El modelo APSIM (Simulador de Sistemas de Producción Agrícola)-Trigo se ha utilizado ampliamente para simular el crecimiento del trigo, pero se desconocen las características de sensibilidad de los parámetros del modelo a diferentes niveles de humedad del suelo en regiones áridas. Basado en datos de campo de trigo de invierno de 2023 a 2025 del Sitio Experimental de Changji, Xinjiang, China, este estudio realizó un análisis de sensibilidad global del modelo APSIM-Trigo utilizando los métodos de Morris y EFAST. Se perturbaron veintiún parámetros seleccionados en +/-50% de sus valores de referencia para cuantificar la sensibilidad de la materia seca total en la parte aérea (WAGT) y el rendimiento a las variaciones de los parámetros. Se identificaron parámetros que mostraron efectos significativos en el rendimiento. El rendimiento del modelo APSIM calibrado se evaluó en comparación con las observaciones de campo. Los resultados indicaron que el orden de los parámetros influyentes variaba ligeramente entre los diferentes niveles de humedad del suelo. Sin embargo, la salida de WAGT fue notablemente sensible a la temperatura acumulada desde la etapa de plántula hasta la etapa de unión (T1), la temperatura acumulada desde la unión hasta el período de floración (T2), la temperatura acumulada desde el llenado de granos hasta la madurez (T4) y la demanda de agua del cultivo (E1). Mientras tanto, la salida de rendimiento mostró una mayor sensibilidad al número de granos por tallo (G1), la temperatura acumulada desde la floración hasta el llenado de granos (T3), la tasa potencial diaria de llenado de granos durante el período de llenado (P1), el coeficiente de extinción (K), T1, T2, T4 y E1. Los índices de sensibilidad de los diferentes niveles de humedad del suelo bajo los métodos de Morris y EFAST mostraron una consistencia altamente significativa. Después de la optimización, el coeficiente de determinación (R) fue de 0.877 a 0.974, el índice de acuerdo (índice d) fue de 0.941 a 0.995, el error cuadrático medio (RMSE) fue de 319.45 a 642.69 kg·ha, el error absoluto medio (MAE) fue de 314.69 a 473.21 kg·ha, la relación de desviación estándar residual (RSR) fue de 0.68 a 0.93, y la eficiencia de Nash-Sutcliffe (NSE) fue de 0.26 a 0.57, mejorando así el rendimiento del modelo. Este estudio destaca la necesidad de una calibración más cuidadosa de estos parámetros influyentes para reducir la incertidumbre asociada con el modelo.