La niebla y el estrato bajo (FLS) son fenómenos meteorológicos que tienen un impacto significativo en todos los medios de transporte y la seguridad pública. Debido a su similitud, a menudo se agrupan como una sola categoría cuando se observan desde una perspectiva satelital. La detección temprana de estos fenómenos es crucial para reducir los efectos negativos que pueden causar. Este documento presenta un enfoque basado en imágenes para la previsión a corto plazo de FLS durante las próximas 5 horas sobre Marruecos, basado en observaciones de satélites geoestacionarios (Meteosat SEVIRI). Para lograr esto, se generó un conjunto de datos del producto RGB de microfísica nocturna por hora a partir de archivos nativos que cubren la temporada fría nocturna (de octubre a abril) del período de 5 años (2016-2020). Se utilizaron dos técnicas de flujo óptico (sparse y dense) y tres técnicas de aprendizaje profundo (CNN, Unet y ConvLSTM), y se evaluó el rendimiento de los modelos desarrollados utilizando métricas de error cuadrático medio (MSE) e índice de similitud estructural (SSIM). Se utilizaron observaciones horarias de los Informes Meteorológicos de Aviación de Rutina (METAR) sobre Marruecos para comparar cualitativamente la existencia de FLS en METAR, donde también se muestra mediante el producto RGB. El análisis de resultados muestra que las técnicas de aprendizaje profundo superan al método tradicional de flujo óptico con SSIM y MSE de aproximadamente 0.6 y 0.3, respectivamente. Las técnicas de aprendizaje profundo muestran resultados prometedores durante las primeras tres horas. Sin embargo, su rendimiento depende en gran medida del número de filtros y los recursos de computación, mientras que el flujo óptico sparse se encuentra muy sensible a la definición de la máscara en el fenómeno objetivo.