土地利用矢量数据是土地调查产生的成果数据,是土地利用状况分析评价的数据基础,也是国土资源部门把握土地利用情况的重要依据。当前,全国大部分省级土地利用现状管理系统采用关系型数据库与ArcSDE协同管理空间数据,如Oracle+ArcSDE、SQL Server+ArcSDE等方式,上述方法中土地利用矢量数据存储在单台服务器上,极大的限制了数据的安全性和计算能力。随着土地调查的深入,我国各省份土地利用矢量数据不断增加,传统的数据管理方法已不能满足土地利用矢量数据存储、管理的需求,也严重制约了土地利用矢量数据的分析和处理效率。为了提高土地利用矢量数据的管理与计算效率,本文在研究云计算技术与现有的土地利用矢量数据特点的基础上,对云环境下的土地利用矢量数据的存储与计算进行了深入的研究,本文主要研究内容有以下几点：1.设计了云环境下的省级土地利用矢量数据组织方法,即按县级行政区分层存储,并将县级行政区边界存储到文件中,以便于进行跨县的空间操作。对于土地利用矢量数据的存储,本文采用遵循WKT标准的TSV格式,将属性数据与空间数据存储在同一个文件中。2.研究了云环境下的土地利用矢量数据并行导入方法,通过Sqoop与基于GDAL开发的数据并行导入工具协同运行的方式,实现从关系型数据库、S hapefile、 MDB等数据源中并行导入数据。3.研究了云环境下的土地利用矢量数据四叉树索引的批量并行创建方法,以提高空间索引创建的效率。4.设计了一套基于Spark技术对存储在HDFS上的土地利用矢量数据进行空间查询、属性统计以及空间叠加分析的一体化解决方案。最后,在研究内容基础上,开发了云计算支持下的浙江省省级土地利用现状管理实验系统,并与原来基于Oracle和ArcSDE管理土地利用矢量数据的系统进行了性能对比。结果表明,基于Spark的土地利用现状管理实验系统更适合对海量土地利用矢量数据的管理和分析。