一种面向多场景核与辐射紧急情况的时空校正放射性污染制图平台

《Journal of Environmental Radioactivity》：A spatiotemporally corrected radiological contamination mapping platform for multi-scenario nuclear and radiological emergencies

　　

•自动化平台利用侦察剂量数据绘制放射性污染图。•经验证的空间重建模块被纳入更广泛的制图平台架构中。•最优插值方法因事故类型和核爆炸落尘情景而异。•各向同性克里金法在强各向异性落尘条件下表现不佳，而各向异性感知方法则不然。•后果图指导隔离区划定和最低剂量路径规划，以保障应急响应人员安全。

引言

放射性事件——包括核爆炸、核电厂事故和放射性恐怖袭击——仍然是全球面临的重大威胁，凸显了快速、可靠地进行辐射测量和污染评估的紧迫需求（国际原子能机构，2013）。2011年福岛第一核电站事故之后，全球范围内开展了大量工作以监测环境辐射并评估放射性污染的时空范围和影响（Hirose和Povinec，2022；Hirose，2020）。然而，从技术和操作层面来看，尚缺乏一个能够基于实际测量数据定量估算污染水平、并在特定时间窗口和局部区域内支持放射性事件及时响应的综合平台。

现有辐射监测系统提供了重要的环境监测和事故后评估能力（De Cort等，2020）。然而，这些系统主要设计用于大范围监测或长期环境监视，不太适合基于特定行动期间采集的移动地面或空中侦察数据快速重建局部污染模式。特别是，局部应急响应需要一个能够整合异构测量数据并在事件时空尺度内生成定量污染等值线的平台——该平台能够在事件初期确定侦察路线以识别危险区域，并随后划定隔离区以支持疏散和任务规划决策。

辐射测量中的一个基本挑战是：除非将测量值校正到共同的物理基准，否则它们无法直接比较。在环境放射性评估中，最核心的操作兴趣量是剂量率，因为它直接决定了暴露、分区和保护措施；因此，它是必须在任何场重建之前被置于共同时空基准上的被测量。空中剂量率测量与地面剂量率不同，因为探测器高度会改变所测量的辐射场（Ji等，2025）。同样，释放或爆炸后不同时间获得的测量数据，如果不考虑放射性衰变，也无法直接合并使用（Glasstone和Dolan，1977）。当侦察数据集同时包含地面和空中测量数据，或测量数据在不可忽略的时间间隔内采集时，这一问题尤为突出。因此，在进行空间重建之前，需要执行涉及高度校正和时间归一化的预处理步骤。

一旦剂量率测量值被校正到共同高度和参考时间，所得数据集即可被视为空间可比的观测值，用于重建局部辐射场。然而，在实际应急响应中，测量数据本质上是离散且空间有限的，因为侦察装备只能在可到达的路线或航线上采样辐射水平。仅凭基于点的测量无法确定污染的空间范围、估算测量点之间未测量的剂量率条件，或划定热区、温区和冷区等操作边界（美国环境保护署，2017）。因此，需要进行空间插值，将校正后的测量点转化为连续的污染面，以支持定量等值线生成和基于面积的决策（Sun等，2022）。这一过程对于局部事件响应尤为重要，因为危险区域的及时识别、路线规划、疏散指导和隔离区划定不仅依赖于单个测量值，更依赖于受影响区域内重建的污染空间模式。

另一个关键挑战是，适当的空间时间处理工作流取决于放射性事件情景的性质。在核电厂事故中，放射性物质通常通过大气扩散过程释放和传输，产生的污染模式随时间推移而演变，其演变遵循特定放射性核素的衰变特征和气象传输条件（Katata等，2015）。在此条件下，基于主导放射性核素物理半衰期的时间归一化，随后进行高度校正和空间插值，可以在测量数据分布在受影响区域的情况下，为重建相对连续的羽流状污染场提供有效基础。相比之下，核爆炸落尘涉及具有快速时间依赖性衰变行为的混合裂变产物、陡峭的空间剂量率梯度和高度污染的近场区域，而后者通常对无人机或地面侦察装备不可达（Glasstone和Dolan，1977）。在这些情景中，时间处理必须考虑混合产物衰变行为，空间重建不能仅依赖插值，因为插值方法本质上仅限于在采样域内估计数值。因此，需要针对事件特定情景的空间时间工作流：基于插值的重建可能适用于相对连续的污染场，而核爆炸情景则需要纳入物理落尘行为和支配关系，以估计未采样或不可达区域的剂量率分布。

从核应急后果管理角度来看，污染制图本质上是一个后果评估问题：重建的剂量率场是决定应急响应人员防护、公众保护行动和修复优先级的定量基础。重建场中的误差会直接传播为隔离区位置错误和不安全的通行路线，因此制图方法的可靠性本身即是应急响应的一项安全关键特性。这促使我们不仅关注生成污染图，更关注在物理上不同的核与放射性紧急情景中量化其准确性，并将重建场与具体的保护性决策（如隔离区划定和最低剂量路径规划）联系起来。

本研究补充并扩展了我们最近为网络中断条件下爆炸落尘传输和基于轨迹的剂量评估开发的离线决策支持工具（Shin和Kang，2026），该工具基于标准化物理传输关系重建危险场。那项工作解决的是正向问题（根据源项和气象输入预测落尘和剂量），而本研究解决的是互补的逆向问题：在地面和空中装备采集的异构、空间稀疏侦察测量数据被校正到共同高度和参考时间之后，直接从这些测量数据重建污染场。这两种能力被设计为在一个集成的核应急后果评估平台内协同运行，正向模型提供预测性指导，而基于测量的重建则在侦察数据可用后提供基于观测的场估计。

在本研究中，我们提出了一个自动化平台，该平台按类型对放射性事件进行分类，并通过类型特定的空间和数据处理工作流生成辐射污染图。该平台旨在灵活适配不同应急响应对和常规监测情景下的不同参考值定义，从而实现对辐射污染模式的高效估算。该框架支持对局部辐射条件的快速评估，并为核事故和核安全（爆炸）紧急事件的初始响应阶段提供基于证据、以安全为导向的决策支持。这一目标补充了既有的大区域和多尺度集成方法（Wainwright等，2017；Sakuma等，2024）以及近期用于放射性危险制图的作战决策支持工具（Shin和Kang，2026），同时强调快速、计算轻量、情景自适应的局部制图。

本研究的主要贡献有三方面。第一，我们将空对地校正因子（AGCF）形式化为分段断裂幂律模型，作为将高度偏移的空中测量和地面侦察置于共同剂量率基准上的通用预处理模块；我们注意到，基于共址空/地测量的经验验证被列为未来工作。第二，我们建立了情景自适应的空间时间工作流，并基于福岛空中调查数据（JAEA，2011–2025）和高当量地面爆炸参考（HotSpot）进行了量化验证，结果表明没有单一插值方法在所有情景下普遍最优，方法间性能差距具有情景依赖性，且在爆炸情景中差异大到足以影响作战决策。第三，我们将重建场直接关联到保护性行动决策（隔离区划定和最低剂量路径规划），并证明重建方法的选择会实质性地改变这些安全相关输出，从而确立重建精度是响应的一项安全关键特性而非单纯的统计指标。

分节摘要

放射性侦察与测量过程

放射性侦察在核电厂事故或核爆炸后以分步方式进行。在初始阶段，利用可用的气象条件、地形信息和其他相关环境数据生成初步落尘危险预测图（Rolph等，2014）。基于预测的危险区域，随后开展地面和空中放射性侦察作业，以测量实际的放射性空间分布。

平台工作流

图1总结了所提出平台的整体处理流程，图2则详细说明了在高度校正之后执行的情景依赖性时间归一化步骤。在输入阶段，提供侦察期间采集的地理参考剂量率数据及事件类型信息。测量值首先通过空对地校正（第3.2节）转换为地面等效剂量率，然后归算到共同的参考时间。

验证框架与指标；数据来源

一个点每平方公里（1920平方公里区域内共1920个点）的采样密度被选为基准情景，代表大规模核应急响应中无人机调查的最低可行作战覆盖。该密度对应的等效航线索间距约为1公里，国际原子能机构将其认定为区域尺度普查调查的下限（国际原子能机构，2003）。Masoudi等（2020）证明了在这一间距下，

核电厂释放情景

总体精度随时间显著改善（见图6），log10-RMSE从2011年的0.129–0.140降至2025年的0.050–0.059，反映了放射性核素的渐进衰变。我们注意到，均匀的放射性衰变虽然降低了场的幅值，但本身并不平滑其空间模式；2011–2025年间观察到的平滑化反映了环境再分配、风化作用、去污以及自然本底贡献的增加。因此，短期效应

空间变异性对插值精度的影响

当目标变量表现出高空间变异性或邻近观测值之间存在较大差异时，空间插值精度通常会降低。这是因为常见的插值方法依赖于空间自相关性，假设邻近位置倾向于具有相似的数值。对于反距离加权法（IDW），这一假设直接体现在基于距离的加权中；而克里金法则需要可靠的半变异函数模型来描述空间依赖性（Cressie，1993）。在[原文截断]

结论

本研究评估了五种空间插值方法——反距离加权法（IDW）、普通克里金法（OK）、通用克里金法（UK）、各向异性普通克里金法（Aniso_OK）和薄板样条法（TPS）——在两种不同放射性释放情景下的二维剂量率场重建性能：一种是用HotSpot 3.1.2模拟的2000 kt核地面爆炸，另一种是从日本原子能研究机构（JAEA）空中调查数据（2011–2025）重建的福岛第一核电站事故。主要发现如下。

首先，方法[原文截断]

CRediT作者贡献声明

Hyunsung Kim：撰写——审阅与编辑、撰写——原始草稿、可视化、验证、软件、资源、方法论、调查、形式化分析、数据管理、概念构思。Myeongsik Shin：撰写——审阅与编辑、撰写——原始草稿、可视化、验证、资源、方法论、调查、形式化分析、概念构思。Ku Kang：撰写——审阅与编辑、监督、软件、项目管理、形式化分析。

生成式AI和AI辅助技术在写作过程中的声明

在本研究的准备过程中，作者使用了一款生成式AI大语言模型助手（Anthropic公司的Claude），仅用于改善稿件的语言和可读性。使用该工具后，作者对内容进行了审阅和必要编辑，并对出版物内容承担全部责任。

资金

本研究未获得公共、商业或非营利部门资助机构的任何专项资助。

利益冲突声明

作者声明不存在任何可能影响本文所述工作的已知竞争性财务利益或个人关系。

Hyunsung Kim | Myeongsik Shin | Ku Kang