Key points are not available for this paper at this time.
북극 지역의 해빙 감소는 급격한 지구 온난화의 중요한 지표이며, 북극의 피드백 프로세스에도 영향을 미칠 수 있으므로, 해빙 범위 및 두께 예측은 기후 모델링과 예측에서 중요한 역할을 합니다. 본 논문에서는 기계 학습 방법을 사용하여 해빙 범위를 예측하며, 기후 변수, 과거 해빙 범위 및 단순 선형 회귀로 시뮬레이션한 해빙 범위를 포함한 방법과 요인을 조정하여 R2 점수가 가장 높은 결과를 주는 최적의 조합을 찾았습니다. 과거 해빙 범위 데이터 기간이 길고 기후 데이터 기간이 짧을수록 결과가 나아지는 경향이 있음을 알 수 있었습니다. 이는 기후와 해양 기억의 차이와 관련이 있을 수 있습니다. 하위 지역 해빙 범위 예측에서는 연중 내내 얼음이 덮인 지역이 예측하기 더 쉽고, 갑작스런 기상 변화와 유의적인 계절 변동이 있는 지역은 해빙 범위 예측에서 R2 점수가 낮게 나타나는 것으로 보입니다.
Chen et al. (수요일)이 이 질문을 연구했습니다.