卫星云图可直观反映各类云系的运动状态,已成为气候及水文预测的重要参考依据。多年来水利行业累积了大量的卫星云图和雨量数据,但通过人工判读的方式效率低,只能定性判断,在决策过程中可信度低。为了解决此问题,本文综合应用Spark大数据技术与图像挖掘技术,通过关联规则分析研究云图与雨量之间的关系,为基于卫星云图的降雨预测提供理论了依据。论文主要研究开发内容如下:(1)构建了云图数据和雨量数据关系模型。基于灰度特征设计了五种与降雨相关的云图特征参数,结合云图特征参数和雨量数据建立多维立方体,并采用聚类技术完成混合数据分区,进而利用关联规则挖掘算法探究云图与雨量之间的关系(2)利用聚类技术实现卫星云图云层分离提取。引入粗聚类Canopy算法对模糊C均值算法进行了改进,研究了Canopy FCM算法。针对局部最优问题,结合最大最小原则,提出了MMCanopy FCM算法。为了支持海量卫星云图的处理,结合Spark编程模型,提出并实现了并行化SP MMCanopy FCM算法。实验结果表明本文方法可有效实现云层分离。(3)基于云图-雨量混合数据集进行关联规则挖掘。结合矩阵特性改进了Apriori算法,提出了基于矩阵压缩的MC_Apriori算法,克服了其产生过多无用候选项集的缺点,提高了内存利用率。为支持海量云图-雨量数据的关联规则挖掘,基于Spark平台对Apriori算法进行了并行优化,提出SP MC Apriori算法。通过实际的云图-雨量混合数据集实验分析表明,本文方法具有较好的准确性和时效性。(4)应用上述理论与方法,基于Spark大数据平台,设计实现了一个降雨量预测原型系统。