PyFAI 中实现掠入射X射线散射的q-χ二维积分分析

PyFAI 中实现掠入射X射线散射的q-χ二维积分分析

pyFAI Fast Azimuthal Integration in Python 项目地址: https://gitcode.com/gh_mirrors/py/pyFAI

引言

在X射线散射分析领域，掠入射X射线衍射(GIXD)和掠入射小角X射线散射(GISAXS)是研究表面和界面结构的强大工具。PyFAI作为先进的X射线衍射数据分析工具，在2025版本中增强了对掠入射实验数据的处理能力，特别是实现了q-χ极坐标变换这一关键功能。

掠入射散射的特殊性

掠入射几何条件下，X射线以接近临界角的角度入射样品表面，导致散射图案具有以下特征：

1. 存在明显的缺失楔形区域(missing wedge)
2. 散射矢量需要分解为面内(qip)和面外(qoop)分量
3. 传统的q-χ变换无法正确反映表面法线方向的取向信息

PyFAI的新功能实现

PyFAI 2025版本通过FiberIntegrator类实现了针对纤维和掠入射样品的专用分析工具，主要包含以下创新：

1. 极坐标变换功能

新增"chigi_deg"和"chigi_rad"角度单位，基于qoop和qip的反正切计算，实现了正确的极坐标变换：

res2d_polar = fi.integrate2d_grazing_incidence(
    data=data, 
    sample_orientation=sample_orientation,
    unit_ip="qtot_nm^-1", 
    unit_oop="chigi_rad"
)

2. 扇形区域积分

支持在qip-qoop坐标系或极坐标系下进行扇形区域积分，解决了传统方法无法正确处理缺失楔形区域的问题：

# 水平扇形积分
res1d_0 = fi.integrate1d_grazing_incidence(
    data=data,
    ip_range=[0,40], 
    oop_range=[-0.2,0.2],
    vertical_integration=False
)

# 垂直扇形积分
res1d_1 = fi.integrate1d_grazing_incidence(
    data=data,
    ip_range=[-17.5,17.5],
    oop_range=[5,6.5],
    vertical_integration=True
)

应用实例

表面结构分析

通过极坐标变换后的q-χ图，可以：

1. 准确识别表面法线方向的晶体取向
2. 分析表面纳米结构的取向分布
3. 研究薄膜的外延生长关系

纤维样品研究

对于纤维样品，新功能允许：

1. 分析纤维轴向的取向分布
2. 研究纤维内部纳米结构的排列
3. 定量表征取向分布函数(ODF)

技术优势

相比传统方法，PyFAI的新实现具有以下优势：

1. 正确处理掠入射几何的缺失楔形问题
2. 提供直观的极坐标表示
3. 支持灵活的扇形积分区域选择
4. 保持高计算效率

结论

PyFAI 2025版本对掠入射X射线散射分析的功能增强，特别是q-χ极坐标变换的实现，为表面科学和纤维材料研究提供了更加强大的分析工具。这一进展使得研究人员能够更准确地分析表面和界面结构，为纳米材料和薄膜研究开辟了新的可能性。

pyFAI Fast Azimuthal Integration in Python 项目地址: https://gitcode.com/gh_mirrors/py/pyFAI