随着工业化的发展,日益严重的环境污染给人们的生活带来了巨大的影响,为了加强城市环境污染监测,重点城市均开展了大规模的环境质量监测站基础建设。环境监测数据也随之呈现快速增长趋势,而目前的数据存储手段不利于数据的高效存储,导致数据库频繁出现数据缺失和异常等问题。近几年,Hadoop分布式存储技术为高效存储环境质量监测数据和解决“信息孤岛”等问题提供了新方法。本文基于Hadoop框架设计了大数据环境监测系统,解决了环境监测系统无法有效处理海量数据、环境质量数据存储不规范以及环境质量数据修复可靠性低等问题。具体工作如下:首先,根据国内外大数据和数据修复的发展现状和存在的问题,介绍了环境质量监测系统构建的关键技术,包括Hadoop框架、数据采集与预处理以及数据修复等,为构建环境质量监测系统的奠定基础。其次,提出大数据环境质量监测系统的整体架构设计,针对系统各功能层进行了具体详细的设计研究。分别从数据采集、数据存储、数据分析和数据应用等方面进行需求分析,在大数据技术的理论支撑上,完成了基于Hadoop大数据环境监测系统的设计工作。然后,在整体架构设计的基础上,完成了大数据环境监测系统的搭建,为环境质量数据修复提供了保障。针对环境监测质量数据具有非平稳性和非线性的特征,提出了基于中值滤波器（MF）、经验模态分解（EMD）和整合移动平均自回归模型（ARIMA）的环境质量修复模型,从而提高修复精度。最后,在完成系统测试的硬件环境、软件环境和软件程序部署后,对环境质量监测系统的数据采集层、数据文件存储层、数据预处理层、混合存储层、数据访问层和数据应用层进行了功能测试,以及数据查询和数据导入的性能测试,从而完善系统功能,提高系统性能。本文重点搭建大数据环境质量监测系统,并研究环境质量数据修复模型,经实验数据验证,该模型有效提高了环境质量数据的修复精度,MAE、RMSE、RMSE的改进分别达到67.1%、61.1%和65.3%,为基于Hadoop环境质量修复系统提供可靠数据库,以及环境污染预防提供了可靠保障。