Avaliação de cenário de exposição radiológica intencional por comparações baseadas em simulação computacional

Autores

DOI:

https://doi.org/10.15392/2319-0612.2025.2862

Palavras-chave:

simulação computacional, liberação de radiação, suporte à decisão, infraestrutura crítica

Resumo

Incidentes nucleares ou radiológicos de massa representam uma ameaça que necessita da implementação de estratégias de enfrentamento sofisticadas. Este estudo visa contribuir apresentando metodologia de modelagem computacional dupla que justapõe modelos numéricos e analíticos para abordar um cenário específico de liberação radioativa. Tal metodologia busca se estender além da teoria subjacente aos processos de modelagem, favorecendo a tomada de decisão sobretudo no estágio inicial de tal enfrentamento. Nesta investigação, foi aplicada uma estrutura de modelo duplo baseada em métodos numéricos e em técnicas analíticas para simular um cenário radiológico promovido pela ativação de um dispositivo de dispersão radiológica (RDD, do inglês). É importante ressaltar que esta metodologia não se limita a cenários RDD, sendo proposta para aplicação a qualquer liberação externa de materiais radioativos. Ao avaliar e comparar os resultados das simulações, particularmente em áreas próximas ao ponto de liberação e em intervalos de tempo mais curtos, é possível verificar o modelo mais adequado bem como a identificação de cenários nos quais os dois modelos produzem resultados convergentes. Os achados ressaltam a importância de estimar as doses de radiação, sugerindo que tais estimativas podem influenciar a compreensão dos riscos radiológicos e sua dependência com relação às condições atmosféricas locais. A interpretação e aplicação cuidadosas de tais resultados têm o potencial de mitigar riscos epidemiológicos, aprimorar as capacidades de coordenação e estimular o desenvolvimento de respostas estratégicas.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

[1] Karam PA. Radiological and Nuclear Terrorism: Their Science, Effects, Prevention, and Recovery: Springer International Publishing; 2021.

[2] Andrade ER, Reis ALQ, Alves DF, Alves IS, Andrade EVSL, Stenders RM, et al. Urban critical infrastructure disruption after a radiological dispersive device event. Journal of Environmental Radioactivity. 2020; 222:106358.

[3] Andrade ER, Reis ALQ, Stenders RM, Vital HC, Rebello WF, Silva AX. Evaluating urban resilience in a disruptive radioactive event. Progress in Nuclear Energy. 2022; 147:104218.

[4] Pasquill F. The estimation of the dispersion of windborne material. Meteorological Magazine. 1961 90:33-491.

[5] Wang S, Li X, Fang S, Dong X, Li H, Zhang Q, et al. Validation and sensitivity study of Micro-SWIFT SPRAY against wind tunnel experiments for air dispersion modeling with both heterogeneous topography and complex building layouts. Journal of Environmental Radioactivity. 2020;222: 106341.

[6] Hanna SR, Briggs GA, Hosker J, R P. Handbook on atmospheric diffusion. United States; 1982. Contract No.: DOE/TIC-11223; ON: DE82002045 2008-02-07 NTIS, PC A06/MF A01.

[7] Seinfeld JH, Pandis SN. Atmospheric Chemistry and Physics: From Air Pollution to Climate Change: Wiley; 2016.

[8] ANSYS. ANSYS Fluent Tutorial Guide 2021 R1. Canonsburg, PA 15317: ANSYS; 2021.

[9] Homann SG, Aluzzi, F. HotSpot Health Physics Codes Version 3.1.2 User's Guide. CA, USA.: Lawrence Livermore National Laboratory; 2020.

[10] DOE. Estimating Radiation Risk from Total Effective Dose Equivalent (TEDE) - ISCORS Technical Report No. 1. Office of Environmental Policy and Guidance; 2003. Report No.: DOE/EH-412/0015/0802 rev.1.

[11] IAEA. IAEA-TECDOC-870 - Methods for Estimating the Probability of Cancer from Occupational Radiation Exposure. In: Section RS, editor. Vienna: International Atomic Energy Agency 1996.

[12] Council NR. Health Risks from Exposure to Low Levels of Ionizing Radiation: BEIR VII Phase 2. Washington, DC: The National Academies Press; 2006. 422 p.

[13] IAEA. Categorization of Radioactive Sources. Vienna: INTERNATIONAL ATOMIC ENERGY AGENCY; 2005.

[14] Ford W. Chapter 13 - Important Special Systems. In: Ford W, editor. Numerical Linear Algebra with Applications. Boston: Academic Press; 2015. p. 263-80.

[15] Curzio RC, Bonfim CES, Silva TMS, Stenders RM, Ramos de Andrade E. Dose assessment based on short-ranged computer simulation in a radioactive release event. Radioprotection. 2023;58(3):197-204.

[16] Bonfim CES, Silva VWL, Rodrigues LD, Curzio RC, Santos A, Profeta WHS, et al. Soil surface roughness impacts the risk arising from a hypothetical urban radiological dispersive device activation. Radiation Protection Dosimetry. 2023.

[17] Chen Q, Zhang Z. Prediction of particle transport in enclosed environment. China Particuology. 2005;3(6):364-72.

[18] Stockie J. The Mathematics of Atmospheric Dispersion Modeling. SIAM Review. 2012; 53:349-72.

[19] Rabi R, Oufni L. Study of radon dispersion in typical dwelling using CFD modeling combined with passive-active measurements. Radiation Physics and Chemistry. 2017; 139:40-8.

[20] Eckerman KF, Wolbarst AB, Richardson ACB. Limiting values of radionuclide intake and air concentration and dose conversion factors for inhalation, submersion, and ingestion: Federal guidance report No. 11.; Environmental Protection Agency, Washington, DC (USA). Office of Radiation Programs; Oak Ridge National Lab., TN (USA); 1988. Report No.: EPA-520/1-88-020; Other: ON: DE89011065; TRN: 89-013047 United States 10.2172/6294233 Other: ON: DE89011065; TRN: 89-013047 NTIS, PC A10/MF A01 - OSTI; 1. ORNL English.

[21] Caliskan Karagöz D, Saraçbası T. Robust brown-forsythe and robust modified brown-forsythe ANOVA tests under heteroscedasticity for contaminated weibull distribution. 2016; 39:17-32.

[22] Rother FC, Rebello WF, Healy MJ, Silva MM, Cabral PA, Vital HC, et al. Radiological Risk Assessment by Convergence Methodology Model in RDD Scenarios. Risk analysis: an official publication of the Society for Risk Analysis. 2016;36(11):2039-46.

Downloads

Publicado

11-07-2025

Edição

Seção

Artigos

Como Citar

Avaliação de cenário de exposição radiológica intencional por comparações baseadas em simulação computacional. Brazilian Journal of Radiation Sciences, Rio de Janeiro, Brazil, v. 13, n. 3, p. e2862, 2025. DOI: 10.15392/2319-0612.2025.2862. Disponível em: https://bjrs.org.br/revista/index.php/REVISTA/article/view/2862. Acesso em: 16 jul. 2025.