{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3314613"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3314613","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μελέτη των Μεσογειακών υφέσεων με τη χρήση προσομοιώσεων κλιματικών μοντέλων και αλγορίθμων μη-επιβλεπόμενης μηχανικής μάθησης","abstract":"Η ιδιαίτερη ευαισθησία της Μεσογείου στην κλιματική αλλαγή υπογραμμίζει την ανάγκη μελέτης των φαινομένων που λαμβάνουν χώρα στην περιοχή. Λόγω της σημαντικής κυκλωνικής δραστηριότητας που χαρακτηρίζει τη Μεσόγειο, χρήζουν διεξοδικής μελέτης οι Μεσογειακές υφέσεις και η αξιολόγηση των πιθανών μελλοντικών αλλαγών στα συστήματα αυτά. Στην παρούσα έρευνα, αξιοποιούνται μη-επιβλεπόμενοι αλγόριθμοι μηχανικής μάθησης ώστε να γίνει μια αντικειμενική ταυτοποίηση των υφέσεων στη Μεσόγειο, χρησιμοποιώντας ένα σύνολο προσομοιώσεων κλιματικών μοντέλων από το CMIP6. Αναλυτικότερα, το πεδίο της πίεσης στην επιφάνεια της θάλασσας χρησιμοποιείται ως μεταβλητή εισόδου του αλγορίθμου μη-επιβλεπόμενης μάθησης, ο οποίος εκπαιδεύεται να ανιχνεύει την κυκλωνική δραστηριότητα στη Μεσόγειο για μία ιστορική περίοδο αναφοράς (1981-2010). Η ικανότητα του δικτύου να ανιχνεύει τις κύριες κυκλογενετικές περιοχές της Μεσογείου αξιολογείται. Στη συνέχεια, κατηγοριοποιούνται δεδομένα προσομοιώσεων μοντέλων από το CMIP6 για το σενάριο SSP5- 8.5 για τη μελλοντική περίοδο 2031-2060. Οι αλλαγές στη συχνότητα εμφάνισης των επιφανειακών χαμηλών αξιολογούνται αναφορικά με την περιοχή εμφάνισης του εκάστοτε συστήματος, την εποχικότητά του και τις φυσικές διεργασίες που το προκαλούν. Η εξέταση των αλλαγών, υπογραμμίζει τις φυσικές διεργασίες που διέπουν τις συγκεκριμένες κυκλοφορίες, και επίσης επιτρέπει τον εντοπισμό περιοχών στις οποίες είναι πιθανό να επιφέρουν σημαντικές συνέπειες.","abstract_html":"Η ιδιαίτερη ευαισθησία της Μεσογείου στην κλιματική αλλαγή υπογραμμίζει την ανάγκη μελέτης των φαινομένων που λαμβάνουν χώρα στην περιοχή. Λόγω της σημαντικής κυκλωνικής δραστηριότητας που χαρακτηρίζει τη Μεσόγειο, χρήζουν διεξοδικής μελέτης οι Μεσογειακές υφέσεις και η αξιολόγηση των πιθανών μελλοντικών αλλαγών στα συστήματα αυτά. Στην παρούσα έρευνα, αξιοποιούνται μη-επιβλεπόμενοι αλγόριθμοι μηχανικής μάθησης ώστε να γίνει μια αντικειμενική ταυτοποίηση των υφέσεων στη Μεσόγειο, χρησιμοποιώντας ένα σύνολο προσομοιώσεων κλιματικών μοντέλων από το CMIP6. Αναλυτικότερα, το πεδίο της πίεσης στην επιφάνεια της θάλασσας χρησιμοποιείται ως μεταβλητή εισόδου του αλγορίθμου μη-επιβλεπόμενης μάθησης, ο οποίος εκπαιδεύεται να ανιχνεύει την κυκλωνική δραστηριότητα στη Μεσόγειο για μία ιστορική περίοδο αναφοράς (1981-2010). Η ικανότητα του δικτύου να ανιχνεύει τις κύριες κυκλογενετικές περιοχές της Μεσογείου αξιολογείται. Στη συνέχεια, κατηγοριοποιούνται δεδομένα προσομοιώσεων μοντέλων από το CMIP6 για το σενάριο SSP5- 8.5 για τη μελλοντική περίοδο 2031-2060. Οι αλλαγές στη συχνότητα εμφάνισης των επιφανειακών χαμηλών αξιολογούνται αναφορικά με την περιοχή εμφάνισης του εκάστοτε συστήματος, την εποχικότητά του και τις φυσικές διεργασίες που το προκαλούν. Η εξέταση των αλλαγών, υπογραμμίζει τις φυσικές διεργασίες που διέπουν τις συγκεκριμένες κυκλοφορίες, και επίσης επιτρέπει τον εντοπισμό περιοχών στις οποίες είναι πιθανό να επιφέρουν σημαντικές συνέπειες.","abstract_has_math":false,"creators":["Μπλουγουράς Γεώργιος","Blougouras Georgios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:21:52Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3314613"],"render_values":[{"text":"uoadl:3314613","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3314613","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3314613","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3314613","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μπλουγουράς Γεώργιος","Blougouras Georgios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3314613","https://pergamos.lib.uoa.gr/uoa/dl/object/3314613"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ιδιαίτερη ευαισθησία της Μεσογείου στην κλιματική αλλαγή υπογραμμίζει την ανάγκη μελέτης των φαινομένων που λαμβάνουν χώρα στην περιοχή. Λόγω της σημαντικής κυκλωνικής δραστηριότητας που χαρακτηρίζει τη Μεσόγειο, χρήζουν διεξοδικής μελέτης οι Μεσογειακές υφέσεις και η αξιολόγηση των πιθανών μελλοντικών αλλαγών στα συστήματα αυτά. Στην παρούσα έρευνα, αξιοποιούνται μη-επιβλεπόμενοι αλγόριθμοι μηχανικής μάθησης ώστε να γίνει μια αντικειμενική ταυτοποίηση των υφέσεων στη Μεσόγειο, χρησιμοποιώντας ένα σύνολο προσομοιώσεων κλιματικών μοντέλων από το CMIP6. Αναλυτικότερα, το πεδίο της πίεσης στην επιφάνεια της θάλασσας χρησιμοποιείται ως μεταβλητή εισόδου του αλγορίθμου μη-επιβλεπόμενης μάθησης, ο οποίος εκπαιδεύεται να ανιχνεύει την κυκλωνική δραστηριότητα στη Μεσόγειο για μία ιστορική περίοδο αναφοράς (1981-2010). Η ικανότητα του δικτύου να ανιχνεύει τις κύριες κυκλογενετικές περιοχές της Μεσογείου αξιολογείται. Στη συνέχεια, κατηγοριοποιούνται δεδομένα προσομοιώσεων μοντέλων από το CMIP6 για το σενάριο SSP5- 8.5 για τη μελλοντική περίοδο 2031-2060. Οι αλλαγές στη συχνότητα εμφάνισης των επιφανειακών χαμηλών αξιολογούνται αναφορικά με την περιοχή εμφάνισης του εκάστοτε συστήματος, την εποχικότητά του και τις φυσικές διεργασίες που το προκαλούν. Η εξέταση των αλλαγών, υπογραμμίζει τις φυσικές διεργασίες που διέπουν τις συγκεκριμένες κυκλοφορίες, και επίσης επιτρέπει τον εντοπισμό περιοχών στις οποίες είναι πιθανό να επιφέρουν σημαντικές συνέπειες.","The particular sensitivity of the Mediterranean to climate change highlights the need to study the phenomena that take place in the region. Due to the intense cyclonic activity in the Mediterranean, it is necessary to study in detail the Mediterranean cyclones and evaluate the potential future changes in these systems. In this research, unsupervised machine learning algorithms are employed in order to objectively identify Mediterranean lows, using a set of climate model simulations from CMIP6. In detail, the sea level pressure field is used as an input variable in the unsupervised machine learning algorithm, which is trained to detect cyclonic activity in the Mediterranean for a historical reference period (1981-2010). The network’s ability to identify the main cyclogenesis regions of the Mediterranean is evaluated. Next, climate model simulations data from CMIP6 for the SSP5-8.5 scenario for the future period 2031-2060 are classified. The changes in the frequency of surface lows are evaluated relative to the region of appearance of each system, as well as its seasonality and its physical drivers. The examination of the changes highlights the physical processes involved in these circulations, and also allows for the identification of possible future at-risk regions."]},{"key":"dc:title","label":"Title","values":["Μελέτη των Μεσογειακών υφέσεων με τη χρήση προσομοιώσεων κλιματικών μοντέλων και αλγορίθμων μη-επιβλεπόμενης μηχανικής μάθησης"]}]}],"canonical_facts":{"dc:creator":["Μπλουγουράς Γεώργιος","Blougouras Georgios"],"dc:date":["2023"],"dc:description":["Η ιδιαίτερη ευαισθησία της Μεσογείου στην κλιματική αλλαγή υπογραμμίζει την ανάγκη μελέτης των φαινομένων που λαμβάνουν χώρα στην περιοχή. Λόγω της σημαντικής κυκλωνικής δραστηριότητας που χαρακτηρίζει τη Μεσόγειο, χρήζουν διεξοδικής μελέτης οι Μεσογειακές υφέσεις και η αξιολόγηση των πιθανών μελλοντικών αλλαγών στα συστήματα αυτά. Στην παρούσα έρευνα, αξιοποιούνται μη-επιβλεπόμενοι αλγόριθμοι μηχανικής μάθησης ώστε να γίνει μια αντικειμενική ταυτοποίηση των υφέσεων στη Μεσόγειο, χρησιμοποιώντας ένα σύνολο προσομοιώσεων κλιματικών μοντέλων από το CMIP6. Αναλυτικότερα, το πεδίο της πίεσης στην επιφάνεια της θάλασσας χρησιμοποιείται ως μεταβλητή εισόδου του αλγορίθμου μη-επιβλεπόμενης μάθησης, ο οποίος εκπαιδεύεται να ανιχνεύει την κυκλωνική δραστηριότητα στη Μεσόγειο για μία ιστορική περίοδο αναφοράς (1981-2010). Η ικανότητα του δικτύου να ανιχνεύει τις κύριες κυκλογενετικές περιοχές της Μεσογείου αξιολογείται. Στη συνέχεια, κατηγοριοποιούνται δεδομένα προσομοιώσεων μοντέλων από το CMIP6 για το σενάριο SSP5- 8.5 για τη μελλοντική περίοδο 2031-2060. Οι αλλαγές στη συχνότητα εμφάνισης των επιφανειακών χαμηλών αξιολογούνται αναφορικά με την περιοχή εμφάνισης του εκάστοτε συστήματος, την εποχικότητά του και τις φυσικές διεργασίες που το προκαλούν. Η εξέταση των αλλαγών, υπογραμμίζει τις φυσικές διεργασίες που διέπουν τις συγκεκριμένες κυκλοφορίες, και επίσης επιτρέπει τον εντοπισμό περιοχών στις οποίες είναι πιθανό να επιφέρουν σημαντικές συνέπειες.","The particular sensitivity of the Mediterranean to climate change highlights the need to study the phenomena that take place in the region. Due to the intense cyclonic activity in the Mediterranean, it is necessary to study in detail the Mediterranean cyclones and evaluate the potential future changes in these systems. In this research, unsupervised machine learning algorithms are employed in order to objectively identify Mediterranean lows, using a set of climate model simulations from CMIP6. In detail, the sea level pressure field is used as an input variable in the unsupervised machine learning algorithm, which is trained to detect cyclonic activity in the Mediterranean for a historical reference period (1981-2010). The network’s ability to identify the main cyclogenesis regions of the Mediterranean is evaluated. Next, climate model simulations data from CMIP6 for the SSP5-8.5 scenario for the future period 2031-2060 are classified. The changes in the frequency of surface lows are evaluated relative to the region of appearance of each system, as well as its seasonality and its physical drivers. The examination of the changes highlights the physical processes involved in these circulations, and also allows for the identification of possible future at-risk regions."],"dc:identifier":["uoadl:3314613","https://pergamos.lib.uoa.gr/uoa/dl/object/3314613"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Μελέτη των Μεσογειακών υφέσεων με τη χρήση προσομοιώσεων κλιματικών μοντέλων και αλγορίθμων μη-επιβλεπόμενης μηχανικής μάθησης"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:21:52Z"}