presque identiques

et dépendent fortement des propriétés dynamiques des deux phases étudiées.

2.5 Temps et distance de fragmentation

La fragmentation se produit au moment de la séparation du premier volume ou de la première structure

de la goutelette liquide ou du filament de la goutte principale. Le temps adimensionné caractéristique

50
de fragmentation est défini dans la revue de Pilch and Erdman [1987] par l’expression suivante :

r
tbk V ρ2
t∗bk = (2.11)
D ρ1

Dai and Faeth [2001] ont déterminé le temps de fragmentation initial lorsque le premier volume de

goutte se sépare de la goutte principale et total suite à la fragmentation complète de la goutte (Figure

2.14). Cette Figure montre les résultats de Hsiang and Faeth [1992], Chou et al. [1997], Chou and Faeth

Figure 2.14: Le temps adimensionné de fragmentation du système liquide-gaz en fonction du nombre

de Weber dans la gamme intermédiaire. Les symboles pleins indiquent le temps de fragmentation
initial et les symboles vides représentent le temps de fragmentation total. Selon Dai and Faeth [2001].

[1998], Dai and Faeth [2001] dans la fourchette intermédiaire du nombre de Weber (6.5 ≤ W e ≤ 75).

Le temps de fragmentation initial du régime "Bag breakup" pour le petit nombre de Weber est de

l’ordre de 3. Ce temps diminue lentement avec l’augmentation du nombre de Weber passant par la

51
zone de fragmentation du multimode jusqu’à atteindre une valeur = 2 lorsque le régime devient "Shear

breakup". Tandis que, le temps nécessaire pour une fragmentation total des modes "Bag breakup"

∼ 4 , "Multimode breakup" ∼ 5 − 7.5 et "Shear breakup" ∼ 5.

Cao et al. [2007] ont determiné que le temps initial dans la zone intermédiaire de Weber de "dual-

bag breakup" est constant ∼ 2. Alors que, pour un nombre de Weber allant à l’infini, Pilch and Erdman

[1987] ont montré que le temps de fragmentation initiale est indépendant du nombre de Weber et de

l’ordre de 1.25 pour le régime de fragmentation catastrophique.

En ce qui concerne la longueur ou la distance intiale de fragmentation, Landeau et al. [2014] ont

caractérisé cette distance dans des cas où la goutte initiale était déjà immergée dans le fluide ambiant

(Figure 2.15 a) et dans des cas où la goutte initiale était à la surface des expériences (Figure 2.15 b).

Landeau et al. [2014] ont montré que la distance de fragmentation normalisée sur le rayon initial de

la goutte diminue avec le nombre de Weber jusqu’à W e ∼ 25. À partir de W e ∼ 25, cette distance

ne dépend plus de W e et se situe dans la fourchette ∼ 4.5 − 7. Deguen et al. [2014] ont trouvé que la

Figure 2.15: La longueur adimensionnée de fragmentation en fonction du nombre de Weber selon

Landeau et al. [2014]. La goutte est immergée dans le fluide environnant (a), la goutte se situe à la
surface de l’expérience (b). Les couleurs noire, bleue, grise et rouge représentent respectivement le
rapport de densité suivant : Rρ ∼ 1.03, 1.22, 1.43 − 1.45 et 1.87 − 1.96. Les symboles , 5, ♦ et
représentent respectivement les modes de fragmentation suivants : régime de Jellyfish, régime de
Rayleigh Taylor piercing, régime de turbulent thermal et régime vortex ring. Les symboles composés
d’un carré dans un cercle et d’un triangle dans un cercle représentent respectivement les régimes
intermédiaires suivants : régime de vortex ring évoluant vers un régime de Jellyfish et régime entre le
vortex ring et le Rayleigh Taylor piercing.

longueur de rupture égale à 6 − 8 fois le rayon initiale de la goutte pour des nombres de Weber allant

52
jusqu’à 3000. Wacheul and Le Bars [2018] ont determiné que la distance totale de fragmentation est

dans la gamme de 13 ± 2 fois le rayon initiale de la goutte pour 10 < W e < 50.

2.6 Échanges diffusifs d’une goutte

Chaque goutte liquide possède potentiellement une température et une concentration chimique données

différentes du milieu dans lequel elle plonge. Au cours de son mouvement, la goutte est susceptible

d’échanger des éléments de nature thermique et/ou chimique avec le milieu environnant jusqu’à ce

qu’elle atteigne l’équilibre thermochimique. Ces phénomènes thermochimiques ont été moins étudiés

dans la littérature que le comportement dynamique et physique d’une goutte. Lorsque les sources de

chaleur et les réactions chimiques entre les éléments sont absentes, les évolutions de la température

ou de la concentration entre une goutte et un fluide environnant sont déterminées par l’équation

d’advection-diffusion d’une manière analogue (par exemple Lherm and Deguen [2018]). Ainsi, nous

utilisons un scalaire (X) afin de représenter soit la température (T ), ou la concentration (C). Ce

scalaire peut être formulé dans l’équation advection-diffusion comme suit :

∂X
+ u.∇X = ∇.[D∇X] (2.12)
∂t
2

∂X
∂t est l’évolution temporelle du scalaire, u.∇X est le terme d’advection et ∇.[D∇X] est le terme

de diffusion, où D (m2 .s−1 ) est le coefficient de diffusion thermique ou chimique selon le paramètre

étudié. La différence essentielle entre les équations de chaleur et de masse se situe au niveau des

conditions limites à l’interface entre les deux phases. Où, dans le terme de diffusion de l’équation
C1
de transfert de masse, il y a un coefficient de partage (λ = C2 ) à l’interface qui rend cette interface

discontinue lorsque la concentration atteint une valeur d’équilibre définie par ce coefficient. Tandis que,

les échanges thermiques à travers l’interface et la température entre les deux phases restent continus

jusqu’à atteindre l’équilibre thermique.

Le rapport entre les termes d’advection et de diffusion à l’échelle d’une goutte est représenté par

le nombre de Peclet :
VR
Pe = (2.13)
D

Ce nombre sans dimension (P e = Re×P r pour le transfert thermique ou P e = Re×Sc pour le transfert

chimique) est égal au produit du nombre de Reynolds (Re) et du transfert thermique ou chimique de

la goutte représenté par le nombre de Prandtl (P r) ou le nombre de Schmidt (Sc) respectivement. Où,
2 Dans le cas thermique, seule la conductivité se trouve à l’intérieur de la divergence.

53
 ν ν
Pr = DT et Sc = DC sont des nombres sans dimension qui comparent le rapport entre la diffusivité

de la quantité de mouvement (ν la viscosité cinématique) et la diffusivité thermique (DT ) et chimique

(DC ) respectivement. Les échanges thermochimiques avec le fluide ambiant sont définis par le nombre

de Nusselt (N u) pour le transfert thermique et le nombre de Sherwood (Sh) pour le transfert de masse.

R∇T.n R∇C.n
Nu = ; Sh = (2.14)
(Tint − T2 ) (Cint − C2 )

Où l’indice "int" désigne la valeur prise à l’interface, "n" le vecteur unitaire normal à l’interface, T2

et C2 sont respectivement la température et la concentration initiale du fluide ambiant. N u et Sh

sont des nombres sans dimension qui comparent respectivement les transferts de chaleur et de masse

mesurés à l’interface de la goutte à un cas purement conducteur. Pour simplifier, nous discuterons à

partir d’ici du transfert thermique, en fonction de N u et P r, et nous supposons la validité des mêmes

lois pour le transfert chimique pour Sh et Sc. Donc, nous résolvons à partir de ce point l’équation de

transfert de chaleur suivante :

∂T
ρCp [ + u.∇T ] + ∇.[−k∇T ] = 0 (2.15)
∂t

Cp est la capacité calorifique à pression constante (J.kg−1 .K−1 ), T est la température du fluide (K) et

k est la conductivité thermique du fluide (W.m−1 .K−1 ). Aucune source de chaleur est considérée dans

cette équation. Dans cette thèse, nous négligeons les effets du chauffage radioactif et de la dissipation

visqueuse car nous résolvons notre système sur une très petite échelle de temps (quelques secondes) et

une petite échelle de taille des gouttes (millimètre à centimètre).

2.6.1 Couche limite diffusive

Le transfert de chaleur est effectué en une couche très fine, proche de la surface de la goutte qui est

appelée la couche limite thermique. L’épaisseur de cette couche (δT ) pour une goutte sphérique est

déterminée par l’équilibre entre le terme d’advection dans lequel le transfert a lieu le long de la surface

de la goutte et le terme de diffusion qui est perpendiculaire à la surface de la goutte :

T T
V ∼ DT 2 (2.16)
R δT

Ce qui donne : r
DR
δT ∼ ∼ RP e−0.5 (2.17)
V

54
Ainsi, l’épaisseur de la couche limite thermique dépend fortement du nombre de Peclet où cette épais-

seur diminue avec l’augmentation des termes d’advection.

2.6.2 Relations entre N u et P e

Plusieurs études ont abordé la diffusion thermique et chimique d’une goutte immobile [Crank, 1975],

ainsi que d’une goutte mobile [Clift et al., 1978]. Ces études pour un grand nombre de Peclet (P e >> 1),

ont exploré la relation entre le nombre de Nusselt moyen autour de la goutte et le nombre de Peclet

en variant le rapport de viscosité Rµ entre les deux phases [Clift et al., 1978, Ulvrová et al., 2011]:

• Rµ ≥ 1 : le nombre de Nusselt est l’inverse de la valeur de l’épaisseur normalisée de la couche

limite thermique :

N u ∼ AδT∗−1 ∼ AP e0.5 (2.18)

A est un pré-facteur constant qui dépend du régime dynamique dans lequel la goutte plonge.

Dans un régime de Stokes (Re < 1), ce pré-facteur est dépendant du contraste de viscosité selon
q
1
Levich [1962a] et Ulvrová et al. [2011] et correspond à : A = 0.461 1+R µ
. Alors que pour

Re > 1, A = 0.79 selon Clift et al. [1978].

• Rµ << 1 : la goutte se comporte comme une sphère solide. Dans le régime de Stokes, les forces

visqueuses contrôlent le mouvement et la dynamique de la goutte, ce qui provoque la disparition

de la couche limite dynamique autour la goutte [Ulvrová et al., 2011] et le nombre de Nusselt se

comporte comme suit :

N u ∼ 0.64P e1/3 (2.19)

Tandis que pour Re > 1, il y a une couche limite dynamique autour la goutte avec une épaisseur

∼ RRe−0.5 et N u dans ce cas dépend de Re et de P e simultanément [Ulvrová et al., 2011]:

N u ∼ 0.6Re1/6 P e1/3 (2.20)

2.6.3 Temps et longueur caractéristiques d’équilibration

L’équilibre thermo-chimique de la chute libre d’une goutte dans un milieu fluide est réalisé lorsque la

goutte atteint un temps caractéristique (teq ) et une longueur caractéristique (leq ). Dans le contexte

de la formation du noyau, le temps et la longueur nécessaires pour atteindre l’équilibre thermochim-

ique sont des éléments importants pour expliquer les caractéristiques thermochimiques actuelles de

la Terre. Analytiquement, il est possible de trouver ces deux paramètres pour une goutte sphérique

55
non déformable en intégrant l’équation d’advection-diffusion (2.15) de la température sur le volume

de la goutte (Vo ). En intégrant sur le volume de la goutte et en réalisant un bilan énergétique dans le

système, nous obtenons :

dT dT ∆T
Vo ρ1 Cp1 ∼ Vo ρ1 Cp1 u ∼ Sk2 (2.21)
dt dz δT

Où S = 4πR2 (m2 ) est la surface de la goutte sphérique. À partir de l’équation 2.21, nous obtenons :

dT S k2 ∆T
∼ (2.22)
dt Vo ρ1 Cp1 δT

Ainsi :
Vo ρ1 Cp1 R
teq ∼ P e−0.5 (2.23)
S ρ2 Cp2 D2

Étant donné que nous déterminons teq sur une goutte sphérique, alors :V /S = R/3. De plus, en divisant

teq par le temps de diffusion d’une goutte (R2 /D2 ), nous pouvons déterminer le temps caractéristique

normalisé de l’équilibrage thermique sous la forme :

1 ρ1 Cp1 −0.5
t∗eq ∼ Pe (2.24)
3 ρ2 Cp2

En ce qui concerne leq , nous l’obtenons en multipliant le temps de l’équilibre (Éq. 2.23) par la

vitesse terminale de la chute (Éq. 2.13) comme suit :

Vo ρ1 Cp1 0.5
leq ∼ V × teq ∼ Pe (2.25)
S ρ2 Cp2

Ainsi, la longueur de l’équilibre thermique normalisée au rayon de la goutte, se présente comme suit :

∗ 1 ρ1 Cp1 0.5
leq ∼ Pe (2.26)
3 ρ2 Cp2

Chimiquement, le temps et la longueur caractéristiques de l’équilibre ne sont pas identiques à ceux

de la thermique en raison de la présence du coefficient de partage qui contrôle la taux d’équilibre

chimique à l’interface entre les deux phases. Dans le contexte géophysique, Ulvrová et al. [2011] ont

développé un modèle analytique afin de déterminer le temps caractéristique de l’équilibre chimique

d’une goutte sphérique non déformable. Dans leur modèle analytique, ils ont mis en évidence que le

temps de l’équilibre chimique normalisé sur le temps d’advection (tad = R/V ) dépend fortement du

coefficient de partage (λ), du nombre de Peclet P e, du nombre de Nusselt moyen (N u) et du rapport

56
de diffusivité chimique (RD = D1 /D2 ), comme suit :

Pe λ 1
t∗eq ∼ ( + ) (2.27)
3 Nu 10RD

Ils ont confirmé cette théorie analytique en effectuant un modèle numérique 2D axisymétrique d’une

goutte en lévitation non déformable. Figure 2.16 illustre le temps d’équilibre chimique normalisé en

fonction du nombre de Peclet selon Ulvrová et al. [2011] et montre les bons accords entre les résultats

numériques et analytiques pour la goutte liquide et la particule solide. Le fait que le temps d’équilibre

Figure 2.16: Le temps d’équilibrage chimique normalisé par le temps d’advection de la particule et de
la goutte en lévitation en fonction du nombre de Peclet. Extrait de Ulvrová et al. [2011]. Les symboles
pleins et vides représentent respectivement la particule et la goutte. La théorie analytique est illustrée
par des lignes pointillées. Re compris dans la gamme de [0 − 50].

chimique augmente en fonction du Peclet est valable lorsque la normalisation s’effectue sur un temps

d’advection. Par contre, lorsque la normalisation s’effectue sur un temps de diffusion comme nous

l’avons fait dans l’équation (2.24), le temps d’équilibre chimique ou thermique doit diminuer comme

P e−0.5 comme montré analytiquement par Lherm and Deguen [2018].

57
 Tel que nous avons vu dans les sections précédentes, la goutte peut se déformer, osciller et frag-

menter en petites structures liquides. Ce phénomène dynamique modifiera les lois analytiques proposées

pour les temps et longueur d’équilibre des gouttes non déformables. Récemment, un modèle numérique

2D réalisé par Lherm and Deguen [2018] a établi trois régimes dynamiques de la goutte en fonction du

nombre de Peclet afin de déterminer le temps d’équilibrage thermo-chimique dans chaque régime. Ces

trois régimes sont illustrés dans la Figure 2.17 :

Figure 2.17: Le transfert diffusif de trois régimes dynamiques de la goutte selon le nombre de Peclet
(a-c) extrait de Lherm and Deguen [2018] : a) régime diffusif, b) régime sphérique et c) régime de
cisaillement. d) montre le temps d’équilibrage normalisé par le temps de gravité en fonction du nombre
de Peclet. Les symboles et les lignes pointillées représentent respectivement les résultats numériques
et les fits.

• Pour P e << 1 (Figure 2.17 a), régime diffusif : le terme de diffusion domine le système et le

terme d’advection tend vers zéro. Le transfert diffusif se fait progressivement de l’interface vers

le centre de la goutte. Dans ce régime, le temps nécessaire pour atteindre l’équilibre est de l’ordre

du temps diffusif R2 /D.

• Pour P e > 1 (Figure 2.17 b), régime sphérique : le terme d’advection domine le système pendant

une courte période de temps avant de s’équilibrer avec le terme de diffusion. A partir de là, les

deux termes commencent à diminuer au cours du temps à mesure que la goutte s’équilibre avec

le fluide ambiant.

• Pour P e >> 1 et Re >> 1 (Figure 2.17 c), régime de cisaillement : le terme d’advection domine

le système pendant tout le temps de l’échange, y compris après la fragmentation jusqu’à atteindre

l’équilibre entre les deux phases.

Dans ce modèle, ils ont déterminé trois lois des échelles pour chaque régime du temps d’équilibre
q
ρ1 R
normalisé sur le temps de gravité (tg = ∆ρ g ) en fonction de P e (Figure 2.17,d). Pour le régime

diffusif, le temps normalisé augmente comme Pe (t∗eq ∼ P e) et pour le régime sphérique, le temps nor-

malisé croît comme P e0.77 (t∗eq ∼ P e0.77 ). Alors que pour le régime de cisaillement, le temps normalisé

58
augmente sous forme d’un logarithme de P e (t∗eq ∼ 0.53 ln(P e)). Toutefois, entre les deux régimes

sphérique et de cisaillement, se développe le régime déformable dans lequel la goutte peut se déformer

légèrement ou violemment. Dans ce régime, la diffusion thermique ou chimique dépend fortement de la

déformation et de l’intensité de l’oscillation de la goutte comme illustré dans la simulation numérique

de Ganguli and Kenig [2011] d’une bulle de gaz dans un mélange de fluides dans la Figure 2.18. Ainsi,

Figure 2.18: L’évolution temporelle du transfert chimique d’une bulle d’oxygène qui monte dans un
système d’oxygène et d’eau selon Ganguli and Kenig [2011]. Entre ’a’ et ’l’, le pas de temps de chaque
instantané est de 0.01s.

ce régime déformable sera un point d’intérêt dans le contexte de cette thèse pour le transfert diffusif

entre les deux phases dans le système liquide-liquide, afin de déterminer tous les paramètres d’intérêt

dans notre problématique de formation du noyau terrestre.

2.6.4 Volume du fluide hôte affecté par l’échange thermo-chimique

La température ou la concentration du fluide environnant varie pendant la chute libre d’une goutte

en raison des échanges diffusifs avec cette goutte, surtout dans son sillage. Dans la Figure 2.18 (g

- l), nous observons que le fluide ambiant est bien contaminé derrière la bulle par l’oxygène suite

à son passage. En géophysique, il est important de déterminer la quantité de l’océan de magma

qui est affectée thermo-chimiquement par la formation du noyau terrestre. Il est possible de prédire

59
analytiquement le volume de l’océan de magma affecté thermiquement par le passage de la goutte, en

équilibrant simplement l’énergie qui a traversé l’interface de la goutte avec l’énergie accumulée dans

ce volume de l’océan magmatique. Pour des temps courts et à une profondeur donnée de la goutte z :

∆TC ∆T0
Vo2 ρ2 Cp2 ∼ N uSk2 (2.28)
t R

Où ∆TC est la différence moyenne de température entre la température initiale du magma et la

température du magma affecté suite à l’échange thermique, et t = z/V , nous obtenons :

D2 ∆T0 z
Vo2 ∼ N uS (2.29)
V ∆TC R

Ainsi :
Nu ∆T0 z
Vo2 ∼ 4πR3 (2.30)
Pe ∆TC R

En normalisant par le volume d’une goutte sphérique, nous pouvons obtenir le volume adimensionné

sous la forme :
∗ N u ∆T0 z
Vo2 ∼ 3 (2.31)
P e ∆TC R

Nous vérifierons la validité de ce modèle analytique dans les travaux de cette thèse. Dans lesquels,

nous nous intéressons aux temps courts et aux transferts thermo-chimiques vers l’océan de magma dus

au passage de la goutte de métal. Bien évidemment, à temps plus long, cette anomalie thermique ou

chimique générée va se diffuser dans tout le domaine.

2.7 Conclusion et prochaines étapes

Pour compléter les travaux déjà présents dans la littérature sur la dynamique, la stabilité, la fragmen-

tation et l’évolution thermo-chimique d’une goutte dans un milieu visqueux présentés dans ce chapitre,

nous allons développer des modèles numériques axisymétriques en 2D afin de déterminer l’influence

du contraste de viscosité sur la stabilité d’une goutte métallique dans un océan magmatique. Dans

cette thèse, nous identifierons les différents modes de fragmentation et nous expliquerons la différence

de taux d’équilibration entre les scénarios de pluie de fer proposé par Rubie et al. [2003] et du nuage

de gouttelettes proposé par Deguen et al. [2014]. Ensuite, nous déterminerons des lois d’échelle de

la longueur d’équilibre normalisée et du nombre de Nusselt dans le régime déformable. Enfin, nous

testerons l’influence d’une viscosité dépendant de la température sur la stabilité, la fragmentation et

l’évolution thermique des gouttelettes métalliques dans differents régimes de déformation.

60
Chapitre 3

Écoulement biphasique : Méthode

numérique

La modélisation numérique des écoulements diphasiques peut être effectuée par de nombreux codes

numériques disponibles. Ces problèmes sont décrits par des équations aux dérivées partielles qui

peuvent utiliser de nombreuses méthodes numériques pour la discrétisation spatiale du maillage. Ces

méthodes sont classées en trois catégories : les différences finies, les volumes finis et les éléments

finis. Plusieurs études précédentes ont modélisé la dynamique de la goutte ou de la bulle en utilisant

différents codes et méthodes numériques. Bonometti and Magnaudet [2006] ont utilisé le code JADIM

qui est un solveur numérique capable de résoudre des problèmes d’écoulement multiphasique instable

en utilisant la méthode de volume fini. La méthode numérique de la différence finie a été utilisée

dans les simulations numériques de Han and Tryggvason [1999]. Un code Open Source de volume

fini, "Gerris" est utilisé pour simuler la dynamique des bulles dans l’étude de Tripathi et al. [2015].

Des simulations numériques par la méthode des éléments finis implémentées dans le logiciel ouvert

Elmer sont réalisées par Ulvrová et al. [2011]. Récemment, Lherm and Deguen [2018] ont utilisé

des simulations numériques directes en utilisant le logiciel libre "Basilisk" qui permet de résoudre les

équations aux dérivées partielles sur des maillages cartésiens adaptatifs.

Dans les travaux de cette thèse, nous développons des modèles numériques en utilisant le logiciel

commercial Comsol Multiphysics 5.3 afin de modéliser la dynamique et l’évolution diffusive d’une

goutte métallique dans un océan magmatique. Dans ce chapitre, nous décrivons tous les éléments liés

à la méthode numérique utilisée dans cette thèse. Nous décrivons aussi les études préliminaires que

nous avons effectuées pour valider l’approche numérique utilisée dans cette étude.

61
3.1 Modélisation numérique appliquée à Comsol Multiphysics

3.1.1 Introduction

Comsol Multiphysics est un logiciel commercial d’analyse en éléments finis qui permet de modéliser et

de simuler un grand nombre d’applications en physique et en ingénierie, notamment les phénomènes

couplés, ou multi-physiques. Ce logiciel est utilisable sous plusieurs types de système d’exploitation,

tels que Windows, Mac et Linux. Comsol Multiphysics possède une interface de plusieurs composants,

dont la génération de la géométrie, le choix des matériaux, les modèles physiques, le maillage, le solveur

et le post-traitement. De plus, il est également équipé d’une interface avec MATLAB permettant de

nombreuses fonctionnalités de programmation, de prétraitement et de post-traitement. De nombreux

tutoriels, articles scientifiques, webinaires, présentations et documents d’information sur chaque modèle

physique de Comsol sont disponibles sur le site internet de Comsol (https://www.comsol.fr).

Les phénomènes liés aux lois de la physique concernant des problèmes dépendant de l’espace et du

temps sont normalement représentés mathématiquement sous la forme d’équations aux dérivées par-

tielles. Dans le logiciel Comsol Multiphysics, ces équations sont effectivement résolues par la méthode

des éléments finis. Cette méthode de calcul représente une technique numérique qui divise le domaine

de calcul en un maillage d’éléments discrets, dans le but de trouver des solutions approximatives aux

problèmes relatifs aux valeurs limites des équations différentielles. Elle emploie diverses méthodes afin

de minimiser les erreurs relatives et de produire des solutions plus stables. Cette méthode de résolution

numérique est appropriée dans le cas de la mise en jeu de modèles mathématiques complexes au sein

de domaines géométriques complexes.

3.1.2 Méthode des éléments finis

Les principes de la méthode des éléments finis sont basés sur la répartition de l’ensemble du domaine de

calcul en plusieurs sous-domaines. Plus ces sous-domaines sont nombreux et petits, plus cette méthode

permet d’approcher assez rapidement la solution exacte des équations aux dérivées partielles. Chaque

sous-domaine contient des éléments discrets. De chaque côté d’un élément, deux nœuds permettent

de relier cet élément à un ou plusieurs autres éléments présents dans l’ensemble du domaine de calcul,

comme illustré dans la Figure 3.1. La méthode des éléments finis considère chaque sous-domaine

comme un domaine géométrique indépendant. La résolution des équations aux dérivées partielles du

modèle physique d’intérêt permet d’obtenir toutes les variables inconnues du problème donné. Cette

méthode donne une précision élevée des calculs par rapport aux autres méthodes de calcul numérique

[Gros, 2018]. Chaque variable inconnue (par exemple la vitesse) est calculée aux nœuds, ensuite sa

62
Figure 3.1: Représentation schématique du principe de la méthode des éléments finis d’un calcul 1D
par la discrétisation linéaire du domaine en éléments et en nœuds, extrait de Rovitto [2016]. La ligne
noire en pointillés correspond à la solution exacte dans le système et la ligne noire correspond à la
solution approximative de ce système.

valeur est représentée dans un élément fini par une fonction de base. La combinaison linéaire des

valeurs des nœuds des variables et des fonctions de base de l’élément permet de trouver la solution

approximative de l’équation physique dans l’élément et ainsi dans le système étudié [Rovitto, 2016].

Dans la plupart des cas de modélisation numérique, il est possible de constater des erreurs en raison

des approximations liées aux méthodes de résolution dans le système, ce qui rend la solution exacte du

problème difficile à atteindre. Dans ce cas, il est important de tenir compte du taux d’erreur estimé

entre la solution exacte et la solution approximative.

3.1.3 Étapes de la construction d’un calcul

Afin d’effectuer une modélisation numérique via le logiciel Comsol Multiphysics, plusieurs étapes con-

sécutives sont réalisées et se divisent en trois phases majeures qui sont : le pré-traitement, la résolution

des équations et le post-traitement, comme illustré dans la Figure 3.2. Le choix de la géométrie du

domaine de calcul est une étape fondamentale dans la construction d’un modèle. Cette géométrie peut

varier selon les dimensions du domaine, en 0D, 1D, 1D axisymétrique, 2D, 2D axisymétrique et 3D. Une

63
Figure 3.2: Schéma de la procédure complète pour réaliser une modélisation numérique avec Comsol
Multiphysics, extrait de Rovitto [2016].

fois la construction de la structure géométrique terminée, nous déterminons les propriétés des matéri-

aux du domaine, soit à partir d’un large choix de propriétés des matériaux dans la bibliothèque de

Comsol, soit en choisissant un matériau vierge. À ce stade, il est possible de définir plusieurs propriétés

des matériaux selon le nombre de sous-domaines dans le système. Ensuite, les aspects physiques du

système analysé sont déterminés en ajoutant la physique fondamentale ou la multi-physique au modèle

étudié. Les formules des équations mathématiques et des éléments finis sont déjà présentes dans chaque

modèle physique dans Comsol Multiphysics et sont intégrées dans le système étudié suite au choix de

la physique. Suite au choix de la physique du modèle, les conditions aux limites sont définies sur

les sous-domaines et les frontières du domaine, ainsi que les points qui interconnectent les frontières.

En outre, il est possible de choisir le degré de discrétisation de l’équation matricielle qui gouverne le

modèle. Ensuite, si le modèle étudié comprend des couplages multi-physiques, il est possible d’ajouter

cette interface depuis l’interface composante du modèle dont l’équation qui permet de coupler les

multi-physiques ensemble. La dernière étape du pré-traitement d’un modèle consiste à construire le

64
maillage qui permet de résoudre les équations physiques choisies par la méthode des éléments finis. Le

type de maillage dans le logiciel Comsol dépend des dimensions de la géométrie. En géométrie 2D,

le maillage comprend deux types d’éléments qui sont le triangle et le rectangle. En géométrie 3D, le

maillage contient plusieurs éléments de type tétraédrique, hexaédrique, pyramidal et prismatique. Le

maillage est constituée de nombreuses cellules. Plus la taille de ces cellules est petite, plus la solution

se rapproche de la solution exacte du problème.

Ce processus de prétraitement est suivi par le second processus de résolution de l’ensemble des

équations algébriques par des solveurs numériques stationnaires ou temporels, ce qui permet d’obtenir

les solutions des équations physiques aux nœuds du modèle. Le solveur du calcul du modèle physique

se termine lorsque la solution de la physique converge vers l’état d’équilibre. Dès lors, la phase de

post-traitement commence à évaluer les résultats des équations algébriques par des outils de traçage et

d’exportation de données. Ainsi, les procédures de calcul de la méthode des éléments finis appliquée à

Comsol Multiphysics ressemblent à un algorithme mathématique, dans lequel chaque phase est reliée

à la phase suivante.

Par conséquent, nous pouvons diviser la modélisation numérique d’un système dans Comsol en

deux catégories : le modèle physique et le modèle numérique.

3.2 Modèle physique

Dans le cadre de la construction d’un modèle numérique, l’une des étapes les plus importantes est la

définition de la physique qui décrit le système étudié. Cette étape implique de choisir la physique adap-

tée au modèle étudié, d’ajouter des conditions et des contraintes physiques, et d’assigner la physique à

des entités géométriques. Au sein de COMSOL Multiphysics, de nombreuses interfaces physiques sont

disponibles, permettant de simuler rapidement des phénomènes physiques spécifiques. Toutes ces in-

terfaces contiennent des équations fondamentales, des propriétés des matériaux et d’autres paramètres

nécessaires afin de configurer la physique étudiée et de simplifier ainsi le processus de modélisation.

Ces interfaces spécifiques sont proposées dans différents domaines des sciences physiques tels que la

mécanique linéaire et non linéaire, l’électricité, l’acoustique, la dynamique des fluides, le transfert de

chaleur et de masse, le génie chimique, la géophysique, l’électromagnétisme basse et haute fréquence,

la corrosion, le plasma, le suivi des particules et l’optimisation.

Des interfaces multi-physiques sont présentes dans plusieurs domaines et disciplines d’application,

lorsqu’il y a plusieurs physiques étudiées dans le système. Ces interfaces servent à ajouter et à configurer

rapidement les couplages multi-physiques dans un modèle. Lorsqu’il n’y a pas d’interface multiphysique

pré-configurée ou de couplage multiphysique disponible pour les physiques comprises dans le modèle,

65
une approche manuelle peut être utilisée pour assigner les physiques dans un modèle multi-physique.

Dans ce but, il est nécessaire de gérer les couplages multi-physiques entre les interfaces physiques du

modèle en spécifiant manuellement comment les différentes physiques peuvent influencer les unes sur

les autres. Cette opération peut inclure la création de propriétés des matériaux ou de conditions aux

limites d’une physique en fonction des variables dépendantes d’une autre interface physique. Par la

suite, nous utilisons dans notre système de travail les deux approches des couplages multi-physiques

pré-configurés et manuels.

3.2.1 Choix des physiques de notre étude

Afin de suivre l’évolution thermo-mécanique d’une goutte métallique dans un océan magmatique, nous

devrons résoudre numériquement les équations (2.1, 2.2 et 2.15). Les aspects physiques nécessaires

permettant de caractériser ces problématiques dans Comsol sont l’écoulement diphasique et le transfert

de chaleur dans les fluides. Le volet des écoulements diphasiques contient des interfaces physiques

permettant de modéliser les écoulements à plus d’une phase. Dans cette interface, plusieurs choix sont

disponibles en fonction du modèle étudié, tels que :

• Écoulement à bulles, pour modéliser l’écoulement des liquides avec des bulles dispersées.

• Modèle de mélange, pour modéliser les écoulements multiphasiques dispersés (bulles, gouttelettes

de liquide ou particules solides).

• Modèle d’Euler-Euler, pour simuler un écoulement de deux phases incompressibles continues et

totalement interpénétrantes.

• Écoulement diphasique - Level Set, pour suivre l’interface entre deux fluides non miscibles à

l’aide d’une fonction Level Set.

• Écoulement diphasique - Phase Field, pour suivre l’interface entre deux fluides non miscibles en

utilisant la méthode du champ de phase.

• Écoulement triphasique - Phase Field, pour suivre les interfaces entre trois fluides non miscibles

en utilisant la méthode du champ de phase.

Parmi ces choix, nous nous intéressons particulièrement à l’étude qui suit l’interface entre deux fluides

non miscibles (écoulement diphasique - Level Set ou écoulement diphasique - Phase Field) et que nous

aborderons dans la section suivante.

L’interface de transfert de chaleur dans les fluides est utilisée pour modéliser le transfert de chaleur

par conduction, convection et rayonnement. Un modèle de fluide est actif par défaut sur tous les

66
domaines. Toutes les fonctionnalités permettant d’inclure d’autres types de domaines, tels qu’un

domaine solide, sont également disponibles. L’équation de conservation de la chaleur définie dans les

domaines des fluides correspond à l’équation d’advection-diffusion et peut contenir des contributions

supplémentaires comme les sources de chaleur. Nous utilisons cette interface pour caractériser les

échanges de chaleur entre les phases et définir la longueur d’équilibre entre celles-ci.

3.2.2 Suivi des phases

Afin de contrôler l’interface entre la goutte métallique et l’océan magmatique, Comsol propose deux

méthodes d’interface, la méthode Level Set ou la méthode Phase Field. Ces méthodes utilisent des

critères différents pour suivre l’interface entre les deux phases. La méthode de Level Set sépare

l’interface entre les deux phases par un isocontour d’une fonction déterminée globalement, appelée

fonction Level Set φ. Cette fonction φ est égale à 1 dans la goutte de métal et à 0 dans le liquide

ambiant, et change rapidement à travers l’interface qui est caractérisée par φ = 0.5. Dans la méth-

ode de Phase Field, le critère est une fonction comprise entre [-1, +1], cette fonction est égale à +1

dans la première phase et à -1 dans la deuxième. En utilisant cette fonction, l’interface se situe au

niveau où cette fonction est nulle. La principale différence mathématique entre ces deux méthodes

est la manière de calculer leur fonction. Dans la méthode Level Set, une équation permet de calculer

la fonction Level set comprenant le paramètre de réinitialisation afin de préserver la fonction Level

set, et donc la forme de l’interface autant que possible tout au long de la simulation [Kennedy, 2014].

Alors que, dans la méthode Phase Field, elle conserve un profil tangent hyperbolique de champ de

phase d’épaisseur constante normal à l’interface, et élimine donc la nécessité d’une étape de réinitial-

isation séparée [Ismail, 2007]. Mais dans la dernière méthode, il y a deux équations pour résoudre la

fonction de champ de phase, la première contient le paramètre de réglage de mobilité qui doit être

suffisamment grand pour conserver une épaisseur interfaciale constante, et l’énergie de mélange pour

produire la structure de l’interface, ainsi que la variable d’aide de champ de phase qui est calculée

séparément dans une deuxième équation en fonction du champ de phase [Pérez et al., 2014]. De plus,

le calcul de Phase Field est plus coûteux et recommandé pour les simulations microfluidiques. Alors

que la méthode Level Set est recommandée pour les simulations à plus grande échelle, de l’ordre du

millimètre et plus. Dans le cadre de cette thèse, nous utilisons la méthode Level Set dans la mesure où

elle inclut moins d’équations mathématiques à résoudre, ce qui la rend légèrement plus robuste d’un

point de vue numérique et moins coûteuse en terme de temps de modélisation. Afin de valider ce choix

de méthode, nous comparons ces deux approches dans la section validation du modèle numérique (voir

section 3.4.6).

67
 La méthode Level Set est utilisée pour suivre le mouvement de l’interface entre la goutte en chute

libre et l’océan de magma. Cette méthode correspond à une méthode eulérienne et implicite souvent

utilisée dans les problèmes d’écoulement diphasique [Luo et al., 2006]. Son concept fondamental a été

développé par Osher and Sethian [1988], permettant de décrire de manière très robuste les changements

abruptes dans des domaines tels que les changements topologiques. L’équation de la méthode Level set

utilisée dans Comsol provient de la modification effectuée par Olsson and Kreiss [2005]. Le transport

et la réinitialisation de cette fonction φ sont gouvernés par l’équation suivante :

∂φ ∇φ
+ u.∇φ = γ∇.[∇φ − φ(1 − φ) ] (3.1)
∂t | ∇φ |

Les termes de gauche, temporel et d’advection, correspondent au mouvement correct de l’interface avec

tous les changements de sa morphologie, tandis que ceux de droite sont indispensables à la stabilité

numérique. Le paramètre  (m) définit l’épaisseur de la couche autour de l’interface, dans laquelle φ

varie de 0 à 1. Ce paramètre est typiquement du même ordre que la taille des éléments de la maille

caractéristique. Dans Comsol,  est constant par défaut dans le domaine de calcul et correspond à la

moitié de la plus grande taille de grille dans le domaine. De ce point de vue numérique, la méthode

Level Set dans Comsol est plus adaptée au maillage fixe qu’au maillage adaptatif car les changements

temporels du maillage nécessitent une modification de  dans la région explorée par l’interface, ce

qui n’est pas pris en compte dans Comsol. Cela favorise la génération d’un maillage manuellement

adaptatif qui sera expliqué en détail plus loin dans la section relative au maillage. Par ailleurs, le

second paramètre γ (m.s−1 ) permet de quantifier la réinitialisation ou la stabilisation de la fonction

Level Set. Ce paramètre nécessite un réglage selon le problème considéré. Si γ est trop petit, il est

possible que l’épaisseur de l’interface ne demeure pas constante en raison des oscillations possibles dues

aux instabilités numériques. Si γ est trop grand, les mouvements de l’interface seront erronés. Ainsi,

la valeur appropriée pour γ est la valeur maximale du champ de vitesse dans le système. Cette valeur

est par défaut égale à 1 m.s−1 dans Comsol. Comme dans la majorité des cas étudiés dans cette thèse,

la vitesse maximale de la chute ne dépasse pas 1 m.s−1 , nous conservons la même valeur dans laquelle

nous trouvons la plus grande stabilité numérique de notre problématique (voir section 3.4.6).

3.2.3 Couplage multi-physique

Les couplages multi-physiques entre les équations de Navier Stokes (2.1 et 2.2) et l’équation Level

set (3.1) sont déjà compris dans Comsol en faisant un appel à l’interface multi-physique "écoulement

diphasique-Level Set". Ce système de couplage permet d’utiliser la vitesse et la pression que les

68
équations de Navier Stokes (2.1 et 2.2) résolvent, et est basé sur l’évaluation de la densité et de la

viscosité dynamique par la fonction Level Set de la façon suivante :

ρ = ρ2 + (ρ1 − ρ2 )φ (3.2)

µ = µ2 + (µ1 − µ2 )φ1 (3.3)

Le couplage de la force de tension superficielle à l’interface entre les deux phases est déterminé comme:

Fst = ∇.T = ∇.(σ[I + (−nnT )]δ) (3.4)

n est le vecteur d’unité normale d’interface et δ est la fonction delta de Dirac, non nulle uniquement

à l’interface fluide. Le vecteur d’unité normale d’interface est calculé comme suit:

∇φ
n= . (3.5)
| ∇φ |

Le paramètre de Level Set φ est également utilisé pour approximer la fonction δ par une fonction lisse

définie par :

δ = 6 | φ(1 − φ) || ∇φ | . (3.6)

Ainsi, Comsol fournit les couplages multi-physiques en utilisant ces équations (3.2, 3.3 et 3.4). En

revanche, les couplages entre la méthode Level Set (3.1) et l’équation de transfert de chaleur (2.15)

sont absents dans Comsol. Ainsi, nous utilisons la même méthode de couplage en multi-physique afin

de coupler ces équations (3.1 et 2.15) manuellement. Dans l’interface de transfert de chaleur, il y a

une fenêtre intitulée "Fluide" qui contient l’équation utilisée ainsi que les paramètres correspondants

et le matériau restant à définir. Dans l’entrée de modèle comprise sous cette fenêtre, nous choisissons

que la vitesse et la pression reviennent aux équations de Navier Stokes. Ensuite, nous définissons la

conductivité thermique, la capacité calorifique et la densité de manière similaire à (3.2 et 3.3):

k = k2 + (k1 − k2 )φ (3.7)

Cp = Cp2 + (Cp1 − Cp2 )φ (3.8)

1 Cette loi arithmétique est arbitraire. D’autres choix sont possibles (pondération géométrique et harmonique) et sont

susceptibles de modifier la dynamique du système. Dans cette thèse, pour une goutte moins visqueuse que le fluide
ambiant, c’est le modèle arithmétique qui est pertinent (car associé aux contraintes normales qui sont dominantes ici, et
non les contraintes tangentielles dans le cas des inclusions plus visqueuses).

69
Une fois que ces équations (3.2, 3.7 et 3.8) sont implémentée dans le modèle, le couplage entre les

équations de Navier Stokes, de transfert de chaleur et de Level set est effectif.

3.2.4 Propriétés des matériaux physiques

Suite aux choix des physiques d’intérêt dans nos recherches, il est nécessaire de déterminer la valeur

des propriétés physiques de chaque équation étudiée dans cette thèse. Dans le cadre de ces études,

nous nous intéressons principalement aux rôles de la viscosité de l’océan magmatique et du rayon

initial de la goutte, en maintenant tous les autres paramètres fixes selon des valeurs géophysiques. Les

paramètres utilisés dans cette thèse pour la goutte métallique et l’océan magmatique sont présentés

dans le Tableau 3.1.

Tableau 3.1: Définitions des symboles et des valeurs des paramètres physiques utilisés dans le cadre de
cette thèse [Karki and Stixrude, 2010, Kushiro, 1986, Poirier, 1988, Assael et al., 2006, Thomas and
Asimow, 2013, Pozzo et al., 2013, Hofmeister, 1999, de Koker et al., 2012, Wacheul et al., 2014].

Symbole Valeur ou gamme

Densité de l’océan magmatique ρ2 3500 kg/m3
Densité de la goutte métallique ρ1 7500 kg/m3
Viscosité de la goutte métallique µ1 0.005 Pa.s
Viscosité de l’océan magmatique µ2 0.05 - 100 Pa.s
Rayon initial de la goutte R 1 - 350 mm
Coefficient de tension superficielle σ 1 N/m
Capacité calorifique de l’océan magmatique Cp2 667 J.kg−1 .K−1
Capacité calorifique de la goutte métallique Cp1 800 J.kg−1 .K−1
Conductivité thermique de l’océan magmatique k1 10 W.m−1 .K−1
Conductivité thermique de la goutte métallique k2 100 W.m−1 .K−1

La viscosité de l’océan de magma est fortement dépendante de la température. Son rôle sur la

dynamique et l’évolution thermo-chimique de la goutte est peu contraint. À ce propos, nous étudions

dans la dernière partie de cette thèse ce phénomène en utilisant l’équation 1.1 (voir chapitre 5). Pour ce

faire dans Comsol, nous faisons intervenir une fonction analytique pour calculer la viscosité de l’océan

de magma. Dans l’expression de cette fonction analytique, nous écrivons l’équation concernée 1.1 de

la viscosité du magma qui dépend de la température.

3.3 Modèle numérique

Suite à la sélection des physiques et des propriétés des matériaux utilisés au cours de cette thèse, nous

détaillons dans cette partie notre modèle numérique.

70
3.3.1 Géométrie

Comme illustré dans la Figure 3.2, la première étape vise à choisir les dimensions de notre domaine de

calcul. Dans le contexte de cette thèse, nous utilisons une géométrie 2D axisymétrique cylindrique (r,

z) afin d’étudier les phénomènes dynamiques et diffusifs du mouvement d’une goutte dans un milieu

visqueux pour les raisons suivantes :

• Le temps de calcul : cette géométrie 2D axisymétrique permet de réaliser des études systématiques

en testant une large gamme de paramètres étudiés, plus rapidement qu’un modèle 3D. De plus,

la goutte en chute libre nécessite une distance profonde afin d’atteindre son état dynamique

stable et son équilibre diffusif avec le milieu environnant. Cette large géométrie exige un grand

nombre de cellules afin de capturer correctement les phénomènes dynamiques. Cette précision

du maillage en modélisation numérique 3D est très coûteuse en temps.

• La limite des ressources de la puissance de calcul existant sur la machine utilisée pour effectuer

les modélisations numériques (16 cœurs), ne permet pas de réaliser des modélisations 3D systé-

matiques.

Plusieurs études précédentes ont utilisé la géométrie 2D axisymétrique cylindrique qui indique de

bons accords entre les modèles analytiques et les résultats expérimentaux (par exemple Ohta et al.

[2010]). Han and Tryggvason [1999] ont présenté de grandes déformations des gouttes et divers modes

de fragmentation dans une étude numérique axisymétrique d’une fragmentation secondaire d’une goutte

de liquide sphérique chutant du repos sous l’effet de la gravité dans un autre liquide non miscible pour

différents rapports de densité et de viscosité. Les évolutions d’une bulle en présence de forces capillaires

et visqueuses ont été suivies dans une étude numérique axisymétrique par Bonometti and Magnaudet

[2006] afin de déterminer la transition d’une calotte sphérique à une forme toroïdale. Ohta et al.

[2010] ont détaillé l’influence des rapports de densité et de viscosité sur le mouvement de la goutte.

Les hypothèses de la géométrie 2D axisymétrique pour un nombre de Weber allant jusqu’à 120 sont

validées par l’étude de Jain et al. [2019] qui démontre des résultats analogues entre les géométries 2D

axisymétrique et 3D.

Les désavantages de cette géométrie sont que les régimes turbulents pleinement développés ne

peuvent pas être atteints et que le suivi de la goutte après la fragmentation n’est pas possible car

la fragmentation est un processus intrinsèquement 3D. Ainsi, dès que la fragmentation commence, le

code numérique doit être arrêté et nous déterminons les modes de fragmentation ainsi que le temps

et la distance de fragmentation. Donc, les calculs axisymétriques effectués dans ce travail capturent

l’essence du mécanisme complexe de la dynamique des gouttes et de l’évolution diffusive de ces gouttes

71
en milieu visqueux avant la fragmentation.

3.3.2 Conditions aux limites

Les conditions aux limites sont des contraintes imposées aux sous-domaines, aux frontières et aux

points de la géométrie qui aident à résoudre les équations aux dérivées partielles. Plusieurs types de

conditions limites sont disponibles dans Comsol. Par exemple, dans l’interface de transfert de chaleur

dans le fluide, nous pouvons appliquer soit des sources de chaleur sur une région de notre domaine,

soit un flux de chaleur entrant sur une frontière du domaine, soit un flux de chaleur linéaire sur un

point du domaine. Nous considérons dans ces études des conditions de flux nul à toutes les frontières

de la géométrie concernant les interfaces de transfert de chaleur et de Level Set. Dans l’interface

d’écoulement diphasique, une pression doit être imposée dans une partie du domaine afin de calculer

l’équation de la quantité de mouvement. Dans Comsol, il y a plusieurs façons de régler le champ de

pression :

• Soit par un point de contrainte de pression sur une paroi de la géométrie qui permet au modèle

de calculer la pression dans l’équation de Navier Stokes.

• Soit en imposant une frontière ouverte et en fixant une valeur de pression sur tout le niveau.

• Soit en imposant une vitesse d’entrée nulle d’un côté où se trouve la direction de la chute de la

goutte et en imposant une pression de sortie d’une valeur donnée de l’autre côté où la goutte est

initialement au repos.

Nous choisissons la condition limite de pression qui convient à notre étude dans la partie validation du

modèle numérique (voir section 3.4.3).

3.3.3 Maillage

Dans les modélisations numériques, le maillage est un élément fondamental dans la mesure où il

détermine la précision de la discrétisation spatiale des éléments géométriques du modèle. Le maillage

est composé de plusieurs mailles qui peuvent être de la même taille ou de tailles différentes. Plus la

taille de la grille est petite, plus les équations physiques seront résolues avec précision dans le système,

toutefois, plus les calculs induisent de longs temps de traitement. Afin de permettre de mesurer

précisément la variation des inconnues de la dynamique et de l’évolution thermique de la goutte, un

maillage approprié doit avoir une forte densité de degrés de liberté dans les zones de passage de la

goutte. Le rôle du maillage consiste à déterminer la division de la géométrie en plusieurs éléments, la

forme ou le type d’élément, la taille, la densité et le nombre d’éléments dans la géométrie ainsi que la

72
qualité des éléments. Dans Comsol Multiphysics, il est possible d’effectuer le processus de maillage de la

géométrie du modèle automatiquement ou manuellement. Cette opération s’effectue par une séquence

de maillage contrôlée par la physique ou par l’utilisateur. De nombreuses options, paramètres, outils

et générateurs de maillages sont disponibles afin de créer un maillage adapté à la géométrie.

Dans nos études, pour capturer avec précision l’évolution dynamique et thermique de la goutte, un

maillage fin est nécessaire. Pour cela, nous utilisons un maillage variable dans le temps et l’espace à

haute résolution dans le domaine de la goutte. Le maillage est composé de nombreux triangles libres

(Figure 3.3) et sera expliqué en détail plus loin dans la section consacrée à la validation du modèle

numérique (voir section 3.4.4).

Figure 3.3: Un zoom illustrant notre maillage de triangles libres dans cette thèse.

3.3.4 Solveurs numériques

Comsol possède deux approches permettant de résoudre l’ensemble des systèmes d’équations algébriques

(généralement non linéaires) afin d’obtenir la solution du modèle. La première est la méthode Fully

73
Coupled qui génère un unique ensemble d’équations algébriques permettant de résoudre toutes les vari-

ables inconnues en incluant tous les couplages des effets multiphysiques entre ces inconnues en même

temps, dans une seule itération répétée jusqu’à atteindre la convergence. La seconde est la méthode

Segregated qui sépare les variables physiques inconnues du problème en plusieurs étapes distinctes qui

sont résolues de manière séquentielle en une seule itération. En général, chaque étape correspond à

une seule physique, mais parfois une seule physique peut être décomposée en étapes, et parfois une

étape peut regrouper plusieurs physiques. La première approche Fully Coupled est automatiquement

sélectionnée par défaut dans Comsol pour notre cas d’étude des écoulements diphasiques lorsque la

simulation est lancée. Cette méthode est utilisée dans la première partie de cette thèse lorsque nous

ne déterminons que la dynamique et la morphologie d’une goutte. Lorsque l’interface de transfert de

chaleur est ajoutée à notre étude dans la deuxième partie de cette thèse, nous effectuons nos simula-

tions avec le deuxième solveur de calcul qui est environ trois fois plus rapide que le premier solveur au

niveau du coût de calcul.

3.4 Validation du modèle numérique

Dans cette section, nous discutons des études préliminaires réalisées afin de choisir les caractéristiques

des modèles que nous utilisons dans le cadre de cette thèse.

3.4.1 Effets de bords

Le domaine de calcul doit avoir des dimensions suffisamment importantes afin de pouvoir éviter les

effets de paroi qui influencent la dynamique de la goutte, donc les échanges thermochimiques avec le

milieu ambiant. À partir des études numériques passées, nous pouvons avoir une vision globale des

dimensions adaptées à la déformation de la goutte en fonction de son rayon. Han and Tryggvason [1999]

ont montré qu’un domaine de calcul de 10R×30R est suffisant afin d’avoir un mouvement libre de la

goutte et de déterminer les modes de fragmentation des gouttes. Bonometti and Magnaudet [2006]

ont choisi un domaine de calcul de 11R×25.2R permettant d’éviter la contamination des résultats.

Leurs calculs sont arrêtés avant que la bulle atteigne la limite du domaine. Leurs simulations ont donc

montré que la bulle se déplace librement, alors que la dynamique de cette bulle ne converge pas vers sa

forme finale avec cette longueur de domaine. Ohta et al. [2010], Ohta and Sussman [2012] et Ohta et al.

[2014] ont montré qu’une largeur de domaine correspondant à 8R est suffisante pour assurer la libre

mobilité de la bulle. Des simulations numériques directes utilisant un domaine de calcul de 16R×120R

ont été réalisées par Jalaal and Mehravaran [2012] pour caractériser la déformation, la désintégration

74
et la dispersion des fragments d’une seule goutte tombante.

Ainsi, la largeur du domaine de calcul se situe généralement entre 8R et 16R selon des études

précédentes afin de garantir le mouvement libre de la goutte. Afin de choisir la largeur de notre

domaine, nous faisons varier la largeur de notre domaine entre 6R et 14R. Le rayon de la goutte R

dans ce test est égal à 10mm et la viscosité de l’océan de magma est égale 1 Pa.s. Afin de comparer les

résultats numériques, nous calculons la vitesse moyenne de la goutte au cours du temps par l’intégrale

suivante : R
v
U (r, z, t)[φ(r, z, t) ≥ 0.5]dv
V (t) = R (3.9)
v
[φ(r, z, t) ≥ 0.5]dv

U (r, z, t) est la magnitude de la vitesse locale (m/s), dv = 2πrdrdz est l’élément de volume prenant en

compte la géométrie axisymétrique cylindrique et [φ(r, z, t) ≥ 0.5] est l’opérateur booléen permettant

de ne capturer que le volume de la goutte. La Figure 3.4 montre que les parois du domaine influencent

la dynamique de la goutte jusqu’à une largeur correspondant à 10R, alors que pour une largeur de

12R et de 14R la vitesse moyenne de la goutte est presque identique. Afin d’être plus précis, nous

présentons dans la Figure 3.5 la forme finale de la goutte pour les largeurs 10R, 12R et 14R. Nous

observons que la goutte sera en chute libre sans restriction à partir d’une largeur correspondant à 12R.

Ainsi, la largeur de notre domaine de calcul est fixé à 12R. La hauteur de notre domaine est plus difficile

à définir car nous allons tester plusieurs scénarios de la dynamique de la goutte, qui nécessitent une

longueur suffisante afin de déterminer la forme finale de la goutte d’une part et d’atteindre l’équilibre

thermique entre les deux phases d’autre part. De ce fait, nous fixons la hauteur de notre domaine

à 200R. Au cas où la convergence dynamique ou thermique ne serait pas réalisée à cette profondeur,

nous pouvons éventuellement prolonger notre domaine de calcul en considérant que les résultats finaux

dans le premier domaine sont les conditions initiales dans le domaine suivant.

3.4.2 Ordre de discrétisation

La méthode des éléments finis permet de discrétiser les équations au sein de chaque élément par

des ordres différents. Dans cette étude, nous résolvons des interfaces physiques différentes capables

d’utiliser différents ensembles de fonctions de forme de discrétisation. Pour chaque interface physique, il

y a des paramètres de discrétisation propres qui déterminent quelles fonctions de forme d’ordre seront

utilisées afin de résoudre les différentes variables dépendantes de chaque équation. Dans l’interface

d’écoulement diphasique, les schémas de discrétisation utilisés sont les suivants :

• P1+P1 représente les éléments linéaires de premier ordre pour la vitesse et la pression

• P2+P1 correspond à des éléments de deuxième ordre pour la vitesse et de premier ordre pour la

75
Figure 3.4: Comparaison de la vitesse moyenne d’une goutte de 10 mm en fonction du temps pour
différentes largeurs du domaine de calcul. Les lignes noires, rouges, vertes et bleues représentent
respectivement des largeurs correspondant à 6R, 8R, 10R et 12R. La ligne noire en pointillés représente
la largeur correspondant à 14R.

pression

• P2+P2 correspond à des éléments de second ordre pour la vitesse et la pression

• P3+P2 représente le troisième ordre pour la vitesse et le deuxième ordre pour la pression

Le schéma de discrétisation par défaut utilisé pour cette interface physique (écoulement diphasique)

est celui des fonctions de forme linéaire de P1+P1. Afin de trouver l’ordre des schémas qui conserve le

mieux le volume de la goutte au cours de la déformation lors du calcul, nous lançons le même exemple

d’une goutte de 10 mm dans un océan magmatique ayant une viscosité de 1 Pa.s pour différents ordres

de schémas. Le maillage utilisé dans ces calculs est moins fin que celui utilisé dans nos modèles.

Cependant, la Figure 3.6 (gauche) montre que le volume de la goutte commence à se conserver à partir

d’un schéma de l’ordre P2+P2. En outre, les résultats de la conservation du volume de la goutte entre

P2+P2 et P3+P2 sont identiques. Plus précisément, nous calculons le changement de topologie de la

76
Figure 3.5: Comparaison de la forme finale d’une goutte de 10 mm en illustrant la fonction de Level
Set φ pour différentes largeurs du domaine de calcul.

surface de la goutte en fonction du temps en intégrant l’isocontour φ = 0.5 multiplié par 2πdr. La

Figure 3.6 (droite) indique que l’évolution temporelle de la surface de la goutte pour les deux ordres

de schémas est similaire jusqu’à ce que de fortes déformations de la goutte se produisent. À partir de

t = 0.75s, les résultats divergent. Afin de caractériser la dynamique et les modes de fragmentation de

la goutte le plus précisément possible, nous choisissons l’ordre de discrétisation P3+P2.

Pour l’interface Level Set, nous utilisons un schéma quadratique du second ordre dont la durée de

calcul est assez importante. En raison des ressources de calcul à notre disposition, nous ne pouvons

pas utiliser un schéma plus précis dans cette interface mathématique. De la même manière, nous

utilisons dans l’interface de transfert de chaleur un schéma quadratique du second ordre et nous nous

intéressons ensuite à définir la taille des mailles fines nécessaires pour capturer précisément les échanges

thermiques entre les deux phases.

3.4.3 Conditions aux limites

Afin de choisir entre imposer un point de pression sur un nœud géométrique ou un niveau de pression

sur une frontière ouverte, nous modélisons le comportement d’une goutte de 10 mm tombant dans

un océan de magma d’une viscosité de 1 Pa.s avec l’ordre de discrétisation précédemment déterminé

(P3+P2). La Figure 3.7 montre que le changement des conditions aux limites de la pression change

légèrement le résultat de la vitesse moyenne de la goutte et influence donc la dynamique de la goutte.

Pour comparer les deux résultats, nous traçons la forme de la goutte à t = 0.69 s dans la Figure

3.8. Nous observons que les deux formes sont différentes à ce moment donné et que la goutte subit

un mécanisme de fragmentation lorsque la condition limite de point de pression est appliquée sur

le domaine, en revanche, la goutte reste stable lorsque la condition limite de frontière ouverte est

appliquée. Cette différence de résultat provient de la chute libre de la goutte sans contrainte en cas

d’utilisation de la frontière ouverte, qui entraîne la libre formation du sillage derrière la goutte et la

77
Figure 3.6: Gauche : comparaison du volume temporel d’une goutte de 10 mm normalisé sur le volume
initial de la goutte sphérique pour différents ordres de discrétisation. Les lignes noire, rouge, verte
et bleue représentent respectivement les ordres correspondant à P1+P1, P2+P1, P2+P2 et P3+P2.
Droite : comparaison de la surface de la goutte normalisée sur la surface initiale sphérique en fonction
du temps pour deux ordres de discrétisation P2+P2 (ligne noire) et P3+P2 (ligne rouge).

libre circulation du flux dans ce sillage. D’autre part, lorsqu’il y a une paroi dans la frontière supérieure,

la formation du sillage est un peu forcée par l’écoulement confiné au niveau des parois, ce qui affecte

progressivement la dynamique de la goutte. En outre, le volume de la goutte est extrêmement faible

par rapport au volume du magma, de sorte que la pression est globalement fixée par l’océan de magma

à grande échelle, ce qui se traduit par une isobare à l’entrée de notre domaine de calcul. Pour cela,

nous utilisons dans les travaux de cette thèse des frontières ouvertes dans les limites inférieures et

supérieures de notre domaine de calcul.

3.4.4 Taille de la maille

Dans cette section, nous nous intéressons à la définition de la taille du maillage nécessaire afin de

capturer tous les phénomènes dynamiques et thermiques concernant la chute libre de la goutte. Hysing

et al. [2009] ont effectué des calculs de référence de l’évaluation bidimensionnelle de la dynamique des

bulles. Dans leur étude, ils ont identifié deux bulles provenant de différents scénarios dynamiques, dans

lesquels une bulle peut se déformer légèrement et une bulle se déforme fortement. Ce modèle a aussi été

étudié par une société de conseil certifiée Comsol qui s’appelle SIMTEC (Preney et al. [2018]). Dans

leur étude, Preney et al. [2018] ont constaté une erreur relative maximale dans le système d’environ

8% par rapport au modèle de référence. Nous réalisons ce modèle de référence en faisant varier la

78
Figure 3.7: Comparaison de la vitesse moyenne de la goutte en fonction du temps pour deux conditions
de pression limite différentes. Les lignes noire et rouge représentent respectivement une condition limite
avec un point de pression et une condition limite avec des frontières ouvertes (entrée/sortie).

taille du maillage afin de trouver les bonnes résolutions numériques par comparaison avec les résultats

dynamiques de ce modèle. La géométrie et les conditions aux limites de ce modèle sont schématisées

dans la Figure 3.9. Les propriétés dynamiques utilisées dans ce modèle sont indiquées dans le Tableau

(3.2). Les frontières supérieures et inférieures des domaines sont soumises à une condition de non-

glissement. Sur les parois verticales, une condition de glissement tangent est imposée.

Pour comparer avec le modèle de référence de Hysing et al. [2009] et le modèle de Preney et al.

[2018], nous calculons la vitesse moyenne de montée de la bulle et la position temporelle du centre de

79
Figure 3.8: Comparaison de la forme de la goutte à un temps donné pour deux conditions de pression
limite différentes. Gauche : une condition limite avec un point de pression. Droite : une condition
limite avec des frontières ouvertes (entrée/sortie).

Tableau 3.2: Valeurs des paramètres physiques utilisés dans le modèle de référence de Hysing et al.
[2009]

Symbole Valeur
Densité de la fluide ambiant ρ1 1000 kg/m3
Densité de la bulle ρ2 1 kg/m3
Viscosité de la bulle µ2 0.1 Pa.s
Viscosité de la fluide ambiant µ1 10 Pa.s
Gravité g 0.98 m.s−2
Coefficient de tension superficielle σ 1.96 N/m

la bulle sous les formes suivantes :

R
s
V (y, t)[φ(x, y, t) ≥ 0.5]ds
V (y, t) = R (3.10)
s
[φ(x, y, t) ≥ 0.5]ds

R
y[φ(x, y, t) ≥ 0.5]ds
y(t) = Rs (3.11)
s
[φ(x, y, t) ≥ 0.5]ds

où s est la surface de la bulle. La Figure 3.10, à gauche illustre la position du centre de masse de la bulle

en fonction du temps pour le modèle de référence et trois tailles de maille différentes h = R/29, R/40 et

R/67. Nous observons qu’une taille de maille de l’ordre de h = R/40 est suffisante pour déterminer la

position du centre de la bulle. Parallèlement, la vitesse moyenne de la bulle commence à converger en

Comsol avec une taille R/40 (Figure 3.10, à droite). D’autre part, le résultat d’une taille correspondant

à R/67 est presque identique au résultat de Preney et al. [2018], ce qui signifie que la convergence de

80
Figure 3.9: Géométrie et conditions aux limites du modèle de référence. Cette figure est extraite de
Hysing et al. [2009]

ce modèle de référence dans le logiciel Comsol intervient avec une taille de maille d’ordre R/67.

Ainsi, nous choisissons une taille de maille égale à R/40 afin de résoudre la dynamique de la goutte

et une taille de maille équivalente à R/67 afin de résoudre plus précisément l’évolution thermique de

la goutte dans la couche limite. Dans le cadre de nos études, les déformations des gouttes sont plus

importantes que dans le modèle de référence de Hysing et al. [2009]. Afin de justifier notre choix

de maillage, nous vérifions systématiquement le maillage choisi en donnant des erreurs relatives dans

chaque chapitre suivant concernant les phénomènes dynamiques ou thermiques, y compris les scénarios

où la déformation est la plus importante.

81
Figure 3.10: Comparaison de la position du centre d’une bulle (gauche) et de sa vitesse moyenne as-
cendante (droite) en fonction du temps d’un modèle de référence réalisé par Hysing et al. [2009] avec
différents maillages effectués par le logiciel Comsol. Les lignes noire et rouge représentent respective-
ment le modèle de référence [Hysing et al., 2009] et le modèle de Comsol (Preney et al. [2018]). Les
lignes pointillées orange, bleu et vert représentent respectivement les taille de maillage R/29, R/40 et
R/67.

3.4.5 Méthode du maillage

Vu que notre domaine de calcul est très grand 12R × 200R et que nous ne pouvons pas mailler tout le

système avec une taille de maille [R/40 − R/67], il est indispensable de disposer d’un maillage variable

fortement raffiné dans la zone où la goutte se déforme et moins raffiné loin de la goutte. Comme nous

l’avons discuté avant, le paramètre  dans l’équation de Level set (3.1) ne convient pas au maillage

adaptatif dans Comsol. Ainsi, nous mettons en œuvre manuellement un maillage variable qui convient

parfaitement au paramètre  sans diffuser d’artefacts numériques susceptibles d’affecter la dynamique

du système. Dans cette perspective, nous divisons notre domaine en plusieurs régions, comme indiqué

dans la Figure 3.11.

Le principe de fonctionnement de cette méthode de maillage consiste à mailler la région traversée

par la goutte sur un intervalle de temps donné avec une maille très fine de l’ordre de [R/40 − R/67],

suffisamment petite pour capturer toute la dynamique et l’évolution thermique au niveau de l’interface

sans erreur significative ni diffusion numérique. La région derrière la goutte est ensuite maillée plus

grossièrement avec [R/14 − R/20] afin de capturer correctement la physique du sillage qui influence

également la dynamique, ainsi que l’océan de magma réchauffé pendant la chute de la goutte. La maille

autour de la goutte s’élargit enfin progressivement dans le sens radial jusqu’à atteindre R/5 , d’où sa

taille reste fixée jusqu’à la paroi. Enfin, notre maille devant la goutte dans la direction verticale

82
 Figure 3.11: Méthode de maillage adaptatif manuel de notre domaine d’étude.

augmente d’abord dans une région intermédiaire jusqu’à R/14, puis continue à augmenter jusqu’à

atteindre une valeur très importante de 1.5R. La simulation est programmée pour cesser lorsque la

goutte atteint le fond de la zone de maillage la plus fine. L’ensemble du maillage est alors transféré et

la simulation est relancée sur cette nouvelle grille avec la goutte déformée en haut du nouveau maillage

(voir Figure 3.11).

3.4.6 Suivi des phases

Afin de justifier notre choix de méthode qui contrôle l’interface entre les deux phases, nous effectuons

deux modèles numériques permettant de comparer les deux méthodes ensemble Level Set et Phase

Field pour deux rapports de viscosité différents entre la goutte métallique et l’océan magmatique. Les

modèles numériques ont les mêmes conditions initiales de calcul, ainsi que le même maillage. La seule

différence entre les modèles est la méthode utilisée pour contrôler l’interface entre les deux phases. La

comparaison entre les deux méthodes concernera la conservation du volume de la goutte en fonction du

temps de calcul et le coût de calcul à un temps donné. Pour calculer l’évolution temporelle du volume

de la goutte, nous utilisons la fonction qui trace l’interface de chaque méthode dans Comsol en utilisant

la partie de cette fonction qui représente la goutte de métal. Ensuite, nous intégrons cette fonction

sur le volume en multipliant par 2πr pour tenir compte de la géométrie axisymétrique cylindrique.

La Figure 3.12 montre la comparaison de la conservation du volume entre ces méthodes en traçant

le volume de la goutte temporelle normalisé sur le volume sphérique initial. Nous observons que la

méthode de Level Set préserve le volume de la goutte pour les deux rapports de viscosité, en revanche

la méthode de Phase Field ne conserve pas le volume pour les mêmes conditions de discrétisation et de

maillage. Ce qui signifie que la méthode de Phase Field nécessite peut-être plus de discrétisation et de

83
Figure 3.12: Volume de la goutte normalisé par le volume sphérique initial en fonction du temps afin
de comparer la conservation du volume dans les méthodes Level Set et Phase Field. Gauche : Rµ = 50.
Droit : Rµ = 200

précision du maillage. De plus, en termes de coût de calcul, la méthode Phase Field est plus coûteuse,

environ deux fois plus que la méthode Level Set pour 0.35 s. Ainsi, nous choisissons la méthode Level

Set pour suivre l’interface entre les deux phases dans notre modèle numérique.

3.4.7 Influence de la viscosité sur la dynamique de la goutte : tests prélim-

inaires

Suivant le choix de notre modèle numérique de la géométrie, de la discrétisation des éléments finis, des

conditions aux limites et du maillage, il reste à vérifier que la variation du rapport de viscosité entre

les deux phases ne perturbe pas la conservation du volume de la goutte. Ainsi, dans cette partie, nous

vérifions la validité du choix de notre modèle numérique sur une large gamme de rapport de viscosité

qui permet de calculer la dynamique de la goutte dans les trois régimes des écoulements possibles dans

le système (Newton, intermédiaire et Stokes).

Nous lançons quatre simulations numériques pour une goutte de métal donnée correspondant à 15

mm de rayon en changeant le rapport de viscosité entre le métal et l’océan magmatique respectivement

de 100, 200, 500 et 1000. La taille de maille utilisée pour capturer la dynamique de la goutte est de

l’ordre de h = R/40. Figure 3.13 présente les différents scénarios de la forme finale de la goutte obtenue

dans ces quatre simulations. Nous observons que le changement du rapport de viscosité influence les

modes de fragmentation de la goutte, ainsi que la forme finale. Plus de détails seront fournis dans la

84
Figure 3.13: La forme finale de la goutte pour différents rapports de viscosité entre la goutte métallique
et l’océan de magma. a) Rµ = 100, b) Rµ = 200, c) Rµ = 500 et d) Rµ = 1000.

section suivante sur l’étude de la dynamique d’une goutte. L’intérêt ici est de montrer que le volume

de la goutte lors de chaque simulation pour ces différents scénarios est bien conservé. Dans ce but,

nous calculons l’évolution temporelle du volume de la goutte normalisé par le volume initial pour

chaque simulation (Figure 3.14). Dans le cas de gouttes fragmentées, le volume de la goutte reste

préservé pendant la déformation jusqu’à la fragmentation, à partir de laquelle la courbe de volume

chute. L’erreur relative lors la forte déformation est au maximum de 0.4%. Pour les gouttes stables, le

volume reste constant pendant la simulation sans perturbation, ce qui montre une bonne convergence

numérique. Cette méthode de vérification de la conservation du volume de la goutte métallique sera

utilisée systématiquement pour chaque modèle utilisé dans nos travaux.

3.5 Conclusion

En résumé, les modélisations numériques sont effectuées à l’aide du logiciel commercial Comsol Multi-

physics qui résout les équations aux dérivées partielles par la méthode des éléments finis. Le domaine

de calcul est modélisé en géométrie 2D axisymétrique cylindrique. La largeur du domaine correspond

à 12 fois le rayon de la goutte et la hauteur est équivalente à 200 fois le rayon de la goutte. Afin

d’étudier la dynamique et l’évolution thermique d’une goutte dans un milieu visqueux, nous faisons

appel aux physiques suivantes dans l’interface de Comsol : écoulement diphasique, méthode de Level

Set et transfert de chaleur dans le fluide. Aucun flux externe n’est considéré dans notre calcul et les

deux phases sont au repos initialement. Deux frontières ouvertes sont considérées dans le haut et le bas

du domaine dans l’interface d’écoulement diphasique. Le schéma de discrétisation des éléments finis

choisi dans cette étude pour la température, la pression et la fonction Level Set est d’ordre quadra-

tique, tandis que pour la vitesse du fluide, il est du troisième ordre. Un maillage variable et adapté

manuellement est utilisé pour capturer précisément l’évolution dynamique et thermique de la goutte.

La taille des mailles les plus fines est de l’ordre de R/40 − R/67. Enfin, les solveurs utilisés sont "Fully

85
Figure 3.14: Évolution du volume d’une goutte de 15mm de rayon en fonction du temps pour différents
rapports de viscosité entre la goutte métallique et l’océan de magma. Les lignes noire, bleue, verte et
rouge représentent respectivement le rapport de viscosité de 100, 200, 500 et 1000.

coupled" et "Segregated". Une fois que notre modèle numérique est choisi, nous déterminons le pas de

temps qui convient à notre solveur numérique afin de calculer la dynamique de la goutte sans présenter

de problèmes de stabilité numérique. Le pas de temps de nos modèles doit être inférieur au rapport

de la taille de la plus petite maille à la vitesse de la goutte. Dans le cadre de cette thèse, sa valeur est

égale à 0.001 − 0.0001 s. Le schéma de pas de temps utilisé dans cette thèse est "Implicit Backward

Differentiation Formula" avec une tolérance absolue de l’ordre de 0.0001.

86
Chapitre 4

Étude dynamique d’une goutte de

métal dans un océan magmatique

4.1 Introduction et résumé

Comme nous l’avons expliqué dans le premier chapitre, suite à un impact géant, le noyau de l’impacteur

est susceptible de subir un mécanisme de fragmentation en petites gouttelettes de différentes tailles

dans un océan de magma. Leurs tailles finales peuvent aller du millimètre à quelques dizaines de

centimètres selon Wacheul et al. [2014]. Ces gouttelettes sont dispersées en différents endroits dans

l’océan de magma (ex : Figure 1.7). La viscosité de l’océan de magma varie de sa surface à sa base en

raison de l’augmentation de sa pression et de sa température avec la profondeur [Karki and Stixrude,

2010]. Ainsi, la dynamique de la goutte métallique dépend fortement de sa position dans l’océan de

magma. De plus, comme nous l’avons vu dans le deuxième chapitre, l’augmentation de la viscosité du

milieu ambient diminue le taux de déformation de la goutte et évite sa fragmentation. D’autre part,

l’augmentation de la taille de la goutte augmente la force d’inertie dans le système, ainsi que le taux de

déformation de la goutte facilitant ainsi sa fragmentation. Donc, dans le contexte qui nous intéresse ici

de la formation du noyau terrestre, il existe plusieurs scénarios concernant la dynamique, la stabilité

et la fragmentation de la goutte selon sa taille initiale et la viscosité de l’océan de magma.

Dans ce chapitre, nous développons des simulations numériques afin de caractériser la dynamique

d’une goutte métallique liquide initialement sphérique en chute libre dans une phase silicatée fondue

(Figure 4.1). Nous résolvons les équations 2.1, 2.2, et 3.1 sans calculer les échanges thermo-chimiques

qui peuvent se produire entre les deux phases. Nous explorons une large gamme de paramètres appro-

priés, en considérant les rayons de goutte initiaux dans une gamme de [1 − 350] mm résultant de la

87
fragmentation d’un diapir métallique initialement plus grand, et les viscosités de l’océan magmatique

dans une gamme de [0.05 − 100] Pa.s. Cette large gamme de viscosité vise à couvrir toutes les situa-

tions géophysiques pertinentes, en fonction de la pression, de la profondeur, de la température, de la

composition et de l’historique des impacts.

Figure 4.1: Représentation schématique de la séparation métal/silicate lors d’un impact entre un corps
différencié et la Terre primitive avec un schéma de notre domaine de calcul, extrait de Qaddah et al.
[2019].

Au cours de chaque simulation, la goutte accélère depuis une situation initiale au repos jusqu’à

atteindre une vitesse terminale constante, cette dernière pouvant éventuellement être associée à de

petites oscillations. Nous mesurons cette vitesse terminale moyenne V pour chaque cas à partir de Éq.

(3.9). Ensuite, nous calculons le coefficient de traînée, qui mesure le rapport entre la vitesse théorique

de Newton et la vitesse terminale mesurée numériquement, sous la forme :

8 ∆ρ gR
CD = (4.1)
3 ρ2 V 2

Nous trouvons trois régimes de CD selon les valeurs de Re et W e :

• Pour W e << 1 et Re < 100 : la goutte reste sphérique et CD diminue de façon monotone avec

Re. Nos résultats sont en accord avec le modèle analytique de Mei et al. [1994] (Éq. 2.5) pour

tous les rapports de viscosité entre la goutte et la phase silicatée.

• Pour W e > 1 et un grand nombre de Reynolds : la goutte se déforme pendant sa chute, ce qui

entraîne une transition vers une forme ellipsoïdale ou en disque ou une fragmentation de la goutte.

Cette déformation augmente la surface frontale et conduit à une augmentation transitoire de CD

88
 avec Re, selon le rapport de viscosité. Nos résultats numériques concordent de façon satisfaisante

avec le modèle analytique de Loth [2008] (Éq. 2.7), mais vu que les bulles sont plus sensibles à

la déformation que les gouttes de liquide, de petites différences quantitatives existent entre les

deux résultats.

• Pour W e >> 1 et Re >> 1 : CD converge vers une valeur constante ∼ 3.5 ± 0.5, de façon

indépendante du rapport de viscosité. Cette valeur dépasse l’estimation analytique de Darton

and Harrison [1974] et Clift et al. [1978] (Éq. 2.6), mais est en accord avec la valeur ∼ 3.7 ± 1

déterminée expérimentalement par Wacheul and Le Bars [2018].

À partir de nos simulations numériques, nous identifions cinq régimes de fragmentation en fonction

de Re, W e et Rµ . La dynamique de la fragmentation est différente dans chaque régime et peut se

produire à partir du centre de la goutte ou de ses parties externes. Ces modes de fragmentation sont

presque identiques aux mécanismes de fragmentation identifiés par Kékesi et al. [2014], qui sont :

Thick rim shear , Thick rim bag, Rim shear , Jelly Fish shear et Shear breakup, respectivement avec

l’augmentation de W e. De plus, nous trouvons que l’augmentation du rapport de viscosité entraîne

une augmentation du nombre de Weber critique W ec suivant deux lois d’échelle empiriques dépendant

des régimes de fragmentation. Lorsque Rµ < 300, la goutte se fragmente rapidement sous la forme

d’un Thick rim shear suite à seulement une ou deux oscillations au cours d’un court trajet de la

goutte. Dans ce cas, W ec correspond à une loi de faible puissance du rapport de viscosité qui évolue

avec Rµ0.18 . Par ailleurs, lorsque Rµ > 300, la fragmentation de la goutte devient lente et passe de

Thick rim shear à Jelly Fish shear . Dans cette région et au-delà, où le Shear breakup se produit, W ec

dépend plus significativement du rapport de viscosité (avec Rµ0.48 ). Puis, nous constatons que le rayon

maximum stable de la goutte Rmax est en accord avec l’Éq. 2.9 analytique et augmente en fonction

de la viscosité de l’océan magmatique selon une loi de puissance qui évolue avec µ0.32
2 . L’incertitude

typique sur tous les exposants donnés ici et par la suite est de ±0.01.

Le temps et la distance de fragmentation adimensionnés diminuent de manière exponentielle avec

l’augmentation de W e. À un W e donné, une diminution du rapport de viscosité conduit à accélérer le

temps de fragmentation et à diminuer la distance nécessaire à la fragmentation. Pour 80 < W e < 1000,

nos résultats numériques concernant la distance de fragmentation sont en accord avec les observations

expérimentales de Deguen et al. [2014] et Landeau et al. [2014]. Pour W e > 1000, le temps et

la distance de fragmentation convergent vers une valeur unique, signifiant que leur dépendance au

nombre de Weber est faible. En outre, nous observons que la forme initiale de la goutte métallique

(sphérique, allongée ou aplatie) influence fortement sa dynamique subséquente en changeant la forme

finale de sa fragmentation, sa surface d’échange potentielle, et le temps et la distance de fragmentation.

89
Nous déterminons que l’épaisseur de la couche limite dynamique augmente en fonction du rayon de

la goutte et de la viscosité de l’océan magmatique selon une loi de puissance qui varie avec R0.91 et

µ0.06
2 . De plus, nos résultats numériques montrent que la diminution du rapport de viscosité entraîne

une augmentation du taux de déformation de la goutte, ainsi que de la surface d’échange potentielle

entre les deux phases.

Enfin, nous implémentons nos résultats numériques dans un modèle de premier ordre afin d’estimer

l’efficacité de l’équilibre thermochimique potentiel entre les deux phases, en déterminant la surface

d’échange potentielle totale au sein d’un nuage métallique composé de petites gouttelettes résultant de

la fragmentation d’un diapir métallique de 10 km de rayon. Notre modèle dynamique met en évidence

la compétition entre les processus de déformation à l’échelle de la goutte, qui améliorent l’équilibre entre

les deux phases, et le contraste de viscosité qui limite la surface d’échange potentielle en autorisant de

grosses gouttes. En outre, ce modèle dynamique estime que l’équilibre thermochimique potentiel au

sein d’un nuage en cours de fragmentation dépend de la profondeur à laquelle le nuage se fragmente :

dans la partie peu profonde de l’océan magmatique où de grosses gouttes métalliques transitoires sont

susceptibles d’exister, l’équilibre thermochimique est moins efficace que dans la partie la plus profonde

de l’océan magmatique.

Les sections suivantes, en anglais, sont directement extraites de notre article publié dans le journal

Physics of the Earth and Planetary Interiors [Qaddah et al., 2019].

4.2 Physical and numerical model

4.2.1 Governing equations

We consider the sinking dynamics of an initially spherical iron drop, falling in a less dense and more

viscous fluid under the action of gravity. We assume that both the liquid iron drop and the surrounding

molten silicates behave as Newtonian, incompressible, and immiscible fluids with uniform surface

tension, and constant density and viscosity within each fluid. We note here that we do not consider the

thermo-chemical exchanges that may occur between the two phases. This point will be the subject of a

separated study. Hence, the fluid dynamics is governed by the Navier-Stokes equations to characterize:

1. the conservation of mass

∇.u = 0, (4.2)

90
 2. the conservation of momentum

∂u
ρ( + u.∇u) = ∇.[−P I + µ(∇u + (∇u)T )] + ρg + Fst (4.3)
∂t

with u the fluid velocity vector (m/s), ρ the fluid density (kg/m3 ), µ the fluid viscosity (Pa.s), t

the time (s), P the fluid pressure (Pa), g the gravitational acceleration (m/s2 ), Fst the surface

tension force (N/m3 ) and I the identity matrix.

We monitor the interface between the liquid iron drop and the molten silicates using the Level Set

method, an Eulerian and implicit method frequently used in multiphase flow problems [e.g. Luo et al.,

2006]. It consists in defining a level set function φ, equal to 1 in iron and 0 in the surrounding silicates,

and rapidly changing through the interface, whose position is determined by the isocontour φ = 0.5.

The equation governing the transport and reinitialization of φ is :

∂φ ∇φ
+ u.∇φ = γ∇.[∇φ − φ(1 − φ) ] (4.4)
∂t | ∇φ |

with γ (m/s) and  (m) the reinitialization parameters.  determines the thickness of the layer around

the interface, and is typically chosen equal to half the size of the characteristic mesh in the region

explored by the interface. γ determines the amount of reinitialization: a suitable value for γ is the

maximum velocity magnitude experienced in the model.

The density and dynamical viscosity are evaluated using the level set function:

ρ = ρs + (ρd − ρs )φ (4.5)

µ = µs + (µd − µs )φ (4.6)

where subscripts “s” and “d” stand for the molten silicates and the liquid iron drop respectively.

The surface tension force is determined by :

Fst = ∇.T = ∇.(σ[I + (−nnT )]δ) (4.7)

with σ (N/m) the surface tension coefficient, I the identity matrix, n the interface normal unit vector,

and δ the Dirac delta function, nonzero only at the fluid interface. The interface normal unit vector is

91
calculated as

∇φ
n= . (4.8)
| ∇φ |

The level set parameter φ is also used to approximate the delta function by a smooth function [Hu

et al., 2014] defined by

δ = 6 | φ(1 − φ) || ∇φ | . (4.9)

4.2.2 Physical and non-dimensional parameters

According to the Buckingham Π theorem, in our study, there are 6 dimensionless numbers based on

the control parameters (see Figures 4.1 and 4.2). One could for instance choose the two aspect ratios

related to the drop vs. the computational domain sizes, the density ratio, the viscosity ratio, and

then define a priori Weber and Reynolds numbers based on the Newton theoretical velocity [see e.g.

Wacheul et al., 2014]. A complete dynamical study would then necessitate to explore the influence

of those 4 later parameters in a computational box sufficiently large such that boundary conditions

do not influence the dynamics. Here, we are interested in determining the dynamics of metal drops

sinking into a magma ocean: we thus vary only the drop radius and the magma ocean viscosity, which

are the main variables in the geophysical situation of interest, while we keep all the other dimensioned

parameters fixed at their expected geophysical values (see Table 4.1).

In each simulation, starting from rest, the drop accelerates until reaching a constant terminal

velocity, possibly with small oscillations around it. We monitor this mean terminal velocity V for each

case. We end up our simulations when either the drop reaches a stable regime before the bottom of

the domain or the drop fragments. In the later case the axisymmetric approximation is not relevant

anymore. Each run is thus characterised by the 4 dimensionless numbers:

ρs V D
• the Reynolds number compares inertia and viscous effects : Re = µs , with D = 2R the

drop initial diameter (R is the initial radius). The Reynolds number determines the falling

drop dynamical regime : Re < 1 implies a Stokes regime where the viscous effects dominate;

Re = 1 − 500 implies an intermediate regime where both viscous effects and inertial forces are

important; and Re > 500 implies a Newtonian regime where the inertial forces are dominant [see

Samuel, 2012].

ρs V 2 D
• the Weber number measures the relative importance of inertia over surface tension: W e = σ .

It controls and governs the deformation and breakup of the drop [Pilch and Erdman, 1987].

92
Figure 4.2: Global view of our geometry with the initial drop at the top (left), and a zoom illustrating
our manual method for adaptive mesh (right).

Indeed inertia forces aim at deforming and fragmenting the iron drop, while the surface tension

force prevents it from deformation and disruption. When W e  1, the inertia forces dominate

leading to strong deformation and rapid fragmentation [e.g. Wacheul et al., 2014].

• the viscosity ratio is defined as the ratio of the silicates viscosity over the iron drop viscosity:
µs
Rµ = µd . The viscosity of liquid iron weakly depends on pressure and ∼ 5 × 10−3 Pa.s at both

inner core boundary pressure conditions [Poirier, 1988] and at the Earth surface [Assael et al.,

2006]. Oppositely, the magma ocean viscosity varies between 10−4 and 100 Pa.s depending on

the thermal and dynamic conditions [Karki and Stixrude, 2010, Rubie et al., 2003, Samuel, 2012].

In our model, we fix the viscosity of the metallic phase and the viscosity contrast ranges between

10 and 20000.

ρd
• the density ratio compares the iron drop density over the silicates density: Rρ = ρs . The densities

of liquid iron and molten silicates depend on the temperature and pressure conditions [Assael

et al., 2006, de Wijs et al., 1998, Samuel, 2012]. In our models, for simplicity, we fix ρd = 7500

kg.m−3 and ρs = 3500 kg.m−3 . As a consequence, in this study, the density ratio is constant

and equals to 2.14.

93
 After a large collision involving two differentiated protoplanets, the core of the impactor is first

fragmented in large scale iron structures [Kendall and Melosh, 2016]. In the magma ocean, these

structures overcome a second fragmentation resulting in the formation of a cloud of droplets with

typical size ranging between a few millimetres to several centimetres [Deguen et al., 2014, Wacheul

et al., 2014]. In our study, we characterize the dynamics of a droplet in the iron cloud and determine

the influence of the viscosity contrast on this droplet. For that, we vary the initial radius of the drop

from 1 to 350 mm, exploring a large range of expected sizes in the iron rain cloud.

All the parameters used in this paper are listed in Table 4.1.

Table 4.1: Symbol definitions and values of the physical and non-dimensional parameters used in this
study. Reynolds and Weber numbers are defined a posteriori using the relevant terminal velocity,
measured in each run.
Symbol Value or range
Silicates density ρs 3500 kg/m3
Iron drop density ρd 7500 kg/m3
Density ratio Rρ 2.14
Iron drop viscosity µd 0.005 Pa.s
Magma ocean viscosity µs 0.05 - 100 Pa.s
Viscosity ratio Rµ 10 - 20000
Initial drop radius R 1 - 350 mm
Surface tension coefficient σ 1 N/m
Reynolds number Re 0.027 - 85600
Weber number We 0.073 - 7480

4.2.3 Numerical method

In this work, we solve equations (4.2 - 4.4) using the COMSOL Multiphysics software, based on the

finite element method. We study a 2D axisymmetric geometry with no-slip boundary conditions at

the lateral boundary and open boundary conditions at the top and bottom boundaries. To avoid the

wall effects, the computational domain must be large enough. For instance, Bonometti and Magnaudet

[2006] considered a computational domain of 5.5D ×12.6D to avoid contamination of the results. Their

computations are stopped before the bubble arrives too close to the domain boundary. Ohta et al.

[2010] used a computational domain of 4D × 6D, and considered a levitating drop with an entering

inflow at the top boundary equal to its terminal velocity. Samuel [2012] also considered a levitating

drop but with a square computational domain of 5D × 5D, and the inflow velocity is self-adjusting at

the instantaneous velocity of the center of mass of the drop. Here, we have checked the convergence

of our results as a function of the domain size, and we do not see any significant difference once the

domain is larger than 4D and longer than 75D. As sketched in figures 4.1 and 4.2, our computational

94
domain is an axisymmetric cylinder of size (r × z) = (6D × 100D).

The drop dynamics requires a fine mesh to capture all its details while conserving the overall mass

of iron. Especially, the level set method has a tendancy to diffuse numerical artifacts on the interface

and then gives incorrect results. Since our computational domain is very large, we need an adaptive

mesh strongly refined in the drop vicinity, which we have implemented manually. To do so, we divide

our domain in several regions, as shown in figure 4.2. We mesh the region that the drop crosses over

a given time interval with a very fine mesh of size hx = 0.025R, small enough to capture all the

dynamics on the interface without any significant error or numerical diffusion. We mesh the region

behind the drop with a thin mesh hx = 0.07R to correctly capture the physics of the wake, which

also influences the dynamics. The mesh around the drop gradually widens in the radial direction until

reaching hx = 0.2R, from where it remains fixed until the wall. Finally, our mesh in front of the

drop in the vertical direction first increases in an intermediate region to hx = 0.07R, and then keeps

increasing until reaching a very large value hx = 5R. When the drop approaches the bottom of the

finer mesh region, the simulation is stopped, the whole pattern is translated, and the simulation is

restarted on this new grid. We have tested this procedure and found that the dynamics of the falling

drop doesn’t change significantly when using smaller hx (see Appendix). Also the overall iron mass

during the course of each complete computation does not change by more than 0.7%, hence showing

good numerical convergence. This method is relatively inexpensive in term of calculation time, and

allows for a systematic study, with runs taking from 7 hours to one week on a bi-processor, 3.2 − 3.6

GHZ, computer.

4.3 Systematic numerical study

We performed 84 simulations, whose dimensionless parameters are given in Table 4.2. In the following

sections, we discuss our obtained numerical results in terms of drag coefficient, fragmentation modes,

time and distance before breakup, and maximum stable drop radius. A particular attention is paid

to the influence of the viscosity contrast between the metallic and silicate phases. The influence of

the initial drop shape is shortly addressed at the end of this section; everywhere else, we start from a

spherical drop.

4.3.1 Drag coefficient

The drag coefficient is a dimensionless number that quantifies the drag or resistance of the sinking drop

into the magma ocean. It strongly depends on the viscosity ratio, density ratio, and surface tension,

95
Table 4.2: Non-dimensional parameters for all performed simulations used in this study. In all our
simulations, Rρ = 2.14.

Simulation Re We Rµ R(mm)
#1 19.7 0.139 10 1
#2 315 7.09 10 5
#3 372 8.22 10 6
#4 426 9.27 10 7
#5 553 10.9 10 10
#6 1610 37.0 10 25
#7 3280 95.8 10 40
#8 73.9 8.13 50 6
#9 93.0 9.64 50 8
#10 106 11.1 50 9
#11 108 10.4 50 10
#12 202 24.2 50 15
#13 322 37.0 50 25
#14 638 91.0 50 40
#15 1510 290 50 70
#16 14.3 1.82 100 6
#17 35.3 7.43 100 8
#18 44.2 8.74 100 10
#19 51.8 9.58 100 11
#20 66.0 13.5 100 11.5
#21 71.4 15.2 100 12
#22 92.4 20.3 100 15
#23 154 33.9 100 25
#24 314 87.8 100 40
#25 750 287 100 70
#26 11.9 3.35 200 6
#27 19.7 6.90 200 8
#28 25.1 9.02 200 10
#29 30.4 11.0 200 12
#30 36.4 14.6 200 13
#31 38.7 15.3 200 14
#32 42.5 17.2 200 15
#33 76.1 33.1 200 25
#34 146 75.7 200 40
#35 363 268 200 70
#36 637 580 200 100
#37 1.53 1.05 1000 8
#38 2.70 2.61 1000 10
#39 6.49 10.0 1000 15
#40 11.2 22.4 1000 20
#41 15.4 33.9 1000 25
#42 19.7 46.4 1000 30
#43 26.0 68.8 1000 35
#44 28.8 74.3 1000 40
#45 38.5 106 1000 50
#46 52.1 161 1000 60

96
 Simulation Re We Rµ R(mm)
#47 68.6 240 1000 70
#48 122 530 1000 100
#49 0.027 0.073 20000 15
#50 0.127 0.927 20000 25
#51 0.509 9.27 20000 40
#52 0.952 25.9 20000 50
#53 1.22 38.7 20000 55
#54 1.54 56.6 20000 60
#55 2.27 105 20000 70
#56 5.15 379 20000 100
#57 24.4 26.5 500 20
#58 7.56 42.5 2500 30
#59 8.42 49.5 2500 35
#60 9.82 61.2 2500 40
#61 12.3 84.7 2500 45
#62 2670 636 50 100
#63 24100 1380 10 150
#64 37100 2460 10 200
#65 67800 5480 10 300
#66 85600 7480 10 350
#67 4770 1350 50 150
#68 7360 2420 50 200
#69 13400 5380 50 300
#70 16960 7330 50 350
#71 2380 1350 100 150
#72 3660 2400 100 200
#73 6700 5340 100 300
#74 8430 7290 100 350
#75 1180 1330 200 150
#76 1820 2370 200 200
#77 3360 5360 200 300
#78 4221.35 7273.386 200 350
#79 231 1270.5 1000 150
#80 502.25 3603.643 1000 250
#81 667.8 5309.01 1000 300
#82 837.9 7164.045 1000 350
#83 28.35 17.22 300 15
#84 24.57 19.2 400 18

all of which control the interface conditions. In our case where the driving force is buoyancy and the

initial geometry is spherical, we classically define the drag coefficient as

8 (ρd − ρs )gR
CD = , (4.10)
3 ρs V 2

with V the measured terminal velocity. Below, we first rapidly review the different theroretical models

for the drag coefficient, and then compare with our numerical measurements.

97
4.3.1.1 For small Reynolds numbers

Several previous studies focused on the analytical determination of the drag coefficient for spherical

fluid particles [e.g. Clift and Gauvin, 1970, Hadamard, 1911, Mei et al., 1994] and for deformed fluid

particles [e.g. Moore, 1965, Darton and Harrison, 1974, Clift et al., 1978, Loth, 2008]. For spherical

drops, the internal circulation is supposed to prevent forming any wake separation of the external flow.

This in turn helps to prevent any change in shape and keeps the droplet spherical. Hadamard [1911]

proposed an analytical relation at finite but low Reynolds Re  1. An asymptotic solution was derived

by Harper and Moore [1968] for intermediate Reynolds numbers but remains limited to Re < 100 at

finite values of the viscosity ratio. To fill the gap between Harper and Moore [1968] and Hadamard

[1911], an empirical mixed Stokes correction factor resulting from the internal circulation was proposed

by Mei et al. [1994] in the limit Rµ → 0:

16 8 1 3.315
CDRµ →0 = [1 + [ + (1 + √ )]−1 ]. (4.11)
Re Re 2 Re

4.3.1.2 For moderate and large Reynolds numbers

For intermediate but increasing Reynolds numbers (0.1 < Re < 2000), the drop begins to distort,

leading to changes in the wake from an attached laminar wake (spherical drop), to a separated laminar

wake (deformable drop), to an unsteady transitional wake (breakup into droplets) and finally to a

turbulent wake (catastrophic breakup) [Loth, 2008]. The wake actually depends on the interplay

between surface tension and hydrodynamic pressure stresses, hence on W e. Davies and Taylor [1950]
8
found a converged value CD = 3 for gas bubbles in a liquid at infinite Reynolds and Weber numbers. In

order to encompass the influence of viscosity and a wide range of small to large Reynolds numbers, an

empirical correlation was proposed by Darton and Harrison [1974] and Clift et al. [1978] for infinitely

large W e:

8 24 2 + 3Rµ
CDW e→∞ = + ( ). (4.12)
3 Re 3 + 3Rµ

To capture the drag in the intermediate range of Re and W e values (of interest here), Loth [2008]

proposed the following expression by combining Eqs.4.11 and 4.12 and adding a functional dependence

(∆(CD )∗ ) on W e, where ∆(CD )∗ increases monotonically with Weber number:

CD = CDW e→0 + ∆(CD )∗ [CDW e→∞ − CDW e→0 ] (4.13)

98
 ∆(CD )∗ = tanh(0.021W e1.6 ). (4.14)

Here CDW e→0 is given by Eq.4.11, the imposed spherical shape being related to an infinite surface

tension, hence to W e → 0. Experimentally, several investigations partly tackled the relevant limit of a

metal drop in a more viscous environment, including: the fragmentation of liquid mercury drops sinking

within water reported by Patel [1978], Patel and Theofanous [1981], who found a drag coefficient equal

to 2.5 − 3; the fragmentation of gallium drops in water by Kim et al. [1983], who found that the drag

coefficient depends on the Reynolds number; and the analog model of Wacheul and Le Bars [2018],

who reported a convergence value of the drag coefficient at large Reynolds equal to 3.7 ± 1.

4.3.1.3 Results and discussion

We have monitored the velocity V of the sinking metallic drop in our simulations and obtained the

corresponding values for CD from Eq.4.10. Figure 4.3 presents our measured CD as a function of the

Reynolds number for various viscosity ratios, and the comparison of our results with the analytical

solutions of Mei et al. [1994] (Eq. 4.11) and Loth [2008] (Eq. 4.13) . For W e < 1 and low Reynolds

numbers (up to Re = 20 depending on Rµ ), the droplet remains spherical and our results agree with

the analytical model proposed by Mei et al. [1994]: CD is inversely proportional to Re and barely

depends on the viscosity ratio. When flow separation occurs (i.e. when the Weber number exceeds

unity), this expression is not valid anymore because the drop deforms: it takes the shape of an ellipsoid,

a disc or a cup. This deformation increases the frontal area and leads to a transient increase of CD

with Re, depending on Rµ . Qualitative agreement between our simulations and Eq.4.13 is satisfactory,

but small quantitative differences exist. This is not surprising, since the empirical formula Eq.4.13 was

calibrated on gas bubbles rising in a liquid, which are more sensitive to deformation than the liquid

drops studied here. But no equivalent to Eq.4.13 is yet available for liquid-liquid systems, and one

has thus to rely on numerical results. Finally, for large Re, CD converges towards a constant value

3.5 ± 0.5, independtly of Rµ . This value is above the analytical estimate of 8/3, but is compatible with

the results of Wacheul and Le Bars [2018] who found a mean value of CD equal to 3.7 ± 1.

4.3.2 Fragmentation modes

The breakup mechanism is very sensitive to the Weber number, as well as to the viscosity ratio be-

tween the metal and the silicates. Two main fragmentation modes have been documented in previous

experimental and numerical studies, namely the "bag breakup" just above the critical Weber number,

and the "shear breakup" at large Weber number (see the limit cases in Fig. 4.4) [Krzeczkowski, 1980,

99
Figure 4.3: Drag coefficient as a function of the Reynolds number for various values of the silicates
viscosity. Filled symbols are the analytical results given by Eq.4.13, while empty symbols show our
numerical results from the first 62 simulations in table 4.2. Filled black symbols show numerical results
for an undeformable sphere Rµ = 0, and black stars are the analytical results from Eq. 4.11.

Pilch and Erdman, 1987, Dai and Faeth, 2001]. Several authors have tackled the description of the

different breakup mechanisms in the intermediate range of Weber number, leading to a complex situ-

ation. Examples include Krzeczkowski [1980], who developed series of experiments for liquid droplets

of water, methanol, ethanol, butanol and glycerine in an external air stream, and documented two

breakup modes independent of the viscosity ratio: the "bag-jet" and the "transition" modes. Pilch

and Erdman [1987] introduced two breakup modes for a single liquid drop within an external gas flow:

the "bag-stamen" mode and the "sheet stripping" mode. Dai and Faeth [2001] used droplets of water

and ethanol and defined a "bag-plume" mode, close to the "bag-jet" and "bag-stamen", and a "plume-

shear" mode, close to the "shear breakup". Cao et al. [2007] pursued this experimental investigation

and presented a new "dual-bag" breakup mode for W e = 28 − 41. Recently, 3D numerical simulations

of liquid droplets levitating in a gas flow with a uniform velocity have been performed by Kékesi et al.

[2014], changing the viscosity and density ratios for a fixed Weber number value (W e = 20). They

identified 5 breakup regimes, as shown in Fig. 4.4: "thick rim shear" and "thick rim bag" (both close

to "bag breakup"), "rim shear", "jellyfish shear", and "shear" breakup respectively. In our study, we

100
use their classification.

Figure 4.4: Regime diagram of the fragmentation modes as a function of Re and W e numbers for
various viscosity ratios: Rµ = 10 (blue dotted line), Rµ = 50 (green dotted line), Rµ = 100 (black
dotted line), Rµ = 200 (orange dotted line), Rµ = 1000 (red dotted line), and Rµ = 2500 (turquoise
dotted line). Our numerical results come from the first 62 simulations in table 4.2.

For each mode of fragmentation, we describe below the temporal evolution of a typical spherical

drop starting from rest at t = 0, until its breakup at t = tbk .

• Thick rim shear (Fig. 4.5): the initial sphere rapidly deforms into a spherical cap (t = 0.13s),

then the hydrodynamic pressure force concentrates on the middle of the drop leading to the

formation of a small bag (t = 0.2s). Surface tension then prevents breakup and the drop returns

to form a half-sphere (t = 0.355s), before a second oscillation starts. Then, as the inertial forces

and associated pressure are reinforced, the vertical thickness decreases even more, and a thin

film forms near the symmetry axis, with a thicker rim (t = 0.55s). The rim extends radially

101
 and drains out the liquid film (t = 0.6s), until a hole occurs at the symmetry axis (t = 0.62s).

At this stage, the metal phase actually forms a ring that might persist for a longer time before

fragmentation of Rayleigh-Plateau type, to which we cannot have access with our axisymmetic

simulation. Kékesi et al. [2014] showed in 3D simulations that this last stage is actually rapid,

i.e. a few milliseconds. Note also that thick rim shear seems marginal in the parameter space

explored here, and is replaced rapidly by thick rim bag, except for cases with the smaller viscosity

ratio Rµ = 10 (see Fig. 4.4).

Figure 4.5: Deformation and thick rim shear breakup of an iron drop within a magma ocean. In this
model, Re = 36.4, W e = 14.6, Rµ = 200 (simulation #30 in Table 4.2).

• Thick rim bag (Fig. 4.6): this breakup process is similar to the thick rim shear, until fragmen-

tation. Then, breakup appears almost simultaneously in the center of the drop (t = 0.675s) and

at the connection between the film and the rim, forming satellite droplets (t = 0.68s).

• Rim shear (Fig. 4.7): again the initiation of the breakup is similar to the two processes described

above, with the formation of a spherical cap (t = 0.131s), followed by a bag (t = 0.2s), and

back (t = 0.37s). Then, the drop extends in both radial and vertical directions, forming a sheet

(t = 0.48s and 0.51s) under the action of the strong vorticity in the wake. Finally, surface tension

drains the iron both into the center and into the rim (t = 0.57s), while the sheet connecting the

two thins, and finally breaks (t = 0.59s).

• Jellyfish shear (Fig. 4.8): in this mode, no rim forms. Instead, a thin skirt forms while iron

is mostly localized along the symmetry axis (t = 0.4s and t = 0.45s). Oscillations develop

in the thin membrane, whose ends fold in and out. The velocity is concentrated in the wake

of the silicates which accelerates the drop center relative to its membranes, leading to a rapid

102
Figure 4.6: Deformation and thick rim bag breakup of an iron drop within a magma ocean. In this
model, Re = 42.5, W e = 17.2, Rµ = 200 (simulation #32 in Table 4.2).

Figure 4.7: Deformation and rim shear breakup of an iron drop within a magma ocean. In this model,
Re = 92.4, W e = 20.3, Rµ = 100 (simulation #22 in Table 4.2).

fragmentation in the connecting region (t = 0.51s).

• Shear breakup (Fig. 4.9): the drop shape deforms first into a spherical cap (t = 0.24s) and

second into a skirt. Then, the rim does not thicken, but folds inside and turns around itself

through the action of vorticity, leading to its thinning (t = 0.4s). Rapidly, this thin sheet breaks

into small droplets (t = 0.42s). No oscillations are observed here, and the rapid fragmentation

is mainly due to the vorticity in the wake behind the drop that is two to three times larger than

the vorticity in the drop.

The deformation of the droplet depends on the viscosity of the external flow, the density ratio, the

surface tension and the drop size. When Re and W e are both small, the drop remains spherical without

any deformation, due to the internal circulation within the drop that prevents forming any separated

103
Figure 4.8: Deformation and jellyfish shear breakup of an iron drop within a magma ocean. In this
model, Re = 76.1, W e = 33.1, Rµ = 200 (simulation #33 in Table 4.2).

wake. When the hydrodynamic pressure force increases, a separated laminar wake and an external

circulation behind the drop occur, leading to shape deformation. Increasing the Reynolds number, the

drop first deforms to an ellipsoid, and possibly gives rise to oscillations from oblate to prolate shapes.

For a viscosity ratio less than 100, the drop keeps oscillating until the end of the domain, while for a

viscosity ratio greater than 100, the velocity of the drop exceeds the oscillation velocity, leading to rapid

damping of the initially excited oscillation. Further increasing the Reynolds number, the drop takes

the shape of a spherical cap. And once hydrodynamic pressure overcomes surface tension (i.e. large

enough Weber number), one of the five fragmentation modes occurs, depending also on the viscosity

ratio. From our systematic study for different viscosity ratios, we built up a fragmentation regime

diagram in terms of Reynolds and Weber numbers shown in Fig. 4.4. For a viscosity ratio Rµ = 1000,

we observe only two modes, and drop oscillations are prevented by the high silicates viscosity. On the

contrary for Rµ = 50, we observe the five different modes and strong drop oscillations. One should

also notice that the critical Weber number depends on the viscosity ratio: for Rµ = 10, the breakup

begins at W e ≈ 9 while for Rµ = 1000, it starts at W e ≈ 34. Systematic estimate of the critical Weber

number is shown in Fig. 4.10. We consider in this figure that fragmentation occurs as soon as the first

volume of iron separates from the main drop. The increase in the viscosity ratio leads to an increase

in the critical Weber number following two empirical scaling laws depending on first-breakup regime.

When the viscosity ratio is rather low (i.e. < 300 typically), the drop fragments quickly as a thick rim

104
Figure 4.9: Deformation and shear breakup of an iron drop within a magma ocean. In this model,
Re = 2670, W e = 636, Rµ = 50 (simulation #62 in Table 4.2).

shear after only one or two oscillations along a short drop path. In this case, critical Weber is defined

as a low power law of the viscosity ratio by the following scaling law

W ec = 5.7Rµ0.18 . (4.15)

On the other hand, at a viscosity ratio of ∼ 300, a Jellyfish behaviour takes place, and between

Rµ = 300 and Rµ = 500, the drop first breakup becomes slow and transitions from thick rim shear

to Jellyfish. In this region and above, where shear breakup takes place, the critical Weber number

depends more significantly on the viscosity ratio and is given by the following scalling law

W ec = 1.14Rµ0.48 , (4.16)

1
valid at least in the range Rµ = [300; 2500] explored here.

From our simulation #41, we also report a new fragmentation mode illustrated in Fig. 4.11. This

mode is initially similar to the jellyfish shear breakup except that the membrane fold is so important

that it finally closes at the back, encapsulating the silicates within a bubble of iron (Fig. 4.11, t = 3.7s).

Then, the next oscillation of the membrane tears the glued back which breaks from the center, forming

1 One can also give these Weber’s number scale laws as a function of Reynolds number with two different regimes as

well. For Re < 25, W ec = 172Re−0.59 . For 1000 > Re > 25, W ec = 37.8Re−0.24 .

105
Figure 4.10: Critical Weber number as a function of the viscosity ratio. The blue diamond is the critical
Weber number when the viscosity ratio equal to 1, as obtained by Villermaux and Bossa [2009]. The
red and blue lines represent the scaling laws derived from our data.

one central droplet and two satellites droplets. Note that Wacheul et al. [2014] observed in their

experiments similar bubbles of metal enclosing the viscous ambiant fluid and exhibiting a lower velocity

that pure iron droplets. While being dynamically intriguing, this mode remains very marginal.

4.3.3 Time and distance before breakup

After an impact, large drops deform and fragment at a distance and time that depend on the sinking

dynamics. We define these time and distance as the breakup time tbk and distance dbk . Deguen et al.

[2014] predicted that for large Weber numbers, tbk and dbk reach an asymptotic regime. In this section

we test this prediction. From our models, we determine tbk and dbk as the time and location where

the first droplet or ligament of iron separates from the main drop. We then define the dimensionless

breakup time t∗bk as Pilch and Erdman [1987]:

r
tbk V ρd
t∗bk = (4.17)
D ρs

106
 Figure 4.11: The path of a new fragmentation mode where the iron structure encloses the silicates.

where the break up time is normalized by the characteristic time of drop breakup by Kelvin-Helmholtz

instability. We define the dimensionless breakup distance as:

dbk
d∗bk = . (4.18)
R

Fig. 4.12 shows the variations of t∗bk as a function of the Weber number for various viscosity ratios.

From Fig. 4.12, we see that t∗bk decreases with the increase of W e. We note that, for large W e, t∗bk

converges towards a constant value ranging between 1 and 1.8. This result is consistent with the result

of Pilch and Erdman [1987] who found t∗bk = 1.25 for W e > 350. A dependence on the viscosity ratio

is also present, especially at W e ≤ 80, with a tendency for large Rµ to stabilise the drops.

The non-dimensionalised breakup distance d∗bk is reported in Fig. 4.13. It also shows a dependence

on the viscosity ratio, especially at low W e, and a possible convergence towards an asymptotic value

ranging between 2 and 4 at large W e. For comparison, Deguen et al. [2014] found a breakup distance

equal to 6 − 8 times the drop radius for W e up to 3000 and Rµ = 0.5. Landeau et al. [2014] found

a value equal to 3.5 − 7.5 times the radius for 25 < W e < 1000 and 0.45 < Rµ < 1.25. Hence our

results are in correct agreement with those experimental observations. This is all the more noticeable

that Landeau et al. [2014] observed 3D turbulence in lab experiments at W e > 600, effects that are

missing from our axisymmetric simulations. Note finally that Wacheul and Le Bars [2018] found a

breakup distance (13 ± 2)R for 10 < W e < 50 and 0.4 < Rµ < 700, but their breakup criteria actually

detected a ”significant” and well-advanced breakup, thus implicitly leading to an overestimation of d∗bk

compared to other results. Figure 4.13 illustrates the influence of the viscosity ratio on the breakup

distance. For low W e, d∗bk ranges between 10 and 80 for the whole range of viscosity ratios used in our

study. For large W e, d∗bk ranges between 2 and 4.5. Increasing the viscosity ratio generically increases

the breakup distance and as a consequence, the potential depth of equilibrium between iron drops and

107
Figure 4.12: Non-dimensional break-up time as a function of Weber number for viscosity ratios Rµ
ranging between 10 and 1000.

silicates.

4.3.4 Maximum stable drop radius

After an impact, the impactor’s iron core disrupts into large scale drops [Kendall and Melosh, 2016].

After this first fragmentation, a second fragmentation occurs within the magma ocean resulting in the

formation of a cloud of droplets [Deguen et al., 2014, Wacheul et al., 2014]. At the end of this second

fragmentation, iron droplets reach a maximum stable radius Rmax . Following Wacheul et al. [2014]

and using the Newtonian velocity scale accounting for the drag coefficient (Eq.4.10), Rmax is simply

related to the critical Weber number by

s
3CD σ
Rmax = W ec . (4.19)
16 ∆ρg

Numerical data from Fig. 4.14 show the last drop radius for which deformation may occur but

without fragmentation. According to Fig. 4.14, the maximal stable drop radius increases with the

magma ocean viscosity. From our numerical data, we propose a scaling law to determine the maximum

108
Figure 4.13: Non-dimensional break-up distance d∗bk as a function of the Weber number for viscosity
ratios Rµ ranging between 10 and 1000.

stable radius as a power function of magma ocean viscosity, valid for magma viscosities larger than

∼ 0.1 Pa.s up to 100 Pa.s :

Rmax = 0.014µs0.32 (m). (4.20)

Our results are in agreement with the analytical Eq. 4.19, confirming the self-consistency of our

numerical results. Fig. 4.14 also shows the comparison of our results with the model of Rubie et al.

[2003] and the model of Samuel [2012]. Differences come from different values of CD , where we use our

effective numerical values rather than any theoretical estimation. It should also be noted that Rubie

et al. [2003], Samuel [2012] do not consider the dynamical influence of the viscosity contrast between

metal and silicates in their models.

4.3.5 The influence of initial conditions

After an impact, the impactor’s core is likely fragmented in metallic diapirs with a large range of shapes

(spherical, oblate or prolate) [Kendall and Melosh, 2016]. This deformation process is likely to affect

109
Figure 4.14: Stable drop radius as a function of plausible magma ocean viscosities. The green diamonds
present our numerical results, the red squares correspond to the results of Rubie et al. [2003], the black
circles display the results of Samuel [2012], the blue stars correspond the analytical results of the Eq.
4.19 and the black dash line presents the scaling law proposed by this study.

the post-impact sinking dynamics of the metallic phase as we envision in our study by modifying our

initial shape conditions. Bonometti and Magnaudet [2006] found that their final bubble topology and

features vary with the initial shape of the bubble. Without trying to be exhaustive on this subject that

would deserve a dedicated study on its own, we have thus investigated the behavior of a drop at the

critical Weber number for two viscosity ratios (Rµ = 200 and Rµ = 1000), starting from a spherical,

oblate or prolate form with an ellipticity ranging between 0.59 and 0.82, maintaining the total volume

of iron constant. Results for Rµ = 1000 are shown in Fig. 4.15, reporting a significant sensitivity to

initial conditions. For the initial oblate form, the drop does not fragment and converges to a skirt

shape. On the contrary, the initial prolate shape disrupts more rapidly than the spherical case, the

time and distance before breakup being respectively 27.4% and 28.3% smaller than the corresponding

values for the spherical case. The shape is also different, with an increase of the surface in the prolate

case of 10.9% compared to the spherical case. For the other viscosity ratio Rµ = 200, we find that the

fragmentation modes are identical for the three initial conditions, but differences on the order of 10%

exist in the breakup time, distance before breakup, and surface. Among the three initial cases, the

110
spherical initial condition always leads to a less rapid fragmentation and to a smaller surface.

Figure 4.15: The final shape of the iron droplets for different initial conditions. Spherical case (left),
prolate form (middle) and oblate form (right).

4.4 Implications for the metal/silicate exchanges

In the present study, we focus on the dynamics of the two phase flow only, without considering neither

the thermal evolution of the metallic droplet nor chemical exchanges that could occur between the

metallic and silicate phases. Our results nevertheless enable to constrain two fundamental parameters

for thermochemical equilibration, namely the thickness of the boundary layer at the iron / silicates

interface, and the surface of the metallic droplet across which thermochemical exchanges are likely

to occur. Those two points are addressed below. We then propose some first order estimates of the

equilibration of an initially 10 km metallic core sinking and fragmenting within a magma ocean and

compare our results with the classical iron-rain model [Rubie et al., 2003].

4.4.1 Boundary layer thickness

During the sinking of an iron drop, three boundary layers can form at the interface between the

metalic and silicate phases: the dynamical, thermal and chemical boundary layers. The thickness of

each boundary layer may have a strong influence on the thermo-chemical exchanges. In this study, we

focus on the dynamical boundary layer δ. We thus consider a velocity profile along the normal to the

drop interface at the front of the drop, as shown in Fig. [4.16]: δ is defined as the distance from the

drop interface to the point where the velocity is equal to 10% the drop terminal velocity. In the case

of a rigid sinking sphere, the thickness of the boundary layer scales as Re−1/2 [Ulvrová et al., 2011].

In our models, the metallic droplet is deformable and three parameters a priori control the flow, hence

111
Figure 4.16: Schematic representation of the geometry used for the determination of the boundary
layer thickness δ at the drop surface: spherical case (top) and deformed drop (bottom).

δ: Rµ , Re and W e. Here, we seek a power law for the boundary layer thickness in terms of the two

varied parameters in our study, namely the drop radius and the magma ocean viscosity.

Our numerical results are shown in Fig. 4.17. A good fit is found with the empirical scaling law

δ = 1.442R0.91 µ0.06
s (m). (4.21)

Hence, the boundary layer thickness depends mainly on the drop radius and only slightly on the

magma ocean viscosity. For a standard viscous boundary layer in the vicinity of a solid sphere, one

would expect a scaling ∝ µ0.5

s . This surprisingly low dependence on the ambient viscosity is probably

due to the drop deformation and to the associated internal circulations and wake. It presumably

affects the equilibration. Note however that Eq. 4.21 is valid in the frontal section of the drop,

but the boundary layer size is not constant along the drop surface. Also, the generated wake might

encapsulate silicates that are entrained with the falling iron, as shown in Fig. 4.18 and observed

numerically (Monteux and Arkani-Hamed [2014]) and experimentally (Fleck et al. [2018]), for an even

112
Figure 4.17: Boundary layer thickness as a function of the varied parameters in this study (drop radius
and magma ocean viscosity) for viscosity ratios Rµ ranging between 10 and 1000. Our numerical
results come from the first 62 simulations in Table 4.2).

more viscous surrounding fluid. This also influences equilibration. Clearly, the equilibration process is

complex, global, and deserves a study on its own.

4.4.2 Time evolution of the droplet surface

The exchange surface between two fluids qualifies the surface through which thermo-chemical transfers

occur. As shown in the figures 4.5, 4.6, 4.7, 4.8, 4.9 and 4.11, the spherical drop deforms and oscillates

during its sinking. This leads to variations in the potential exchange surface between the liquid iron

and the molten silicates.

We monitored the surface S of each drop from its initial position until reaching a stationary regime

or until breakup. We normalized S by the corresponding spherical surface (S ∗ = S/(4πR2 )). Fig. 4.19

shows the evolution of S ∗ as a function of time for an initial radius R = 10 mm. Fig. 4.19 illustrates the

influence of the viscosity contrast Rµ . For Rµ = 1000, the drop remains spherical and its normalised

surface is constant (S ∗ = 1). When the magma ocean viscosity decreases, the deformation of the drop

becomes significant and the oscillations of the drop lead to oscillations of its surface. For Rµ = 100,

113
Figure 4.18: The streamlines around a large drop. In this model, Re = 2670, W e = 636, Rµ = 50
(simulation #62 in Table 4.2). The black lines are the streamlines, the red region represents the molten
silicates and the blue region represents the deformable iron drop.

the drop deforms and oscillates several times, but the surface tension is large enough to prevent the

drop from breaking up, and a steady state is reached after 1.5s. For Rµ = 10 and Rµ = 50, the

drop surface oscillations are followed by a fragmentation (at 0.393s and 0.6s respectively). These large

deformation processes significantly increase the droplet surface, which can increase by up to 200%

before the fragmentation. Our results show that the viscosity ratio between the liquid iron and silicate

phases strongly influences the shape of the metallic drops. As a consequence, considering a purely

spherical drop when calculating the transfers across the exchange surface provides only a lower bound

estimate which might be significantly off, especially for Rµ < 100.

4.4.3 Application to a 10 km metal diapir

In the previous sections, we studied the dynamical properties of sinking droplets as a function of the

viscosity ratio between the iron droplet and the magma ocean. We showed that, within an iron cloud,

each droplet is associated to a boundary layer thickness and an exchange surface that both depend on

the droplet size and viscosity ratio. In our numerical models we do not solve the equations governing

the thermo-chemical transfers between the metallic droplets and the magma ocean. However, we

can estimate the efficiency of the potential thermo-chemical equilibration by determining the total

potential exchange surface within a metallic cloud composed of small droplets and resulting from the

fragmentation of a 10 km radius metallic diapir, which is the typical lengthscale of iron fragments

dispersed after a large impact [Kendall and Melosh, 2016]. We consider in these estimations that

the 10km metallic diapir is fragmented in a population of small droplets that compose a larger scale

114
Figure 4.19: Non-dimensional surface exchange as a function of time for viscosity ratios Rµ ranging
between 10 and 1000. Here, we consider a drop of initial radius R = 10 mm. For viscosity ratio = 10
(black line), Re = 553 and W e = 10.9. For viscosity ratio = 50 (red line), Re = 108 and W e = 10.4.
For viscosity ratio = 100 (blue line), Re = 44.2 and W e = 8.74. For viscosity ratio = 200 (purple
line), Re = 25.1 and W e = 9.02. For viscosity ratio = 1000 (green line), Re = 2.70 and W e = 2.61.

metallic cloud sinking through the magma ocean [Deguen et al., 2014].

To characterize the size of the droplets within the cloud, we used the analytical law for the distri-

bution of droplets sizes obtained from the fragmentation of a large analog diapir with a viscosity ratio

Rµ = 50 derived experimentally by Wacheul et al. [2014]. We assume here that this analytical law is

valid for any system with the same viscosity ratio once it is normalised by the characteristic radius

of the system, i.e. the maximal stable radius Rmax . The number of drops n(R) for a given radius R

resulting from the breakup of a 10 km iron core is then associated to a gamma distribution:

R
n(R) = N Rk−1 e− θ (4.22)

where N is a multiplicative constant determined by volume conservation of iron, k is the shape of

the gamma distribution, and θ is the scale of the gamma distribution normalised by Rmax . Wacheul

et al. [2014] explicitly mentioned that the shape and scale might depend on the viscosity ratio. In

the absence of any further data, we assume constant values with θ = 1.9 and k = 2.2 for viscosity

115
ratios ranging between 10 and 1000. Note that Rmax is nearly constant in the study of Wacheul et al.

[2014] and Eq. 4.22 is obtained from a snapshot at a given time relatively shortly after the primary

breakup, where transient large radius drops are still present. In our study, we have shown that Rmax

is a function of the magma ocean viscosity (Fig. 4.14). Hence, for each magma ocean viscosity, we use

Rmax from our numerical study (Fig. 4.14) and determine N by volume conservation from a initially

10 km iron diapir radius. We then compute the number of drops of each size, and their relative surface

of exchange normalised by their corresponding spherical surface.

We have shown in our numerical models that shape oscillations might influence the surface of the

drops (Fig. 4.19), especially for the largest radii and smallest viscosity ratio. We consider here three

models of droplet population within the cloud:

1. a non oscillating population of droplets with a constant radius for a fixed viscosity corresponding

to the classical iron rain scenario [Rubie et al., 2003],

2. a non oscillating droplet population derived from our models with variable radii where the

droplets remain spherical,

3. an oscillating population derived from our models with variable radii where the droplets deform.

Fig. 4.20 shows the total dimensionless surface within the fragmenting cloud for the three different

cases. In all cases, the exchange surface decreases when increasing the magma ocean viscosity because

the maximum stable drop radius also increases when increasing the magma ocean viscosity (see Fig.

4.14). In the iron rain scenario, the population is composed of droplets smaller than in the two

cases derived from our models (oscillating and non oscillating) where large drops are allowed in the

distribution. Hence the potential exchange surface is larger (up to 60%) in the iron rain scenario and

the equilibration should be more efficient. For the population composed of oscillating droplets, the

deformation leads to an increase of the surface of the sinking droplets especially for low magma ocean

viscosities where Rmax is smaller than for large magma ocean viscosities. The total exchange surface

in the oscillating case is larger than in the non-oscillating case (by 13 to 43 %) but remains smaller

than in the iron rain scenario (by 7 to 37 %). For large magma ocean viscosity (i.e. large viscosity

contrasts), the droplets do not oscillate and the exchange surface value is close for both oscillating

and non oscillating populations. For low magma ocean viscosities (i.e. small viscosity contrasts), the

deformations are so important in the oscillating population that the total surface is close to the surface

obtained in the iron rain scenario.

It is to be noted that large metallic drops (with R > Rmax ) are allowed in the populations used

to obtain Fig. 4.20. Such large drops are not stable but are likely to exist during the second phase of

116
Figure 4.20: Normalised exchange surface S ∗ as a function of magma ocean viscosity after the breakup
of a 10 km metal diapir. In the sinking droplet population, no cut-off is considered at R = Rmax .

the fragmentation following an impact that occurs in the shallow magma ocean [Wacheul et al., 2014].

Within a deep magma ocean, transient drops with radii R > Rmax will fragment in smaller droplets

and disappear from the populations used in Fig. 4.20. We can thus redo our calculation by imposing a

cut-off at Rmax using the values from our numerical models (Fig. 4.14). Fig. 4.21 illustrates the total

potential exchange surface within a sinking cloud of metallic droplets as a function of the magma ocean

viscosity considering the same initial volume as in Fig. 4.20. Imposing a cut-off at Rmax generates

a population of smaller droplets than in Fig. 4.20. In the oscillating and non oscillating populations

used in Fig. 4.21 many droplets are even smaller than the maximum stable drop radius of the iron rain

model. Hence Fig. 4.21 shows that the total surface of the metallic droplets for both the oscillating and

non oscillating populations is larger than the total surface derived from the iron rain scenario. Still, the

non oscillating model will be less efficient for thermo-chemical equilibrium than the oscillating model

and large magma ocean viscosities (i.e. large viscosity contrasts) significantly reduce (by a factor 10)

the potential exchange surface between the silicate and metallic phases.

Results from Figs. 4.20 and 4.21 both underline the competition between (1) the deformation

processes at the scale of the droplet that enhance the equilibration between the iron and silicate

117
Figure 4.21: Normalised exchange surface S ∗ as a function of magma ocean viscosity after the breakup
of a 10 km metal diapir. In the sinking droplet population, a cut-off is considered at R = Rmax .

phases and (2) the viscosity contrast that limits the potential exchange surface by allowing large

drops. In the shallow part of the magma ocean where large transient metallic drops are likely to exist,

the thermo-chemical equilibration will be less efficient than in the deepest part of the magma ocean.

However, this conclusion needs to be constrained by implementing thermo-chemical transfers in our

dynamical models and using realistic partition coefficients and conductivities that should vary with

pressure and temperature.

4.5 Conclusions and future works

During the late stages of planetary accretion, large impacts between differentiated protoplanets have

strongly influenced the thermo-chemical state of the future terrestrial planets. Following the impact

and the formation of a deep magma ocean, the metallic phase from the impactor has overcome strong

deformation and fragmentation processes before reaching the deepest part of the magma ocean. The

dynamics of this fragmentation probably played a key role on the equilibration efficiency between the

metallic phase from the impactor and the impacted proto-mantle.

118
 We have performed axisymmetric numerical simulations to model the sinking dynamics of an ini-

tially spherical liquid iron drop within a molten silicate phase. We have explored a large range of

relevant parameters, considering initial drop radii in the range of [1 − 350] mm resulting from the

breakup of an initially larger metallic diapir, and magma ocean viscosities in the range [0.05 − 100]

Pa.s. This large range of viscosity is meant to encompass all relevant geophysical situations, depending

on pressure, depth, temperature, composition and impact history.

For large Reynolds numbers, we have showed that the drag coefficient for all viscosity ratios con-

verges towards an unique value on the order of 3.5 ± 0.5. We have found that the maximum stable drop

radius increases as a function of the magma ocean viscosity following a power law that scales with µ0.32
s

. The corresponding critical Weber number increases as a function of the viscosity ratio following two

power laws depending on the breakup regime, that scale with Rµ0.18 and Rµ0.48 for the range of low and

large magma ocean viscosity respectively. We have identified five breakup mechanisms depending on

the Weber and Reynolds numbers and on the viscosity ratio between silicates and iron phases. We have

also shown that the initial shape of the metallic drop (spherical, prolate or oblate) strongly influences

its subsequent dynamics by modifying its final shape before breakup, its potential exchange surface,

and the time and distance before breakup. We have emphasized the effect of the viscosity contrast on

the potential exchange surface between the iron phase and the molten surrounding silicates. Indeed,

an increase of the viscosity ratio decreases the potential exchange surface between the iron drop and

the molten silicates while it increases the time and distance before breakup. We have shown that

the dynamical boundary layer thickness increases as a function of the drop radius and the magma

ocean viscosity following power law that scales with R0.91 and µ0.06
s . Finally, we have implemented our

numerical results in a first order model to characterise the ability of an initially 10km metallic diapir

to exchange with its surrounding environment while fragmenting. Our dynamical model predicts that

potential thermo-chemical equilibration within a fragmenting cloud depends on the depth at which the

cloud is fragmenting: thermo-chemical equilibration should be less efficient in the shallowest part of

the magma ocean than in the deepest part.

The next step is now to implement in our models the resolution of the equations governing the

thermo-chemical exchanges between the metallic phase and the magma ocean. The chemical and

thermal diffusion of a sinking undeformable sphere has been extensively studied in the chemical/heat

transfer literature [Levich, 1962b, Clift et al., 1978]. In their numerical models, Ulvrová et al. [2011]

evaluated time scales of chemical equilibration within an undeformable metallic droplet sinking through

a deformable medium. If the exchange dynamics in the case of a sinking sphere is strongly constrained,

the dynamics of thermo-chemical equilibration between a deformable droplet and its environment and

119
the influence of the viscosity contrast between the two phases still deserve extensive studies.

As shown in our study, the depth of the magma ocean could also influence the fragmentation dynam-

ics. As large transient droplets are more likely in the early fragmentation regime, full thermo-chemical

equilibration could be achieved deeper in the magma ocean. The transfer parameters governing the

equilibration rate are also pressure/temperature dependent. The viscosity of the molten silicates [Karki

and Stixrude, 2010], the partition coefficient of lithophile/siredophile elements [Bouhifd and Jephcoat,

2003] and the thermal conductivity of iron [de Koker et al., 2012] are all affected by pressure changes

with depth. An exhaustive study accounting for realistic parameters in the context of a deep magma

ocean will surely help to constrain the thermo-chemical signature at the end of the core-mantle sepa-

ration.

4.6 Appendix: computational resolution and convergence

In order to confirm that our mesh correctly captures the dynamics of the falling drop within the magma

ocean and to determine the quality and limits of our numerical model, we performed systematics tests

on two representative cases.

Figure 4.22: Comparison of different mesh sizes of a strongly oscillating drop (simulation #18 in
Table 4.2). Left: Normalised boundary layer thickness as a function of grid sizes. Right: Normalised
exchange surface as a function of time.

In the first case, we focus on the dynamics of a strongly oscillating drop that does not converge to a

single shape and remains in oscillation (simulation #18 in Table 4.2). This corresponds to a worst case

120
scenario from a numerical point of view. Fig. (4.22 (left)) shows the normalised boundary layer thick-

ness on the drop radius as a function of different grid sizes hx = R/15, R/25, R/33.4, R/40, R/50, R/66.7.

We observe a reasonable convergence of the numerical results from hx = R/40, with changes limited

to 1.4%. To quantify the dynamic difference between hx = R/40 and the finest mesh hx = R/66.7,

we calculate the normalised exchange surface as a function of time in Fig. (4.22 (Right)). We note

that the first two drop oscillations have the same dynamics; then, differences occur. Yet the dynamical

times remain close, and the evolution of the exchange surface is almost the same between the two mesh

sizes, with a relative maximum error ' 3.5%.

In this paper, we are also interested in the fragmentation modes. To confirm that these fragmen-

tation modes don’t depend on the mesh size and don’t come from any numerical artifact, we calculate

an extremely distorted drop which breaks up after a few oscillations in a second test case (simulation

#83 in Table 4.2). Fig. (4.23) shows the final drop shape just after the breakup for the grid sizes

hx = R/40 and hx = R/66.7. This figure confirms that from hx = R/40, the fragmentation mode and

the final drop shape do not change significantly with the grid resolution.

Figure 4.23: Comparison of the final shape of the fragmented drop for two different mesh sizes. (sim-
ulation #83 in Table 4.2).

We finally compare the cost (CPU) for one second of simulation of the first test case with different

mesh sizes in Table 4.3. The finest mesh is 4 times more expensive than hx = R/40. The purpose

of this article being to perform a systematic study to capture the drop dynamics for a large range of

radius and ambient viscosity, we have chosen the mesh size of hx = R/40, which is a good compromise

between simulation costs and global dynamical results. Note finally that these results confirm those

obtained in another case in section 3.4.4.

121
Table 4.3: Comparison the cost of one simulation for three different grid sizes

Grid size (hx ) CP U

R/40 51h15
R/50 121h5
R/66.7 205h

122
Chapitre 5

Évolution thermique d’une goutte de

métal dans un océan magmatique

5.1 Introduction et résumé

Nous avons déterminé dans le chapitre précédent l’influence de la viscosité de l’océan magmatique et

de la taille initiale de la goutte sur la dynamique, la stabilité et les modes de fragmentation d’une

goutte de métal dans un océan de magma, ainsi que la surface d’échange potentielle entre ces deux

phases. Une augmentation de la viscosité de l’océan magmatique empêche les oscillations de la phase

métallique et limite la surface d’échange potentielle. Au contraire, l’augmentation du rayon initial de

la goutte de métal favorise sa déformation et augmente sa surface d’échange relative.

Dans ce chapitre, nous déterminons le rôle de ces paramètres (viscosité de l’océan de magma et

taille initiale de la goutte) sur l’évolution thermique d’une goutte de métal et l’influence d’une viscosité

du magma qui varie en fonction de la température sur la dynamique, la fragmentation et l’évolution

thermique de cette goutte. Nous nous intéressons à tous les scénarios dynamiques de la goutte non

déformable, faiblement déformable et fortement déformable mais non fragmentée. Dans ce but, nous

développons notre modèle numérique afin de répondre aux questions suivants :

• Comment et où se produisent les échanges de chaleur ?

• La déformation/oscillation des gouttes favorise-t-elle les échanges de chaleur ?

• Quelles sont les temps et longueur caractéristiques nécessaires pour atteindre l’équilibre ther-

mique entre les deux phases ?

123
 • Quelle est l’influence d’une viscosité du magma dépendant de la température sur le comportement

dynamique et thermique d’une goutte métallique ?

Nous résolvons les équations 2.1, 2.2, 2.15 et 3.1. Nous faisons varier la viscosité de l’océan de magma

dans la gamme de [0.25 − 20] Pa.s et le rayon de la goutte métallique dans la gamme de [4 − 25] mm.

Nous constatons que les échanges de chaleur entre la goutte et l’océan de magma se localisent

principalement au niveau du front de la goutte. De plus, une augmentation du rapport de viscosité entre

les deux phases augmente le temps nécessaire pour atteindre l’équilibre thermique, essentiellement en

raison de la viscosité ambiante plus élevée qui limite les échanges de chaleur par advection. La viscosité

de l’océan magmatique influence également la vitesse de chute, ce qui entraîne un équilibre thermique

entre les deux phases moins profondément dans l’océan magmatique avec un océan de magma plus

visqueux 1 . D’autre part, une augmentation du rayon initial de la goutte de métal augmente la vitesse

de chute de la goutte ainsi que le temps et la longueur caractéristiques d’équilibre thermique. Le temps

d’équilibre thermique evolue comme P e−0.59 , ce qui signifie une accélération du temps d’équilibre par

rapport au modèle théorique en raison de la déformation de la goutte au grand Peclet. Tandis que la

longueur de l’équilibre thermique varie comme P e0.41 , ce qui indique que l’augmentation du nombre

de Peclet entraîne un équilibre thermique plus rapide mais plus profond dans l’océan magmatique2 .

L’incertitude typique sur tous les exposants donnés dans ce chapitre est de ±0.01.

Puisque la déformation de la goutte intervient depuis la partie arrière de la goutte, la partie frontale

de la goutte reste presque sphérique. Nous constatons que l’épaisseur de la couche limite thermique

localisée dans cette partie frontale correspond au modèle analytique avec P e−0.5 . Néanmoins, avec la

déformation de la goutte, l’épaisseur de la couche limite varie fortement autour de la goutte métallique.

Nous trouvons que l’épaisseur moyenne de la couche limite thermique est au moins trois fois supérieure

à celle de la couche frontale sur la gamme de paramètres explorée, et évolue comme P e−0.6 . En

outre, en raison des effets d’advection et de déformation en plus de l’épaisseur moyenne de la couche

limite autour la goutte, le nombre de Nusselt moyenné sur la surface de la goutte se comporte comme

P e0.63 . De plus, nos résultats numériques du volume de l’océan magmatique chauffé par le passage

de la goutte, montrent un bon accord avec une petite erreur relative avec le bilan énergétique entre la

goutte et l’océan de magma effectué dans l’équation analytique (2.31) proposée dans le chapitre 2.

Ensuite, nous étudions l’influence de la viscosité de l’océan magmatique dépendante de la tem-

pérature sur la dynamique, la stabilité et l’évolution thermique d’une goutte pour deux différences de

température initiale entre les deux phases, 100 K et 1000 K. Nous notons que la viscosité dépendante

de la température influence de manière significative l’évolution dynamique et thermique des gouttes

1 Une fois la goutte stable formée
2 Une fois la goutte stable formée

124
non déformables uniquement (c’est-à-dire les gouttes dans le régime de Stokes). Dans le régime inter-

médiaire, nous n’observons aucun changement dynamique significatif. Au niveau thermique, le temps

et la longueur caractéristiques de l’équilibre diminuent légèrement avec une viscosité dépendante de la

température par rapport au cas d’une viscosité constante de l’océan magmatique. Tandis que, dans

le régime de Stokes, la longueur caractéristique d’équilibre augmente avec une viscosité dépendante

de la température, contrairement au temps caractéristique de l’équilibre. Enfin, nous trouvons que

la viscosité de l’océan de magma dépendant de la température, n’influence que la fragmentation des

gouttes dans les régimes de formation de filaments.

Les sections suivantes, en anglais, sont extraites directement de notre article soumis à la revue

Physical Review Fluids [Qaddah et al., in revision].

All the parameters used in this paper are listed in Table 5.1.

Table 5.1: Symbol definitions and values of the physical and non-dimensional parameters used in this
study.

Symbol Value or range

Magma ocean density ρm 3500 kg/m3
Metal drop density ρd 7500 kg/m3
Metal drop viscosity µd 0.005 Pa.s
Magma ocean viscosity µm 0.25 - 20 Pa.s
Initial drop radius R 4 - 25 mm
Surface tension coefficient σ 1 N/m
Magma ocean heat capacity Cpm 667 J.kg−1 .K−1
Metal heat capacity Cpd 800 J.kg−1 .K−1
Magma ocean conductivity km 10 W.m−1 .K−1
Metal conductivity kd 100 W.m−1 .K−1
Viscosity ratio Rµ 50 - 4000
Density ratio Rρ 2.14
Reynolds number Re 0.05 - 48
Weber number We 0.04 - 5
Peclet number Pe 70 - 850
Nusselt number Nu 1-6

5.2 Numerical model

The details of our 17 runs for this study are listed in Table 5.2. Each run represents 2 to 4 weeks

computation time on a bi-processor, eight-core, 3.2 – 3.6 GHz workstation. The axisymmetric geometry

assumption is validated by Jain et al. [2019] for a Weber number up to 120. For the dynamics, we use

open conditions at the top and bottom boundaries and no-slip conditions at the lateral boundary. For

the temperature, we consider no flux conditions at all boundaries. The computational domain must

125
be large enough to allow for convergence without any wall effects. Here, we chose an axisymmetric

cylinder of size (r × z) = (12R × 200R), which is sufficiently large to reach a statistically steady motion

(see our previous study Qaddah et al. [2019] and section 3.4.1) and to follow equilibration up to a 80%

decrease of the initial temperature anomaly.

Table 5.2: Dimensional and non-dimensional parameters for all performed simulations used in this
study. P eh is the grid Peclet number.

Simulation R(mm) µm (P a.s) Rµ Re We Pe P eh ∆T (K)

#1 8 20 4000 0.05 0.04 70 0.43 100
#2 8 10 2000 0.2 0.15 137.26 0.84 100
#3 8 5 1000 0.76 0.52 254 1.55 100
#3a (T dependent µm ) 8 5 1000 0.81 0.59 271 1.65 100
#3b (T dependent µm ) 8 5 1000 0.98 0.85 327 2 1000
#4 8 1 200 9.5 3.23 635 3.89 100
#5 8 0.5 100 21.8 4.26 728.36 4.46 100
#5a (T dependent µm ) 8 0.5 100 22.4 4.48 747.6 4.57 100
#5b (T dependent µm ) 8 0.5 100 23.52 4.94 785 4.8 1000
#6 8 0.25 50 47.6 5 793.73 4.86 100
#6a (T dependent µm ) 8 0.25 50 47.6 5 793.73 4.86 100
#6b (T dependent µm ) 8 0.25 50 47.6 5 793.73 4.86 1000
#7 4 1 200 2.2 0.34 145.67 0.89 100
#8 6 1 200 5.67 1.53 378.19 2.32 100
#9 10 1 200 12.7 4.61 847.42 5.2 100
#10 25 1 200 45 23.2 3008 18.45 100
#10a (T dependent µm ) 25 1 200 41.13 19.5 2745 16.8 1000

To capture precisely the dynamical and thermal evolution of the drop, a fine mesh is required.

For that, we use an adaptive mesh with a high resolution in the drop vicinity. Mesh convergence has

been checked. In Qaddah et al. [2019], we showed that a mesh size h = 0.025R (or smaller) allows to

capture the falling drop dynamics. Here, we further performed two tests for the resolution of thermal

transfers. In the first one, we compare the numerical and analytical heat transfers by thermal diffusion

from a motionless spherical drop. The analytical solution for the radial temperature profile from the

drop center to a given distance (r) is given by Crank [1975]

r
R+r R−r T0 Dt −(R−r)2 −(R+r)2
T = 0.5T0 [erf √ + erf √ ] − [e 4Dt − e 4Dt ] (5.1)
2 Dt 2 Dt r π

with T the temperature anomaly (T0 its initial value) and D the thermal diffusivity (m2 .s−1 ). Figure

5.1 (Left) shows the excellent agreement of our numerical results.

For the second test, we calculated, for different minimum grid sizes h = 0.05R, 0.035R, 0.025R, 0.015R, 0.01R,

the normalized average drop temperature as a function of normalized time for our reference case #4

in Table 5.2 (see details in next section). Figure 5.1 (Right) shows a reasonable convergence of the

126
numerical results from h = 0.015R, with a relative maximum error ' 3.5%, while the drop mass during

the course of this simulation does not change by more than 0.4% from its initial mass. Therefore, we

confirm that our mesh h = 0.015R captures correctly the thermal evolution of the metal drop.

Figure 5.1: Left: comparison of our numerical results with the analytical results of Crank [1975] for
the radial profile of the normalised temperature anomaly for a non-deformable and immobile drop.
Right: comparison of the time evolution of the normalised mean temperature anomaly determined
with different mesh sizes for a deformable and mobile drop (simulation #4 in Table 5.2).

Vh Dd +Dm
Finally, the grid Peclet number P eh = Dint , with Dint = 2 the mean thermal diffusivity, is

an appropriate parameter in the convection-diffusion equation to determine whether the heat transfer

in the system corresponds to numerical artifacts or not. Where subscripts “d” and “m” stand for the

liquid metal drop and the magma ocean respectively. Mittal and Jain [2012] found very accurate

solutions for grid Peclet number up to 10. As shown in Table 5.2, our runs in this study remain below

this criterion for stability, except for run #10 which we hence do not consider for heat transfer studies

in the following sections.

5.3 Reference case

In this section, we present our reference case, from which, in the next section, we then change the

drop size keeping the viscosity ratio constant, and the magma ocean viscosity keeping the drop size

constant. This reference case corresponds to simulation #4 in Table 5.2: the drop initial radius is 8

mm, the magma ocean viscosity is 1 Pa.s, the metal viscosity is 0.005 Pa.s (viscosity contrast 200),

and the initial temperature difference between the metal drop and the magma ocean is 100 K.

127
 The drop motion from rest and its thermal evolution are shown in Figure 5.2. The spherical drop

accelerates due to gravity and rapidly deforms into a spherical cap. Then, surface tension equilibrates

inertia at the drop interface and prevents any further change in morphology. Higher temperatures are

concentrated at the front of the drop, while the thermal wake behind the drop expands as a function

of time. To characterize this dynamics, we define and compute the following quantities.

Figure 5.2: Dynamical and thermal evolutions of the metal drop as a function of time for simulation
#4 in Table 5.2. The color presents the temperature anomaly normalised by its initial value T ∗ . The
black solid line separates the metallic material from the magma ocean. From left to right, the time
normalised by the thermal diffusion time is t∗ = 0, 0.01, 0.02 and 0.05.

128
5.3.1 Average falling velocity

During its fall, the drop mean velocity varies with time depending on the drop morphology. In our

simulations, we compute it as:

R
v
U (r, z, t)[φ(r, z, t) ≥ 0.5]dv
V (t) = R (5.2)
v
[φ(r, z, t) ≥ 0.5]dv

with U (r, z, t) the local velocity magnitude (m/s), dv = 2πrdrdz accounting for axisymmetric cylin-

drical geometry, and [φ(r, z, t) ≥ 0.5] the boolean operator allowing to only capture the iron drop
q
volume. We normalise V (t) by the free fall Newton velocity UN = ∆ρgR ρm and time by the diffusion
R2 ρm Cpm
time tdif = km . Figure 5.3 shows the result for our reference case. The drop rapidly accelerates

from rest up to t∗ = 0.02, then several small oscillations occur before reaching its asymptotic terminal

fall velocity, which we use to compute the output dimensionless numbers.

Figure 5.3: Normalized average velocity of the metal drop as a function of normalized time for simu-
lation #4 in Table 5.2.

129
5.3.2 Average temperature evolution of the metal drop

As shown in Figure 5.2, the liquid drop thermally exchanges with the liquid magma ocean and loses

its heat as a function of time and depth. We determine the mean average temperature anomaly of the

drop compared to the magma ocean as:

R
v
T (r, z, t)[φ ≥ 0.5]dv
T (t) = R (5.3)
v
[φ ≥ 0.5]dv

We normalize T (t) by its initial value, giving T ∗ (t). Its evolution for the reference case as a function

of time or as a function of depth of its center of mass (normalized by the initial radius R) is shown

in Figure 5.4. After a rapid adjustment of the initial temperature jump at the interface, T ∗ decreases

exponentially towards equilibrium. We determine the best exponential fits according to

T ∗ = e(−t/tc ) and T ∗ = Cz e(−z/lc ) (5.4)

where Cz is a constant (see Figure 5.4 in red color). In geophysical science, the characteristic time

(tc ) and length (lc ) for equilibration are very important parameters [Wacheul and Le Bars, 2018], used

to set the degree of equilibration between iron and silicate of magma ocean in planet building models

[Rubie et al., 2015].

Figure 5.4: Normalized average temperature anomaly of the metal drop as a function of normalized
time (left) and depth (right) for simulation #4 in Table 5.2. The black lines represent our numerical
results and the red dashed lines represent the exponential fits from Eq. 5.4.The correlation coefficient
for the two fits is 0.9999.

130
5.3.3 Volume of heated magma during the drop sinking

The magma ocean temperature increases during the fall of the drop, especially in its wake. It is

important in geophysics to quantify how much of the magma is thermally affected by the formation of

the iron core: this would for instance affect the initial structure and heat budget of the Earth’s mantle.

In our simulations, we calculate the volume of magma ocean affected by thermal exchange as:

Z
Vo= [T > (Tm + TC )][φ ≤ 0.5]dv (5.5)
v

with Tm the initial temperature of the magma ocean (K), TC a chosen temperature anomaly (K) and

[φ ≤ 0.5] the boolean operator allowing to only capture the magma ocean volume. An example of the

captured volume of heated magma ocean is shown in Figure 5.5 (Left). We performed tests with several

TC corresponding to 0.1, 1 and 10 K. Results of the volume normalized by the initial drop volume as

a function of the drop depth are shown in Figure 5.5 (Right). The three curves corresponding to

different equilibrium degrees are parallel, until a depth equals to 50R where TC = 10 K is strongly

affected by thermal diffusion in the magma ocean. The same behavior would of course take place at

longer time/depth for the other TC . In the following, for our parametric study, we compare heated

volumes considering TC = 1 K at three different depths: 10, 20 and 30 R.

Figure 5.5: Left: volume of heated magma ocean (TC = 1 K) once the drop reaches a time t∗ = 0.067
and a depth z = 37R in our simulation #4 in Table 5.2. Right: normalized heated magma volume as
a function of normalized depth for different values of TC .

131
5.3.4 Heat transfer at the drop interface

To evaluate the Nusselt number, we compute the mean temperature anomaly and the mean temperature

gradient at the interface, using respectively

R
T φ(1 − φ)dv
Tint = Rv (5.6)
v
φ(1 − φ)dv

R
∇T φ(1 − φ)dv
vR
∇Tint = (5.7)
v
φ(1 − φ)dv

where φ(1 − φ) allows capturing only the interface region between the two phases. Figure 5.6 shows the

temperature gradient in and around the drop at a given time for our reference simulation. Most heat

transfer between the metal drop and the magma ocean occurs at the drop front side, while the back

half only accounts for about 15% of the total. The existence of a hot thermal wake and the external

recirculation behind the drop that encapsulates and entrains magma with the sinking drop are the

main reasons limiting back thermal exchanges [Fleck et al., 2018, Qaddah et al., 2019].

Figure 5.6: Temperature gradient (K/m) in and around the drop for our reference simulation #4 in
Table 5.2 at time t∗ = 0.055.

A close view of the temperature field and of the thermal boundary layer is shown in Figure 5.7. We

132
define the thermal boundary layer thickness as the distance from the drop interface to a point where

the temperature anomaly reaches 1% of its interfacial value. The boundary layer is very thin at the

drop front section, where most thermal exchanges are carried out. It significantly increases behind the

drop. An example of thickness measurement is shown in Figure 5.7 (Right) at the thinnest position,

i.e. at the front of the drop. In order to give a global estimate around the drop, we also define the

average boundary layer thickness as

Tint
δTav = . (5.8)
∇Tint

Figure 5.7: Left: temperature anomaly (colorscale) and contour of the thermal boundary layer (red
line) around the drop (black line) for our reference simulation #4 in Table 5.2 at time t∗ = 0.067.
Middle: zoom at the drop front. Right: temperature profile of the thermal boundary layer in front of
the drop and determination of the local boundary layer thickness.

5.4 Parametric study and scaling analysis

We now present our systematic exploration of the parameter space, changing the magma ocean viscosity

or the drop initial radius as shown in Table 5.2, from our reference simulation #4. We then analyse

our results in terms of scaling laws. In particular we determine the influence of the Peclet number

on the dimensionless parameters defined in the previous section: the time and length of equilibration,

the normalized thermal boundary layer thickness, the Nusselt number, and the dimensionless magma

ocean volume affected by thermal exchanges.

5.4.1 Time and length of equilibration

As expected from previous studies of drop dynamics, but largely neglected in geophysical applications

[see e.g. discussions in Wacheul et al., 2014, Qaddah et al., 2019], the characteristic time and length

of equilibrium depend on the viscosity contrast between the metal drop and the magma ocean. As

presented in Figure 5.8, increasing the viscosity ratio (actually, the viscosity of the magma ocean

133
since we keep the same iron viscosity) increases the required time for thermal equilibration (Figure

5.8 Left), mostly because a larger ambient viscosity limits advective heat exchanges. The evolution of

the equilibration length is non-monotonic (Figure 5.8 Right), because the magma ocean viscosity also

influences the falling velocity. Globally, with a more viscous ambient fluid, the thermal equilibrium

between the two phases occurs less deeply in the magma ocean once the stable drop is formed, as we

predicted in our previous work [Qaddah et al., 2019].

Figure 5.8: Characteristic time (Left) and length (Right) of equilibration as a function of the viscosity
contrast (see Eq. (5.4)).

The drop size at a given viscosity ratio also influences the thermo-chemical equilibration [see Ulvrová

et al., 2011, for a fixed spherical shape]. Increasing the initial radius of the liquid metal drop decreases

the surface of exchange over volume initial ratio, and increases the drop falling velocity: we thus expect

an increase of both the characteristic time and length, as confirmed in Figure 5.9. In Qaddah et al.

[2019], we predicted that increasing the drop initial radius also leads to surface extension due to drop

distortion, hence to faster equilibration compared to a purely spherical drop: this effect is however

limited, because drop deformation mostly occurs at the back of the drop, while heat exchanges take

place mostly at the front.

Those two series of results can be rationalized by considering dimensionless properties as a function

of the Peclet number. Here, we normalize the equilibrium time by the thermal diffusion time and the

equilibrium length by the initial drop radius. Results are shown in Figure 5.10. The thermal equilibrium

time for a high Peclet, spherical drop theoretically scales as P e−0.5 [see e.g. Lherm and Deguen, 2018].

134
Figure 5.9: Characteristic time (Left) and length (Right) of equilibration as a function of the drop
initial radius (see Eq. (5.4)).

Here we find

t∗c = 2.45P e−0.59 . (5.9)

This acceleration of the equilibration time compared to the theoretical model may be a signature of

the drop deformation at large Peclet. Correspondingly, the length needed to reach the equilibration

increases monotonically with Peclet number following

lc∗ = 2.37P e0.41 , (5.10)

in agreement with a quasi-constant falling velocity, i.e. lc = V × tc . In conclusion, when the flow

advection measured by the Peclet number increases, thermal equilibration occurs faster but deeper in

the magma ocean, which is of importance for Earth’s building models [Rubie et al., 2015].

5.4.2 Heat exchanges

Simply equilibrating large-scale heat advection along the drop surface with heat diffusion through

the thermal boundary layer perpendicular to it, the theoretical size of the thermal boundary layer

normalised by the drop radius classically scales as P e−0.5 : this was verified numerically by Ulvrová

et al. [2011] for a rigid falling sphere. As shown in Figure 5.11 (Left), we also recover this scaling at

135
Figure 5.10: Dimensionless equilibrium time (Left) and length (Right) as a function of the Peclet
number.

the drop front, where most heat exchange occurs: the best fit gives

δT∗ = 2.53P e−0.5 . (5.11)

With the deformable drops considered here however, the boundary layer thickness strongly varies

around the metal drop: we thus compute a characteristic average value δTav from Eq. 5.8, normalised

by the initial radius. Results are shown in Figure 5.11 (Right), with the best fit scaling law

δT∗av = 10.7P e−0.6 . (5.12)

Over the explored range, the average thickness is at least three times larger than the front one. The

larger-than-expected 0.6 exponent might again be a signature of drop distortion at large Peclet number.

Then by definition, the Nusselt number averaged over the drop surface should scale as 1/δT∗av . This

is indeed recovered, as shown in Figure 5.12 with the best fit scaling law

N u = 0.08P e0.63 . (5.13)

Note that N u varies over time in many cases in this study: we consider here its time-mean value.

Comparing this result with the one obtained in the previous section, we also recover that the typical

dimensionless time for equilibration t∗c scales like 1/N u, as expected. This proves the self-consistency

136
Figure 5.11: Dimensionless thickness of the thermal boundary layer at the drop front as a function of
Peclet number (Left). Dimensionless average thickness of the thermal boundary layer around the drop
as a function of Peclet number (Right).

of our measurements.

5.4.3 Volume of heated magma ocean

In the wake of the drop, the magma ocean is thermally affected by its passage. Because of heat

diffusion within the magma ocean, the affected volume widens with time. But on the short times, at a

given depth of the drop z, it can be estimated by simply balancing the heat that has passed through

the drop interface with the heat accumulated in this volume of magma ocean, whose temperature has

increased by a given amount larger or equal to TC . We then predict

Volume of heated magma N u z ∆T0

V o∗ = ∼3 . (5.14)
Initial drop volume P e R TC

with ∆T0 the initial temperature difference between the two phases. Results in Figure 5.13 show a

good agreement with a small relative error for various depths z = 10, 20, 30R and temperature contrast

TC = 1K, using the previously determined scaling for N u. Note that here the falling drop encapsulates

in its wake a small volume of silicate while the reminder of the ambient fluid remains largely motionlesss

or laminar. Our conclusion should be re-evaluated in the presence of global magma motions, coming

e.g. from turbulent convection, depending on the typical excited time- and length-scales. But this is

beyond the scope of the present paper.

137
 Figure 5.12: Nusselt number as a function of Peclet number

5.5 Influence of a temperature dependent viscosity

The magma ocean viscosity increases from the surface to the base of the magma ocean because of the

combined effects of temperature and pressure [Karki and Stixrude, 2010]. Those large-scale variations

are irrelevant in the context of our local study; nevertheless, during the drop fall over the typical

length of ∼ 200R considered here, the temperature of the liquid magma ocean increases because of

heat exchanges with the drop, therefore its viscosity decreases at a given pressure (i.e. depth) following

the equation of Karki and Stixrude [2010] for anhydrous liquid

µT = 0.00033e(6400/(T −1000)) P a.s. (5.15)

Here, we investigate the influence of such a temperature dependent viscosity on the dynamics,

stability and thermal evolution of a drop. For a given initial viscosity ratio, the initial magma ocean

temperature is computed using (5.15), and we then consider an initial temperature difference with the

hot metal drop of ∆T = 100 K or ∆T = 1000 K. We focus on 3 reference cases, only changing the

viscosity ratio (see Table 5.2). Those cases are first presented in the absence of temperature dependent

viscosity:

138
Figure 5.13: Dimensionless heated magma ocean volume as a function of X, and comparison with our
scaling law (5.14). Our numerical results are represented with different symbols for different given
depths.

• The non-deformable drop case (simulation #3 in Table 5.2) is presented in Figure 5.14. Drop’s

shape remains mostly constant. The temperature is close to uniform inside the drop because of

internal recirculation, and progressively decreases in the wake. Most heat transfer takes place in

the front.

• The weakly deformable drop case (simulation #5 in Table 5.2) is presented in Figure 5.15. The

drop quickly deforms towards a spherical cap, associated with a strong release of heat in its

wake. The system then reaches a quasi-steady state, with the most surprising feature being a

more rapid temperature decrease in the drop than in the wake, leading to a positive heat transfer

from the silicate to the iron in the drop’s back. Nevertheless, most heat transfer still takes place

at the front.

• Finally, the strongly deformable drop case (simulation #6 in Table 5.2) is presented in Figure

5.16. Here, the drop shape keeps oscillating over the whole depth because of competing surface

tension and inertial forces. This induces oscillatory temperature changes in the wake, associated

to periodic thermal plumes emitted from the drop sides, and strong inhomogeneous fluxes within

139
Figure 5.14: Thermal evolution of the non-deformable metal drop as a function of normalized time
(Left). From left to right, t∗ =0, 0.0167, 0.033, 0.05 and 0.067. The right figure shows the temperature
gradient (K/m) in and around the spherical drop case. In this model, Re = 0.76, P e = 254 and
Rµ =1000 (simulation #3 in Table 5.2)

the magma ocean. Nevertheless heat transfers between iron and silicate are still largely focused

at the drop’s front, explaining while this case is not associated with any specific signature in the

previous section.

We now re-run those three cases using the previously defined temperature-dependent viscosity.

5.5.1 Drop dynamics

Figure 5.17 shows the normalized average velocity of each drop as a function of the normalized time

for constant magma ocean viscosity in black lines and for temperature dependent viscosity with ∆T =

100 K (∆T = 1000 K) in red (blue) dashed lines. The normalized average velocity for the non-

deformable drop (Figure 5.17 Left) with ∆T = 100 K, increases moderately by about 4.8% compared

to the constant viscosity case, keeping the spherical shape without change in the morphology. For

∆T = 1000 K, the drop deforms from the back side and its velocity strongly increases by about 26%;

concomitantly, the average viscosity around the drop decreases by 93%, explaining this significant

dynamical change. On the contrary, for the weakly deformable drop (Figure 5.17 Middle) and the

strongly deformable drop (Figure 5.17 Right), no significant dynamical change is observed, despite a

large viscosity decrease in the associated thermal boundary layer (by 76% and 92%, respectively, for

140
Figure 5.15: Thermal evolution of the weakly deformable metal drop as a function of normalized time
(Left). From left to right, t∗ =0.015, 0.024, 0.033, 0.047 and 0.06. The right figure shows the temperature
gradient (K/m) in and around the deformable drop. In this model, Re = 21.8, P e = 728.36 and
Rµ =100 (simulation #5 in Table 5.2)

∆T = 1000 K; see also Figure 5.18). This indicates that the drop dynamics is already mostly inviscid

in the absence of temperature-dependent viscosity, as can be guessed from the corresponding values of

the Reynolds number (see caption of Figures 5.15 and 5.16).

5.5.2 Drop fragmentation

In the most extreme previous case (the strongly deformable drop with ∆T = 1000 K), Figure 5.18

indicates that the hot silicate layer surrounding the drop has a viscosity value of the order 0.05 Pa.s:

assuming such a viscosity uniformly in the ambient magma ocean, our previous study [Qaddah et al.,

2019] predicts a rapid fragmentation, which is not observed here. Actually the viscosity constrast

at the interface does not influence the drop stability, because the thermal boundary layer where the

low viscosity is localised is very thin in front of the drop, compared to any relevant dynamical length

141
Figure 5.16: Thermal evolution of the strongly deformable metal drop as a function of normalized time
(Left). From left to right, t∗ =0.02, 0.033, 0.047, 0.06 and 0.077. The right figure shows the temperature
gradient (K/m) in and around the deformable drop case. In this model, Re = 47.6, P e = 793.73 and
Rµ =50 (simulation #6 in Table 5.2)

scale; besides, the wake has no influence on the drop. Temperature dependent viscosity only affects

the drop’s dynamics and fragmentation when flows and temperature change on comparable scales, in

upfront or sides locations.

To further prove this, we performed a simulation with a drop radius of 25 mm and a viscosity

ratio of 200 for constant magma ocean viscosity first, then for ∆T = 1000 K dependent magma ocean

viscosity (simulation #10 in Table 5.2). Figure 5.19 (Left) shows the Jellyfish fragmentation mode

when constant magma ocean viscosity is considered [more details can be found in Qaddah et al., 2019]
q
ρd
. The normalized time (t∗bk = tbk
2R
V ∗ dbk
ρm ) and distance (dbk = R ) of breakup equal to 3.8 and 10.7 re-

spectively. For temperature-dependent viscosity (Figure 5.19 middle), another Jellyfish fragmentation

mode is observed, with time and distance of breakup equal to 2.3 and 5.6 respectively. Actually, here,

the extended jellyfish membranes form filaments, where thermal effects are very important. These

142
Figure 5.17: Comparison of the normalized average velocity field as a function of normalized time to
show the influence of a temperature dependent viscosity for: a non-deformable spherical drop (Left),
a weakly deformable drop (Middle) and a strongly deformable drop (Right). The black lines present
the constant magma ocean viscosity. The red (blue) dashed lines present the temperature dependent
viscosity with ∆T = 100 K (∆T = 1000 K).

membranes sink into a less viscous medium whose thickness is comparable to the membranes thickness

(see Figure 5.19 Right). Thus, the filaments move freely in this zone with low viscous constraints and

finally separate from the drop volume, leading to fragmentation.

Note finally that the local dimensionless numbers, taken at the mean temperature (and associated

viscosity) of the thermal boundary layer, become Re = 1000, W e = 19 and Rµ = 10. From Figures

4, 12 and 13 of our previous study [Qaddah et al., 2019] (Figures 4.4, 4.12 and 4.13), we find consistent

results for the fragmentation mode of the drop, as well as for its time and distance of breakup,

accounting for these dimensionless numbers (To compare with our previous study, Re and W e should

be multiplied in this study by a factor of 2 because in Qaddah et al. [2019], Re and W e are calculated

by the drop diameter).

Hence, temperature dependent magma ocean viscosity influences the drop fragmentation in the fila-

ment forming regimes only. In such regimes, the results in Qaddah et al. [2019] as a function of Re, W e

and Rµ already allow predicting fragmentation mode, breaking time and distance by considering local

values of the dimensionless numbers.

5.5.3 Thermal evolution

In Figure 5.20, we compare the normalized mean iron temperature for each case as a function of

normalized time. For a non-deformable drop (Figure 5.20 Left), the average temperature for ∆T =

100 K (red dashed lines) and ∆T = 1000 K (blue dashed lines) temperature-dependent viscosity

decreases by about 6.1% and 20.8% with respect to the constant viscosity case (black line). As a

143
Figure 5.18: View of the viscosity field (in Pa.s) around the strongly deformable drop when a temper-
ature dependent viscosity is considered.

consequence, it significantly changes the characteristic time and length of equilibration (see Table

5.3). For a weakly deformable drop (Figure 5.20 Middle), the average temperature evolution with

∆T = 1000 K changes only by about 13.6%; no difference is measured for a strongly deformable drop

(Figure 5.20 Right). As for the fall velocity, temperature dependent viscosity influences significantly

the thermal evolution of non-deformable drops only (i.e. the drops in the Stokes regime). Note finally

that in the intermediate regime, the characteristics time and length of equilibration decrease slightly

with a temperature dependent viscosity compared to constant magma ocean viscosity case, whereas

in the Stokes regime, the equilibrium characteristic length increases with a temperature dependent

viscosity, in contrast to the characteristic time of equilibration (see Table 5.3).

As for the volume of heated magma ocean shown in Figure 5.21, no significant change is observed

in the heated volume for all cases with ∆T = 100 K (red dashed lines). The volume of heated

magma ocean increases by about 1.5 to 2 times compared to the constant viscosity case (black line)

for ∆T = 1000 K (blue dashed lines) due to the initial larger temperature difference; but the curves

remain parallel, hence exhibiting no specific dynamical signature.

144
Figure 5.19: Final form at breaking of the drop for a constant viscosity magma ocean (Left) and a
temperature dependent viscosity magma ocean (Middle). On the right, view of the viscosity field (in
Pa.s) around the drop in the later case. In this model, Re = 50, P e = 3330 and Rµ =200 (simulation
#10 in Table 5.2).

Figure 5.20: Comparison of the dimensionless temperature as a function of normalized time for a non-
deformable drop (Left), a weakly deformable drop (Middle) and a strongly deformable drop (Right).
The black lines present the constant magma ocean viscosity. The red (blue) dashed lines present the
temperature dependent viscosity with ∆T = 100 K (∆T = 1000 K).

Table 5.3: The change in characteristics time and length for cases of temperature-dependent viscosity.

Simulation ∆T t∗c lc∗

#3 (constant magma ocean viscosity) 100 0.1 24.25
#3a (T dependent µm ) 100 0.0975 25.6
#3b (T dependent µm ) 1000 0.082 27
#5 (constant magma ocean viscosity) 100 0.05 35.14
#5a (T dependent µm ) 100 0.0496 33.33
#5b (T dependent µm ) 1000 0.045 31.25
#6 (constant magma ocean viscosity) 100 0.045 32
#6a (T dependent µm ) 100 0.044 29.4
#6b (T dependent µm ) 1000 0.042 27.7

145
Figure 5.21: Comparison of normalized heated magma ocean volume as a function of normalized time
for a non-deformable drop (Left), a weakly deformable drop (Middle) and a strongly deformable drop
(Right). The black lines present the constant magma ocean viscosity. The red (blue) dashed lines
present the temperature dependent viscosity with ∆T = 100 K (∆T = 1000 K).

5.6 Conclusions and future work

We have carried out series of numerical simulations to characterize the thermal exchanges between a

falling drop and a viscous ambient fluid, exploring a new parameter range relevant for the geophysical

application of a hot liquid iron drop falling in a magma ocean. We have shown that because of drop

distortions, thermal equilibration properties slightly change from the theoretical predictions based on

diffusive heat exchanges through a laminar thermal boundary layer. We have also tested that account-

ing for a temperature-dependent viscosity in the magma ocean barely influences the obtained results,

except for limited cases like non-deformable, low Reynolds number drops or Jellyfish fragmentation

mode. Our most relevant results for geophysical application are the scaling laws for the normalized

length of equilibration and for the Nusselt number, which both increase monotonically with the Peclet

number as P e0.41 and P e0.63 , respectively.

Future work should now consider (i) the presence of convection in the ambient magma ocean, which

could affect our conclusions providing the associated velocity at the drop scale is at least of similar order

as the falling drop velocity, hence requiring extremely turbulent regimes; and (ii) chemical exchanges

between iron and silicates, which will determine the initial chemical state of the considered planet [see

e.g. Bouhifd and Jephcoat, 2003]. Chemical and thermal constitutive equations being similar, similar

equilibration scaling laws and dynamics are nevertheless expected.

146
Chapitre 6

Conclusion et perspectives

6.1 Conclusion

Le processus de formation du noyau constitue un des phénomènes les plus importants dans la formation

et l’évolution thermo-chimique des planètes telluriques. Au cours des derniers stades de l’accrétion

planétaire, des impacts entre des protoplanètes différenciées ont considérablement influencé les condi-

tions thermo-chimiques des futures planètes telluriques. À la suite de chaque impact et de la formation

d’un océan de magma profond, la phase métallique de l’impacteur a subi de forts processus de défor-

mation et de fragmentation avant d’atteindre la zone la plus profonde de l’océan de magma. Les

mécanismes de cette fragmentation ont probablement contribué de manière significative à l’efficacité

de l’équilibre thermo-chimique entre la phase métallique de l’impacteur et la phase silicatée du proto-

manteau impacté. Le rapport de viscosité entre la phase métallique et la phase silicatée joue un rôle

fondamental sur ces mécanismes de fragmentation de la phase métallique et sur la distribution de la

taille des gouttes résultantes, ainsi que sur la stabilité de ces dernières [Wacheul et al., 2014].

Dans cette thèse, nous avons développé des simulations numériques axisymétriques en utilisant le

logiciel commercial Comsol Multiphysics afin de modéliser la dynamique et l’évolution thermique de la

chute libre d’une goutte de métal liquide initialement sphérique dans une phase silicatée fondue. Ces

modèles ont permis d’explorer une large gamme de paramètres pertinents en géophysique, notamment

les rayons de goutte initiaux compris entre [1 - 350] mm résultants de la fragmentation d’un diapir

métallique initialement plus grand, et les viscosités de l’océan magmatique comprises entre [0.05 - 100]

Pa.s. Cette thèse a permis de caractériser l’influence du rapport de viscosité et de la taille initiale de

la goutte sur la dynamique, la stabilité, les modes de fragmentation, la surface d’échange potentielle

et l’évolution thermique d’une goutte dans un océan magmatique pour des conditions géophysiques

147
réalistes. Les principaux résultats numériques obtenus dans les travaux de cette étude ont été divisés

en deux parties. Le premier volet traite des études dynamiques d’une goutte, incluant la fragmentation

et la stabilité de celle-ci. La seconde partie est consacrée à l’étude des échanges thermiques entre une

goutte et un océan de magma, en particulier l’équilibre thermique entre les deux phases et le rôle d’une

viscosité de magma dépendante de la température sur l’évolution d’une goutte.

Dans les études dynamiques, nous avons montré que l’augmentation du rapport de viscosité pour un

rayon donné, augmente le coefficient de traînée de la goutte, diminue le taux de déformation, empêche

ainsi la possibilité de fragmenter la goutte et diminue la surface d’échange potentielle entre la goutte et

l’océan de magma. Au contraire, pour un rapport de viscosité donné l’augmentation du rayon initial de

la goutte, augmente son taux de déformation, sa surface d’échange potentielle et diminue le temps de

fragmentation, ce qui réduit également la distance de fragmentation. Pour les gouttes non déformables,

le coefficient de traînée diminue en fonction du nombre de Reynolds. Lorsque la déformation de la

goutte survient, la surface de la goutte augmente, ce qui entraîne une augmentation provisoire du

coefficient de traînée en fonction du nombre de Reynolds. Cette augmentation du coefficient de traînée

se poursuit jusqu’à atteindre une valeur seuil de l’ordre de 3.5 ± 0.5, à partir de laquelle le coefficient

de traînée ne dépend plus du nombre de Reynolds ni du rapport de viscosité. De plus, cinq régimes

de fragmentation ont été identifiés dans un diagramme en dépendance des nombres de Reynolds, de

Weber et du contraste de viscosité. Pour des rapports de viscosité inférieurs à 300, il est possible de

classifier ces modes de fragmentation comme suit :

• 4.5 < W e < 10 : régime de Thick rim shear et Thick rim bag.

• 10 < W e < 15 : régime de Rim shear .

• 15 < W e < 25 : régime de Jelly Fish shear .

• 25 < W e : régime de Shear breakup.

Pour des rapports de viscosité inférieurs à 300, les modes de fragmentation sont légèrement dépendants

du rapport de viscosité et fortement liés au nombre de Weber (c’est-à-dire à la taille initiale de la

goutte). De plus, le nombre de Weber critique se développe en suivant une faible puissance du rapport

de viscosité selon Rµ0.18 . Tandis que, le mécanisme de fragmentation est fortement contrôlé par le

rapport de viscosité lorsque ce dernier est supérieur à 300. Dans ce domaine, nous n’avons trouvé

que deux modes de fragmentation qui sont : Jelly Fish shear et Shear breakup. Le nombre de Weber

critique est également gouverné par le contraste de viscosité et évolue suivant Rµ0.48 . Pour Rµ ≥ 2500,

la viscosité du magma limite le mouvement de la goutte ainsi que sa déformation. La fragmentation

ne s’est produite que dans le sillage de la goutte et par conséquent un seul régime de fragmentation

148
a été détecté (Shear breakup). Puisque le nombre de Weber critique est dépendant de la viscosité du

magma, il a également été constaté que le rayon maximum stable de la goutte est fortement dépendant

de la viscosité de l’océan de magma suivant une loi de puissance évoluant selon µ0.32 . Pour un nombre

de Weber donné, nous avons observé que l’augmentation du rapport de viscosité augmente le temps et

la distance nécessaires à la fragmentation de la goutte. Ceux-ci ne sont plus dépendants du nombre de

Weber lorsque ce dernier tend vers l’infini. Nous avons déterminé que la goutte nécessite une distance

égale de 3.5 à 8 fois son rayon initial pour se fragmenter dans la gamme explorée du nombre de Weber

intermédiaire. Ce résultat est en accord avec les résultats expérimentaux de Deguen et al. [2014] et

Landeau et al. [2014]. En outre, nous avons constaté que l’épaisseur de la couche limite dynamique

dépend principalement du rayon de la goutte selon R0.91 et légèrement de la viscosité de l’océan

magmatique selon µ0.06 . De plus, la forme initiale de la goutte de métal influence sa dynamique, son

mode de fragmentation, ainsi que le temps et la distance de fragmentation pour Rµ = 1000. En effet,

pour une goutte de même volume mais initialement allongée, le taux de déformation augmente ce qui

accélère le temps de fragmentation ; à l’inverse, une goutte initialement aplatie est moins déformée

et voit donc la distance nécessaire à sa fragmentation diminuer par rapport à une goutte initialement

sphérique. En revanche, pour Rµ = 200, aucun changement n’est observé dans la forme finale de la

goutte mais des différences de l’ordre de 10% existent dans le temps et la distance de fragmentation.

À la fin de ces études dynamiques, nous avons développé un modèle permettant de passer d’une

goutte métallique à un nuage de gouttelettes métalliques. Le but de ce modèle était d’estimer l’efficacité

de l’équilibre thermo-chimique potentiel d’un nuage métallique composé de petites gouttelettes résul-

tants de la fragmentation d’un diapir métallique avec un rayon initial de 10 km. Nous avons utilisé la loi

analytique dérivée expérimentalement par Wacheul et al. [2014] afin de déterminer la distribution de la

taille des gouttelettes dans chaque zone de viscosité de l’océan de magma. Ensuite, nous avons calculé

à partir de nos résultats numériques la surface d’échange potentielle de chaque goutte métallique dans

le nuage des gouttelettes. Nous avons divisé notre modèle en deux volets. Dans le premier, l’océan

de magma est peu profond et de grosses gouttes peuvent encore dépasser le rayon maximum stable

de la goutte, n’ayant pas encore atteint leur état d’équilibre. Dans cette section, nous avons conclu

que pour atteindre l’équilibre thermochimique, le modèle de pluie de fer de Rubie et al. [2003] est plus

efficace que le modèle de nuage de gouttelettes basé sur nos résultats numériques. Dans la deuxième

partie, nous avons considéré la fragmentation d’un diapir dans un océan de magma profond où toutes

les gouttelettes de notre distribution ne peuvent pas dépasser le rayon maximum stable de la goutte.

Dans cette partie, de nombreuses gouttelettes présentes dans le nuage sont encore plus petites que le

rayon maximum stable de la goutte du modèle de pluie de fer, de sorte que le modèle de nuage de

149
gouttelettes atteint l’équilibre thermochimique plus rapidement que le modèle de pluie de fer. Ainsi,

nos modèles numériques montrent que l’équilibre thermo-chimique est fortement dépendante de l’état

d’avancement du nuage de gouttes, donc de la profondeur de l’océan magmatique.

Dans la deuxième partie de cette thèse consacrée à l’étude de l’équilibre thermique, nous avons mon-

tré qu’avec un fluide ambiant plus visqueux, l’équilibre thermique entre les deux phases se produit moins

profondément dans l’océan magmatique tout en exigeant plus de temps. D’autre part, l’augmentation

du rayon initial de la goutte de métal liquide pour un rapport de viscosité donné, diminue la surface

d’échange par rapport au volume initial, ce qui augmente le temps et la longueur caractéristiques de

l’équilibre thermique. Dans notre étude dynamique, nous avons suggéré que l’augmentation du rayon

initial de la goutte entraîne une extension de la surface due à la déformation de la goutte, donc un

équilibre plus rapide par rapport à une goutte purement sphérique. Nous avons constaté dans l’étude

thermique que cet effet est limité, car la déformation de la goutte se produit surtout à l’arrière de

la goutte, alors que l’échange thermique se produit surtout dans la partie frontale de la goutte. En

normalisant le temps d’équilibre par le temps de diffusion thermique et la longueur d’équilibre par le

rayon de la goutte initiale, nous avons proposé, à partir de nos résultats numériques, deux lois d’échelle

en fonction du nombre de Peclet. Le temps d’équilibre adimensionné diminue avec le nombre de Peclet

suivant P e−0.59 , tandis que la longueur d’équilibre adimensionnée augmente de façon monotone avec le

nombre de Peclet suivant P e0.41 . Ces résultats sont en accord avec une vitesse de chute quasi constante,

c’est-à-dire lc = V × tc . Ainsi, l’augmentation du terme d’advection du flux par rapport au terme de

diffusion augmente la déformation de la goutte et par conséquent l’équilibre thermique survient plus

rapidement mais plus profondément dans l’océan de magma.

Ensuite, nous avons mesuré l’épaisseur de la couche limite thermique dans la partie frontale de la

goutte qui reste quasiment sphérique. Nous avons trouvé que cette épaisseur locale est en accord avec

le modèle analytique d’une goutte sphérique non déformable et évolue suivant P e−0.5 . Cette épaisseur

n’est pas constante tout autour de la goutte et varie selon la déformation de celle-ci. Nous avons calculé

l’épaisseur moyenne de la couche limite thermique entourant la goutte et avons déterminé que cette

épaisseur est environ trois fois supérieure à l’épaisseur frontale et évolue suivant P e−0.6 . Puis, nous

avons montré que le nombre de Nusselt moyenné sur la surface de la goutte correspond à l’inverse de la

valeur de l’épaisseur moyenne de la couche limite thermique ∼ P e0.63 comme prévu par définition. En

outre, nous avons montré que nos résultats numériques concernant le volume de l’océan magmatique

chauffé par le passage de la goutte sont cohérents avec le bilan énergétique entre la goutte et l’océan

de magma effectué dans l’équation analytique 2.31 proposée dans le deuxième chapitre.

Dans la dernière partie de cette thèse, nous avons mis en évidence l’influence d’une viscosité de

150
l’océan de magma dépendante de la température sur la dynamique, la fragmentation et l’évolution

thermique d’une goutte. Nous avons considéré une différence de température initiale entre la goutte de

métal chaud et l’océan de magma de 100 K et de 1000 K. Nous avons testé cet effet sur trois scénarios

dynamiques de goutte différents : non déformable, faiblement déformable et fortement déformable.

Nous avons observé que les évolutions dynamique et thermique sont fortement influencées par une

viscosité dépendante de la température pour la goutte non déformable du régime de Stokes. Pour

∆T = 1000 K, la goutte dans ce régime de Stokes se déforme à l’arrière et sa vitesse augmente

fortement d’environ 26% alors que sa température moyenne diminue d’environ 20% par rapport à

une viscosité du magma constante. Ainsi, les temps et longueur caractéristiques de l’équilibrage sont

significativement affectés. Alors qu’une viscosité du magma dépendant de la température n’influence

pas les dynamiques des gouttes faiblement et fortement déformables. Pour l’évolution thermique, la

température moyenne avec ∆T = 1000 K ne change que d’environ 13% pour la goutte faiblement

déformable ; aucune différence n’a été observée pour la goutte fortement déformable. Enfin, nous

avons déterminé que la viscosité de l’océan de magma, qui dépend de la température, n’influence que

la fragmentation des gouttes dans les régimes de formation de filaments.

6.2 Perspectives

Dans cette thèse, nous avons abordé de nombreuses questions fondamentales concernant les évolutions

dynamiques et thermiques à l’échelle d’une goutte liquide. Les résultats de notre étude sont basés

sur l’hypothèse de la géométrie axisymétrique. Dans la suite de cette thèse, plusieurs questions et

méthodes numériques restent importantes à explorer, notamment :

• Comme les échanges thermiques, les échanges chimiques entre la goutte et un océan de magma

sont très importants en géoscience. Les éléments pertinents en géologie qui distinguent le transfert

chimique du transfert thermique sont la faible diffusivité chimique et le coefficient de partage.

La diffusivité chimique est très faible, ce qui génère de très grands nombres de Peclet et nécessite

un maillage très fin pour éviter la diffusion numérique. Comme nous l’avons expliqué dans

le chapitre 5, nous devons régler le nombre de Peclet de la grille pour qu’il soit inférieur à

10 afin d’éviter la diffusion numérique. Par exemple, notre simulation 9 dans le tableau 5.2

pour une diffusivité chimique égale à 10−7 m2 .s−1 , nécessite un maillage 27 fois plus petit par

rapport à notre maillage dans l’étude thermique d’une goutte pour obtenir une résolution correcte.

D’autre part, le coefficient de partage est le rapport des concentrations chimiques d’un soluté

dans un mélange de deux solvants non miscibles à l’équilibre. Ce coefficient est un paramètre

151
 très important dans l’équilibre chimique qui rend l’interface entre les deux phases non continue

lorsque sa valeur est atteinte. Ce paramètre se définit comme une condition limite à l’interface

métal/silicate, ce qui est absent dans le logiciel Comsol 5.3. Il est plus difficile d’insérer ce

paramètre mathématiquement dans Comsol car il n’y a pas de couplage multiphysique entre les

équations d’écoulement diphasique, de Level Set et de transfert de masse. Nous avons commencé à

étudier cet aspect chimique dans le régime de Stokes et je suis co-auteur d’un article scientifique

qui est actuellement en cours de révision, pour la revue Physics of the Earth and Planetary

Interiors [Clesi et al., in revision]. Ainsi, il me paraît important d’étudier à l’avenir les échanges

chimiques d’une goutte dans un océan de magma dans le régime des flux intermédiaires et de

Newton, en implémentant de faibles diffusivités chimiques, ainsi que des coefficients de partages

en utilisant la simulation numérique directe.

• Tripathi et al. [2015] ont montré qu’une bulle est soumise à un mouvement d’oscillation qui change

sa trajectoire selon les directions latérales. Cependant, la dynamique de la bulle est différente de

celle de la goutte en raison de la vorticité qui tend à se concentrer dans le fluide le plus léger, ce

qui affecte toute la dynamique [Tripathi et al., 2014]. Agrawal et al. [2017] ont montré qu’une

gouttelette de liquide tombant dans l’air ne subit pas d’instabilité de trajectoire même si sa forme

initiale est non sphérique. De plus, les formes des gouttes ont été trouvées identiques dans les cas

2D axisymétriques et 3D dans la gamme intermédiaire des nombres de Weber (jusqu’à W e = 120)

[Jain et al., 2019]. La seule différence constatée dans leur étude était l’écoulement autour de la

goutte. Dans des simulations 3D, Jain et al. [2019] ont montré que le tourbillon formé par la

séparation de l’écoulement dans la zone de sillage de la goutte provoque la formation d’asymétries

qui conduisent à la formation d’une zone de sillage turbulente, ce phénomène étant absent dans

les simulations axisymétriques 2D. D’autre part, Rahmani and Wachs [2014] ont montré que

la trajectoire de chute d’une particule sphérique varie entre verticale, oblique régulière, oblique

oscillante et chaotique en fonction des propriétés dynamiques de son fluide hôte. Comme cette

thèse portait sur l’influence du changement de viscosité du fluide hôte, nous prédisons que ce

paramètre joue un rôle important dans l’instabilité de la trajectoire d’une chute libre de la goutte

lors sa déformation. Je propose donc de passer du cas 2D axisymétrique au cas 3D en utilisant

le code Gerris [Jalaal and Mehravaran, 2012] ou un autre code Open Source qui peut générer

automatiquement un maillage adaptatif.

• L’océan de magma est fondamentalement mobile par la convection turbulente qui s’y déroule

[Solomatov, 2015]. Ce phénomène peut influencer les évolutions dynamiques et thermochimiques

d’une goutte. De nombreuses méthodes existent pour insérer l’écoulement de l’océan de magma

152
 dans les simulations 3D. Je propose d’étudier l’influence de l’écoulement de l’océan magmatique

sur la stabilité des gouttes de métal en augmentant progressivement la complexité du système :

1. En commençant par implémenter des écoulements turbulents uniformes [Kékesi et al., 2014]

et en étudiant les changements de la goutte par rapport à une chute libre.

2. En considérant des écoulements cisaillants [Kékesi et al., 2016] qui modifieront la trajectoire

de chute de la goutte, ainsi que sa dynamique et ses modes de fragmentation.

3. En combinant écoulement turbulent et influence de la rotation sur l’évolution dynamique et

thermochimique de la goutte.

Il est nécessaire d’étudier ces trois types d’écoulement afin de capturer toutes les situations

possibles de convection de l’océan magmatique.

• La distribution de la taille des gouttelettes obtenue à partir de la fragmentation d’un grand diapir

a été dérivée expérimentalement [Wacheul et al., 2014] pour un rapport de viscosité égal à 50.

Cette distribution nous a permis de développer des modèles d’évolution d’une planète en passant

d’une goutte à un nuage de gouttelettes. Cependant, cette distribution reste mal connue pour

d’autres rapports de viscosité. Ainsi, je propose également d’étudier la fragmentation d’un grand

diapir pour différents rapports de viscosité entre les deux phases en utilisant par exemple des

modèles numériques par le code Gerris comme Jalaal and Mehravaran [2012] et de confronter les

résultats à des résultats expérimentaux obtenus en laboratoire.

Ces études numériques se feront avec un très grand coût numérique, et qu’une étude systématique sera

nécessairement un travail de très longue haleine.

153
154
Bibliographie

Y. Abe, E. Ohtani, T. Okuchi, K. Righter, and M. Drake. Water in the Early Earth, pages 413–433.

2000.

C. Agnor and E. Asphaug. Accretion efficiency during planetary collisions. The Astrophysical Journal,

613:L157–L160, 2004.

C. B. Agnor, R. M. Canup, and H.F. Levison. On the character and consequences of large impacts in

the late stage of terrestrial planet formation. Icarus, 142:219–237, 1999.

M. Agrawal, A. R. Premlata, M.K. Tripathi, B. Karri, and K.C. Sahu. Nonspherical liquid droplet

falling in air. Phys. Rev. E, 95:033111, Mar 2017.

F. Albarede, C. Ballhaus, J. Blichert-Toft, C. Lee, B. Marty, F. Moynier, and Q. Yin. Asteroidal

impacts and the origin of terrestrial and lunar volatiles. icarus, 222(1):44–52, Jan 2013.

M. J. Assael, K. Kakosimos, R.M. Banish, J. Brillo, I. Egry, R. Brooks, P.N. Quested, K.C. Mills, A .

Nagashima, Y. Sato, and W.A. Wakeham. Reference data for the density and viscosity of liquid

aluminum and liquid iron. J. Phys. Chem. Ref. Data, 35:285–300, 2006.

C. Baumgarten. Mixture Formation in Internal Combustion Engines. 2006.

M. Beutl, G. Pottlacher, and H. Jäger. Thermophysical properties of liquid iron. International Journal

of Thermophysics, 15(6):1323–1331, Nov 1994.

T. Bonometti and J. Magnaudet. Transition from spherical cap to toroidal bubbles. Phys. Fluids, 18:

052102, 2006.

M. Bouhifd and A. Jephcoat. The effect of pressure on partitioning of ni and co between silicate and

iron-rich metal liquids: a diamond-anvil cell study. Earth Planet. Sci. Lett., 209:245–255, 2003.

R.S. Brodkey. Formation of drops and bubbles. in : The phenomena of fluid motions. Addison-Wesley,

Reading, 1967.

155
A.G.W. Cameron and W.R. Ward. The origin of the moon. Lunar planet. Sci. Conf., 7:120–122, 1976.

R.M. Canup. Simulations of a late lunar-forming impact. Icarus, 168:433–456, 2004.

R.M. Canup and E. Asphaug. Origin of the moon in a giant impact near the end of the earth’s

formation. Nature, 412:708–712, 2001.

X.K. Cao, Z.G. Sun, W.F. Li, H.F. Liu, and Z.H. Yu. A new breakup regime of liquid drops identified

in a continuous and uniform air jet flow. Physics of Fluids, 19:057103, 2007.

J. E. Chambers. Planetary accretion in the inner solar system. Earth Planet. Sci. Lett., 223:241–251,

2004.

J. E. Chambers. Terrestrial planet formation. Seager S (ed.) Exoplanets, pages 297–318, 2010.

J. E. Chambers and G.W. Wetherill. Making the terrestrial planets: N-body integrations of planetary

embryos in three dimensions. Icarus, 136:304–327, 1998.

W.-H. Chou and G.M. Faeth. Temporal properties of secondary drop breakup in the bag breakup

regime. Multiphase Flows, 24(6):889 – 912, 1998. ISSN 0301-9322.

W.-H. Chou, L.-P. Hsiang, and G.M. Faeth. Temporal properties of drop breakup in the shear breakup

regime. Multiphase Flows, 23(4):651 – 669, 1997. ISSN 0301-9322.

V. Clesi, J. Monteux, B. Qaddah, M. Le Bars, J.B. Wacheul, and A.Bouhifd. Dynamics of core-mantle

separation: Influence of metal and silicate viscosity on the chemical equilibrium. Phys. Earth Planet.

Int., in revision.

R. Clift and W. H. Gauvin. The motion of particles in turbulent gas streams. 1:14–28, 1970.

R. Clift, J. R. Grace, and M. E. Weber. Bubbles, drops and particles. Academic Press, New York,

1978.

J. Crank. The mathematics of diffusion, 2nd edition. Clarendon Press, Oxford, 1975.

T. W. Dahl and J. Stevenson. Turbulent mixing of metal and silicate during planet accretion and

interpretation of the hf-w chronometer. Earth Planet. Sci. Lett., 295:177 – 186, 2010.

Z. Dai and G.M. Faeth. Temporal properties of secondary drop breakup in the multimode breakup

regime. Multiphase Flows, 27:217 – 236, 2001.

A. Dalmoro, M.d. Amore, and A.A. Barba. Droplet size prediction in the production of drug delivery

microsystems by ultrasonic atomization. Translational Medicine, 7:6 – 11, 2013.

156
M. Damak, S.R. Mahmoudi, M.N Hyder, and K. Varanasi. Enhanced droplet retention through in-situ

precipitation. art. L37.005, Nov 2016.

R. C. Darton and D. Harrison. The rise of single gas bubbles in liquid fluidized beds. Transactions of

the Institution of Chemical Engineers, 52:301 – 306, 1974.

R. Davies and G. I. Taylor. The mechanics of large bubbles rising through extended liquids and through

liquids in tubes. Proc. R. Soc. London 200, 1950.

N. de Koker, G. Steinle-Neumann, and V. Vlček. Electrical resistivity and thermal conductivity of

liquid fe alloys at high p and t, and heat flux in earth’s core. PNAS, 109:4070–4073, 2012.

P. S de Laplace and N Bowditch. Celestial mechanics. 1966.

G.A. de Wijs, G. Kresse, L.Vocadlo, D. Dobson, D.Alfè, M.J. Gillan, and G.D. Price. The viscosity of

liquid iron at the physical conditions of the earth’s core. Nature, 392:805–807, 1998.

R. Deguen, P. Olson, and P. Cardin. Experiments on turbulent metal-silicate mixing in a magma

ocean. Earth Planet. Sci. Lett., 310:303–313, 2011.

R. Deguen, M. Landeau, and P. Olson. Turbulent metal - silicate mixing, fragmentation, and equili-

bration in magma oceans. Earth Planet. Sci. Lett., 391:274–287, 2014.

M.J. Drake and K. Righter. Determining the composition of the Earth. nature, 416(6876):39–44, Mar

2002.

A. M. Dziewonski and D. L. Anderson. Preliminary reference earth model. Physics of the Earth and

Planetary Interiors, 25(4):297 – 356, 1981.

G.M Faeth, L.-P Hsiang, and P.-K Wu. Structure and breakup properties of sprays. Multiphase Flows,

21:99 – 127, 1995. ISSN 0301-9322. Annual Reviews in Multiphase Flows 1995.

F. M Flasar and F Birch. Energetics of core formation: A correction. journal of geophysical research,

78(26):6101–6103, Oct 1973.

J.R. Fleck, C.L. Rains, D.S. Weeraratne, C.T. Nguyen, D.M. Brand, S.M. Klein, J.M. McGehee,

J.M. Rincon, C. Martinez, and P.L. Olson. Iron diapirs entrain silicates to the core and initiate

thermochemical plumes. Nature Communications, 2018.

A.A. Ganguli and E.Y. Kenig. A cfd-based approach to the interfacial mass transfer at free gas–liquid

interfaces. Chemical Engineering Science, 66(14):3301 – 3308, 2011. ISSN 0009-2509. 10th Interna-

tional Conference on Gas–Liquid and Gas–Liquid–Solid Reactor Engineering.

157
B. E. Gelfand. Droplet breakup phenomena in flows with velocity lag. Prog. Energy Combust. Sci.,

22:201–265, 1996.

H. Genda, R. Brasser, and S.J. Mojzsis. The terrestrial late veneer from core disruption of a lunar-sized

impactor. Earth and Planetary Science Letters, 480:25–32, 2017.

E. Gros. Numerical modelling of two-phase flow with moving boundary fitted meshes. page 128, 2018.

D.R. Guildenbecher, C. Lopez-Rivera, and P.E. Sojka. Secondary atomization. Exp. Fluids, 46:371 –

402, 2009.

J. S. Hadamard. Mouvement permanent lent d’une sphere liquide et visqueuse dans un liquide visqueux.

C. R. Acad. Sci., 152:1735–1738, 1911.

M. Hadj-Achour. Fragmentation de métal liquide dans l’eau. 2017.

M. Hadj-Achour, N. Rimbert, S. Castrillon-Escobar, and M. Gradeck. A study of liquid-liquid

secondary fragmentation with solidification. 13th Triennial International Conference on Liquid

Atomization and Spray Systems, Tainan, Taiwan, page 1–8, 2015.

J. Han and G. Tryggvason. Secondary breakup of axisymmetric liquid drop. Physics of Fluids, 11,

1999.

J. F. Harper and D. W. Moore. The motion of a spherical liquid drop at high reynolds number. Fluid

Mechanics, 32:367–391, 1968.

W. K. Hartmann and D. R. Davis. Satellite-sized planetesimals and lunar origin. Icarus, 24:504–514,

1975.

J. Hinze. Fundamentals of the hydrodynamic mechanism of splitting in dispersion processes. AIChE

J, 1(3):289–295, 1955.

A. M. Hofmeister. Mantle values of thermal conductivity and the geotherm from phonon lifetimes.

SCIENCE, 283, 1999.

L.-P. Hsiang and G.M. Faeth. Near-limit drop deformation and secondary breakup. Multiphase Flows,

18(5):635 – 652, 1992. ISSN 0301-9322.

L.-P. Hsiang and G.M. Faeth. Drop deformation and breakup due to shock wave and steady distur-

bances. Multiphase Flows, 21(4):545 – 560, 1995. ISSN 0301-9322.

J. Hu, R. Jia, K.T. Wan, and X. Xiong. Simulation of droplet impingement on a solid surface by the

level set method. COMSOL Conference in Boston, 2014.

158
S. Hysing, S. Turek, D. Kuzmin, N. Parolini, E. Burman, S. Ganesan, and L. Tobiska. Quantitative

benchmark computations of two-dimensional bubble dynamics. International Journal for Numerical

Methods in Fluids, 60(11):1259–1288, 2009.

H. Ichikawa, S. Labrosse, and K. Kurita. Direct numerical simulation of an iron rain in the magma

ocean. GEOPHYSICAL RESEARCH, 115:B01404, 2010.

H. Ichikawa, T. Tsuchiya, and Y. Tange. The p-v-t equation of state and thermodynamic properties

of liquid iron. Journal of Geophysical Research: Solid Earth, 119:240–252, 2014.

A. Ida, T. Nakamoto, H. Susa, and Y. Nakagawa. A shock heating model for chondrule formation in

a protoplanetary disk. Icarus, 153:430–450, 2001.

M. Ismail. Level-set and phase-field methods : Application to moving interfaces and two-phase fluid

flows. 2007.

S.S Jain, N. Tyagi, R. S. Prakash, R.V Ravikrishna, and G. Tomar. Secondary breakup of drops at

moderate weber numbers: Effect of density ratio and reynolds numbe. Multiphase Flows, 117:25–41,

2019.

M. Jalaal and K. Mehravaran. Fragmentation of falling liquid droplets in bag breakup mode. Multiphase

Flows, 47:115–132, 2012.

C. Jaupart, S. Labrosse, and J.C. Mareschal. Temperatures, heat and energy in the mantle of the

earth, treatise on geophysics. Elsevier, 7:253–303, 2007.

T. J. Jones, C. D. Reynolds, and S. C. Boothroyd. Fluid dynamic induced break-up during volcanic

eruptions. Nature Communications, 10:3828, Aug 2019.

D.D. Joseph, J. Belanger, and G.S. Beavers. Breakup of a liquid drop suddenly exposed to a high-speed

airstream. Multiphase Flows, 25(6):1263 – 1303, 1999. ISSN 0301-9322.

R. Kallenbach, W. Benz, and G.W. Lugmair. From dust to terrestrial planets – introduction. Space

Science Reviews, 92:1–10, 2000.

S. I. Karato and V. Rama Murthy. Core formation and chemical equilibrium in the earth physical

considerations. Phys. Earth Planet. Int., 100:61–79, 1997.

B. B. Karki and L. P. Stixrude. Viscosity of mgsio3 liquid at earthś mantle conditions : Implications

for an early magma ocean. Science, 328:740–742, 2010.

159
K. Keil, D. Stoeffler, S.G Love, and E.R.D. Scott. Constraints on the role of impact heating and

melting in asteroids. Meteoritics and Planetary Science, 32:349–363, 1997.

T. Kékesi, G. Amberg, and L. P. Wittberg. Drop deformation and breakup. Multiphase Flows, 66:

1–10, 2014.

J. D. Kendall and H. Melosh. Differentiated planetesimal impacts in a terrestrial magma ocean: fate

of the iron core. Earth Planet. Sci. Lett., 448:24–33, 2016.

D. Kennedy. Level set methods for two-phase flows with fem. Master’s thesis, Uppsala University,

Department of Information Technology, 2014.

D. S. Kim, M. Burger, G. Frohlich, and H. Unger. Experimental investigation of hydrodynamic

fragmentation of gatliunm drops in water flows. Int. Mtg on Light Water Reactor Severe Accident

Evaluation, Cambridge, Mass, 1983.

T. Kékesi, G. Amberg, and L. Prahl Wittberg. Drop deformation and breakup in flows with shear.

Chemical Engineering Science, 140:319 – 329, 2016. ISSN 0009-2509.

E. Kokubo and H. Genda. Formation of terrestrial planets from protoplanets under a realistic accretion

condition. The Astrophysical Journal Letters, 714:L21–L25, 2010.

E. Kokubo and S. Ida. Orbital evolution of protoplanets embedded in a swarm of planetesimals. Icarus,

114:247–257, 1995.

E. Kokubo and S. Ida. On runaway growth of planetesimals. Icarus, 123:180–191, 1996.

E. Kokubo and S. Ida. Formation of protoplanets from planetesimals in the solar nebula. Icarus, 143:

15–27, 2000.

E. Kokubo and S. Ida. Formation of terrestrial planets from protoplanets. ii. statistics of planetary

spin. The Astrophysical Journal, 671:2082–2090, 2007.

E. Kokubo and S. Ida. Dynamics and accretion of planetesimals. Prog. Theor. Exp. Phys., 01A308:

1–23, 2012.

S Kooij, R Sijs, M Denn, E Villermaux, and D Bonn. What Determines the Drop Size in Sprays?

Physical Review X, 8(3):031019, Jul 2018. doi: 10.1103/PhysRevX.8.031019.

S. A. Krzeczkowski. Measurements of liquid droplet disintegration mechanism. Multiphase Flows, 6:

227–239, 1980.

160
I Kushiro. Viscosity of partial melts in the upper mantle. journal of geophysical research, 91(B9):

9343–9350, Aug 1986.

G. Laibe, J. F. Gonzalez, L. Fouchet, and S.T. Maddison. Sph simulations of grain growth in proto-

planetary disks. Astronomy and Astrophysics, 487:265–270, 2008.

M. Landeau, R. Deguen, and P. Olson. Experiments on the fragmentation of a buoyant liquid volume

in another liquid. Fluid Mechanics, 749:478–518, 2014.

V. Levich. Physicochemical Hydrodynamics, PrenticeHall, Englewood Cliffs, N. J. 1962a.

V. Levich. Physicochemical hydrodynamics. 1962b.

V. Lherm and R. Deguen. Small-scale metal/silicate equilibration during core formation: The influence

of stretching enhanced diffusion on mixing. Journal of Geophysical Research : Solid Earth, 123:

10.496–10.516, 2018.

M. K. Li and H. S. Fogler. Acoustic emulsification. Part 2. Breakup of the large primary oil droplets

in a water medium. Journal of Fluid Mechanics, 88:513–528, Oct 1978.

C. Liebske, B. Schmickler, H. Terasaki, B. T. Poe, A. Suzuki, K. Funakoshi, R. Ando, and D. C.

Rubie. Viscosity of peridotite liquid up to 13 GPa: Implications for magma ocean viscosities [rapid

communication]. Earth and Planetary Science Letters, 240(3-4):589–604, Dec 2005.

E. Loth. Quasi-steady shape and drag of deformable bubbles and drops. Multiphase flows, 34:523–546,

2008.

X-Y. Luo, M-J. Ni, A. Ying, and M. Abdou. Application of the level set method for multi-phase flow

computation in fusion engineering. Fusion Engineering and Design, 81:1521–1526, 2006.

G. D. Martin, S. D. Hoath, and I. M. Hutchings. Inkjet printing - the physics of manipulating liquid

jets and drops. 105:012001, Mar 2008.

W. F. McDonough. Compositional Model for the Earth’s Core. Treatise on Geochemistry, 2:568, Dec

2003.

W.F. McDonough. Compositional model for the earth’s core, treatise on geochemistry. Elsevier, 3:

559–577, 2014.

R. Mei, J. F. Klausner, and C. J. Lawrence. A note on the history force on a spherical bubble at finite

reynolds number. Phys. Fluid, 6:418 – 420, 1994.

161
R.C. Mittal and R.K. Jain. Redefined cubic b-splines collocation method for solving convec-

tion–diffusion equations. Applied Mathematical Modelling, 36:5555 – 5573, 2012.

J. Monteux and J. Arkani-Hamed. Consequences of giant impacts in early Mars: Core merging and

Martian dynamo evolution. J. Geophys. Res. (Planets), 119:480–505, 2014.

J. Monteux, N. Schaeffer, H. Amit, and P. Cardin. Can a sinking metallic diapir generate a dynamo?

Journal of Geophysical Research (Planets), 117(E10):E10005, Oct 2012.

D. W. Moore. The velocity of rise of distorted gas bubbles in a liquid of small viscosity. Fluid

Mechanics, 23:749 – 765, 1965.

S. Mostefaoui, G.W Lugmair, and P. Hoppe. Fe-60: A heat source for planetary differentiation from

a nearby supernova explosion. Astrophysical Journal, 625:271– 277, 2005.

M. Nakajima and D. J. Stevenson. Melting and mixing states of the earth’s mantle after the moon-

forming impact. Earth and Planetary Science Letters, 427:286 – 295, 2015. ISSN 0012-821X.

D. P. O’Brien, A. Morbidelli, and H. F. Levison. Terrestrial planet formation with strong dynamical

friction. icarus, 184:39–58, September 2006.

M. Ohta and M. Sussman. The buoyancy-driven motion of a single skirted bubble or drop rising

through a viscous liquid. Phys. Fluids, 24:112101, 2012.

M. Ohta, S. Yamaguchi, Y. Yoshida, and M. Sussman. The sensitivity of drop motion due to the

density and viscosity ratio. Phys. Fluids, 22:072102, 2010.

M. Ohta, Y. Akama, Y. Yoshida, and M. Sussman. Influence of the viscosity ratio on drop dynamics

and breakup for a drop rising in an immiscible low-viscosity liquid. Fluid Mechanics, 752:383–409,

2014.

E. Olsson and G. Kreiss. A conservative level set method for two phase flow. Journal of Computational

Physics, 210(1):225 – 246, 2005. ISSN 0021-9991.

L. Opfer, I. V. Roisman, J. Venzmer, M. Klostermann, and C. Tropea. Droplet-air collision dynamics:

Evolution of the film thickness. Phys. Rev. E, 89:013023, Jan 2014.

S. Osher and J. A. Sethian. Fronts Propagating with Curvature-Dependent Speed: Algorithms Based

on Hamilton-Jacobi Formulations. Journal of Computational Physics, 79(1):12–49, Nov 1988.

P. D. Patel. Hydrodynamic fragmentation of drops. Ph.D. Dissertation, Purdue Univ.. West Lafayette,

Ind., 1978.

162
P. D. Patel and T. G. Theofanous. Hydrodynamic fragmentation of drops. Fluid Mechanics, 103:

207–223, 1981.

V. H. G. Pérez, M. V. Ramírez, A. C. Ramírez, J. A. R. Serranoa, and J. E. R. Salinasc. Hydrodynamic

Simulation of Gas - Particle Injection Into Molten Lead. Materials Research, 17:838 – 850, 2014.

M. Pilch and C. A. Erdman. Use of breakup time data and velocity history data to predict the

maximum size of stable fragments for acceleration-induced breakup of a liquid drop. Multiphase

Flows, 13:741–757, 1987.

J.P. Poirier. Transport properties of liquid metals and viscosity of the earth’s core. Geophysical

Journal, 92:99–105, 1988.

M. Pozzo, C. Davies, D. Gubbins, and D. alfé. Transport properties for liquid silicon-oxygen-iron

mixtures at earth’s core conditions. PHYSICAL REVIEW, 87:014110, 2013.

T. Preney, J. D. Wheeler, and P. Namy. Adaptive mesh refinement:

Quantitative computation of a rising bubble using comsol multiphysics.

https://www.comsol.com/paper/adaptive-mesh-refinement-quantitative-computation-of-a-rising-bubble-using-comso-6

2018.

B. Qaddah, J. Monteux, V. Clesi, A.Bouhifd, and M. Le Bars. Dynamics and stability of an iron drop

falling in a magma ocean. Phys. Earth Planet. Int., 289:75 – 89, 2019.

B. Qaddah, J. Monteux, and M. Le Bars. Thermal evolution of a metal drop falling in a less dense,

more viscous fluid. Physical Review Fluids, in revision.

M. Rahmani and A. Wachs. Free falling and rising of spherical and angular particles. Physics of Fluids,

26(8):083301, 2014.

M. Rovitto. Electromigration reliability issue in interconnects for three-dimensional integration tech-

nologies. Vienna University of Technology, Vienna, Austria, 2016.

D. C. Rubie, H. J. Melosh, J. E. Reid, C. Liebske, and K. Righter. Mechanisms of metal-silicate

equilibration in the terrestrial magma ocean. Earth and Planet. Sci. Lett., 205:239–255, January

2003.

D.C. Rubie, F. Nimmo, and H.J Melosh. Formation of the earth’s core. Elsevier, pages 51–89, 2007.

D.C. Rubie, F. Nimmo, and H.J Melosh. Formation of the earth’s core, treatise on geophysics –

evolution of the earth, second ed. Elsevier, 9:43–79, 2015.

163
H. Samuel. A re-evaluation of metal diapir breakup and equilibration in terrestrial magma oceans.

Earth Planet. Sci. Lett., 313-314:105–114, 2012.

V Solomatov. Magma oceans and primordial mantle differentiation, treatise on geophysics – evolution

of the earth, second ed. Elsevier, 9:81–104, 2015.

T. M. Squires and S. R. Quake. Microfluidics: Fluid physics at the nanoliter scale. Reviews of Modern

Physics, 77(3):977–1026, Oct 2005.

D. J. Stevenson. Models of the earth’s core. Science, 214(4521):611–619, 1981.

D. J. Stevenson. Origin of the moon–the collision hypothesis. Annu. Rev. Earth Planet. Sci., pages

271–315, 1987.

D. J. Stevenson. fluid dynamics of core formation. Origin of the Earth, pages 231–249, 1990.

A. Suzuki, E. Ohtani, and T. Kato. Density and thermal expansion of a peridotite melt at high

pressure. Physics of the Earth and Planetary Interiors, 107(1-3):53–61, Apr 1998.

A. Tarnogrodzki. Theory of free fall breakup of large drops. International Journal of Mechanical

Sciences, 43:883–893, 2001.

C. W. Thomas and P.D. Asimow. Direct shock compression experiments on premolten forsterite-

and progress toward a consistent high-pressure equationof state for cao-mgo-al2o3-sio2-feo liquids.

JOURNAL OF GEOPHYSICAL RESEARCH: SOLID EARTH, 118:5738–5752, 2013.

W. B. Tonks and H.J. Melosh. Core formation by giant impacts. ICARUS, 100:326–346, 1992.

W. B. Tonks and H.J. Melosh. Magma ocean formation due to giant impacts. Journal of Geophysical

Research, 98:5319–5333, 1993.

M. Touboul, I. S. Puchtel, and R. J. Walker. 182w evidence for long-term preservation of early mantle

differentiation products. Science, 335(6072):1065–1069, 2012.

M. K. Tripathi, K. C. Sahu, and R. Govindarajan. Why a falling drop does not in general behave like

a rising bubble. SCIENTIFIC REPORTS, 2014.

M. K. Tripathi, K. C. Sahu, and R. Govindarajan. Dynamics of an initially spherical bubble rising in

quiescent liquid. Nature communications, 2015.

M. Ulvrová, N. Coltice, Y. Ricard, S. Labrosse, and F. Dubuffet Velìmskỳand M. Šràmek. Compo-

sitional and thermal equilibration of particles, drops, and diapirs in geophysical flows. Geochem.

Geophys. Geosyst, 12, 2011.

164
J.J. Valencia and P.N. Quested. Thermophysical properties. ASM International, Materials Park, 15:

468–481, 2008.

E. Villermaux and B. Bossa. Single - drop fragmentation determines size distribution of rain drops.

Nat. Phys., 5:697–702, 2009.

J. B. Wacheul and M. Le Bars. Experiments on fragmentation and thermo-chemical exchanges during

planetary core formation. Phys. Earth Planet. Int., 276:134 –144, 2018.

J. B. Wacheul, M. LeBars, J. Monteux, and J. M. Aurnou. Laboratory experiments on the breakup of

liquid metal diapirs. Earth Planet. Sci. Lett., 403:236–245, 2014.

K.J. Walsh, A. Morbidelli, S.N. Raymond, D.P. O’Brien, and A.M. Mandell. A low mass for mars

from jupiter’s early gas-driven migration. Nature, 475 (7355):206 –209, 2011.

S. J. Weidenschilling. Formation of planetesimals and accretion of the terrestrial planets. Space Science

Reviews, 92:295–310, 2000.

G.W Wetherill. Formation of the earth, in origin and extinctions. Oxford University Press, New York,

pages 43–81, 1988.

G.W Wetherill and G.R Stewart. Formation of planetary embryos: effects of fragmentation, low relative

velocity, and independent variation of eccentricity and inclination. Icarus, 106:190–209, 1993.

J.M.Y Woo, H. Genda, R. Brasser, and S.J. Mojzsis. Mars in the aftermath of a colossal impact.

Icarus, 333:87 –95, 2019.

B.J. Wood, M.J. Walter, and J. Wade. Accretion of the earth and segregation of its core. Nature, 441:

825 –833, 2006.

T. Yoshino, M.J. Walter, and T. Katsura. Core formation in planetesimals triggered by permeable

flow. Nature, 422:154 –157, 2003.

165