[붙임] 연구결과 개요

1.연구배경

해빙(sea ice)이란, 바닷물이 얼어서 생긴 얼음을 뜻하며, 지구의 북극엔 육지 대신, 거대한 해빙이 자리 잡고 있다. 바닷물보다 반사도가 높은 해빙은 지구로 들어오는 태양광을 반사시켜 극지방을 차갑게 유지하고, 지구의 평균 기온을 유지하는데에 큰 역할을 한다. 이러한 해빙은 따뜻한 여름에 일부가 녹아내리고, 겨울철에 다시 얼어 회복되는 과정을 반복하며 그 면적을 유지해왔지만, 최근 45년간 관측 결과, 북극 해빙이 점점 줄어들고 있다는 것을 확인하였다. 해빙의 감소는 태양 반사의 감소로 인한 지구 평균 기온 상승으로 직결되기에, 보다 정확한 해빙 변화의 예측은 과학적으로 매우 중요한 의미를 갖는다.

동시에 굳이 이러한 거대 규모의 지구 시스템 측면에서 생각할 것도 없이, 최근 기술의 발달로 인해 증가한 인류의 북극 해역의 해상 활동의 측면에서 생각해보아도 북극 해빙 변화의 예측은 중요하다. 해양 교통, 자원 개발, 북극항로 개발 등의 산업적 측면에서 또한 계절 단위, 혹은 연간 단위의 해빙 변화 예측의 중요성이 커지고 있다. 하지만, 기존의 해빙 예측 모델은 단기(1개월 미만) 또는 계절 단위(최대 3개월)의 해빙 농도 예측에 초점이 맞춰져 있어, 본 연구에서는 AI 기법을 활용하여 북극 해빙의 장기 예측(최대 12개월) 모델을 개발하였다.

2.연구내용

딥러닝 모델 중 하나인 UNET 모델을 활용하여 최대 12개월까지의 북극 해빙 농도(sea ice concentration)를 예측했다. UNET 모델은 과거 북극 해빙의 변화 패턴과 평균 기온, 해수면 온도, 태양 복사량, 바람과 같은 주요 기후 요인과 해빙 변화의 관계를 학습하여 미래 해빙 농도를 예측하며, 기존 해빙 예측에 활용된 다른 비교 모델(C3S, DP, CNN, ConvLSTM)보다 더 정확하고 안정적인 예측 성능을 보였다(평균 7.12%의 RMSE). 특히 2007, 2012, 2019, 2020년 여름과 같이, 해빙이 짧은 시간에 급격히 감소한 사례에서도 UNET이 상대적으로 우수한 예측 정확도를 보였다(RMSE < 8%). 각 기후 변수들에 대한 해빙 농도 예측에서의 역할을 추가적으로 분석하였는데, 일반적으로는 과거 해빙의 변화 패턴과 표면 기온이 가장 중요한 변수로 확인되었으며, 주로 얇은 해빙으로 이루어진 해빙의 가장자리 지역에서는 태양 복사량과 바람이 중요하게 작용하는 것으로 나타났다.

3.기대효과

본 연구에서 개발한 향상된 북극 해빙 농도 장기 예측 모델은 보다 효과적인 북극 개발 및 관리 계획 수립 등 다양한 분야에 활용될 수 있다. 더 나아가 기후 변화로 인한 북극 환경 변화를 이해하고 대응하는 데 중요한 도구로 사용될 수 있을 것으로 기대된다. 향후 고해상도의 위성 관측과 더불어 해빙 두께와 같은 추가적인 정보를 함께 활용한다면, 예측 모델의 성능을 더욱 향상시킬 수 있을 것으로 기대된다.

[붙임] 용어설명

1.해빙(sea ice)

바닷물이 얼어서 생긴 얼음

2.해빙농도(sea ice concentration)

단위 면적당 해빙이 차지하는 비율; 0 – 100%

[붙임] 그림설명

그림 1. 딥러닝(UNET)을 이용한 북극 해빙 3, 6, 9, 12개월 예측 모델 개요(위) 및 예측 결과 예시(2022년 9월 대상; 아래)

그림 2. UNET을 활용한 과거 단기간에 급격한 해빙의 감소가 있었던 사례(위)에 대한 6개월 및 12개월 예측 오차(RMSE < 8%; 아래)

그림 3. 기후 변수별 UNET 예측 결과의 성능 차이를 활용한 각 변수의 지역별 역할 분석 예시(2012년 9월에 대한 6개월 예측 사례, 좌: 해빙 농도 예측 결과, 우: 해빙 농도 예측 오차).