竞速类项目的训练负荷强度分布——区别与规律

陈 亮

训练负荷是在运动训练活动中，各种练习施加于运动员机体生理和心理的训练刺激，训练的负荷量、负荷强度以及恢复阶段的安排决定了运动员对负荷的适应水平[1]。训练负荷强度分布（training intensity distribution，TID）是不同负荷强度的训练内容在日常训练中的比例结构，它首次将负荷强度和训练时间统一在训练负荷的框架之内[2]。

负荷强度等级划分是建构TID 的基础，由于依据最大摄氧量（VO2max）、最大心率（HRmax）和最大功率（Pmax）百分比确定的等级并不一定使运动员个体处于同等强度，以无氧阈值或拐点作为负荷强度的划分标准受到认可[3]。根据乳酸穿梭理论，第一个乳酸拐点（LT1）被定义为血乳酸浓度（La）的首次升高，伴随通气（VT1）增加及其他通气变量的明显变化；第二个乳酸拐点（LT2）被定义为La 的第2 次突然增加，伴随通气（VT2）的急剧增加和其他通气变量的显著性变化[4]。利用LT1/VT1和LT2/VT2可以显示运动负荷与运动员机体代谢、心肺功能状态、激素反应之间的关系[5]。目前，国际范围内大都采用2mmol/L 和4mmol/L 作为阈值划分依据，并依此对技术动作周期单一、成绩评定测量准确、训练负荷易于量化的跑步、自行车、游泳、滑雪、滑冰等竞速类项目展开了TID研究。

在＜2mmol/L（Zone1，低强度或有氧强度）、2～4mmol/L（Zone2，中等强度或有氧-无氧混合强度），＞4mmol/L（Zone3，高强度或无氧强度）的负荷强度划分区间体系下，共有3 种竞速类项目TID 的典型模式：金字塔模式（Pyramidal training）、两极化模式（Polarised training）、乳酸阈模式（Threshold Training）[6]。其中，SEILER 等人[7]提出的两极化模式，即专项训练负荷中Zone1 和Zone3 占比分别约80%和20%，近些年虽被广泛接受，但并未完全达成共识。争议一：在Zone1%方面，不论是针对不同性别[8]、竞技水平[9]的横断面研究，还是针对精英级运动员的纵向研究[10]，均表现出了差异性。争议二：在Zone2 和Zone3 的比例结构方面，金字塔和两极化模式在年度训练的不同阶段各有其适用性[11]，且在高水平中长跑运动员中并未显现出效果差异[12]。综合来看，争议产生的原因包括运动专项、运动员个体、训练过程的多样性、复杂性和交互性，不同研究提出的观点包括：赛道界质的特异性导致力量训练比例及交叉训练的替代效果不同[13]；精英级运动员年训练时间存在很大的项目差异[2]；依据2mmol/L 和4mmol/L 的强度划分标准不能保证单项间LT、VT、mLaSS 的一致[14]；与用时较短项目相比，较长项目的训练更加强调负荷量而非负荷强度[12]；不同的负荷统计方法会得出不同的TID结构[14-15]。

显然，国内、外学者已经意识到竞速类项目TID难以具有绝对化标准，并且发现了存在的差异以及部分成因，但现有的文献评述和归纳尚未能厘清要素之间的交互关系，由此降低了该理论在训练实践中的指导价值。为此，本研究拟在系统文献检索和梳理的基础上，试图从运动员（年龄、性别、竞技水平）、运动项目（项目、距离）、统计方法和训练阶段4个维度展开数理分析与讨论，进而探究竞速类项目TID 在其他训练学要素介入后的区别与规律。

1 研究方法

1.1 文献资料检索

（1）文献检索方法：本研究检索了外文数据库EBSCO、Elsevier、PubMed、Web of Science 和中文数据库中国知网、万方数据库，检索时间截止至2020 年6 月30 日，以“training intensity distribution OR polarised training OR pyramidal training OR threshold training”AND“running OR swimming OR cycling OR skating OR skiing OR rowing OR kayaking OR canoeing”为主题词进行外文检索，以外文相对应主题词进行中文检索。

（2）文献纳入标准：①运动员对象为竞速类项目的高水平运动员，需注明运动员年龄、性别、专项、竞技水平等信息；②需明确指出TID 仅包含竞速类项目专项训练的内容，不包含准备活动、力量训练、交叉训练等非专项训练内容；③全部或部分采用＜2mmol/L、2～4mmol/L、＞4mmol/L作为专项训练负荷强度划分的依据；④以追踪研究的形式提供了不同训练负荷强度的距离、时间或比例，注明数据获得的统计方法；⑤研究分析的训练内容在1980 年之后，且持续时间≥4 周。由2 名研究者分别独立对文献进行筛选，单独决定是否纳入研究并提取数据，若筛选与提取的数据交叉核对一致则纳入分析过程，若不一致则与第3 名研究人员讨论一致后确定该研究是否纳入。

本研究最终纳入文献43篇，TID数据共计122组，334 个（部分文献负荷强度区间数据不全或区间不完全对等）。其中，跑步研究11 项、游泳6 项、自行车5项、速度滑冰2 项、赛艇和皮划艇7 项、越野滑雪和北欧两项8 项、铁人三项3 项。纳入研究的文献信息，以及运动员竞技水平、性别、样本量、单项、训练阶段、统计方法信息见表1。

表1 本研究纳入文献概况Table1 General Situation of Included Literature

1.2 数理统计

（1）广义线性混合模型（generalized linear mixed model，GLMM）：用以判断TID 在不同变量维度上可能存在的聚集效应。本研究构建GLMM 时拟选取上文分析所得的运动员、运动项目、统计方法和训练阶段4个维度。其中，运动项目中的比赛距离分为短、中距离和长距离2类，依照本研究检索文献所含单项，长距离项目包括：速度滑冰5 000 m 及以上、场地自行车、赛艇、铁人三项、越野滑雪、游泳800 m 及以上、跑步3 000 m 及以上，其余项目为短、中距离项目。若文献中将不同性别或主项距离运动员训练数据合并，则对不同类别分别计入1次。本研究的变量定义与分类见表2。

表2 本研究变量的定义与分类Table2 Definition and Classification of Variables

（2）曲线参数估计法（Curve Estimation）：用以拟合周训练负荷量与不同负荷强度等级之间的关系。分别使用SPSS 模块自动拟合11 种曲线模型，依照统计量F、P、R2值选择拟合精度最优模型。由于本研究纳入数据为截面数据，因此若满足P＜0.05，R2＞0.600，即认为满足曲线拟合关系。

2 竞速类项目TID影响因素的作用方式

2.1 研究结果

分别以Zone1%、Zone2%、Zone3%为目标变量，以运动员、运动项目、训练阶段、TID 统计方法共7 个因素为固定效应变量构建GLMM 模型。模型检验结果显示，信息准则AIC和BIC数值均较小，表明3个模型的拟合精度较好。

GLMM 模型结果显示，在运动员特征方面，不同年龄运动员的TID 之间不具有明显的聚集效应；低强度和中等强度在不同性别间不存在显著性差异，却在Zone3%中有所区别，表现为与女性相比，男性运动员的高负荷强度的比例较低；不同竞技水平运动员的TID 存在聚集效应，表现为国际级运动员的Zone1%更高，即高水平运动员倾向于采用更高比例的低强度负荷。在年度训练阶段方面，与比赛期相比，准备期的Zone1%和Zone3%分别显著较高和较低，而赛前期和比赛期相比则不具有显著性差异。在统计方法方面，不同方法得出的TID 存在聚集效应，与整体统计相比，过程统计的Zone1%较高，Zone2%和Zone3%则较低。在运动项目方面，项目间存在聚集效应，但同一项目不同比赛距离单项则不具有显著性差异，具体表现为，与跑步相比，越野滑雪、游泳、自行车的Zone1%较高但Zone2%较低；赛艇、皮划艇、铁人三项的Zone2%较高但Zone3%较低。

2.2 分析与讨论

（1）运动员因素。女性运动员高强度训练较多得到了包括跑步、自行车、滑冰等多个竞速类项目研究的支持。其中，BILLAT 等人对葡萄牙与法国[16]、肯尼亚[17]等多国马拉松运动员的研究表明，女性运动员Zone3 强度跑的绝对距离与男性相当，但所占训练总距离、时长、课次却显著高于男性。SANDERS 等人[8]研究显示，不同性别职业公路自行车运动员平均负荷强度、低强度（＜70%HRmax）训练用时百分比、中高强度（＞80%HRmax）训练用时百分比均呈现显著性差异，男性vs 女性分别为69%vs79%、40%vs13%、29%vs61%。YU 等人[18]对中国速度滑冰运动员的研究虽未显示出性别差异，但从数值关系来看，男性运动员的低强度和高强度比例分别低于和高于女性。上述现象产生的原因可归结于运动员身体机能和赛事设置的性别差异。一方面，虽然女性运动员VO2max水平显著低于男性，但却在运动能耗和vVO2max方面相当，具备承受高强度负荷的能力[19]。另一方面，女子比赛距离通常短于男子，例如，依据国际自行车联合会（UCI）规定，男、女世界杯巡回赛的比赛距离分别为260～300 km/d和160 km/d，女性运动员宜采用更高的训练负荷强度以应对比赛的需要，因此在年度和单次课训练时间、距离、骑行功率方面显著低于男性[20]。

虽然至今仍没有明确的生理和运动指标可用于预测竞速类项目运动员的专项成绩，但某些针对国际级和国家级短距离越野滑雪[16]、马拉松[21]等项目的比较显示，国际精英级运动员在VO2max、运动经济性、vVO2max方面均优于水平较低的运动员，并且在低强度训练方面表现出显著性或数值性优势。究其原因，与竞技水平相对较低的运动员相比，精英级运动员承受着更高的训练负荷量，如男子马拉松国际级vs国家级的周训练负荷量为206 km/w vs168 km/w，女子为166 km/w vs150 km/w，为实现发展有氧能力和缓解更多高强度和冲刺训练导致的疲劳，精英级运动员在Zone1训练的用时更多（340 vs 254 h/w）[21]。精英级运动员低强度有氧训练的增加是国际训练实践的趋势之一，在低强度区间训练所占时间与运动成绩提高之间存在积极的改善关系，并被认为是提高成绩的训练强度基础[22-23]，与之相比，FOSTER 等人[24]通过对多项目训练负荷的统计显示，高强度训练（RPE＞5）负荷量的增加并未表现出对成绩提高的显著性价值。

（2）年度训练阶段因素。本研究纳入的文献中，有8 篇研究详细描述了年度训练不同阶段的TID，结果大都表现出随着年度训练的进行，负荷强度逐步增高的趋势。在采用整体性统计方法研究中，越野滑雪运动员主要表现为比赛期Zone3%的显著性增高[25]；定向越野特殊准备阶段和比赛阶段的Zone3%显著高于一般准备阶段，但各阶段的Zone2%不存在显著性差异[26]；赛艇运动员的年度训练比例变化表现为Zone1 由92%降低至73.5%，而Zone2 和Zone3 则由6.5%和1.5%增高至17.5%和9%[27]。在采用过程统计的文献中，公路自行车项目均表现出赛前期的Zone1%显著高于准备期[28]；铁人三项虽未表现出准备期和赛前期的差异，但比赛期的Zone1%却显著性降低。当然，也有研究得出了不同的结论，即准备期低强度训练的比例较低[29]。

导致年度训练阶段TID 不稳定的原因，首先是由负荷量的变化引起的，多项研究显示[26]，准备期或准备期前期的负荷量显著更高，且随着比赛的临近逐步降低，并主要表现为Zone1 训练的减少，与此同时，专项训练、Zone2+Zone3 的训练时间保持相对稳定，Zone3 的训练时间甚至有所增加。第二，年度TID 的变化与参赛数量有关，Metcalfe等人[30]认为，职业公路自行车运动员的负荷季节性变化，受到巡回赛参赛用时增加和训练时间减少的影响，准备期、赛前期、比赛期的月平均训练时间为212.3h、156.0h、152.5 h，而月平均参赛时间分别为28.2h、183.8h、140.0 h。第三，赛前减量阶段的TID 与赛事类型（单场比赛和分阶段比赛）有关，同样采用整体性统计方法，连续性赛事的自行车职业赛（70%/23%/7%）与赛会制的奥运会越野滑雪比赛（87.57%/5.08%/7.34%）便存在较大不同[31]。第四，从不同阶段的训练目标来看，一方面，准备期不宜过多采用乳酸阈强度，这是由于乳酸阈训练需要更多的碳水化合物作为能量基础，而准备期有限的糖原储备限制了训练时间；另一方面，实施高强度和专项化训练将有助于优化运动员的专项体能和专项技能，但若在准备期便过分强调将有可能导致过度训练或者过早出现最佳竞技状态[32]。第五，训练刺激的变化是有效训练的重要方面，从长期的单一训练模式（如准备期的低强度）转向另一种训练模式或采用更高的负荷强度（如乳酸阈模式或两极化模式），都已经被证明是有效的[33]。

（3）统计方法因素。从TID 统计方法的操作方式来看，TIZ 和Do 是依照实验室测试结果，进而对训练课监测的HR、PO（自行车）、距离进行的过程性统计；sRPE、SG、Da采用训练课结束后的整体性统计[14]。不同统计方法得出的TID 存在差异已得到共识，对2 类统计方法的比较研究显示了明显的TID 差异，即前者多表现为金字塔模式，后者则为两极化模式[7，15]。过程统计的低强度训练比例偏高，中、高强度训练比例偏低的规律在本研究纳入的文献中十分普遍，例如，同样对于精英级赛艇运动员比赛前期的TID 追踪研究，2 项采用了整体性统计，3 种负荷强度的比例区间分别为70%～77%、15%～22%、5.8%～6%，而在另2采用过程性统计的研究中，低强度比例则高达90%～95%。

尽管不同的TID 统计方法均得到了广泛使用，但研究者们也认识到了各自的优缺点，这也可以被用作解释整体性统计和过程性统计得出结果不一致的原因。过程性统计虽然可以精准测量，但由于会将练习间歇时的较低训练状态数值纳入，得出的Zone1%势必偏高[7]。整体性统计虽然可以实现对极限强度、持续时间、疲劳积累的综合评判，但是运动员可能会因课次中的某些高强度负荷，主观地打高了整堂训练课的疲劳分值，因而Zone3%数值偏高[34]。

（4）运动项目因素。目前针对不同运动项目TID的直接比较研究未见报道，本研究纳入的2 项研究仅进行了项目内部不同单项的比较。其中，ENOKSEN等人[29]对长跑和马拉松运动员的比较显示，长跑运动员Zone3%显著较高，但年度训练各阶段的跑量均显著低于马拉松运动员。SANDBAKK 等人[35]对越野滑雪和北欧两项的比较显示，2 项目的比例结构较为接近，北欧两项运动员Zone1%略低，其原因在于进行滑雪训练的负荷量仅为越野滑雪运动员的1/2。虽然不同研究之间存在异质性，但依然可以通过限定相似的条件作出简单比较。例如，在采用整体性统计方法对短距离游泳（89.7%/0.6%/9.7%）、自行车（79.5%/9.0%/11.5%）、越野滑雪（74%/11%/16%）、赛艇（74.5%/22.8%/2.3%）、马拉松（74.3%/11.0%/14.7%）国际级运动员全年训练的某些研究中，3 种负荷强度区间大致可以呈现出一定的上升或下降规律。

训练适应受到个体间反应的影响，具有更高离心力、冲击力以及容易发生慢性肌肉损伤的项目（如跑步）与承受较低离心冲击的项目（如游泳、自行车、赛艇等）相比，由于恢复性的和低强度的练习可能不再突出[14]，TID 结构也会有着明显不同。从这个角度来说，即便同为精英级运动员，相同的TID 也很可能在项目之间诱导出不同的适应性[12]。TID和训练的负荷量共同决定了竞速类项目的训练效果，竞速类项目训练的负荷量可表示为训练时间或训练距离，由于运动方式及其导致损伤的可能性不同，竞速类项目的年训练量有着极大差异，从游泳、自行车、赛艇、皮划艇、越野滑雪、长跑（定向越野）由年训练量高到低的排序来看[2]，似乎与表3 所示的Zone1% 呈正相关，而与Zone2%和Zone3%呈负相关。

表3 竞速类项目TID的结构Table3 The Structure of TID in Racing Events

3 竞速类项目TID与训练负荷量之间的关系

不同项目训练的TID 是否具有可比性并未得到明确的结论，SEILER 认为[6]，正是由于竞速类项目运动员的专项能力要求类似，所以专项训练结构应该有着共同规律，进而综合不同项目的TID 特点得出了“80-20定律”。综合前文分析，在影响竞速类项目TID的诸因素中，除统计方法外，均与训练负荷量产生关联，这一观点与HOFMANN 等人[36]的设想基本一致。其中，男性运动员、更高的竞技水平、年度训练的准备期、游泳、自行车等项目承受的负荷量较大，相对应的Zone1%越高，Zone2%和Zone3%则相对较低。为此，本研究提出如下假设：训练负荷量与Zone1%具有正向因果关系，与Zone2%和/或Zone3%具有负向因果关系。为验证这一假设，本研究分别以运动员全年专项耐力训练中的Zone1%、Zone2%、Zone3%为因变量，运动员单位时间内的负荷量为自变量进行曲线参数估计。

不同统计方法负荷量的计量单位存在差异，在本研究纳入的文献中，过程统计法TIZ 和Do 采用千米（km）或米（m）；整体统计法的Da、SG 和sRPE 采用小时（h）、分钟（min）、课次（Session）、千米（km）。由于不同研究的持续时间不同，本研究为统一量纲，直接采用文献中注明的或计算得出（如阶段训练距离/阶段训练周数）的周训练负荷量作为负荷量标准。整体性和过程性统计法均统一使用“小时/周”（h/w），若某些文献使用了km 作为计量单位，且测定了运动员不同HR、VO2max、La 强度下的跑速，则将其换算为h/w，否则不予计入。数据整理与换算后，共得到采用整体性统计的数据70 组，采用过程性统计的数据28 组）（见图1）。

图1 竞速类项目周训练时间与负荷强度百分比的关系（整体性统计）Figure1 The Relationship Between Weekly Training Time and Training Intensity Ratio of Racing Events（Integral Statistics）

整体性统计法的曲线参数估计结果显示，指数曲线 对 Zone1%（F=122.080，P=0.000，R2=0.721）和Zone2%（F=159.220，P=0.000，R2=0.767）的周训练时间的拟合效果均最好；而Zone3%和周训练时间之间的曲线拟合效果不佳（R2＜0.600），不宜进行曲线参数估计。

过程性统计法的曲线参数估计结果显示，对数曲 线 对Zone1%（F=71.843，P=0.000，R2=0.682）和Zone2%（F=45.960，P=0.000，R2=0.639）的周训练时间的拟合效果均最好；而Zone3%和周训练时间之间的曲线拟合效果不佳（R2＜0.600），不宜进行曲线参数估计。

图2 和图3 的数据点分布均呈现出较为明显的项目聚集特征。其中，跑步和铁人三项周训练时间较少，Zone1%较低且Zone2%较高；游泳反之；赛艇、皮划艇、越野滑雪等项目的周训练时间较为分散，可能与纳入文献的运动员性别、竞技水平、训练阶段差异较大有关。为求得不同竞速类项目TID 特征，分别统计了周训练时间的均值和95%置信区间，并依次代入图2 和图3 中的计算公式，得到了Zone1% 和Zone2%，Zone3%由100%减去Zone1%和Zone2%的均值获得。

图2 竞速类项目周训练时间与负荷强度百分比之间的关系（过程性统计）Figure2 The Relationship Between Weekly Training Time and Training Intensity Ratio of Racing Events（Procedural Statistics）

由表3中数据可得出竞速类项目TID的如下规律。第一，与过程性统计相比，整体性统计得出的Zone1%和Zone2%普遍较低，而Zone3%相对较高。第二，采用整体性统计得出的TID结构并不完全支持“80-20定律”，速度滑冰、赛艇、皮划艇、铁人三项、越野滑雪、跑步的Zone1%约为80%，但游泳和自行车则高达约90%。第三，采用过程性统计得出的各竞速类项目TID均为“金字塔模式”；采用整体性统计的项目中，自行车、游泳、越野滑雪基本满足“两极化模式”的要求，但速度滑冰、赛艇、皮划艇、铁人三项、跑步则表现为Zone2%和Zone3%大致相当。上述结论一方面验证了当前竞速类项目强调低强度训练的普遍共识，另一方面并不认为所有竞速类项目均采用相似的TID模式或比例结构。

本研究的局限至少表现为以下2 方面。首先，本研究纳入的文献存在不同单项数据量差异较大的现象，过程性统计法甚至没有速度滑冰的相关数据。其次，不同项目专项训练和非专项训练的比例存在较大差异，降低了曲线参数估计的拟合精度。例如，越野滑雪Zone1 的实际值多在95%置信区间之上，游泳Zone1 的实际值部分在95%置信区间之下，这是或许由于越野滑雪力量训练比例明显低于游泳所致。

4 结论与意义

4.1 结 论

竞速类项目的TID实现了负荷强度和训练时间的统一，成为近些年训练负荷研究的热点。目前争议集中在低强度训练比例，以及中等强度和高强度训练的关系2方面。在对相关文献系统检索和数据提取的基础上，采用广义线性混合模型得出影响各项目TID 不一致的原因，认为主要在于运动员性别和竞技水平、运动项目、训练阶段、统计方法5个方面。文献评述后，发现并提出了竞速类项目的TID与训练负荷量之间存在关系的假设，即男性运动员、运动员竞技水平越高、年度训练阶段越靠前、运动项目的年训练量越大，低强度训练比例越大。曲线参数估计显示，若采用整体性统计方法，周训练时间与低强度和中等强度负荷间均呈指数函数关系；若采用过程性统计方法，则呈对数函数关系。函数计算后认为，整体性统计得出的速度滑冰、赛艇、皮划艇、铁人三项、跑步的低强度训练比例约为80%，游泳和自行车约为90%；过程性统计得出，所有项目的TID为“金字塔模式”；整体性统计得出，周训练时间较高的项目呈“两极化模式”，周训练时间较低的项目中等强度和高强度比例接近。

4.2 理论和实践意义

以往TID 的研究建立了训练量和训练强度之间的联系，但训练量是以比例结构的形式呈现的，未能形成于训练强度的数值对应。本研究提出的训练强度与周训练时间之间的函数关系是弥补这一不足的有益尝试，在深化TID 理论认知的同时，也推进了其对训练实践的指导价值。现实中，运动员个体的负荷承受能力存在差异，教练员可以利用本文给出的指数或对数公式，检验训练计划制定的适宜程度，避免过度训练或训练不足。