Le brouillard est un phénomène météorologique très difficile à prévoir, même à très courte échéance, en raison de sa grande variabilité spatiale et temporelle qui est due à des interactions complexes entre divers processus physiques. Dans cette thèse, les caractéristiques météorologiques locales et les processus synoptiques favorables aux brouillards sur la région du Grand Casablanca (Maroc) sont examinés à l'aide des observations horaires aux deux stations météorologiques permanentes de cette région côtière. Un algorithme de classification objectif est développé et utilisé pour classer les événements en des types de brouillard les plus rencontrés. Cette étude climatologique a mis en évidence que le brouillard a le plus souvent un caractère localisé et que le type d'advection-rayonnement est le plus fréquent sur la région, suivi des types d'affaissement de stratus et de rayonnement. Quand le brouillard intéresse simultanément les deux stations, la probabilité d'observer deux types différents est assez élevée. Les processus advectifs liés à la circulation de brise de mer au cours de l'après-midi, suivis de ceux radiatifs en début de nuit jouent un rôle important dans la formation du brouillard sur la région. Des simulations numériques à l'aide du modèle Méso-NH sont réalisées. Ces simulations ont confirmé que les processus physiques impliqués dans le cycle de vie du brouillard peuvent être différents selon la nature géographique de la surface. Elles ont aussi mis en évidence que la prévision numérique du brouillard en zone côtière est sensible à la température de la surface de la mer, à la topographie locale, et à l'occupation du sol. De plus, la prévision du brouillard côtier dépend fortement de la capacité du modèle à reproduire correctement la circulation de brise au cours de l'après-midi et les processus radiatifs en début de nuit. Les simulations systématiques des cas de brouillard de l'hiver 2013-2014 a montré la capacité du modèle Méso- NH à reproduire l'occurrence du brouillard avec néanmoins un taux relativement élevé de fausses alarmes, en particulier à la station côtière. / The prediction of fog remains a challenge due to its time and space variability and to the complex interaction between the numerous physical processes influencing its life cycle. During the first stage of this thesis, the local meteorological and synoptic characteristics of fog occurrence over the Grand Casablanca region (Morocco) are investigated. To achieve this, hourly surface meteorological observations, at two synoptic stations of this coastal region, are used. An objective fog-type classification has been developed in this work and used to discriminate the fog events into the well known types. This fog climatology points out that the fog is often localized and that it is predominantly of advection-radiation type, followed by fog resulting from cloud base lowering and radiation fog. Besides, two different fog types can occur when fog simultaneously concerns the two stations. The advective processes associated with sea breeze circulation during the daylight, followed by the radiative processes often leads to fog formation over this coastal region. Numerical simulations are performed later using the meso-scale non-hydrostatic model Meso-NH. These simulations confirm that the physical processes, governing the life cycle of fog, can be different according to the physiographic features of the area. Moreover, the numerical prediction of coastal fog over heterogeneous area is very sensitive to sea surface temperature, land local topography and land cover. It also depends on the model's ability to reproduce the sea breeze circulation during the daylight followed by the radiative processes early in the night. The systematic numerical simulations of the fog events that occurred during the winter 2013-2014 indicate the Meso-NH's ability to well capture the fog occurrence with a relatively high false alarm rate, particularly over the coastal station.

No description available.

No description available.

No description available.

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.