Ngày 19/10/2026, bài báo nghiên cứu mã số arXiv:2610.22420v1 giới thiệu phương pháp phân tích độ nhạy mới dành cho các mô hình đa tác tử (agent-based models) trong lĩnh vực nông nghiệp sinh thái. Nghiên cứu tập trung vào bài toán chuyển đổi dữ liệu mô phỏng phức tạp thành thông tin hữu ích phục vụ việc ra quyết định thực tế, thông qua việc xác định chính xác những quy tắc canh tác nào đóng vai trò cốt lõi định hình hành vi của toàn hệ thống.
Trong các hệ thống nông nghiệp sinh thái, việc phân tích độ nhạy thường gặp khó khăn do cấu trúc tham số không nằm trên một véc-tơ phẳng thông thường. Thay vào đó, các quyết định được tổ chức theo cấu trúc cây phân nhánh, nơi nhiều tham số chỉ xuất hiện khi một lựa chọn ở cấp độ cao hơn được kích hoạt. Theo bài báo, các phương pháp phân tích độ nhạy toàn cục truyền thống vốn giả định các đầu vào độc lập trên một không gian tích Descartes cố định, do đó trở nên thiếu chuẩn xác và mang tính thiên vị có sẵn khi áp dụng vào không gian phân nhánh này.
Để giải quyết bài toán, nhóm tác giả đã xử lý cấu trúc cây quyết định như một đối tượng mô hình hóa cơ bản. Sử dụng các kỹ thuật mô hình thay thế (surrogate modelling), nghiên cứu mã hóa toàn bộ quy trình quản lý cây trồng trên nền tảng mô hình hóa nông nghiệp sinh thái độ phân giải cao MAELIA thành một không gian thiết kế phân cấp, bao gồm cả biến định danh (categorical) lẫn biến số (numerical).
Nhóm nghiên cứu đề xuất phương pháp mới mang tên HSIC-ANOVA có giám sát bằng rừng ngẫu nhiên (random-forest-supervised HSIC-ANOVA) để xử lý không gian phân cấp này. Công cụ này có khả năng xếp hạng các tác động chính và các mối tương tác trực tiếp trên cây quyết định, đồng thời bảo đảm tính công bằng giữa các quyết định được kích hoạt thường xuyên và các quyết định hiếm khi diễn ra.
Khi áp dụng vào các chỉ số đầu ra của mô hình MAELIA như lượng nitơ rửa trôi (nitrogen leaching), biến động hàm lượng carbon hữu cơ trong đất (soil organic carbon) và dự báo năng suất cây trồng (yield predictions), phương pháp chứng minh khả năng cung cấp một góc nhìn có thể diễn giải được và định hướng rõ ràng cho quá trình ra quyết định. Hiện nghiên cứu mới công bố phương pháp và kết quả ứng dụng trên dữ liệu mô phỏng của MAELIA, chưa nêu cụ thể mã nguồn mở đi kèm hay thời điểm tích hợp chính thức vào các bộ công cụ phân tích bên ngoài.