随着我国农业的迅速发展,农业研究领域积累了大量的数据,如何高效存储、处理及最大限度利用现有农业数据,成为当今时代面临的重要课题。另外,Hadoop已经在大数据领域广泛使用,并被应用于多种领域。因此,本文结合农业数据及Hadoop平台的特征,提出将该平台应用于农业领域,在该平台上存储及处理现有农业信息资源数据。本文主要研究内容如下:(1)农业大数据的分析。本文中分析了当前国内外农业数据的组织与管理现状,总结概括了我国农业大数据的特征和存储现状。(2)农业大数据存储与索引结构的设计。根据我国农业大数据的特征,设计了一种基于不同类型农业数据特征的数据存储结构并对不同类型的数据设计了相应的数据缓存策略。为了有效提高对数据的查询、处理效率,对数据的索引机制进行了改进,提出了一种二级索引机制,优化了数据存储空间到数据分区、数据分区到真正数据存储节点的数据索引方式,为对当前多种不同结构的农业数据的管理提供了一个统一的数据存储平台。(3)k-Nearest Neighbor查询算法的区域划分方法的改进及该算法的并行化设计。为了实现对已存储在上述数据库中的农业数据进行高效查询,对广泛使用的k-Nearest Neighbor查询算法中的区域划分方法进行了改进,不再采用以往的规则区域划分方法,提出了一种基于不规则区域划分方法的k-Nearest Neighbor查询算法,并根据大数据处理框架Map Reduce的运行机制对其进行了并行化处理,然后将该优化后的算法应用在Map Reduce框架上,有效提高了该算法的对大数据的处理能力。