随着信息技术的不断发展，现代社会的数据量已经呈现爆炸式增长，人类产生的数据量是古代人类的万倍以上，逐渐从互联网时代逐渐走向了大数据时代。在中国，农业是第一产业，随着农业机械化的不断成熟，物联网技术、互联网技术、无线传感技术的发展，我国农业逐渐迈入信息化时代和大数据时代。而如何有效挖掘这些海量农业数据，从中获得高价值信息从而更好地指导农业发展，是实现农业智能化、信息化的重要前提。我国作为一个农业大国，地域分布广泛、农业生产环境复杂，传统农业数据量大、时间跨度长、更新缓慢，而农业物联网产生新型农业数据又呈非结构化、时效性强等特点，所以这对处理农业相关数据的大数据技术提出了更高的要求。本文对农业物联网中环境数据的感知应用需求进行分析研究，设计了一个基于Spark集群的农业环境数据处理系统。该系统分为三大功能模块，实现了对农业环境数据的预处理、存储和计算分析。首先系统搭建在完全分布式的Spark集群上，通过HDFS对数据进行分布式存储:其次利用Spark MLlib的机器学习库结合聚类算法去处理农业环境数据:最后用Spark SQL实现数据查询等操作。实验选取温室西瓜生长环境数据进行聚类分析,用两种算法聚类出了西瓜最适宜的生长条件,比较了K-means和GMM算法的精确度，体现了分布式存储和并行化计算方式对聚类算法性能的有效提升，说明了聚类算法对于农业环境数据的挖掘具有重要意义。实验证明本文设计与开发的农业环境数据处理系统，在中小型温室农作物环境数据处理方面有良好的应用前景，并对农业生产与发展具有重要的指导意义。