地形数据规模的增加,数据分辨率的提高和数据复杂度的上升对数字地形分析算法形成了越来越严峻的挑战。可视域分析作为数字地形分析算法集的重要组成部分,其对计算系统的性能要求也越来越高。传统的以单位时间内处理指令数为衡量标准的串行计算系统已经不能完全满足目前的分析计算需求了,必须要使用并行计算的手段对其进行改造和处理。但是传统的并行计算方法在提高地形分析的效率多集中在通用的粗粒度级别上,而细粒度级别上针对数字地形分析算法特点的将并行体系架构与具体地学意义相结合的并行方法的研究还需要进一步发展和完善。首先,本文基于数字地形分析和并行计算技术,对可视域分析算法进行并行特征和数据依赖特征分析,提出可视域分析算法中数据的全局和局部数据依赖关系的概念,并对数据并行的一般策略进行探讨,进而为数据划分提供理论依据。其次,在等角划分和等面积划分的基础上,本文提出一种基于计算窗口边界的数据划分的方法。该方法针对等角划分中可能出现的视点随机性影响并行效率的问题,采用使用栅格扩展、填充的方法以及任务调度负载平衡的方法予以处理。再次,针对并行数字地形分析的数据密集型特点,本文提出一种面向并行可视域分析的检错方法,利用集群的计算加速能力对可视域分析计算过程进行冗余,并通过对计算结果的错误率统计实现了对错误的检测,从而实现对由于诸如进程失效等原因所导致的计算结果错误的检测。在此基础之上,本文以并行检错为基础,使用多副本技术实现了一种在并行结构体系下的地形分析容错方法,为并行数字地形分析下常见的容错问题提供了一种易于实现的解决方法。最后,本文在并行可视域分析算法的基础之上,将地形分析中的数据依赖处理方法推广到地形分析算法集中的其他算法之中,同时也为地形分析中的具有全局数据依赖问题的分析算法提供一种比较通用的解决思路。