..自然场景的实时高保真绘制是计算机图形学的主要研究方向之一,在数字娱乐和虚拟仿真等方面有着广泛的应用。大规模动态森林场景是自然场景不可或缺的重要组成部分。由于其巨大的数据量和极高的计算复杂度导致目前的计算系统难以实时地处理这类场景。因此,如何实时绘制和模拟大规模动态森林场景已成为图形学的一个挑战性问题。大规模森林场景的实时绘制和动态模拟的困难主要在于两个方面：一是其庞大的数据规模需要耗费巨大的内外存资源,二是千万级甚至亿级的可见面片需要实时处理。现有的算法尚不足以实时处理规模在10万棵树以上的森林场景。为此,本论文提出了一套完全基于GPU的森林场景优化、绘制和动态模拟方法。其基本思路是利用图像与几何的混合方式来表达树模型,经树模型实例化的森林场景被自适应地组织成为适合GPU并行处理的深度图像块流(Depth Quad Stream),这些深度图像块既可用于视点相关的森林绘制,又可过程式地随风力变化改变位置来模拟树木的运动效果。实验结果表明,所提出的方法在低存储空间消耗、低显存消耗、低CPU工作负载的情况下实现了规模从数十万棵树至上百万棵树森林场景的实时绘制和动态模拟。本论文的主要贡献包括以下三个方面：·提出了一种基于深度图像并适用于GPU并行计算的树模型表达方式。树模型是森林场景的基本元素,其数据复杂度直接关系到森林场景实时绘制和动态模拟的效率。我们多方向地采样几何树模型获取深度图像,然后对深度图像进行剖分建立带纹理的多分辨率深度网格。通过遍历邻近采样方向的深度网格,即可快速地绘制出逼真的树木。这种表达方法的优点是绘制效率与原几何模型的复杂度无关,仅与深度块的数量相关,而且可借助于GPU的并行流水线进行加速,在近距离观察时能很好地还原树模型的几何细节,远距离观察时可以达到Billboard的效率。●提出了一种采用GPU加速的大规模森林场景表达和实时绘制算法。绘制大规模森林场景的困难在于内外存耗费巨大、需实时处理大量的面片。通过树模型的实例化,我们将可见树木自适应地组织成为适合GPU并行处理的深度图像块流,以此来表达视点相关的森林场景。深度图像块流的组织形式极大地减少了森林场景的数据存储复杂度和可见面片数量,有效缓解了CPU与GPU之间频繁数据传输的问题。实验结果表明所提出的方法能够以200MB存储空间和近2,000MB显存空间的代价实现规模高达100万棵树的森林场景的实时绘制。·提出了一种基于GPU的大规模森林场景过程式动态模拟方法。大规模森林场景庞大的面片数导致了难以实时模拟其运动效果。由于我们分别采用深度网格和深度块流来表达树模型和大规模森林场景,传统的运动模拟方法难以直接用于模拟其复杂的运动。我们创新性地将经验物理方程过程式地作用到每一深度块中,使各深度块随风力作用产生形变来模拟森林的运动效果。借助于GPU并行计算技术,我们成功地实现了规模高达100万棵树的森林场景的实时动态模拟。