牟艷紅 付鵬濤 章劍華 楊朝文

(四川大學(xué)物理與科學(xué)技術(shù)學(xué)院輻射物理及技術(shù)教育部重點實驗室 成都 610064)

很多地雷無金屬成分或含很少金屬成分[1]，其爆炸物由低Z元素H、C、N、O組成。傳統(tǒng)的基于金屬探測的探雷工具受到條件限制，于是基于物質(zhì)組成元素的中子探測技術(shù)廣泛應(yīng)用于地雷探測中。目前研究較多的中子探測法有中子反散射法(BNM)、熱中子法(TNA)、快中子法(FNA)等。BNM法對周圍環(huán)境要求較高，環(huán)境含水時測量結(jié)果會受影響[2]。TNA法主要測量地雷中H、N元素，F(xiàn)NA法主要測量地雷中C、O元素[3]。中子瞬發(fā)γ活化分析法(PGNAA)可同時利用熱中子和快中子，對元素進(jìn)行在線的定性、定量分析，對地雷進(jìn)行準(zhǔn)確探測[4]。此法利用中子與地雷中主要核素發(fā)生輻射俘獲(n,γ)反應(yīng)或非彈性散射(n,n’γ)反應(yīng)。對γ射線分析時選擇產(chǎn)額較高的射線，1H、14N核的(n,γ)反應(yīng)有較高截面，測量1H(n,γ)2D的2.22 MeV γ射線或14N(n,γ)15N的10.83 MeV γ射線，可分析H、N 元素；12C、16O 核(n,n’γ)反應(yīng)截面較大，12C(n,n’γ)12C和16O(n,n’γ)16O反應(yīng)產(chǎn)生的γ射線能量分別為4.44和6.13 MeV，可用于分析C、O元素。

在爆炸物和地雷檢測中，影響測量結(jié)果的因素有中子源、探測器、目標(biāo)物組成、幾何布局等。本文通過Monte Carlo模擬研究[5,6]，尋找一種具有簡單的中子源裝置和屏蔽系統(tǒng)的探測系統(tǒng)，同時能對目標(biāo)元素進(jìn)行有效識別。希望對復(fù)雜環(huán)境中中子誘發(fā)目標(biāo)核素產(chǎn)生不同混合γ能譜進(jìn)行模擬研究，尋求H、C、N、O各種核素特征峰計數(shù)隨爆炸物質(zhì)量的變化關(guān)系，以及不同含水量的土壤環(huán)境對爆炸物組成核素特征峰計數(shù)的影響。

1 Monte Carlo模擬

探測系統(tǒng)用Am-Be中子源(高出地面5 cm)與NaI(Tl)、BGO兩種探測器。NaI(Tl)晶體尺寸為Φ7.6 cm×7.6 cm 和Φ10.6cm×10.6 cm，BGO閃爍體尺寸為Φ7.6 cm×10 cm。探測器晶體中心離中子源體中心水平距離為20 cm，且與豎直向上方向的夾角為50°，模擬裝置如圖1。爆炸物為高5 cm的圓柱體TNT(C7H5N3O6)，密度1.65 g/cm3，埋在地下5 cm深處。土壤無水分，成分為(wt%)：Si(29.620)、O(46.954)、Al (7.078)、Ca (3.730)、Fe (6.404)、Na (0.838)、K (2.150)、Mg(3.216)，密度為1.47 g/cm3。用MCNP5程序進(jìn)行模擬，抽樣數(shù)為2×109，以使模擬結(jié)果的計算誤差控制在10%以內(nèi)。

圖1 MCNP模擬裝置圖Fig.1 Schematics of the experimental facility in MCNP calculation.

2 模擬結(jié)果與分析

2.1 干土壤中不同質(zhì)量TNT對結(jié)果的影響

圖2是干土壤中有無TNT時的混合γ射線模擬能譜，可清晰看到28Si(n, n’γ)28Si(Eγ=1.78 MeV)、1H(n,γ)2D(Eγ=2.22 MeV)、12C(n, n’γ)12C(Eγ=4.44 MeV)、16O(n, n’γ)16O(Eγ=6.13 MeV)和14N(n,γ)15N (Eγ=10.83 MeV) γ射線全能峰和部分逃逸峰。在9–11.5 MeV能區(qū)，有TNT時的NaI(Tl)和BGO探測器計數(shù)高于無TNT時，這是14N(n,γ)15N反應(yīng)產(chǎn)生能量為10.83 MeV γ射線的貢獻(xiàn)。圖2(b)中，由于BGO晶體中的Bi核素有利于高能γ射線能量的沉積，且BGO探測器的本征效率高于NaI(Tl)，記錄的10.83 MeV γ射線全能峰較明顯。比較兩探測器記錄的能譜，可知Φ10.6 cm×10.6 cm的NaI(Tl)探測器的能譜計數(shù)較高，因其口徑較大，對γ射線發(fā)射體所張的立體角較大。

圖2 干土壤中無(a)和有(b)TNT混合γ射線模擬能譜Fig.2 Gamma-ray spectra from dry soil without (a) and with (b) TNT.·—·—· NaI(Φ7.6 cm×7.6 cm), —— BGO(Φ7.6 cm×10 cm), ····NaI(Φ10.6 cm×10.6 cm)

較高能量γ射線的單、雙逃逸峰和較低能量γ射線能峰疊加(如H的2.22 MeV單逃逸峰與Si的1.78 MeV全能峰疊加)使γ能譜變得復(fù)雜。因此，分析H、C、N、O特征γ射線能峰時，得選擇特征γ射線的全能峰?；诜刺箍说乩字斜ㄎ镔|(zhì)量范圍[7,8]，模擬了不同質(zhì)量的 TNT，H、C、N、O特征γ射線全能峰計數(shù)隨TNT質(zhì)量的變化關(guān)系見圖3。顯然，TNT質(zhì)量較少時的計數(shù)很少，誤差太大，這可以看成是該測量系統(tǒng)條件下 TNT質(zhì)量的探測下限。

圖3 γ射線全能峰計數(shù)隨TNT質(zhì)量的變化關(guān)系Fig.3 Counts of the full energy peak of γ-rays as a function of the TNT mass.■ NaI(Φ7.6 cm×7.6 cm), ● BGO(Φ7.6 cm×10 cm), ▲NaI(Φ10.6 cm×10.6 cm)

記錄各元素特征 γ射線，BGO探測器好于NaI(Tl)探測器。由圖 3(a)，1H(n,γ)2D反應(yīng)的 2.22 MeV γ射線全能峰計數(shù)隨TNT質(zhì)量增加，因為H含量增加，增強(qiáng)了對中子的慢化能力，熱中子數(shù)量增多，1H(n,γ)2D反應(yīng)的幾率增加。由圖3(b)，12C(n, n’γ)12C反應(yīng)的 4.44 MeV γ射線全能峰計數(shù)也隨TNT質(zhì)量增加。雖然H含量的增加使中子慢化，導(dǎo)致快中子數(shù)量減少，12C(n, n’γ)12C反應(yīng)的幾率減少，但是C含量的增加，12C(n, n’γ)12C反應(yīng)的幾率增加，引起的計數(shù)多于減少的快中子引起的計數(shù)，故總體上是增加的趨勢。由圖3(c)，土壤中含有大量O，TNT中的 O對計數(shù)的貢獻(xiàn)相對較小，所以16O(n, n’γ)16O反應(yīng)的6.13 MeV γ射線全能峰計數(shù)隨TNT質(zhì)量的增加變化很小。圖3(d)中，隨著TNT質(zhì)量的增加，N含量增加，14N(n,γ)15N 反應(yīng)的幾率增加，且H含量增加，對中子的慢化能力增強(qiáng)，熱中子數(shù)量增多，同樣也增加了反應(yīng)幾率，所以14N(n,γ)15N反應(yīng)產(chǎn)生10.83 MeV γ射線全能峰計數(shù)增加。

實際應(yīng)用中，不能根據(jù)某一核素的特征γ射線對地雷進(jìn)行判斷，因為土壤中可能殘留其他物質(zhì)(如樹根、塑料等)，混合γ能譜中H、C、N、O核素的特征γ射線計數(shù)可能并非源于地雷中的爆炸物。所以在地雷檢測中，用各元素特征γ射線計數(shù)比值進(jìn)行識別可減少誤報。本文主要選擇N、C和H、O核素特征γ射線全能峰計數(shù)之比N/C和H/O。

爆炸物中的N、O質(zhì)量分?jǐn)?shù)普遍高于非爆炸物，C、H質(zhì)量分?jǐn)?shù)普遍低于非爆炸物[9]，即爆炸物中的N/C高于非爆炸物，而H/O低于非爆炸物；土壤中很少含有N、C元素，所以N/C能較好反映地雷中N、C元素間的關(guān)系；O元素特征γ射線全能峰計數(shù)主要來源于土壤，變化很小，C/O、N/O不能準(zhǔn)確反映地雷中 O、C、N元素含量的關(guān)系，但是當(dāng)土壤環(huán)境中含水時，H/O能在一定程度上反映水與土壤環(huán)境之間的關(guān)系。

將BGO探測器記錄到的各核素特征γ射線全能峰計數(shù)相比，得到H/O和N/C隨TNT質(zhì)量的變化關(guān)系見圖4。

圖4 H/O(a)和N/C(b)隨TNT質(zhì)量的變化關(guān)系Fig.4 H/O(a) and N/C(b) as a function of the TNT mass.

由圖4(a)，H/O隨TNT質(zhì)量增加。由于O特征γ射線全能峰計數(shù)主要來源于土壤，所以 H/O隨TNT質(zhì)量的變化關(guān)系一定程度上反映了 H特征 γ射線全能峰計數(shù)隨TNT質(zhì)量的變化關(guān)系。由圖4(b)，N/C隨 TNT質(zhì)量增加后變化很小。主要是由于當(dāng)TNT質(zhì)量較小時，N的特征γ射線全能峰計數(shù)增加的速度比C快，使N/C隨TNT質(zhì)量增加，但是當(dāng)TNT質(zhì)量超過一定量時，N、C特征γ射線全能峰計數(shù)改變的速度一致，所以N/C變化較小。

2.2 土壤濕度對結(jié)果的影響

將13 kg TNT，土壤含水量分別為5%、10%、15%、20%，按圖1裝置進(jìn)行模擬，分析形成的混合γ能譜，得到不同探測器記錄的各核素特征全能峰計數(shù)隨土壤中含水量的變化關(guān)系(圖 5)。由圖5(a)，H含量隨土壤中含水量增加，1H(n,γ)2D反應(yīng)的幾率增加，并且H含量的增加，對中子的慢化能力增強(qiáng)，熱中子數(shù)量增多，增加了反應(yīng)幾率，所以2.22 MeV γ射線全能峰計數(shù)增加較大。圖5(b)中，12C(n, n’γ)12C反應(yīng)產(chǎn)生4.44 MeV γ射線全能峰計數(shù)隨土壤中含水量的增加而減小，因為水對中子的慢化能力強(qiáng)，使快中子數(shù)目減少，12C(n, n’γ)12C反應(yīng)的幾率減少。而土壤中大量的O使16O(n, n’γ)16O的6.13 MeV γ射線全能峰計數(shù)隨土壤含水量變化很小(圖3c)。圖5(d)中，隨土壤含水量的增加，熱中子數(shù)增加，使14N(n, γ)15N反應(yīng)的幾率增加，導(dǎo)致 10.83 MeV γ射線全能峰計數(shù)增加。

將BGO探測器記錄到的各核素特征γ射線全能峰計數(shù)相比，得到H/O和N/C隨土壤中含水量的變化關(guān)系如圖6所示。

模擬發(fā)現(xiàn)，土壤中含水量對TNT檢測的影響很大。由圖6，隨著土壤中含水量增加，H/O和N/C相對干土壤中不同質(zhì)量TNT所得比值更大。由于含水土壤中存在大量H、O，使TNT中H、O對計數(shù)的貢獻(xiàn)相對較小，H/O主要反映土壤中H、O間的關(guān)系，如果用來表示TNT含量，將會產(chǎn)生較多誤報。比較圖6(b)和圖4(b)，發(fā)現(xiàn)土壤中含水量較高時N/C相對干土壤下TNT所得N/C大。相對于H/O，N/C能更有效反映在含水土壤環(huán)境下TNT的含量，能較好實現(xiàn)對TNT的識別。

圖5 γ射線全能峰計數(shù)隨土壤中含水量的變化關(guān)系Fig.5 Counts of the full energy peak of Gamma ray as a function of the soil moisture.■ NaI(Φ7.6 cm×7.6 cm), ● BGO(Φ7.6 cm×10 cm), ▲NaI(Φ10.6 cm×10.6 cm)

圖6 H/O(a)和N/C(b)隨土壤中含水量的變化關(guān)系Fig.6 H/O(a) and N/C(b) as a function of soil moisture.

3 結(jié)語

通過對土壤中不同質(zhì)量的 TNT和不同土壤濕度環(huán)境下的TNT進(jìn)行模擬，發(fā)現(xiàn)在混合γ能譜測量中，BGO探測器對敏感核素特征γ射線的測量好于NaI(Tl)探測器。隨著干土壤中TNT質(zhì)量的增加，混合γ能譜中H、C、N特征γ全能峰計數(shù)均增加，O特征γ全能峰計數(shù)變化較小。H/O和N/C在一定范圍內(nèi)變化，H/O相對于N/C變化范圍更大，因此可根據(jù)H/O和N/C間的特殊關(guān)系確定干土壤中不同質(zhì)量的TNT。通過對不同土壤濕度環(huán)境下的TNT模擬，發(fā)現(xiàn)土壤中的含水量對TNT的檢測影響很大。隨著土壤中含水量的增加，各核素特征γ全能峰計數(shù)變化為：H、N增加，C減小，O變化較小。H/O和N/C均隨土壤中含水量增加，H/O和N/C變化范圍相對于干土壤中不同質(zhì)量TNT的變化范圍更大。當(dāng)土壤環(huán)境中含水時，用H/O表示TNT含量，將可能產(chǎn)生較多誤報。而N/C能更有效反映出在含水土壤環(huán)境下TNT含量，所以在含水土壤環(huán)境下，用N/C能更有效對TNT進(jìn)行識別。

1 Viesti G, Lunardon M, Nebbia G, et al. The detection of landmines by neutron backscattering: Exploring the limits of the technique[J]. Appl Radiat Isot, 2006, 64(6): 706–716

2 Nunes W V, Silva A X da, Crispim V R, et al. Explosives detection using prompt-gamma neutron activation and neural networks[J]. Appl Radiat Isot, 2002, 56(6): 937–943

3 Strellis D, Gozani T. A neutron interrogation based vehicle borne IED detection system for checkpoint security[A]. Technologies for Homeland Security, 2008 IEEE Conference on[C], 2008, 12: 395–399

4 Pazirandeh A, Azizi M, Farhad Masoudi S. Monte Carlo assessment of soil moisture effect on high-energy thermal neutron capture gamma-ray by14N[J]. Appl Radiat Isot, 2006, 64(1): 1–6

5 Mau?ec M, Rigollet C. Monte Carlo simulations to advance characterisation of landmines by pulsed fast/thermal neutron analysis[J]. Appl Radiat Isot, 2004, 61(1): 35–42

6 王新華, 安 力, 鄭 普, 等. 爆炸物檢測中的模擬計算[J]. 核技術(shù), 2010, 33(1): 39–43

WANG Xinhua, AN Li, ZHENG Pu, et al. Monte Carlo simulation for designing an explosive-inspection system [J]. Nucl Tech, 2010, 33(1): 39–43

7 Cousins T, Jones T A, Brisson J R, et al. The detection of landmines by neutron backscattering: Exploring the limits of the technique[J]. J Radioanal Nucl Chem, 1998, 235(1–2): 53–58

8 Obho?a? J, Sudac D, Na? K, et al. The soil moisture and its relevance to the landmine detection by neutron backscattering technique[J]. Nucl Instrum Methods Phys Res B, 2004, 213: 445–451

9 Buffler A. Contraband detection with fast neutrons[J]. Radiat Phys Chem, 2004, 71(3): 853–861