随着三维图形技术和可视化技术的发展，数据的大小呈几何数目的增长，尽管单机的CPU处理能力越来越强，但与图像数据的规模增长速度相比仍有一定差距。单机上对大数据进行渲染越来越显得力不从心。与此同时，专业级别的图像处理服务器和工作站虽然可以满足一定的需求，但其昂贵的价格使其不能被广泛应用。在地球深部探测、资源勘探的实际应用中，三维可视化技术在地学数据中的应用受到了许多人的重视。地学数据的可视化可以为科研人员提供地球深部的真实情况，为地学专家提供地球地理结构、模型的真实参考。另一方面，也有助于能源资源的探测，产生巨大的经济利益。在深部探测过程中产生的地学数据往往是几十GB甚至是TB级别的数据，在地学数据的可视化过程当中难以将数据完全载入内存，这就导致了在显示过程当中容易出现画面实时性不足、单机处理速度缓慢等问题。三维场景的管理在组织场景的过程中是一个重要的环节，其中，场景图是对三维场景管理的一个有效的方法，鉴于场景图的优势和特点，这些年来得到了广泛的应用。场景图可以方便地使用分层结构画出所构造的每个复杂场景，场景图这类模式是基于OpenGL的基础之上的。在集群基础上进行的计算需要性价比较高以及具有一定可扩展性的方法，通过在高速网络互联的PC工作站上搭建集群，满足了并行渲染的基本要求。对场景图的并行渲染方法进行研究有着充分的现实意义，可以在一定程度上降低渲染成本，提高渲染速度。本文是在国家重大专项“地球深部探测”所研发的三维地学数据可视化工具包OpenProbe当中进行的优化，研发了并行化组件。OpenProbe是在单机上对大规模数据进行图像渲染的软件包，本文主要通过搭建计算机集群，通过多进程、MPI函数库，实现了基于场景图的并行渲染。本文的主要工作包括以下几个方面：首先介绍了并行渲染的定义及基于场景图的并行渲染系统，并对其优缺点进行了分析总结。其次，对OpenProbe三维地学数据可视化工具包进行了架构及功能上的介绍，对OpenProbe中可以优化的部分进行了分析，重点对数据显示链表subcubelist在内存中的数据加载过程及数据并行的并行渲染的模块进行了设计，实现了数据加载过程的优化及集群基础上的并行渲染功能。最后，本文用不同规模的数据作为测试数据，通过对比同一数据规模的所消耗的时间，设计了多组的测试。实验结果表明，在分布式集群环境下，渲染的时间消耗有一定程度的降低。