敏感性分析在模型选择,模型校验和参数筛选等方面具有重要意义.目前现有的敏感性分析方法大部分仅仅局限于具有独立性输入变量的模型,有少部分基于方差分解的敏感性分析方法涉及到了互相关输入参数,但是计算成本较高.虽然该类敏感性分析方法能够定量地比较参数敏感性的大小,但并不适用于具有互相关性输入变量的高维复杂模型.植物模型由于其描述的内在生理过程从本质上与基因的”一因多效”和”多因一效”紧密相连,因而其输入参数不可避免地存在互相关,而且参数维度较高,直接用基于方差的敏感性分析方法可操作性不强.传统的Morris方法计算成本相对较低,定性分析可以实现参数降维的预处理,为之后的定量敏感性分析减少计算量,但是目前基于Morris方法法的敏感性分析大部分没有考虑互相关输入参数.针对这一问题,我们基于Nataf及正交变换和传统Morris方法,提出了一种可应用于具有互相关性输入模型的敏感性分析方法,我们称为改进的Morris方法,同时为了降低计算成本,设计了相应的高效算法.与Qiao Ge和Monica Menendez提出的改进策略相比[1],我们的方法:(1)具有更高的计算效率;(2)敏感性指标更少,从而更加直观.我们通过三个经典算例对改进的Morris方法进行测试,验证了该方法的正确性和有效性.然后用改进的Morris方法,结合定量的敏感性分析方法对SUNFLO模型进行了敏感性分析,发现在高敏感性参数的影响主要来自上位性和基因多效性.为植物模型在虚拟育种应用方面提供了一定的指导作用,同时为带有互相关性输入的高维复杂模型提供了一种具有可行性且较低计算成本的敏感性分析策略.