代理模型因其能够细致刻画农生态系统的空间异质性和行为交互而被广泛用于决策支持。然而，要把模拟结果转化为可操作的建议，需要明确哪些决策真正驱动系统行为。传统的全局敏感性分析假设所有输入在固定的笛卡尔空间上相互独立，这在实际的决策树结构中并不成立：许多参数只有在上层选择激活后才出现，导致分析结果偏倚。
我们把决策结构本身视为建模对象，利用高级代理模型技术，将高分辨率农生态平台 MAELIA 的作物管理流程映射为一个层次化设计空间，包含类别变量和数值变量。针对这种分支空间，我们提出了一种专用方法——基于随机森林监督的 HSIC‑ANOVA。该方法在决策树上直接对主效应和交互效应进行排序，并且能够把偶尔出现和始终激活的决策放在同等位置进行比较。
在氮渗漏、土壤有机碳变化和产量预测等输出上应用该方法后，得到的结果能够以决策为中心进行解释：例如，灌溉策略的选择对氮渗漏的影响显著，而施肥剂量在不同作物轮作方案下的交互效应则主导了土壤有机碳的变化。整体上，这种层次化敏感性分析为模型使用者提供了一种直观的、面向决策的阅读方式。
点评