海洋对全球气候变化具有重大影响。对不同海域的海洋环境数据进行关联分析,使得我们可以从海洋环境数据中发现海洋气候异常变化规律,从而为全球气候变化预测提供智力支持。本文以海洋环境数据中的温度和盐度数据为例,研究不同海域的海洋温度和盐度变化之间的关联。与传统的购物篮分析不同,海洋温度盐度变化之间的关联挖掘属于典型的事务间事务的关联分析,使得关联分析不再局限于事务内。因此,挖掘海洋温度盐度变化模式是一项十分艰巨的任务。本研究立足于海洋Argo浮标观测数据,应用MapReduce编程框架对不同海域间温度盐度变化事件进行了关联分析。论文主要工作如下：(1)分析了Argo浮标观测数据文件的特点,应用MapReduce编程框架从Argo数据中提取了2000年1月至2010年5月间全球海域的温度盐度数据,并对其进行了数据规约、数据变换等预处理工作。(2)结合事务间事务的关联分析方法对不同海域的海洋温度盐度变化事务特点进行了深入研究与分析,提出了基于邻域的时空事务分析方法,并给出了两种空间划分模型。对事务间事务的维度属性做了分类属性和量化属性的区分,在理论上对事务间事务关联分析理论进行了扩展。(3)在分析海洋温度盐度变化事务的维度属性特点的基础上,提出了事务间事务维度属性变换的理论与方法,对事务的属性维数进行了有效约简。(4)重新定义了海洋温度盐度变化事务中项之间的次序,对预处理后的海洋温度盐度变化数据使用基于MapReduce框架的并行FP-Growth算法进行了频繁模式发现,生成了关联规则并对影响频繁项集的因素做了细致的实验分析。通过理论分析和实验验证,证明了本文提出的将MapReduce框架应用于海洋温度盐度关联分析的可行性和正确性。