Satellite-based Prediction of Arctic Sea Ice Concentration Using Deep Neural Network with Multi-Model Ensemble

Abstract

북극의 온난화는 해빙의 감소로, 해빙의 감소는 다시 북극권의 온난화로 이어진다. 위성 기반 북극의 해빙과 가속화되는 온난화와 관련된 기후 요소 사이의 관계를 밝히기 위해 많은 연구가 수행되었다. 하지만 공간 해상도가 낮은 General Circulation Model (GCM) 자료를 사용하는 선형 모델링은 복잡성 또는 비선형 문제에 대한 대응이 불가능하다. 또한 시계열 기법은 한 단계 앞의 예측에는 효과적이지만 여러 단계 앞을 예측하는 경우에는 불확실성이 높아지기 때문에 향후 10년 또는 20년의 예측에는 적합하지 않다. 이에 따라 본 연구에서는 다중 모델 앙상블을 이용한 딥러닝 기법을 적용하여 향후 북극 해빙면적비 예측에 대한 새로운 접근법을 제시하고자 한다. GCM 대신 고해상도로 제공되는 Regional Climate Model (RCM) 자료를 사용하였으며, RCM 앙상블은 단일 RCM에서 발생할 수 있는 불확실성을 최소화하기 위해 Bayesian Model Averaging (BMA) 을 통해 산출하였다. 또한 변수별 RCM의 불확실성을 최소화하기 위해 시간적 및 공간적 변화를 고려한 BMA2 기법을 통해 입력 자료의 정확도를 향상시켰다. 해빙면적비와 기후 변수 간의 비선형적 관계를 다루고 향후 10년에서 20년 동안의 근미래 예측을 위해 Deep Neural Network (DNN)을 사용하였다. 최적의 계층구조, 손실 함수, 최적화 알고리즘 및 활성화 함수를 채택하여 최적화된 DNN 모델을 통하여 SIC 예측의 정확도를 향상시켰다. DNN 모델이 BMA2와 결합되었을 때의 상관계수는 0.888로 매우 높은 정확도를 보였으며, 본 연구를 통해 근미래 북극의 해빙 변화에 활용하기 위한 기술을 제공할 수 있을 것으로 기대된다.