1. 논문제목: A global sensitivity analysis tool for the parameters of multi- variable catchment models (Journal of Hydrology)
   
저자: A. van Griensven, T. Meixner, S. Grunwald, T. Bishop, M. Diluzio, R. Srinivasan


2. 논문 요약
  이 논문은 Latin-hypercube와 one-factor-at-a-time 방법을 이용하여 기존의 민감도 분석에 비해 보다 광범위한 영역에서 각각의 변수에서 전체 범위에 해당하는 민감도를 고려 할 수 있는 방법을 제시하는 논문이다.  민감도 분석을 위해 사용되어질 변수들은 SWAT 모델에서 사용되는 변수들로서 모델에서의 유량과 관련된 항목과 수질과 관련된 총 41개 항목이다.  분석방법은 우선 모델에 이용될 41가지 항목과 각각의 항목에 대한 범위값을 산정한다. 산정된 항목들을 가지고 각각의 변수에 따라 민감도 분석을 위한 랜덤 매트릭스를 작성한다. 작성된 매트릭스에서 각각의 변수에 따라 값을 변화 시킨 후(변수의 최소값과 최대값의 범위를 고려한 일정한 증감 비율 적용) 모델에 case별로 적용하여 결과값을 산출한다. 최종 결과값은 산정된 매트릭스를 모델에 다 적용 후 각각의 변수에 따른 rank값으로 얻어진다. 이 논문에서 민감도 분석을 통한 가장 핵심적인 결과값은 수문학적 변수인 curve number(CN2)와 지하수와 관련된 항목인 ALPHA_BF가 수질의 예측에 있어서도 가장 많은 영향을 미치는 변수로서 나타났다.
 


3. 논문의 독창성
  이 논문의 독창성은 결국 민감도 분석에 이용될 많은 수의 변수에 대해 어떻게 랜덤하게 변수들을 각각의 case별로 나누는 것에서 찾을 수 있다. 광범위한 변수의 영역에서 지역적인 영향에 대한 민감도 분석을 했던 기존 방법과는 달리 이 방법은 광범위한 영역에서 각각의 변수 전체 값에 해당하는 민감도를 분석 할 수 있다.


4. 논문의 적용 가능성
  이 논문에서 제시된 민감도 분석 방법의 경우 현재 우리 연구실에서 진행되고 있는 거의 모든 모델링에서 이용 될 수 있을 것으로 판단된다. 적용 방법은 기존의 각각의 모델링에서 필요한 변수들을 정하고 각각의 변수에 따른 범위값을 산정한 후 이 논문에서 제시된 L-H, OAT 방법을 적용하여 반복적인 모델 구동을 함으로서 각각의 변수에 따른 민감도를 알 수 있게 된다. 이 민감도 분석을 하게 되면 모델구축에 있어 많은 시간이 소요되는 검.보정 절차에 있어 보다 효과적이고 과학적인 근거를 마련할 수 있게 되고, 또한 검.보정 후의 모델 결과값에 대한 민감도 분석을 진행 할 경우  각각의 예측값에 대한 근거 제시가 가능하다.


5. 리뷰어: 박용은(yepark@gist.ac.kr)