전지구 해양 해빙 예측시스템인 NEMO-CICE/NEMOVAR의 해빙 초기조건의 특성을 2013년 6월부터 2014년 5월까지 북극영역에 대하여 분석하였다. 이를 위하여 관측 자료와 재분석 자료를 모델의 초기조건과 비교하였다. 모델 초기조건은 관측에서 나타나는 해빙 면적과 해빙 두께의 월 변동을 잘 보이는 반면, 분석 기간 동안 관측과 재분석 자료보다 북극의 해빙 면적을 좁게, 해빙 두께를 얇게 나타내었다. 모델 초기조건의 북극 해빙 면적이 좁은 것은 해빙의 경계 지역에서 해빙 농도 초기조건이 약 20% 정도 재분석자료보다 낮기 때문이다. 또한 북극 평균 해빙 두께가 얇게 나타나는 이유는 연중 두꺼운 해빙이 유지되는 그린란드 및 북극 군도와 인접한 북극해 영역에서 모델의 초기조건이 약 60 cm 정도 얇기 때문이다.

Arctic sea ice as an indicator of climate change plays an important role in controlling global climate system. Thus, accurate observation and prediction of Sea Ice Concentration (SIC) is essential for understanding global climate change. In this study, we aim to improve the prediction accuracy of SIC by using machine learning and Regional Climate Model (RCM) data for a more robust method and a higher spatial resolution. Using the CORDEX RCM and NASA SIC data between January 1981 and December 2015, we developed three statistical models using Multiple Linear Regression (MLR), Support Vector Machine (SVM), and Deep Neural Network (DNN) which can deal with the non-linearity problem, respectively. The DNN model showed the best performance among the three models with the significant correlation between the predictive and observed SIC (r=0.811, p-value < 0.01)and the Root Mean Square Error (RMSE) of 0.258. With deeper considerations of the polar fronts and the characteristics of ocean current and tide, the DNN model can be applied for near future prediction of Arctic sea ice changes.