崔金涛 邵光成 林 洁 丁鸣鸣

(1.河海大学农业工程学院， 南京 210098； 2.南京市江宁区水务局， 南京 211100；3.南京市水务局， 南京 210036)

0 引言

基于过程的作物模型，通常借助大量数学公式动态地描述作物生长过程及其与环境的关系，涉及光合、呼吸等复杂的生化过程，模型参数众多[1-2]。作物模型在特定区域本地化、区域化应用前，需要对模型参数进行率定和适用性验证[3-4]。然而模型中参数并不能全部通过试验获得，其中一些需根据前人经验从文献资料中获取[3]，而且一些田间观测数据因受天气情况、土壤质地、作物品种等因素影响而具有一定变异性。因此，进行模型参数的敏感性分析，确定各个参数对输出变量的影响程度，进而可以忽略敏感性较小的参数，而仅重点校准对输出变量影响较大的参数，有助于减少模型输入量、提高模型精度，是作物模型本地化、区域化应用过程中不可或缺的一环[5-6]。

根据参数维度，敏感性分析方法分为局部敏感性分析和全局敏感性分析。局部敏感性分析主要计算单个参数变化对模型结果的影响程度，仅能分析参数对模型结果的直接影响，而忽略了参数间交互作用对模型的间接影响。全局敏感性分析则同时考虑多个参数变化及其参数之间相互作用对模型结果的影响，适用于输入参数较多的非线性模型。目前，常用的全局敏感性分析方法主要有Morris参数筛选法[7]、傅里叶幅度检验法(FAST)[8]、Sobol法[9]和扩展傅里叶幅度检验法(EFAST)[10]等。EFAST法由于融合了FAST和Sobol法的优点，不仅能够计算参数相互作用的影响，而且计算高效、准确[11]。……