비정상적으로 높은 수온(AHWT) 현상은 최근 수십 년 동안 한국 연안 해역에서 양식 어류의 대량 폐사를 유발하여 막대한 금전적 손실로 이어졌다. 이러한 손실을 방지하기 위해 AHWT 발생 시점을 예측하고, AHWT 도달 전에 대응 조치를 취하는 것이 가장 중요하다. 이에 본 연구는 딥러닝 기술을 이용하여 AHWT 발생을 예측하는 방법론을 제안하였다. 첫째, 유럽 중기예보센터(European Centre for Medium-Range Weather Forecasts, ECMWF)의 ERA5 제품 해수면온도 자료를 사용하여 장단기메모리(long short-term memory, LSTM) 딥러닝 모델을 학습함으로써 미래 수온을 사전에 추정하였다. 둘째, 추정된 수온 자료를 이용하여 도달 1일 후부터 7일 후까지의 AHWT 발생을 예측하였다. 제안된 LSTM 모델의 정확도를 평가하기 위해 평균제곱근오차(root mean square error, RMSE), 평균절대백분율오차(mean absolute percentage error, MAPE) 지표 및 F1-score를 계산하였다. 1일 및 7일 수온 예측의 경우, 추정 데이터와 실제(sea-truth) 데이터 간 RMSE와 MAPE 값은 각각 0.293°C 및 1.313%, 그리고 0.854°C 및 4.175%로 나타났다. 1일 및 7일 AHWT 예측의 분류 알고리즘에 대한 F1-score는 각각 0.96과 0.74였다. 본 연구는 양식장에서 AHWT로 인한 어류 피해의 금전적 손실을 줄이기 위한 방안을 개발하는 데 기여한다. • LSTM 딥러닝 모델을 이용해 한국 주변의 고수온을 예측함. • 수온 예측에서 RMSE: 0.293 °C(1일)~0.854 °C(7일). • F1 score: 고수온 사건 탐지에서 0.96(1일) 및 0.74(7일). • 모델은 ECMWF ERA5 데이터를 사용하며 1–7일의 SST 예측을 제공함.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.