VIC（Variable Infiltration Capacity）模型，即可变下渗容量模型，是由华盛顿大学、加州大学伯克利分校以及普林斯顿大学的研究者共同研制的大尺度分布式水文模型1。以下是其相关介绍1：
- 发展历程：最初由 Wood 等人提出思想，Stamm 等人构建了最初的 VIC 模型，把土壤分为两层，称为 VIC - 2L 模型。后来 Liang 等人针对 VIC - 2L 模型的缺点，将上层分出一个顶薄层，改进为 VIC - 3L 模型，目前应用的 VIC 模型通常是指 VIC - 3L 模型。
- 模型原理：基于 SVATS（Soil Vegetation Atmospheric Transfer Schemes）思想，可同时对水循环过程中的能量平衡和水量平衡进行模拟。将流域划分为若干网格，每个网格都遵循能量平衡和水量平衡原理来模拟水循环的各个过程，包括土壤蒸发、地表截留蒸发、蒸散发、侧向热通量、感热通量、长波辐射、短波辐射、地表热通量、下渗、渗透、径流和基流等。
- 模型特点：对于水循环过程，同时考虑水分收支和能量收支过程；考虑了积雪融雪及土壤冻融过程；考虑了冠层蒸发、叶丛蒸腾和裸土蒸发；考虑了地表径流和基流两种径流成分的参数化过程，以及基流退水的非线性问题。对于次网格，分别考虑了地表植被类型的不均匀性、土壤蓄水容量的空间分布不均匀性和降水的空间分布不均匀性。
- 输入数据：需要输入气象强迫数据，如降水、大气温度、风速、辐射等；还需输入植被数据以及土壤数据，植被数据包括植被类型、叶面积指数等，土壤数据包括土壤质地、饱和土壤水势等。
- 应用领域：VIC 模型可应用于大尺度的水文研究，如区域和大陆尺度甚至全球的水文模拟。可用于研究水资源变化、径流模拟、洪水预测、气候变化对水文循环的影响等，为水资源管理、水利工程规划设计等提供科学依据。例如在中国的大宁河流域，有研究以 VIC - 3L 为基础构建了径流评估模型，通过与汇流模型耦合进行参数率定和流量过程模拟，取得了较好的结果，验证了 VIC 模型在该流域的适用性。
在气候变化问题日益严重的今天，水文模型在防洪规划，未来预测等方面发挥着不可替代的重要作用。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。
|-----------------------------------------------------------------------------------------------------------|
| 专题一：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 |
| 综合案例一：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 |
| 专题二：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 |
| 综合案例二：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 |
| 专题三：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 |
| 综合案例三：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 |