Một số kết quả ban đầu về ứng dụng số liệu vệ tinh đánh giá độ cao sóng dự báo

 Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23  
Bài báo khoa học 
Một số kết quả ban đầu về ứng dụng số liệu vệ tinh đánh giá độ 
cao sóng dự báo 
Phạm Khánh Ngọc1*, Nguyễn Bá Thủy1 
1 Trung tâm Dự báo Khí tượng thủy văn quốc gia; ngocpkchibo@gmail.com; 
thuybanguyen@gmail.com 
*Tác giả liên hệ: ngocpkchibo@gmail.com; Tel.: +84–375203967 
Ban Biên tập nhận bài: 23/3/2020; Ngày phản biện xong: 16/05/2020; Ngày đăng bài: 
25/07/2020 
Tóm tắt: Nâng cao chất lượng dự báo các yếu tố khí tượng thủy văn nói chung và dự báo hải 
văn nói riêng có vai trò quan trọng trong dự báo, cảnh báo khí tượng thủy văn phục vụ 
phòng, chống và giảm nhẹ thiên tai và phát triển kinh tế biển. Ở Việt Nam, do hạn chế về số 
liệu quan trắc khí tượng thủy văn biển nên dự báo sóng biển chủ yếu dựa trên các kết quả của 
mô hình số trị. Cũng chính vì thiếu số liệu quan trắc nên đánh giá kết quả dự báo của mô 
hình còn nhiều hạn chế, nhất là tại khu vực biển xa bờ dẫn tới sản phẩm dự báo chưa thực sự 
đủ độ tin cậy. Trong nghiên cứu này giới thiệu kết quả thu thập, phân tích và xử lý số liệu 
quan trắc sóng bằng vệ tinh và một số kết quả đánh giá dự báo sóng của mô hình SWAN trên 
khu vực Biển Đông. Đánh giá kết quả dự báo sóng tháng 10 năm 2020 cho thấy giữa số liệu 
dự báo từ mô hình và quan trắc độ cao sóng từ vệ tinh có hệ số tương quan khá lớn với sai số 
nhỏ ở cả thời hạn dự báo 24 và 48 giờ, ngoại trừ những ngày có bão. 
Từ khóa: Dự báo sóng biển; Vệ tinh; Đánh giá dự báo. 
1. Mở đầu 
Sóng biển là yếu tố hải văn được quan tâm bậc nhất đối các hoạt động kinh tế xã hội khu 
vực ven biển và giao thông hàng hải. Chính vì vậy mà các bản tin cảnh báo, dự báo sóng luôn 
được quan tâm không chỉ trong những thời điểm có thời tiết nguy hiểm (bão, áp thấp nhiệt 
đới, gió mùa mạnh...) mà hàng ngày để lập kế hoạch cho các hoạt động trên biển. Ở Việt Nam 
do hạn chế về số liệu quan trắc nên dự báo sóng chủ yếu dựa trên kết quả của mô hình số trị. 
Các kết quả dự báo của mô hình SWAN được thiết lập tại Trung tâm Dự báo khí tượng thủy 
văn (KTTV) quốc gia là nguồn tham khảo chính để đưa ra các bản tin dự báo sóng hằng ngày 
tại Việt Nam. Mặc dù mô hình đã được hiệu chỉnh và kiểm định trong một vài đề tài, dự án, 
tuy nhiên với thời gian ngắn và không gian kiểm định còn giới hạn nên chất lượng dự báo 
chung chưa thực sự đủ độ tin cậy. Việt Nam có đường bờ biển trải dài trên 3200 km, tuy 
nhiên, hiện tại mạng lưới trạm quan trắc khí tượng, hải văn chỉ có 26 trạm nằm dải rác ở ven 
bờ, một số đảo và nhà giàn, quan trắc sóng hoàn toàn được thực hiện theo ước lượng bằng 
mắt thường nên hạn chế cả về tần suất quan trắc và chất lượng số liệu. Chính vì vậy rất khó 
khăn cho công tác dự báo và đánh giá chất lượng dự báo sóng biển. 
Trong lĩnh vực KTTV ở Việt Nam nghiên cứu sử dụng số liệu vệ tinh vào dự báo chủ yếu 
thực hiện trong dự báo khí tượng và thủy văn và yếu tố được quan tâm nhất là dữ liệu mưa 
ước lượng từ vệ tinh [1–4]. Trong khi đó, đối với dự báo sóng biển một số nghiên cứu chủ yếu 
tập trung vào phát triển và hoàn thiện công nghệ dự báo [5–6]. Tại nước ngoài, nghiên cứu sử 
dụng số liệu quan trắc độ cao sóng từ vệ tinh vào dự báo sóng biển đã thực hiện từ lâu nhưng 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 14 
chủ yếu tại các nước phát triển. Trong đó, số liệu quan trắc sóng từ vệ tinh được sử dụng vào 
2 mục đích, đó là kiểm nghiệm các mô hình dự báo sóng và đồng hóa dữ liệu cho mô hình dự 
báo sóng. Hướng nghiên cứu sử dụng số liệu vệ tinh để đánh giá chất lượng mô hình dự báo 
ngày càng phát triển với nhiều thuật toán phân tích và sử lý số liệu được cập nhật, như trong 
các nghiên cứu điển hình [7–9]. Sử dụng số liệu quan trắc sóng từ vệ để đồng hóa dữ liệu đã 
cải thiện đáng kể chất lượng dự báo sóng, nhất là làm giảm xu thế thiên cao và thiên thấp về 
độ cao sóng dự báo [10–13]. Những năm gần đây, nhiều cơ quan dự báo của nước ngoài đã 
đưa sản quan trắc độ cao sóng từ vệ tinh cũng như kết quả đánh giá dự báo lên web site như là 
những báo cáo hàng tháng [14–16]. 
Trong khuôn khổ dự án hợp tác về chia sẻ kinh nghiệm dự báo giữa Trung tâm KTTV 
quốc gia và Viện Khí tượng Nauy, phía Nauy đã cung cấp cho Trung tâm Dự báo KTTV quốc 
gia nguồn dữ liệu quan trắc độ cao sóng bằng vệ tinh được cung cấp bởi chương trình “Dịch 
vụ Giám sát Môi trường Biển Copernicus – CMEMS” của Ủy ban Châu Âu [4]. Nhiều cơ 
quan dự báo của Châu Âu hiện nay như là Viện Khí tượng Nauy (Met Norway) đã sử dụng 
nguồn số liệu này để đánh mô hình dự báo sóng và cập nhật kết quả đánh giá trên website của 
họ [17]. Hiện tại dữ liệu quan trắc sóng được thực hiện bởi 7 vệ tinh đo cao bao gồm Jason–
3, Sentinel–3A, Sentinel–3B, Cryosat–2, SARAL/AltiKa, CFOSAT và Hai Yang–2B với các 
nhiệm vụ khác nhau. Các dữ liệu này sau đó được xử lý bởi hệ thống phân tích dữ liệu đo độ 
cao đa nhiệm vụ WAVE–TAC dựa trên các thuật toán với các tiêu chí ngh ... 
(4) 
Hệ số tương quan tuyến tính chỉ ra mức độ thay đổi của mô hình theo các giá trị quan 
trắc. 
– Sai số trung bình (Mean Error–BIAS) 
 =


∑ ( − )

 (5) 
Trong đó Fi là giá trị dự báo; Oi là giá trị quan trắc. 
Chỉ số ME chỉ ra sai số trung bình so với giá trị quan trắc, nhưng không phản ánh biên độ 
của sai số. Giá trị dương của ME tức là trung bình giá trị dự báo lớn hơn giá trị quan trắc, giá 
trị âm của ME tương ứng với việc dự báo thấp hơn giá trị quan trắc. Chỉ số ME có giá trị từ – 
đến +∞, với 0 là giá trị “hoàn hảo”. Tuy nhiên, đôi khi một dự báo sai lại nhận được giá trị 
ME = 0 khi trong đó có những sai số triệt tiêu nhau. Do vậy, nếu chỉ sử dụng một chỉ số ME 
để đánh giá chất lượng dự báo sẽ không phản ánh được độ tin cậy của kết quả dự báo. 
– Sai số quân phương (Root Mean Square Error–RMSE) là căn bậc hai của MSE và là 
thước đo của biên độ sai số. 
 = 
1

( − )



 (6) 
Chỉ số RMSE cho biết biên độ trung bình của sai số dự báo, nhưng không cho biết hướng 
của độ lệch. Các chỉ số MSE và RMSE có thể được tính toán trên bất kỳ hay tất cả các hướng 
theo không gian hoặc theo thời gian. 
– Sai số trung bình tuyệt đối (Mean Absolute Error–MAE): 
 =


∑ | − |

 (7) 
Chỉ số sai số tuyệt đối trung bình cho biết biên độ trung bình của sai số dự báo, nhưng 
không cho biết hướng của độ lệch. Giá trị 0 cho biết dự báo là “hoàn hảo”. Thông thường, chỉ 
số MAE được sử dụng cùng với chỉ số BIAS để đưa ra ước lượng về độ tin cậy hiệu chỉnh kết 
quả mô phỏng của mô hình dự báo. 
3. Kết quả đánh giá dự báo độ cao sóng sử dụng số liệu quan trắc từ vệ tinh 
Trong nghiên cứu này, các kết quả dự báo từ mô hình SWAN với các thời hạn dự báo 24 
và 48 giờ trong tháng 10 năm 2020 được đánh giá với số liệu quan trắc sóng bằng vệ tinh. 
Hình 5 là các vệt ảnh quan trắc số liệu sóng từ vệ tinh CFO trong tháng 10 năm 2020. Dựa 
vào số lượng điểm ảnh trong tháng 10 năm 2020 được thể hiện như trên hình 6 có thể thấy giá 
trị quan trắc sóng mà vệ tinh CFO thu thập được theo thời gian là không giống nhau, số lượng 
điểm ảnh phụ thuộc vào vị trí mà vệ tinh đi qua trên khu vực quan trắc. So sánh giữa các giá 
trị dự báo từ mô hình SWAN với số liệu quan trắc vệ tinh tại các thời điểm dự báo 24 và 48 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 18 
giờ trong tháng 10 năm 2020 được thể hiện trên các hình 7, 8 và 9 cho kết quả tương đối tốt, 
ngoại trừ các ngày có bão (vùng khoanh tròn màu đỏ). Tháng 10 năm 2020 là tháng có khá 
nhiều cơn bão xảy ra liên tiếp nhau, cụ thể là các cơn Linfa (10–11/10/2020), cơn Nangka 
(12–15/10/2020), cơn Saudel (21–25/10/2020) và cơn Molave (26–28/10/2020), trong đó 
cơn Molave là cơn bão rất mạnh với cường độ bão đạt cấp 13, giật cấp 16 khi đổ bộ vào vùng 
biển ngoài khơi các tỉnh từ Đã Nẵng đến Bình Định [19]. Các kết quả so sánh trong tháng 10 
năm 2020 cho thấy giá trị dự báo 24, 48 giờ của mô hình thường thiên thấp so với quan trắc, 
nhưng vào thời điểm xảy ra bão mạnh giá trị dự báo lại hướng thiên cao và thường có sai số 
lớn. 
Hình 5. Quan trắc của vệ tinh CFO trên khu vực Biển Đông tháng 10 năm 2020. 
Hình 6. Số lượng điểm ảnh từ vệ tinh CFO thu thập được tại các bước thời gian dự báo 24 và 49 giờ 
trong tháng 10 năm 2020 phù hợp để so sánh với kết quả dự báo từ mô hình SWAN. 
Hình 7. Biểu đồ scatter đánh giá mức độ tương quan giữa dự báo và quan trắc sóng từ vệ tinh CFO 
trên Biển Đông trong tháng 10 năm 2020 với thời hạn dự báo (a) 24 giờ và (b) 48 giờ. 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 19 
Hình 8. Hệ số tương quan giữa mô hình và quan trắc tại các thời điểm dự báo 24 và 48 giờ trong 
tháng 10 năm 2020. 
Hình 9. Sai số trung bình (BIAS) và Căn bậc hai của sai số bình phương trung bình (RMSE) giữa kết 
quả dự báo từ mô hình SWAN và số liệu quan trắc từ vệ tinh tại các thời điểm dự báo 24 và 48 giờ. 
Để đánh giá cụ thể hơn, 02 trường hợp được tập trung phân tích: 
– Trường hợp thứ nhất: Khoảng thời gian 00Z ngày 24/10/2020 (bão Saudel ảnh hưởng) 
với các thời hạn dự báo 24h và 48h. 
– Trường hợp thứ hai: Thời điểm lúc 00Z ngày 10/10/2020 (thời tiết bình thường = 
không có bão và áp thấp nhiệt đới) với các thời hạn dự báo 24 và 48h. 
Với trường hợp thứ nhất, tại thời điểm dự báo lúc 00Z ngày 24/10/2020 của mô hình 
SWAN thì vệ tinh CFO cũng cho một vệt ảnh của các giá trị quan trắc khá gần bờ và gần tâm 
của cơn bão trên khu vực Biển Đông. Theo hình ảnh so sánh như trên hình 10 có thể thấy giá 
trị quan trắc sóng nơi vệ tinh đi qua gần tâm bão nhỏ hơn so với dự báo của mô hình. Các sai 
số đánh giá trên Bảng 1 cũng cho thấy với 248 giá trị được đánh giá, sai số giữa mô hình và 
quan trắc khá lớn với sai số quân phương (RMSE), Sai số trung bình tuyệt đối (MAE) và sai 
số trung bình (BIAS) lần lượt là 1,09, 0,85 và 0,73 với thời hạn dự báo 24 giờ. Tại thời hạn dự 
báo 48 giờ các sai số này còn lớn hơn với các giá 1,50, 1,12 và 1,12 lần lượt tương ứng với 
RMSE, MAE và BIAS. Giá trị dương của BIAS cũng cho thấy mô hình có thiên cao hơn so 
với quan trắc. Mặc dù vậy, tương quan tuyến tính lại khá cao, điều này có nghĩa giá trị quan 
trắc và mô hình cùng có xu hướng tăng. 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 20 
Hình 10. So sánh giữa kết quả dự báo từ mô hình SWAN với quan trắc từ vệ tinh CFO và trong cơn 
bão Saudel tại thời điểm 00Z ngày 24/10/2020 với thời hạn dự báo 24 (a) và 48 giờ (b). 
Bảng 1. Sai số giữa kết quả dự báo từ mô hình SWAN với quan trắc từ vệ tinh CFO tại thời điểm 00Z 
ngày 24/10/2020 với thời hạn dự báo 24 và 48 giờ. 
Hệ số 
Kết quả 
24 giờ 48 giờ 
Tương quan tuyến tính 0,94 0,93 
Căn bậc hai của sai số bình phương trung bình (RMSE) 1,09 1,50 
Sai số trung bình tuyệt đối (MAE) 0,85 1,12 
Sai số trung bình (BIAS) 0,73 1,12 
Giá trị trung bình của mô hình 4,21 4,60 
Giá trị trung bình của quan trắc 3,48 3,48 
Số giá trị được đánh giá 248 248 
Còn với trường hợp thứ hai trong điều kiện thời tiết không có bão và áp thấp nhiệt đới tại 
thời điểm dự báo lúc 00Z ngày 10/10/2020 của mô hình SWAN, vệ tinh CFO cũng đã đi qua 
khu vực Biển Đông và một phần vệt ảnh mà vệ tinh quan trắc được đã đi qua khu vực Vịnh 
Bắc Bộ. Tại thời điểm này, giữa mô hình và quan trắc đã ghi nhận được 191 giá trị độ cao 
sóng để so sánh. Các kết quả so sánh và đánh giá trên hình 11 và bảng 2 cho thấy mô hình dự 
báo khá tốt tại thời điểm này với cả hạn dự báo 24 và 48 giờ. Cụ thể, các giá trị sai số tương 
đối thấp như hệ số RMSE, MAE và BIAS lần lượt là 0,27, 0,25 và –0,25 với hạn dự báo 24 
giờ và 0,28, 0,24, –0,24 với hạn dự báo 48 giờ. Các sai số giữa hạn dự báo 24 và 48 giờ có sự 
chênh lệch không đáng kể cho thấy dự báo xa của mô hình tại thời điểm này cũng tương đối 
chính xác. Hệ số BIAS mang giá trị âm cho thấy mô hình có thiên thấp hơn với quan trắc. 
Tương quan của cả 02 hạn dự báo gần như là tuyệt đối tại thời điểm này. 
Bảng 2. Sai số kết quả dự báo từ mô hình SWAN với quan trắc từ vệ tinh CFO thời điểm 00Z ngày 
10/10/2020 với thời hạn dự báo 24 và 48 giờ. 
Hệ số 
Kết quả 
24 giờ 48 giờ 
Tương quan tuyến tính 0,99 0,99 
Căn bậc hai của sai số bình phương trung bình (RMSE) 0,27 0,28 
Sai số trung bình tuyệt đối (MAE) 0,25 0,24 
Sai số trung bình (BIAS) –0,25 –0,24 
Giá trị trung bình của mô hình 1,39 1,40 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 21 
Hệ số 
Kết quả 
24 giờ 48 giờ 
Giá trị trung bình của quan trắc 1,64 1,64 
Số giá trị được đánh giá 191 191 
Hình 11. So sánh giữa kết quả dự báo từ mô hình SWAN với quan trắc từ vệ tinh CFO tại thời điểm 
00Z ngày 10/10/2020 với thời hạn dự báo 24 (a) và 48 giờ (b). 
4. Kết luận 
Trong nghiên cứu này số liệu quan trắc độ cao sóng từ vệ tinh được cung cấp bởi chương 
trình “Dịch vụ Giám sát Môi trường Biển Copernicus–CMEMS” được khai thác và sử dụng 
để đánh giá chất lượng dự báo từ mô hình SWAN hiện đang được thiết lập tại Trung tâm Dự 
báo KTTV quốc gia trong tháng 10 năm 2020. Kết quả được phân tích chi tiết tại hai thời 
điểm trong cơn bão Saudel lúc 00Z ngày 24/10/2020 và tại một thời điểm không có bão và áp 
thấp nhiệt đới lúc 00Z ngày 10/10/2020 với các hạn dự báo là 24 và 48 giờ. Một số kết quả đạt 
được tóm tắt như sau: 
– Đã thu thập, phân tích và xử lý số liệu quan trắc sóng vệ tinh để phục vụ đánh giá chất 
lượng của mô hình dự báo sóng. 
– Trong các trường hợp thử nghiệm, hệ số tương quan giữa số liệu dự báo và quan trắc từ 
vệ tinh độ cao sóng khá lớn đã cho thấy cùng xu thế của kết quả dự báo và quan trắc. 
– So sánh giữa các giá trị dự báo từ mô hình SWAN với số liệu quan trắc vệ tinh độ cao 
sóng tại thời hạn dự báo 24 và 48 giờ trong tháng 10 năm 2020 cho kết quả tương đối tốt, 
ngoại trừ các ngày có bão. Các giá trị dự báo từ mô hình thường thiên thấp so với quan trắc, 
nhưng vào thời điểm có bão giá trị dự báo có thiên cao. 
Những đánh giá ban đầu ở trên mới chỉ dựa vào các kết quả phân tích từ vệ tinh CFO 
trong tháng 10 năm 2020 với các quan trắc chưa bao phủ được toàn bộ miền tính và số điểm 
ảnh ghi nhận được tại từng thời điểm so sánh còn hạn chế. Chính vì vậy, cần thiết phải tiến 
hành thêm những đánh giá kết quả dự báo từ mô hình SWAN với số liệu quan trắc từ nhiều vệ 
tinh khác trong thời gian dài mới có thể đưa ra kết luận đầy đủ về khả năng của mô hình 
SWAN trong dự báo sóng biển hiện nay tại Trung tâm Dự báo KTTV quốc gia, đây cũng là 
những nhiệm vụ sẽ được triển khai thực hiện trong các nghiên cứu tiếp theo. 
Đóng góp của tác giả: Xây dựng ý tưởng nghiên cứu: N.B.T., P.K.N.; Lựa chọn phương 
pháp nghiên cứu: N.B.T., P.K.N.; Xử lý số liệu: P.K.N.; Phân tích mẫu: N.B.T., P.K.N.; Lấy 
mẫu: P.K.N.; Viết bản thảo bài báo: N.B.T., P.K.N.; Chỉnh sửa bài báo: N.B.T., P.K.N. 
Lời cảm ơn: Nghiên cứu này được tài trợ bởi đề tài nghiên cứu khoa học cấp Bộ Tài nguyên 
và Môi trường, mã số TNMT. 2018.05.28. Bên cạnh đó, tập thể tác giả trân trọng cảm ơn tiến 
sỹ Patrik Bohlinger và tiến sĩ Lark Robert Hole thuộc Viện Khí tượng Nauy đã phát triển và 
hỗ trợ thu thập, phân tích và xử lý dữ liệu quan trắc sóng từ vệ tinh. 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 22 
Lời cam đoan: Tập thể tác giả cam đoan bài báo này là công trình nghiên cứu của tập thể tác 
giả, chưa được công bố ở đâu, không được sao chép từ những nghiên cứu trước đây; không có 
sự tranh chấp lợi ích trong nhóm tác giả. 
Tài liệu tham khảo 
1. Tĩnh, Đ.N. Nghiên cứu ứng dụng số liệu vệ tinh mưa dự báo số trị kết hợp số liệu bề 
mặt trong dự báo lũ hệ thống sông Hồng – Thái Bình. Hà Nội: Báo cáo tổng kết đề tài 
nghiên cứu khoa học cấp Bộ, 2013. 
2. Hải, B.T.; Sơn, L.V. Nghiên cứu ứng dụng mô hình IFAS và dữ liệu viễn thám trong 
mô phỏng dòng chảy lũ xuyên biên giới lưu vực sông Thao. Tạp chí Khí tượng Thủy 
Văn 2020, 713, 24–36. 
3. Kiên, N.T. Nghiên cứu ứng dụng số liệu mưa vệ tinh mô phỏng lũ khu vực trung lưu 
sông Mã. Tạp chí Khí tượng Thủy văn 2020, 709, 51–62. 
4. Son, L.V.; Chung, L.N.; Hai, B.T.; Anh, S.H.; Quang, N.D. Assessing Satellite–
Based Precipitation Products to Create Flood Forecasting in the Da River Basin, 
Vietnam. J. Geosci. Environ. Prot. 2019, 7(11), 113–123. 
5. Tiến, T.Q.; Ngọc, P.K. Kết nối mô hình SWAN với WAM thành hệ thống dự báo 
sóng biển cho vùng Vịnh Bắc Bộ. Tạp chí Khí tượng thủy văn 2014, 646, 48–54. 
6. Hà, B.M, Thủy, N.B., Chiến, Đ.Đ. Kết quả bước đầu dự báo sóng tổ hợp tại Việt 
Nam. Tạp chí Khí tượng Thủy văn 2021, 721, 2–10. 
7. Jump, K., G.J.; Cavaleri, L.; Donelan, M.; Hasselmann, K.; Hasselmann, S.; Janssen, 
P.A.E.M. Dynamics and modelling of ocean waves. Cambridge, UK: Cambridge 
University Press, 1996. 
8. Stopa, J.E.; Ardhuin, F.; Girard–Ardhuin, F. Wave climate in the Arctic 1992–2014: 
seasonality and trends. Cryosphere 2016, 10(4), 1605–1629. 
9. Bohlinger, P.; Breivik, Ø.; Economoub, T.; Müller, M. A novel approach to 
computing super observations for probabilistic wave model validation, Ocean 
Modelling, 2019, 139, 101404. 
10. Jump up, Lionello, P.; Günther, H.; Janssen, P.A.E.M. Assimilation of Altimeter 
Data in a Global Third–Generation Wave Model. J. Geophys. Res. 1992, 97(C9), 
14453–14474. 
11. Wang, J.; Aouf, L.; Jia, Y.; Zhang, Y. Validation and Calibration of Significant 
Wave Height and Wind Speed Retrievals from HY2B Altimeter Based on Deep 
Learning. Remote Sens. 2020, 12, 2858. 
12. Aouf, L.; Hauser, D.; Chapron, B.; Toffoli, A.; Tourain, C.; Peureux, C. New 
Directional Wave Satellite Observations: Towards Improved Wave Forecasts and 
Climate Description in Southern Ocean. Geophys. Res. Lett. 
2021, 48, e2020GL091187. 
13. Smit, B.; Houghton, I.A.; Jordanova, K.; Portwood, T.; Shapiro, E.; Clark, 
D.; Sosa, T.T.; Janssen, M. Assimilation of significant wave height from distributed 
ocean wave sensors. Ocean Modell. 2021, 159, 101738. 
14. https://cmems.met.no/ARC–MFC/Wave3kmValidation/2020–08/index.html 
15. https://resources.marine.copernicus.eu/?option=com_csw&task=results&pk_vid=fc
edbf116d624c1f162014079104990a 
16. https://catalogue.marine.copernicus.eu/documents/QUID/CMEMS–WAV–QUID–
014–001.pdf 
17. https://github.com/bohlinger/wavy 
18. SWAN team. Swan user manual, Delft University of Technology, 2016. 
19. Đặc điểm khí tượng thủy văn năm 2020. Trung tâm Dự báo khí tượng thủy văn quốc 
gia, xuất bản tháng 3/2021. 
Tạp chí Khí tượng Thủy văn 2021, 727, 13-23; doi:10.36335/VNJHM.2021(727).13-23 23 
Some initial results on the application of satellite data to validate 
wave heights forecasting 
Pham Khanh Ngoc1*, Nguyen Ba Thuy1 
1 National Center for Hydro–Meteorological Forecasting; ngocpkchibo@gmail.com; 
thuybanguyen@gmail.com 
Abstract: Improving the quality of forecasts in general and marine forecasts in particular 
always play an important role in hydro–meteorological warning and forecasting to best 
serve the prevention, response and reduction of disaster mitigation. In Vietnam, because of 
the limitation of marine meteorological observation data, the waves forecasting is mainly 
based on the results of numerical modeling. In additionally, the evaluations of the 
forecasting results of the model still have many limitations due to the lack of data both in 
terms of space and time; thus, the results of these forcast products are not really reliable 
enough. This study will present the use of satellite wave observation data as a reference 
source for forecasting as well as validating the wave forecasting in the Bien Dong sea. 
Validation of wave forecasting results in October 2020 shows that the forecasting and 
observation data have quite large correlation coefficient with the small errors at 24 and 48 
hour predicting periods , except for stormy days. 
Keywords: Satellite; Wave forecasting; Wave model validation.