温度和湿度变化条件下室内氡的非线性动力学与可预测性极限

《Journal of Environmental Radioactivity》：Nonlinear dynamics and predictability limits of indoor radon under temperature and humidity variability

　　

• •
  室内氡表现出比温度和湿度更大的非线性复杂度。
• •
  柯尔莫哥洛夫谱揭示了室内氡的广泛多尺度变异性。
• •
  氡表现出约2小时的短可预测时间范围。
• •
  替代检验否定了氡动力学的线性随机起源。
• •
  非线性分析为氡预测和缓解策略提供依据。

引言

氡（²²²Rn）是一种天然放射性惰性气体，由土壤和岩石中的铀衰变系列产生，是全球天然辐射暴露的主要贡献因素（UNSCEAR, 2025）。它通过建筑结构中的不连续处进入建筑物，包括地基裂缝、管道穿墙孔和排水系统，在这些地方可能积聚到具有辐射防护关注水平的浓度，尤其是在通风不良或老旧建筑中。氡是继吸烟之后肺癌的第二大诱因，室内氡仍然是重大的环境健康问题。室内氡浓度受多种建筑特征的影响，包括建筑材料、气密性和通风状况，同时也受温度、相对湿度、大气压和风等环境驱动因素的影响（Nazaroff et al., 1988）。季节性调制进一步塑造了其时间变异性，冬季由于通风减少和气压驱动的土壤气体渗入增强，氲浓度经常升高（Arvela, 2005）。由于氡在室内不发生化学转化，其时间动力学主要反映在不同微气候条件下的释放、传输、扩散和对流流动等物理过程（NCRP, 1988）。室外氲浓度和室内外温差等额外因素也有助于产生多尺度且潜在非线性的动力学行为（Kojima and Abe, 1985）。

大量实证研究已表明，室内氲变异性受环境参数的强烈调制（Espinosa and Gammage, 1998; Marley, 2001; Baeza et al., 2003; Kitto, 2005; Denman et al., 2007; Faheem and Matiullah, 2008; Rahman et al., 2010; Müllerová and Holy, 2010; Rafique et al., 2011, 2012a, 2012b; Matiullah et al., 2012; Kropat et al., 2014; Xie et al., 2015; A?t-Ziane et al., 2019a; Huang et al., 2024; Kashkinbayev et al., 2024）。昼夜循环和气象强迫的影响早已得到公认（Porstend?rfer et al., 1994）。虽然这些研究确立了环境驱动因素的作用，但它们对氲波动的固有动力学结构和可预测性提供的见解有限。

在环境变量中，室内温度和相对湿度始终被确定为关键调节因素。温度主要通过烟囱效应影响氲水平，即热梯度增强富含氲的土壤气体的对流流入（Bruno, 1983; Chung et al., 2020）。在土壤气体渗入有限的条件下，温度升高反而可能通过增强混合和扩散降低室内氲浓度（Akbari et al., 2013）。相对湿度通过改变建筑材料的释放以及影响衰变产物对气溶胶的附着来影响氲行为；实验室研究表明，氲释放随绝对湿度的增加呈非线性增长（Janik et al., 2015）。尽管有了这些机制方面的认识，但在真实室内环境中，温度和湿度对室内氲变异性的联合动力学影响尚未被系统地量化，尤其是将这些变量作为主要驱动因素时（Chung et al., 2020）。

从动力学系统的角度来看，可以利用源自符号动力学的复杂度度量来研究环境时间序列（Kaspar and Schuster, 1987）。在这一框架中，柯尔莫哥洛夫复杂度（KC）量化时间序列符号表示的算法不规则性，而柯尔莫哥洛夫复杂度谱（KCS）将分析扩展到归一化振幅水平（Mihailovi? et al., 2014a）。将KC应用于室内氲测量后，揭示了与微气候变量之间的非线性依赖性，这些依赖性无法通过传统相关性分析来捕捉（Mihailovi? et al., 2014b）。尽管此类方法可以表征结构不规则性，但全面的可预测性评估还需要量化初始条件敏感性的指标。与此同时，室内氲预测模型已从基于物理的公式发展到数据驱动和混合方法（Nikkil? et al., 2020; Gómez-López et al., 2021; Pawade and Charhate, 2024; Liu et al., 2025），包括机器学习技术的近期应用（Elío et al., 2023）。对于所有这些模型，理解氲时间序列的固有复杂度和潜在混沌行为都是必要的，因为高动力学复杂度会限制预测时间范围并限制可实现的可预测性（Pacheco et al., 2022）。

在本框架下，本研究分析了2023年10月10日至11月12日期间（4842个样本）在阿尔及尔核研究中心（CRNA）的一间室内测量的室内氲浓度、温度和相对湿度高分辨率（10分钟间隔）时间序列。通过联合应用柯尔莫哥洛夫复杂度、柯尔莫哥洛夫复杂度谱和最大Lyapunov指数（LLE），本研究建立了一个综合非线性框架，用于表征室内氲动力学的结构复杂度和短期可预测性。具体目标包括：(i) 量化氲与室内微气候变量之间动力学复杂度的差异，以及(ii) 评估其对室内氲行为可预测性的影响。

本文的组织结构如下：第2节介绍数据集、详细说明测量设置，并概述方法论框架和所用指标；第3节展示研究结果；第4节讨论研究结果；第5节总结主要结论。

章节摘要

数据与测量设置

室内氲浓度在约一个月的时间内（2023年10月至11月）在阿尔及尔核研究中心（CRNA）的一间自然通风的底层房间中进行连续测量。该房间由红粘土砖、混凝土、石膏和石灰建造。测量使用AlphaGUARD PQ2000 PRO电离室氲监测仪（Saphymo GmbH，德国）进行，配置为以10分钟间隔记录数据。在氲浓度标准校准点进行了标准校准

结果

图2展示了室内氲浓度、空气温度和相对湿度的KC谱。在归一化之后（图2b），氲明显与微气候变量分离，在整个振幅范围内表现出更广泛的变异性，包括低振幅区域，而温度和相对湿度仅在阈值分别超过约0.34和约0.60时显示出非零KC。在特定振幅处存在部分重叠，但氲具有最宽的非重叠区域。间隙

讨论

KC谱表明，室内氲浓度的归一化振幅阈值范围比温度和相对湿度更宽，在更大的阈值范围内具有非零复杂度。虽然在特定阈值处存在部分重叠，但氲也显示出更宽的不重叠区域和间歇性的"无值"区间，表明所分析时间序列中具有更异质的时间结构。由于KC谱是从有限时间

结论

非线性分析表明，室内氲表现出比温度和相对湿度显著更高的动力学复杂度。其更宽的柯尔莫哥洛夫复杂度谱反映了增强的多尺度结构异质性，而更大的Lyapunov指数则表明了更强的不稳定性以及短可预测时间范围（约2小时）。所估计的约2小时可预测时间尺度表征了所分析的测量期间和室内环境，不应被解释为普遍

局限性

本研究的主要局限性在于其单房间、单月数据集（限制了季节性的普遍性）、将大气压力和外部强迫因素（如地震活动）排除在非线性分析之外、将复杂度指标解释为有限时间的描述性诊断而非渐近物理不变量，以及对氲-微气候KC关系的定性（而非定量）评估。因此，气象变异性的影响无法

资金来源

本研究未获得公共、商业或非营利部门的任何特定拨款。

CRediT作者贡献声明

Dragutin T. Mihailovi?：写作–审阅与编辑，写作–原稿撰写，验证，软件，方法论，调查研究，形式分析，数据管理，概念构思。Mounir A?t-Ziane：写作–审阅与编辑，资源，调查研究。

利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本论文中报告的工作。

致谢

作者声明无致谢内容。

Dragutin T. Mihailovi?|Mounir A?t-Ziane