环境参数对Rn-220释放率影响的实验研究

《Applied Radiation and Isotopes》：Experimental study on the effect of environmental parameters on Rn-220 exhalation rate

　　

• •
  提出了一种闭环物理校正与加权XGBoost相结合的方法，用于Rn-220释气建模。
• •
  大气压对Rn-220释气表现出"泵吸"抑制效应，贡献率为46.11%。
• •
  环境湿度呈现出"降低-升高-降低"的三阶段非线性效应。
• •
  土壤温度动态平衡了热力学驱动与水分相变之间的竞争关系。
• •
  加权XGBoost能有效识别并对无效的土壤湿度特征进行降权处理（R² = 0.6367）。

引言

Rn-220（钍射气）是天然放射性核素Th-232衰变链中的重要产物。由于其半衰期仅为55.6秒，与半衰期为3.82天的长寿命Rn-222同位素相比，Rn-220的环境监测往往被忽视。然而，近期的辐射剂量学研究表明，Rn-220及其短寿命子体对全球公众天然辐射有效剂量的贡献比例已调整至超过20%（Charles, 2001）。特别是在高本底辐射区域，土壤中较高的Th-232浓度往往使Rn-220及其子体的暴露剂量等于甚至超过Rn-222（Giri and Pant, 2018）。由于土壤是地面大气底层Rn-220的主要来源（Wang et al., 2022），准确获取土壤表面的Rn-220释气速率并阐明其在复杂环境下的动态释气机理，已成为当前辐射防护和环境地球物理领域的重要基础性问题。

目前，采用Rn-220累积室和高灵敏度氡探测器（如RAD7）的动态累积法被广泛应用（Janik, 2018）。然而，在实际操作中，由于Rn-220衰变极其迅速，传统的 gaz累积模型通常仅考虑收集室内浓度的变化，而可能忽略了气体通过外部管道进入探测器室以及回流过程中潜在的衰变损失。这一局限性可能导致对Rn-220实际地表释气速率的系统性低估（Mao et al., 2025）。因此，引入一种能够全面补偿沿途出流、进流和衰变过程的闭环物理校正模型，是获取高保真Rn-220释气速率数据的首要物理前提。

在获得准确的Rn-220释气速率数据后，分析环境物理变量影响其释放的机制成为另一个核心挑战。Rn-220在土壤多孔介质中的迁移是一个由扩散和对流共同调控的复杂动态过程，对包括大气和土壤温度、湿度及气压在内的微气象参数高度敏感（Miklyaev et al., 2022; Yang et al., 2019）。以往的研究通常采用传统统计模型，如多元线性回归（MLR），试图解耦这些变量的独立贡献。多元线性回归在满足高斯-马尔可夫假设的条件下具有良好的可解释性，但在处理Rn-220土-气界面复杂的非均相流问题时显示出明显的局限性。一方面，自然环境中的气象参数往往表现出严重的多重共线性（例如，环境温度与土壤温度之间存在高度耦合），这可能导致基于最小二乘法的线性模型回归系数方向发生显著扭曲（Nji et al., 2022）；另一方面，微孔中水的相变（如水膜形成和毛细凝结堵塞）对放射性气体的传输具有显著的非线性突变特征（Hosoda et al., 2007），而全局线性模型无法捕捉这种伴随物理阈值的动态演化过程。

为了克服物理测量和数学建模的双重局限性，需要一种能够同时处理多重共线性和非线性动态特征的解析框架。极端梯度提升树（XGBoost）作为一种先进的集成机器学习算法（Al-Shboul, 2023），具有基于树节点信息增益的分裂机制，天然能够抵抗特征间多重共线性的干扰，并能在多参数协同作用下客观地恢复真实的物理映射关系。

因此，本研究利用实验室土壤气体采集装置连续监测Rn-220浓度，同时采集土壤温度和湿度、环境温度和湿度以及气压等五个环境参数的数据。通过引入闭环衰变补偿模型，恢复了实际的Rn-220释气速率。最后，为了纠正物理测量导致的"置信度不一致"问题，构建了一种创新的加权XGBoost分析框架，旨在定量解耦各关键微气象参数的独立物理贡献，为短寿命放射性气体的环境行为预测提供更严谨的数据科学方法和物理机理阐释。

章节摘要

实验装置

实验装置主要由土壤气体采集装置（图1）、Rn-220累积室、干燥管、RAD7、空调及高精度环境微传感器组成（You et al., 2026）。Rn-220累积室是一个底部开口的长方形盒体，其尺寸如下：长30 cm，宽20 cm，高10 cm。为防止测量过程中Rn-220泄漏，累积室直接放置在

实验数据的描述性统计分析

通过有目的地调节室内温度，使实验装置的环境参数呈现近乎线性的下降和上升趋势，从而获得更直观的变化，有助于更好地分析其对Rn-220释气速率变化的影响。实验通过连续测量获得了290组数据，足以充分描绘环境参数对

结论

本研究采用闭环物理校正与加权XGBoost相结合的方法，研究了环境参数对土壤表面Rn-220释气的影响。该模型在独立测试集上的R²达到0.637（训练R² = 0.798），5折交叉验证平均值为0.5485 ± 0.1087，确认了其稳定性和可靠性。

大气压是主导因素（46.11%），对释气表现出明显的抑制效应。环境湿度呈现出分段

CRediT作者贡献声明

程佳乐：撰写——初稿，方法学。袁宏志：验证，监督，数据整理。周也禾：监督，数据整理。卢煜扬：软件，调查。毛先发：软件，调查。尤浩宇：软件，调查。谢若美：撰写——审阅与编辑。范中科：撰写——审阅与编辑。谭彦良：方法学

未引用参考文献

Janik, 2017; Al-Shboul, 2023; O'Brien, 2007; Kumar et al., 2017.

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，这些关系可能会影响本文所报告的工作。

数据可用性

数据可根据请求提供。

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，这些关系可能会影响本文所报告的工作。

致谢

本研究由湖南省研究生创新基金资助（项目编号：CX20251739）。

程佳乐|范中科|谢若美|尤浩宇|毛先发|卢煜扬|周也禾|袁宏志|谭彦良