随着分布式水文气象信息和下垫面信息（例如：降雨、气温、土地利用和土壤属性等） 的越来越丰富以及计算机运算能力的快速提高，分布式水文模型的研制一直是研究热点[1-3]。分布式水文模型通过利用分布式驱动力以及分布式流域参数来描述流域的各种过程，其中包括：地表径流，地下径流，泥沙运移，溶质运移等过程。随着分布式水文模型的不断发展， 其复杂度不断增加，相应带来了一系列问题，如：①相比传统的集总式模型，分布式水文模型对计算环境要求更高[4-5]，②可能的过度参数化问题（Overparameterization）[6]，③高维，非线性参数空间和结构的不确定性等[7]。
长期以来， 模型敏感性分析一直被认为是用来确定控制模型效率关键参数非常有效的过滤工具之一[5,8-9]。同时，敏感性分析也可以帮助理解模型结构，乃至发现模型的结构缺陷，从而有可能改善模型结构[10]。分布式水文模型的高强度计算需求及空间复杂度很大程度上限制了对其模型参数间的相互关系及敏感性的理解。目前，很多研究者将各种敏感性分析方法应用到各种分布式水文模型[5,7,10]，这从另一个侧面说明了分布式水文模型敏感性分析的重要性及挑战性。 |
