正如我先前文章所强调,马拉松成绩不仅与每周跑量(Casado & al., 2019; Muniz-Pumares & al., 2024)显著相关,也与一种金字塔式的训练模式息息相关,该模式侧重于阈值训练,并包含高比例的马拉松配速跑。
然而,在此之前,首要任务是精确定义比赛强度。这既是为了在训练中实现特定的代谢刺激目标,也是为了在马拉松比赛日发挥最佳水平。错误地估计强度可能导致配速策略失衡:起跑几公里过快,往往导致后程维持能力的下降,以及在比赛后半段速度衰减超过 25%。
为避免这一常见错误,我们需要依据不同距离测试收集到的实际数据。从这个角度看,最大有氧速度(VMA)——这个速度通常只能维持 3 到 11 分钟——并不足以准确评估运动员在超过两小时的比赛中维持稳定强度的能力。相比之下,通过分析从 3 公里到半马(21.1 公里)等多个距离的成绩,我们可以确定“临界速度(Critical Speed, CS)”。这是一个至关重要的指标,可用于调整训练强度区间、预测比赛表现并优化配速策略。
如何将临界速度应用于马拉松?
临界速度(CS)的概念源于对功率-时间关系的研究,该理论最初在运动生理学领域得到发展(代表性研究如 Monod & Scherrer, 1965; Poole et al., 2016)。CS 是通过构建多个参照跑距离与对应时间的关系模型计算得出的。
随着运动持续时间的增加,能维持的强度会逐渐下降;临界速度(CS)正是通过计算这条强度-时间关系曲线的斜率来定义的。
理论上,CS 指的是一种可以无限维持下去的稳定强度。
实践中,根据运动员的“持续能力”水平,这个强度大约可以维持 40 分钟到 1 小时。此外,CS 的具体数值取决于计算时所选用的参照成绩:如果基于较短时间(如 3 至 15 分钟)的成绩计算,得到的 CS 会比基于较长时间(如 5 至 20 分钟)成绩计算出的更高。
因此,选用不同持续时间的成绩来计算,会得到不同的 CS 值。请记住,CS 本质上是一个数学模型计算的结果。
计算马拉松 CS 应选用哪些时长?
Smyth& Muniz-Pumares(2020)的研究分析了来自 Strava 的 31,190 名跑者的数据,这些数据覆盖了他们参加都 Dublin(都柏林)、London(伦敦)和 New York(纽约)马拉松之前的 16 周训练期。研究旨在基于这些训练数据计算跑者的临界速度(CS)和无氧储备能力(D′),进而通过比较这些估算值与实际比赛成绩,来检验模型预测马拉松表现的准确性。
D′(读作 D prime)是运动生理学中的一个概念,它代表运动员在以超过其临界速度(CS)的强度运动时,能够额外动用的“无氧能量储备”。D′的单位是米(距离)或焦耳(能量)。例如,D′为 150 米意味着,一个运动员在完全耗尽这项储备之前,能够以高于其 CS 的强度多跑 150 米。
高 D′ 值通常表明运动员有较强的短时高强度输出能力(无氧能力),而较低的 D′ 值则反映了其更擅长以稳定强度维持长时间运动(耐力特性)。
用于计算 CS 的成绩距离覆盖了 400 米、800 米、1000 米、1500 米、3000 米和 5000 米。研究人员通过距离与可维持时间极限(Tlim)的关系,为每位跑者确定了 CS 和 D′——其中,该关系直线的斜率即为 CS,纵轴截距为 D′。通过组合上述目标距离中的至少三个,为每位运动员计算了 42 组不同的 CS 和 D′值。
研究发现,使用 400 米、800 米和 5000 米成绩来构建模型时,预测马拉松表现的误差最小,最为可靠。结果表明,基于训练数据计算出的临界速度(CS)是预测马拉松表现的一个良好指标,平均预测误差约为 8%。然而,该模型对速度较快的跑者(马拉松完赛时间在 170 至 240 分钟之间)预测更准,而对于较慢的跑者(完赛时间在 250 至 360 分钟之间),预测误差则显著增大。
CS 与马拉松表现
Smyth & Muniz-Pumares (2020) 研究分析要点:
- 跑者完成马拉松的平均速度,相当于他们临界速度(CS)的 84.8% (标准差 ±13.6%)。
表现与实际平均速度/临界速度比 (MS/CS):
- 速度更快的跑者,其马拉松平均速度(MS)占自身临界速度(CS)的比例更高。这一点通过比较相对平均速度(MS/CS)与马拉松总成绩可以观察到,二者呈负相关关系。
- 例如:
- 完赛时间接近 150 分钟 (2 小时 30 分)的跑者,其平均速度达到了自身 CS 的 93.0%。
- 完赛时间超过 300 分钟 (5 小时)的跑者,其平均速度仅为自身 CS 的 78.9%。
- 例如:
- 无论性别或年龄,水平越高的跑者,在整个马拉松过程中维持的强度占其 CS 的百分比也越高。
基础速度(Base Speed, BS)与后程减速:
- 基础速度(BS)是指跑者在第 2 至第 16 公里之间的平均速度。通常认为这是比赛中跑者能保持相对稳定配速、疲劳尚未明显累积的阶段。
- 那些 相对基础速度(BS/CS 比值)较高(>0.94) 的跑者,在比赛后半程经历了更大幅度的相对速度下降。这通常是因为他们起跑阶段的配速相对于自身临界速度(CS)而言过快了。
减速现象的差异:
- 研究发现,男性跑者中出现显著后程减速(定义为后半程速度较 BS 下降超过 25%)的比例高于女性。
- 男性:20.5% 的人在最后 12.2 公里速度下降超过 25%。
- 女性:10.7% 的人出现同样情况。
- 按年龄分组比较,显著减速的比例没有统计学上的显著差异:
- 年轻组(<40 岁):17.9%。
- 40 岁以上组:18.1%。
在马拉松的 最后 12.2 公里,速度较基础速度(BS)下降超过 25%(即相对减速幅度 ≥ 1.25 倍)的跑者比例,男性(20.5%)显著高于女性(10.7%)。然而,按年龄划分,年轻组(17.9%)与年长组(18.1%)之间出现此类显著减速的比例并无统计学差异。
同样值得关注的是,在比赛早期(2-16 km)基础速度(BS)超过自身临界速度(CS)(即 BS/CS > 1) 的跑者中,有 23% 的人在后程遭遇了显著的速度下滑;相比之下,那些在前半程将速度控制在 CS 以下的跑者中,只有 17% 出现了显著减速。
这些观察结果提示,相对基础速度(BS/CS 比值)0.94 似乎是一个关键阈值。跑者能否在后半程避免大幅度速度下降(≥25%),很大程度上取决于他们早期的配速是否超过了这个阈值。具体来看:
- 对于 相对 BS < 0.94 的跑者:
- 20.5% 的男性 和 9.6% 的女性 出现了显著减速。
- 对于 相对 BS ≥ 0.94 的跑者:
- 26.0% 的男性 和 15.6% 的女性 出现了显著减速。
结论
这项研究证实了临界速度(CS)可用于预测马拉松表现,并为制定该距离的配速策略提供了有价值的参考。基于大量原始训练数据的分析,得出了以下关键发现:
- 基于原始训练数据估算 CS:无需进行极限测试,仅利用日常训练数据即可估算出 CS,其精度足以用于预测比赛表现。
- 马拉松实际配速与 CS 的关系:跑者通常以相当于其预估 CS 约 85%的平均速度完成马拉松。速度更快的跑者能维持更接近其 CS 的配速。若在比赛早期(2-16 公里)配速超过 CS 的 94%,则后半程发生显著减速(30 公里后速度下降可能超过 25%)的风险大大增加。
- 运用 CS 进行配速管理:采用稳定配速,强度接近但略低于 CS(建议约 88%附近),有助于优化比赛表现。起跑过快会显著增加后半程“撞墙”或大幅减速的风险。
- 马拉松成绩预测:使用特定距离(如 400 米至 5 公里)的成绩计算出的 CS,能够预测马拉松完赛时间,平均误差约 8%(对于平均完赛时间 230 分钟的跑者,误差约等于 18 分钟)。
- 性别与年龄组差异:男性跑者在比赛末段的减速幅度通常大于女性。女性跑者的配速往往更稳定,不易出现极端减速。不同年龄组(年轻 vs. 年长)之间在减速模式上未发现显著差异。
- 影响 CS 的生理因素:CS 与最大摄氧量(VO₂max)、VO₂max 利用率、慢肌纤维(I 型)比例、跑步经济性以及肌肉毛细血管密度等生理指标密切相关。在长时间运动中 CS 值可能出现下降,这或许是导致不同运动员表现差异的原因之一。
这项研究凸显了 CS 作为训练分析和比赛策略管理工具的价值。不过,仍需进一步研究以提高预测精度,并深入理解能量补给、比赛环境条件等因素的影响。值得一提的是,该研究表明,我们有可能直接从训练数据中提取 CS 信息,而不必依赖于专门的极限测试。
补充说明:马拉松完赛时间越长,跑者实际能维持的平均速度占其 CS 的百分比就越低,这是符合逻辑的。因为 CS 本身就描述了强度与持续时间的关系:运动时间越长,能维持的相对强度(占 CS 的百分比)自然就越低。
如何实践 - 专家解答
根据我运用临界速度(CS)的经验,我通常会选用运动员 5 分钟和 20 分钟的最佳表现来计算 CS。这种方法使我能够方便地推算训练强度区间,并对不同距离的比赛表现进行建模预测。
在最近三届瓦伦西亚马拉松中,我指导的运动员平均维持了相当于他们各自 CS 值 93%至 95.5%的配速。这印证了将 CS 作为马拉松强度基准的实用价值。
以 2022 年为例,我利用一名运动员的 10 公里(成绩 33 分 54 秒)和半程马拉松(成绩 1 小时 14 分 04 秒)成绩计算出其 CS 为 16.58 公里/小时,并据此预测他的马拉松成绩为 2 小时 30 分 25 秒。最终,该运动员在瓦伦西亚马拉松跑出了 2 小时 30 分 06 秒的成绩,与模型预测仅相差 19 秒(误差约 0.21%)。
总结
马拉松表现是一个受多种因素影响的复杂结果。这些因素主要包括:最大摄氧量(VO₂max)、VO₂max 利用率、跑步经济性、临界速度(CS)、生理韧性(抵抗疲劳和恢复的能力)、能量底物(糖和脂肪)的利用效率,以及比赛中的营养和补水策略。此外,像碳板跑鞋这样的技术装备也会在一定程度上影响成绩。
在众多因素中,临界速度(CS) 扮演着核心角色,它是确定最佳马拉松配速的关键。准确地评估自身的 CS 对于充分发挥潜力至关重要。计算准确的 CS 能帮助跑者在整个比赛过程中维持一个稳定的强度,这很可能是实现马拉松最佳表现的最有效策略。
核心要点总结:
-
临界速度(CS)的重要性:
- CS 是优化马拉松成绩的核心指标。
- 准确计算 CS 有助于制定稳定的比赛配速,从而最大程度降低后程崩溃的风险。
-
配速策略(Pacing):
- 将平均配速维持在自身 CS 的 85-90%左右,是避免比赛后半段显著减速的理想区间。
- 起跑配速若超过 CS 的 94%,则过早疲劳和“撞墙”的风险会急剧增加。
- 能维持的 CS 百分比,不仅取决于用于计算 CS 的参照成绩时长,也与马拉松的总用时有关:用时越长,能维持的相对 CS 百分比通常越低。
-
影响表现的其他因素:
- 除了 CS,最大摄氧量(VO₂max)、跑步经济性、能量代谢效率、营养补给策略以及跑步装备等,都对最终成绩起着决定性作用。
-
“基础速度”(Base Speed, BS)的管理:
- 比赛早期(如 2-16 公里)的平均速度(BS)是关键监控点,用于防止起跑过快。
- 若 BS 显著超过 CS(例如 BS/CS > 1),则与后半程大幅减速高度相关。
-
个体差异考量:
- 研究显示,男性跑者相比女性更容易出现起跑过快 (BS/CS > 1) 的情况,并且发生极端后程减速 (>25%) 的比例也更高。女性跑者在配速控制上可能相对更稳定或保守。
- (注:关于性别差异的具体生理或行为原因,本研究未深入探讨,仅呈现数据模式。)
-
训练实践启示:
- 在训练中应包含基于 CS 的特定配速练习,例如马拉松配速跑(MP run)和用于精确标定 CS 的测试跑,这有助于提升身体在目标强度下的持续能力,从而提高马拉松比赛中维持较高 CS 百分比的能力。
引用文献:
- Andrew Jones. (2024). The fourth dimension: physiological resilience as an independent determinant of endurance exercise performance.
- Muniz-Pumares & al. (2024). The Training Intensity Distribution of Marathon Runners Across Performance Levels.
- Poole & al. (2016). Critical Power: An Important Fatigue Threshold in Exercise Physiology.
- Smyth & Muniz-Pumares. (2020). Calculation of Critical Speed from Raw Training Data in Recreational Marathon Runners.
训练计划领取
关注公众号
- 发送消息"训练计划",获取职业车手 0 训练计划(50 多个)内容。
- 发送消息"28",获取 28 天 FTP 提升 37 w!阿联酋车队教练秘密计划:四周内显著提升,骑友反馈 28 天内月均增长 30 w,最高提升 37 w!
- 发送‘hit’获取间歇训练计划
- 发送‘耐力间歇’获取“如何规划耐力项目中的间歇训练”?
- 发送‘马拉松’获取马拉松训练计划
微信图片_20250327203149.png
推荐阅读
- Strava 11 万跑者数据揭秘!《运动医学》重磅研究,告诉你马拉松 PB 的真相
- 延长 > 90%VO2max 训练时长,才是最大摄氧量训练的关键
- 【案例分析】越野跑 MaxiRace 前十选手的备战全攻略:生理、心理、营养三位一体
- 告别无效训练!马拉松想要突破瓶颈,这份强度训练指南请收好
- 功率分析:环法自行车赛 STAGE 16 – 温格高在个人计时赛中提前将近两分钟进入 Col de la Loze“皇后赛段”。
- 功率分析:环法自行车赛 STAGE 9 –本届环法自行车赛的功率数值是现代自行车运动历史上最高的。
- 4×8 分钟长间歇训练:241 瓦提升至 280 瓦,阈值功率增加了 16.2%。