Η συνοπτική ταξινόμηση των συστημάτων καιρού αφορά πληθώρα περιβαλλοντικών εφαρμογών. Προσφάτως, η γνωστική περιοχή για την οποία η συνοπτική ταξινόμηση έχει βαρύνουσα σημασία είναι αυτή της ατμοσφαιρικής ρύπανσης. Η γνώση της συνοπτικής κλιματολογίας μιας περιοχής, επιτρέπει την πρόγνωση και ενδεχομένως την αποφυγή επεισοδίων ρύπανσης, τα οποία οφείλονται είτε σε τοπικές πηγές είτε στην μεταφορά ρύπων. Η γνώση αυτή ενισχύεται σημαντικά μέσω της κατηγοριοποίησης (ταξινόμησης) των συνοπτικών καταστάσεων που επικρατούν σε μία δεδομένη περιοχή. Τα τελευταία χρόνια έχουν γίνει προσπάθειες «αυτόματης», μη εμπειρικής, ταξινόμησης με την χρήση Η/Υ. Οι μέχρι τώρα προσπάθειες επικεντρώνονται σε κλασικές στατιστικές μεθόδους. Σκοπός αυτής της διδακτορικής διατριβής είναι η ανάπτυξη μεθόδων και η υλοποίηση αλγορίθμων για την εξαγωγή και ψηφιακή επεξεργασία περιβαλλοντικών σημάτων και εικόνων. Η εφαρμογή των ανωτέρω οδηγεί στη δημιουργία έμπειρων συστημάτων συνοπτικής ταξινόμησης των συστημάτων καιρού, η οποία βασίζεται σε μεθόδους επεξεργασίας εικόνας, ανάλυσης και ομαδοποίησης δεδομένων, αναγνώρισης προτύπων και θεωρίας γράφων. Η σκοπιμότητα της παρούσης έρευνας διαφαίνεται από τη πρωτοτυπία που παρουσιάζει, η οποία έγκειται στο γεγονός ότι οι τεχνικές που παρουσιάζονται και που έχουν αντιμετωπίσει επιτυχώς σειρά προβλημάτων ταξινόμησης σε διάφορους γνωστικούς τομείς, εφαρμόζονται για πρώτη φορά στην Ελλάδα σε θέματα Μετεωρολογίας-Κλιματολογίας-Φυσικής του Περιβάλλοντος και συγκεκριμένα για την συνοπτική ταξινόμηση των συστημάτων καιρού. Τα χαρακτηριστικά των σύγχρονων μεθόδων επεξεργασίας εικόνας, θεωρίας γράφων και ανάλυσης δεδομένων, καθιστούν τις προτεινόμενες προσεγγίσεις αυτής της διατριβής ανταγωνιστικές τόσο σε επίπεδο ποιότητας ταξινόμησης όσο και σε υπολογιστικό χρόνο. / The synoptic classification of weather systems involves a variety of environmental applications. Recently, the synoptic classification has been found to be relevant with the cognitive area of air pollution. Knowing the synoptic climatology of a region, allows the prediction and possibly the prevention of pollution incidents, resulting in either local sources or in transport of pollutants. This knowledge is greatly enhanced by the categorization (classification) of the synoptic conditions in a given area. In recent years ‘automatic’, non-empirical, classification methods have been developed using computers. So far these efforts have been based on classical statistical methods. The aim of this PhD thesis is the development of methods and the implementation of algorithms to extract and process digital signals and environmental images. Consequently, expert systems for the synoptic classification of weather systems are created based on methods relative to image processing, data analysis and clustering, pattern recognition and graph theory. The objective of this research is demonstrated by its own originality which lies in the fact that the presented techniques have successfully addressed a number of classification problems in different topics. It is the first time that such methods have been applied on Meteorology-Climatology-Physics of the Environment in Greece, namely the synoptic classification of weather systems. The characteristics of the modern methods proposed in this PhD thesis are competitive both in classification quality and in computational time.