规则格网DEM以其周期短、精度高、成本低廉、数据源稳定、数据覆盖面广等优点逐渐成为了数字地形分析应用最为广泛和重要的基础数据。而随着人们对于DEM高精度、多尺度和现势性要求不断的提高,DEM的数据量急剧增加,同时对以DEM为数据源的地形分析算法效率也提出了全新的挑战。研究如何从海量DEM数据中快速而准确的提取地形信息的数字地形分析算法就变得日益迫切。　　云计算能充分利用网络中现有的资源和设备,集中网络中的计算能力,进行分布式并行的计算,能极大缩短海量数据的运算时间,为快速准确的进行数字地形分析提供了可能。　　数字地形分析研究范围极为广泛,本文选取了地形形态特征分析这个重要分支作为主要研究内容,结合当前云计算这个热门的技术,进行地形参数计算以及地形形态特征分析中地形特征点和特征线提取的并行化研究,主要做了以下工作:　　1)了解并熟悉数字高程模型的相关知识及数字地形分析的内容,重点介绍地形特征因子(坡度、坡向、曲率)以及地形特征点、线的理论定义及分析方法,总结了多种目前已广泛应用的数学计算模型和实现原理,并分析了各自的特点。　　2)对当下流行的云计算概念和技术进行了介绍,详细介绍了云计算的开源项目hadoop,重点探讨了hadoop的核心技术HDFS分布式文件系统和MapReduce程序设计模型。　　3)在充分理解MapReduce程序设计模型的基础之上,详细分析地形特征因子提取和地形特征点、线提取的串行算法,设计并实现了基于MapReduce的坡度、坡向和曲率的并行化算法,以及地形特征点、山脊(谷)线的并行化算法。　　4)搭建Hadoop平台,部署开发环境,将SRTM高程数据做为实验数据集,运行坡度、坡向、曲率以及特征点和特征线的并行化算法,同时在单机环境下测试串行算法效率。通过实验证明基于MapReduce程序设计模型的地形参数和地形形态特征提取算法的优越性,为研究数字地形分析并行算法提供一个新的方向。