空间信息技术已被广泛应用于社会建设的各个方面,特别是随着时间的推移,需要被系统保存的数据也越来越多。如何高效率地检索、挖掘这些海量数据信息,让其发挥更高的价值,一直是研究者持续关心的问题。分布式计算平台Hadoop的出现,促进了海量空间数据处理的发展,将基于Hadoop的查询工具Hive和MapReduce相结合,可提高分布式计算的效率,但是,在具体实现过程中,如何克服由于空间数据的复杂性而造成的计算量的极速膨胀,是解决查询和分布式计算性能的关键。本文从空间数据索引入手、结合分布式开发模型MapReduce,搭建了基于MapReduce的新的分布式索引平台,并通过对R*算法进行改进后的新的DSR*算法,提高了海量空间数据索引和信息处理的效率。本文主要研究成果如下:(1)研究了分布式计算和空间索引的理论基础,重点分析了R*算法的优缺点以及Hadoop在MapReduce框架下进行分布式计算的实现原理。(2)分析了R*算法提高索引和查询性能的途径,并针对其不能直接应用在空间数据索引方面的问题,提出了一种改进的DSR*(Distributed Spatial R*)算法。(3)搭建了分布式计算平台Hadoop Sptial,并在此基础上通过仿真实验,验证了DSR*算法的可行性及其在提高空间索引性能方面的作用。(4)利用改进的DSR*算法,在MapReduce中实现了高性能分布式空间索引平台,并将其应用在海量空间数据的查询中。