Hydrologic models are used to simulate natural phenomena while making different assumptions about the levels of complexity with which natural processes should be represented. Global Sensitivity Analysis is regularly applied to understand how the inputs (including forcing, parameters, and initial states) of these models control their outputs. A less widely explored strategy to support such diagnostic analysis is the assessment of direction of change (DOC), which addresses the question whether the increase (or decrease) of a model input leads to a positive (or negative) change in the model output. We propose a metric, called Direction Index, to quantitatively assess the DOC and develop an approach to calculate it. The basic idea of our approach is twofolded: (1) Estimate the zeroth and first‐order term of the High Dimensional Model Representation (HDMR) decomposition. (2) Calculate the derivatives of the first‐order term of the HDMR decomposition with respect to a given input. We demonstrate our approach on a widely used conceptual lumped hydrological model (Hymod) with a time‐varying analysis applied to the Leaf River Catchment in the USA. The results show that our approach provides new insights into the behavior of the model, which can be used to guide model structure improvement or to improve calibration efficiency.

中文翻译：

---

技术报告－方法：一种基于模型输入的整体变化来分析模型输出变化方向的诊断方法

水文模型用于模拟自然现象，同时对应该表示自然过程的复杂程度做出不同的假设。定期应用全局灵敏度分析来了解这些模型的输入（包括强迫，参数和初始状态）如何控制其输出。支持这种诊断分析的研究较少的策略是更改方向评估（DOC），它解决了模型输入的增加（或减少）是否导致模型输出发生正（或负）变化的问题。我们提出了一种称为“方向指数”的指标，用于定量评估DOC并开发一种计算它的方法。我们方法的基本思想是双重的：（1）估计高维模型表示（HDMR）分解的零阶和一阶项。（2）计算相对于给定输入的HDMR分解的一阶项的导数。我们通过在美国的叶河集水区进行时变分析，证明了我们在广泛使用的概念性集总水文模型（Hymod）上的方法。结果表明，我们的方法为模型的行为提供了新的见解，可用于指导模型结构的改进或提高校准效率。我们通过在美国的叶河集水区进行时变分析，证明了我们在广泛使用的概念性集总水文模型（Hymod）上的方法。结果表明，我们的方法为模型的行为提供了新的见解，可用于指导模型结构的改进或提高校准效率。我们通过对随时间变化的分析应用于美国的叶河集水区，论证了在广泛使用的概念性集总水文模型（Hymod）上的方法。结果表明，我们的方法为模型的行为提供了新的见解，可用于指导模型结构的改进或提高校准效率。