汇流累积量是水文信息提取重要一环,是地方水利建设、防汛减灾、土壤侵蚀、地形稳定等的重要基础数据。数字高程模型(DEM)是利用高程值模拟地面起伏的一组有序数组,DEM数据的应用加速了水文信息自动化提取的进程,同时也促进了汇流累积量信息提取的发展。近年来,随着DEM分辨率的提高和覆盖范围的增加,数字高程模型的数据量越来越大,一个数据集可达千兆字节,数十亿个单元格,而且还在增加。虽然计算机处理和内存性能有了明显提高,但传统的累积量串行算法还是不能有效快速地进行汇流累积量信息提取,本文主要研究适用于面向超大规模DEM的汇流累积量并行算法,具体研究内容如下:(1)本文提出一种改进的汇流累积量串行算法。改进算法改变了单元格计算顺序,将某个“小流域”累积量全部计算完成后,再计算下一个“小流域”所有单元格,直到所有单元格计算完成。改进算法减小了计算过程中的开销空间,减轻单元格进出队列的压力,提高了计算效率。改进的累积量算法与常用递归累积量算法和非递归累积量算法进行对比分析,通过大小不等的测试数据,在10~6单元格量级下,改进算法相比于非递归算法大约提高了17%,递归算法的计算时间约为改进算法的3倍。因为汇流累积量串行算法是汇流累积量并行计算的重要组成部分,通过实验得到采用改进算法执行时间较短,本文将提出的改进累积量串行算法应用在累积量并行计算过程中。(2)本文采用Barnes并行框架,提出一种新的汇流累积量并行算法,来帮助超大规模数据进行多流向汇流累积量的计算。并行算法主要采用单生产者多消费者并行设计模式。并行算法主要包括三个步骤,即子节点的局部计算、主节点的全局解构建和子节点的最终解计算。本文共采用四个数据集对并行算法进行加速比、可扩展性实验分析,所有测试数据在进程数6-11下的加速比都在3以上。进程数为9时,所有数据的强弱扩展性可达到40%以上。结果显示该算法能够提高计算效率,并且具有可扩展性。并行算法主要优点有:所有子节点的计算资源被充分利用,负载均衡性较好,不会把大量的时间浪费在等待节点之间的同步化;该算法只需要固定数量的节点间通信和I/O操作;所需要的计算节点数可以大大小于能够加载整个DEM所需要的节点数量。