对大规模多分辨率空间图像数据的高效存储和快速查询是海量地形信息可视化的重要保障。本文在Ceph分布式文件系统的快速查询、分区管理等特点基础上,设计了分布式多分辨率空间图像文件系统MR-Ceph(Multi-Resolution Ceph),以小文件合并和地理区域划分的方法,实现对多分辨率空间图像的分布式对象存储。在实现存储的基础上,设计了R树索引和图像金字塔索引相结合的空间索引RPyTree来加速图像数据的查询。对于多个服务节点都保存RPyTree副本的情况,为保证索引的一致性,本文借鉴乐观锁机制,利用分布式消息复制管理方法设计了版本控制定时更新方法,保证空间索引在多个服务节点上的数据一致性。当查询图像的分辨率与文件系统中存储图像的分辨率不一致时,需要对查询涉及到的图像进行重采样。为了提高重采样速度,本文根据CPU和GPU图像重采样的特点,建立RECG(resampling evaluation on CPU and GPU)模型来评估CPU和GPU重采样效率,根据评估结果合理选择CPU或者GPU的重采样方式,提高单节点上多分辨率空间图像的重采样速度。实验表明,MR-Ceph能有效管理多分辨率空间图像数据。