본 논문은 심층 학습 기반의 그래프 신경망을 활용하여 카나리아 해류 상승류 시스템과 같은 하위 지역 해양 예측을 개선하는 연구를 제시합니다. 기존의 전 지구 순환 모델 기반 예측 방법은 계산 비용이 많이 들고 속도가 느리다는 한계를 가지고 있으나, 본 연구는 위성 데이터를 기반으로 학습된 그래프 신경망 모델이 기존의 ConvLSTM 및 GLORYS 재분석보다 우수한 예측 정확도를 보임을 실험적으로 증명합니다. 특히, 케이프 기르, 케이프 보자도르, 케이프 블랑크와 같이 복잡한 해양 역학이 존재하는 지역에서 RMSE 오차 감소에 있어 뛰어난 성능을 보였으며, 최대 26.5% (ConvLSTM 대비) 및 76% (GLORYS 재분석 대비)의 오차 감소를 달성했습니다. 이를 통해 기상 데이터 기반 모델을 하위 지역 중기 해양 예측 개선에 적용할 수 있는 가능성을 제시합니다.