遥感影像处理可以追溯到50年代,1964年美国正式使用计算机对“旅行者七号”宇宙飞船发射的月球相片进行处理,获得了前所未有的清晰影像,标志着遥感影像处理的诞生。遥感影像广泛应用于军事、气象、工业、海洋探测、农业监测等各个领域。目前,遥感产业应用于农业监测中仍存在问题。一方面,遥感影像数据增长快,对其处理计算耗时长。另一方面,遥感技术应用于农作物监测时因遥感影像处理方法问题导致监测结果不准确,大量遥感影像不能得到有效的应用。同时农作物监测方法多种多样,需要依据监测区域的特点制定合适的监测模型,才能实现对特定地区农作物长势、面积等的准确监测。针对上述出现的问题,本文提出在云计算环境下将分布式计算技术应用于农作物监测中,主要研究内容与结论如下:第一,对遥感影像分类的几种算法做了相应的研究并对其进行分析对比。分别采用最小距离分类法、平行六面体分类法、最大似然分类以及支持向量机分类法对同一幅遥感影像进行处理,对实验结果进行分析与对比得出不同分类方法的优点与缺点及其适用情况,得出SVM分类精度较高,但处理速度慢的结论。第二,云计算环境下,利用Hadoop分布式框架结合遥感影像的特殊性改进SVM算法。在SVM分类时加入农作物植被指数计算,提高了分类精度,同时将该算法应用于分布式计算中,对大量遥感影像进行处理,大大提高了计算速度。第三,将改进后的分类算法应用于农作物面积和产量监测中,结合研究目标研究地区提出合适的农作物监测模型。根据第四章改进的分类算法,设计出一种新型的农作物面积监测与产量估算模型。第四,实验验证提出的新型监测模型在效率和准确度方面的提高。以辽宁省沈阳市辽中县部分地区高分遥感影像为研究数据实现2013年该地区玉米的种植面积及产量的监测。