R+VIC 模型融合实践技术应用及未来气候变化模型预测

目前，无论是工程实践或是科学研究中都存在很多著名的水文模型如SWAT/HSPF/HEC-HMS等。虽然，这些软件有各自的优点；但是，由于适用的尺度主要的是中小流域，所以在预测气候变化对水文过程影响等方面都有所不足。

VIC模型是一个大尺度的半分布式水文模型，其设计之初就是为了模拟大流域的水文过程；它能够计算陆地－大气的能量通量，考虑土壤性质和土地利用的影响，自带有简化的湖泊/湿地模块，也能够将植被状况，碳循环等过程纳入模型；这些特性都使得VIC非常适合大范围陆面在未来气候变化下的影响。另一方面，VIC并不原生支持Windows系统，也不存在界面等也为学习该模型带来极大的障碍。我们经过积极的探索，实现了在Windows系统下执行整个VIC模型的功能，且通过已有的R语言脚本实现了对VIC模型参数调优功能等改进。

 【内容简介】:

一：VIC模型的原理及特点

1.VIC模型各模块的主要原理

2.VIC模型的特点及优势

3.VIC模型的适用范围及其限制

4.VIC模型主要输入和输出文件解析

 案例：基于QGIS的VIC模型建模

1.Windows版本VIC模型安装及问题解决方法

2.QGIS处理DEM

3.土壤数据的获得及QGIS处理

4.QGIS和R语言联合处理气象数据及各种插值方法

5.QGIS和R对VIC模型的后处理

二：VIC模型率定验证 

1.什么是模型的率定验证及其注意点

2.自动率定验证的流程及需要工具

3.参数的敏感性分析方法

4.参数的不确定性分析方法

5.代理模型及高斯过程模型

案例：基于R语言VIC参数率定和优化 

1.R语言下操纵VIC模型的方法

2.VIC模型参数的全局敏感性分析（Morris及Sobol方法）

3.VIC模型参数的优化

4.VIC模型参数的不确定性（GLUE）

5.R语言中的高斯过程（贝叶斯优化）模型

 三：遥感技术与未来气候变化

1.遥感技术及其原理简介

2.CMIP6数据特点及各情景介绍

3.气象数据的统计降尺度方法

4.未来气象数据的修订方法

案例：运用VIC模型评估未来气候对水文情势的影响 

1.R语言中气象数据的分析和处理

2.运用QGIS和R语言统计降尺度

3.气象数据的修订

4.遥感数据驱动VIC模型

5.CMIP6数据驱动VIC模型

6.情景结果的比较分析