遥感技术的不断发展,推动了内陆水体水质监测方法的多元化。研究以遥感数据与大数据处理技术相结合的湖泊水质监测方法,是水利遥感大数据时代的发展需要,也是水治理能力现代化的发展方向。论文以斧头湖为研究区域,将基础数据与图像处理算法、机器学习和分布式计算技术等方面的知识相结合,探究湖泊的总氮反演及评估技术。论文主要研究内容如下:（1）根据斧头湖流域的Sentinel-2遥感影像,设计并实现了水体轮廓自动化提取模型。模型原理是利用自动化水体提取指数对原始影像进行波段运算,再应用最大类间方差法将图像二值化,最后结合形态学图像处理算法进行迭代计算以保留湖泊主体轮廓。模型使用GDAL、OpenCV和Skimage算法库编程实现。（2）利用机器学习算法构建斧头湖总氮反演模型。分别运用基于波段组合的线性回归方法、K近邻方法和随机森林回归方法构建总氮反演模型,经过模型精度的对比分析,选择了回归误差最小的随机森林回归模型,其在测试集上的R~2为0.884,RMSE为0.091mg/L。（3）实现了基于分布式计算的总氮反演模型。利用分布式文件系统HDFS、分布式计算框架Spark及其算法库MLlib,实现基于随机森林回归方法的总氮反演模型构建,并在遥感影像上进行分布式应用,得到反演的湖泊总氮浓度的灰度图像。（4）给出了一种湖泊总氮浓度评估方法,并应用于斧头湖总氮浓度分布的时空特征分析。该方法将反演灰度图与水体轮廓进行融合,计算总氮浓度的量化指标,并对融合后的图像根据水质类别的总氮浓度限值进行色彩渲染。从时间上来看,春夏季节的总氮浓度较低,秋冬季节的浓度较高。从空间上来看,湖泊中部及北部的总氮浓度相对于其他区域较低。论文的研究验证了湖泊水质遥感监测领域的分布式计算技术应用的可行性,为利用大数据相关技术实现高效的内陆水体水质监测提供了一定的技术参考。