Henderson 等人用贝叶斯最大后验方法分解近岸次重力波，测得边缘波约占次重力波能量的 28%

研究把贝叶斯最大后验（MAP）技术用于分离实测波浪信号中的不同成分，从而能够识别并量化边缘波这一平行于海岸线传播的次重力波成分。 此前对次重力波的分解多依赖其他信号分离思路，本文展示了 MAP 这一概率方法在海洋波浪数据成分分离上的可用性，并据此给出边缘波的能量占比。 证据来自托里派恩斯州立海滩压力与速度传感器网络连续 60 天的实测数据，属于单一位点的现场观测；文中给出边缘波约占次重力波能量 28% 这一量化结果，但未提供误差范围或置信区间。

边缘波约占次重力波能量的 28%，这一比例对近岸波浪过程具有重要含义。 该数值把边缘波在次重力波能量中的份额具体化，使近岸波浪过程的讨论可以纳入一个可比较的能量占比，而不再只是定性描述次重力波的组成。 数值来自上述 60 天现场观测数据的贝叶斯分解结果，文中以“roughly 28%”表述，属于近似值。

研究说明可以从海洋波浪数据中提取次重力波在岸浪相互作用中的具体参与方式，这一能力可服务于对 sneaker waves（偷袭浪）和海岸线侵蚀等问题的研究。 把信号分解方法与近岸灾害和海岸演变问题联系起来，为后续研究提供了可复用的分析路径，而不仅是给出一次观测的能量占比。 这一判断在文中以“could prove helpful”的前瞻性表述出现，属于方法应用前景的推断，而非本研究直接验证的因果结论。

这项工作面向研究近岸波浪过程与海岸演变的研究者，适用于具备压力与速度传感器观测数据的海滩环境，其示范场景是加利福尼亚州托里派恩斯州立海滩连续 60 天的观测。它使边缘波在次重力波能量中的份额可以被量化，从而为讨论波浪爬高、波浪干涉以及偷袭浪等近岸现象提供可比较的输入；对关注海岸侵蚀、沉积与海岸冰退化，以及在海平面上升背景下评估岸线变化的研究者，这一分解思路可作为分析起点。

读者仍需留意：28% 是文中以“roughly”表述的近似值，未给出误差范围或置信区间；观测仅来自托里派恩斯州立海滩一个位点、为期 60 天，其他海岸与更长时间尺度上的取值是否相近尚待检验；边缘波占比与偷袭浪、海岸线退化之间的联系在文中属于前瞻性推断，而非本研究直接验证的因果结论。此外，本次可获取的文本为研究报道，未包含图表与完整方法细节，因此对分解流程的具体实现与统计诊断无法进一步概括，这构成一个开放问题。