Les conditions de visibilité réduite et/ou de plafond bas ont un impact important sur le trafic aérien au sein des aéroports et leur prévision reste un défi pour les météorologues. Dans cet article, les caractéristiques locales des conditions LVP (Low Visibility Procedure) sont examinées et les réseaux neurones artificiels (ANN) basé sur la rétropropagation résiliente en tant qu’algorithme d’apprentissage supervisé est utilisé pour prévoir ces conditions météorologiques à l’aéroport international Mohamed V de Casablanca, au Maroc. Cet article vise à évaluer la capacité de l’ANN à fournir une prévision précise de tels événements à l’aide des paramètres météorologiques de la station d’observation météorologique automatique (AWOS) pour la période allant de janvier 2009 à mars 2015.
Local Meteorological and Large-Scale Weather Characteristics of Fog over the Grand Casablanca Region, Morocco
Using a fog event approach, the local meteorological and synoptic characteristics of fogs that formed over the Grand Casablanca (GCB) region during a 9-yr period (2001–09) are investigated. A climatological study of fog, with emphasis on the fog temporal variability and spatial distribution, is carried out on the basis of hourly surface meteorological observations at two synoptic stations in the region. The fog events are classified into fog types, using an objective classification algorithm, and are characterized by their duration, intensity, and times of onset and dissipation. In addition, fog events are classified into two distinct categories (isolated and widespread) on the basis of their spatial extent. K-means cluster analysis is applied to the patterns of mean sea level pressure in ERA-Interim reanalyses at 0000 UTC to determine the synoptic circulation types as-sociated with fog occurrence in the GCB region.