3. 敏感性分析的基本概念与分类
敏感性分析回答的是一个非常具体的问题：当模型输入（水文地质参数、边界条件、源汇项）发生一定幅度的变化时，我们关心的模型输出（水位、降深、浓度、均衡项）会跟着变化多少。它既是参数率定前的"体检"，也是不确定性分析的前置环节——只有先知道哪些参数真正"牵动"输出，后续的蒙特卡洛抽样、置信区间估计才有意义，否则在高维参数空间里盲目抽样，计算成本会迅速失控。
需要先明确一个参照约定：本章所有灵敏度均定义为"输出变化率与输入变化率之比"，即无量纲的相对灵敏度，正值表示输出随参数增大而增大，负值表示反向响应。后文图示与算例均沿用这一约定。
局部敏感性分析与全局敏感性分析的本质区别
局部敏感性分析（Local Sensitivity Analysis, LSA）的做法是：在参数空间中的某一个基准点（通常是当前率定值或概念模型初值）附近，对单个参数施加微小扰动，其余参数固定不动，观察输出的变化。数学上它就是一阶偏导数 ∂y/∂xi 的数值近似。它的优点是计算量小——n 个参数只需 n+1 次模型运行（基准一次，每个参数扰动一次），对地下水数值模型这种单次运行动辄数分钟到数小时的情况非常友好；缺点是结论只在基准点邻域内有效，一旦模型存在强非线性（如潜水面变动引起导水系数变化、抽水井附近出现承压转无压），或者参数之间存在交互作用（如渗透系数与给水度对水位动态的联合影响），局部灵敏度可能给出严重误导的排序。
全局敏感性分析（Global Sensitivity Analysis, GSA）则让所有参数在各自的整个可行区间内同时变化，通过抽样或方差分解考察每个参数（及其组合）对输出总方差的贡献。它能够捕捉非线性和交互效应，给出的是"在整个参数空间上平均而言"的敏感性，代价是计算量大：以常用的 Sobol 方法为例，一阶与总效应指数合计约需 N(n+2) 次模型运行，N 通常取 500～2000，n 为参数个数。若模型单次运行 10 分钟、参数 10 个、N=1000，则需约 12000 次运行，显然必须借助并行计算或替代模型（如克里金、多项式混沌展开）。
常见敏感性指标及其适用场景
灵敏度系数（相对灵敏度）是最基础的指标，即上文公式中的 Si。举例说明：某承压含水层模型基准状态下观测孔水位 y₀ = 30.0 m，渗透系数 K₀ = 10 m/d。将 K 提高 10% 至 11 m/d，模型重算得水位 30.6 m，则 Δy/y₀ = 0.6/30 = 0.02，ΔK/K₀ = 0.1，SK = 0.2。若给水度 S 提高 10% 后水位仅变化 0.03 m，则 SS = 0.01。可见 K 的局部灵敏度是 S 的 20 倍，率定时应优先调整 K。需要提醒的是，这类数值属于教学示例，实际项目中必须用真实模型运行结果替换。
方差贡献（一阶与总效应 Sobol 指数）是全局分析的核心指标。一阶指数 Si 表示参数 xi 单独解释的输出方差比例，总效应指数 STi 则包含该参数与所有其他参数的交互贡献。判断要点是：若 STi 明显大于 Si，说明该参数主要通过交互作用影响输出，此时若用局部方法单独扰动它，会低估其重要性。STi 接近 0 的参数可考虑固定，从而降维。
Morris 筛选指标介于两者之间，属于"定性筛选"方法。它采用一次一个参数（OAT）的轨迹抽样，在参数网格上随机生成 r 条轨迹，每条轨迹中每个参数被扰动一次，最终得到两个统计量：基本效应均值 μ（或绝对均值 μ*）反映参数影响的大小，标准差 σ 反映非线性与交互作用的强弱。Morris 的计算成本仅为 r(n+1) 次运行，r 常取 10～50，非常适合在参数多达十几二十个时先做一轮筛选，把 μ* 小且 σ 小的参数剔除，再对保留参数做 Sobol 定量分析。这种"先 Morris 后 Sobol"的两级策略是地下水模型实践中性价比很高的组合。
如何选择敏感性分析方法
方法选择不应凭偏好，而应由四个条件共同决定：参数个数 n、单次模型运行耗时、模型非线性程度、分析目的（筛选排序还是定量分解方差）。可参照以下决策逻辑：
- 参数多（n > 15）且模型运行慢：先用 Morris 筛选，成本可控，输出 μ*–σ 散点图即可完成排序与降维。
- 参数中等（n ≤ 10）、需要定量方差贡献：直接上 Sobol 或 EFAST，配合并行计算或替代模型。
- 仅需率定前快速排序、模型近似线性：局部灵敏度系数足够，计算最省。
- 存在明显阈值行为或强交互（如多层含水层越流、抽水井群干扰）：必须用全局方法，局部结论不可信。
最后强调一个常被忽视的环节：敏感性结果必须与参数的不确定性范围联合解读。一个灵敏度系数很高的参数，如果其取值本身已被现场试验约束得很窄，对输出总方差的贡献可能并不大；反之，灵敏度中等但取值范围极宽的参数，反而可能是不确定性的主要来源。这正是全局方法用"方差贡献"而非单纯"灵敏度"作为排序依据的价值所在，也是后续不确定性分析章节的逻辑起点。