遥感水质反演在水质监测方面具有很大潜力,但随着反演相关数据尤其是遥感影像的快速增长,单机数据存储和处理方式面临挑战,而大数据存储及并行处理技术的发展则为海量数据场景下水质遥感反演提供了新的思路。论文探索了基于大数据平台的遥感水质反演系统的设计与实现。论文通过搭建大数据平台为系统提供基础数据支撑,研究多种回归方法以确定最适合的水质反演模型,并使用Spark实现反演模型的并行化。论文最终将反演模型应用于斧头湖多期遥感影像,探索斧头湖水质时空分布规律。研究的主要内容和成果如下:（1）使用HDFS、Accumulo、Elastic Search等大数据组件,搭建了基础数据平台,用于存储和检索水质反演相关原始数据、遥感影像瓦片金字塔数据、水质数据、水体矢量边界等异构数据,为水质反演系统提供数据支撑,并使用Spark实现了遥感影像瓦片金字塔的并行构建。（2）选取逐步多元线性回归、SVR、GBDT方法,针对斧头湖实测水质数据和准同期的Sentinel-2遥感影像分别构建反演模型。以决定系数R~2和均方根误差RMSE作为评价指标,得出GBDT方法最适合构建斧头湖Chl-a浓度反演模型,构建的模型在测试集上的R~2为0.6876,RMSE为0.0032mg/L。（3）使用Spark实现GBDT方法,构建了Chl-a浓度并行化遥感反演模型。将反演模型应用于斧头湖多期遥感影像,分析得到对应时段斧头湖Chl-a浓度的时空分布规律。在时间上,Chl-a浓度从8月至12月呈波动下降趋势,12月至1月呈上升趋势,整体上呈现夏季＞秋季＞冬季。空间上,Chl-a浓度在流量较大的8月份呈现由南向北递增趋势,12月至次年2月呈现由南向北递减趋势。论文选择斧头湖为试点开展研究,验证了基于大数据平台进行水质反演的可行性,可以为河湖空间大范围、长时间水质监测提供参考。