SWAT CUP的下载及安装参见另一博客-【SWAT水文模型】SWAT-CUP安装及使用。本博客主要介绍SWAT模型参数敏感性分析。

在 ArcSWAT2012版本中将 敏感性分析和自动校正都去掉了，只剩下了手动校正。

地理信息系统（GIS）支持下的 SWAT（Soiland Water Assessent Tool）半分布式水文模型以流域离散化空间参数来描述流域水文变化特性，从物理意义上表达流域内的水文过程，但众多不确定的参数影响了模型的应用效果，因此有必要对参数进行敏感性分析。

基于 DEM 的分布式水文模型由于充分考虑了流域陆面参数在空间上的变异性，同时又能较好地表达流域水文过程的物理意义，已成为径流模拟新的发展方向。与传统的集总式模型相比，建立在物理机制上的分布式水文模型要求输入的参数较多，并且由于水文陆面过程中参数的空间差异性、获取过程中的误差及参数评估的困难使得模型初始参数值的输入具有很大的不确定性，降低了分布式水文模型的运行效率和模拟精度。此外对模型参数敏感性认识的不足也是影响分布式水文模型应用的一个重要因素。
因此需要理解模型中每一个参数对模拟结果的影响，通过对参数的敏感性分析进行参数筛选，减少模型率定参数的数量，提高模型运行时间效率和减少参数的不确定性，为模型的进一步改进提供更加可靠的依据。

原理

率定参数

参数敏感度分析采用ArcSWAT提供的参数敏感度分析模块进行分析，此模块采用的方法是LH-OAT灵敏度分析方法，该方法对每一抽样点（LH抽样法）进行OAT灵敏度分析，灵敏度最终值是各局部灵敏度之和的平均值，是综合LH抽样法和OAT灵敏度分析的一种新方法，同时兼备两种方法的优点。
选取以下参数进行率定：

操作步骤

采用SWAT-CUP中的SUFI-2算法进行敏感性分析。

Step1：

t值表示参数敏感性的大小，其绝对值越大，代表该参数在某一区域越敏感；p值表示该参数敏感性的置信水平，其值越接近0，代表该参数越重要。
在p值小于等于0.05的情况下，该参数比较敏感重要；而在p值大于等于0.3的情况下，该参数不敏感。

Step2：

Step3：

参考