跳至主要內容

心率與功率的交叉分析:心功率解耦(Decoupling)的意義

訓練科學
匿名
2026年5月22日
177 次觀看

心率與功率的交叉分析:心功率解耦(Decoupling)的意義

引言

功率計與心率帶的普及,讓自行車訓練數據大幅豐富。然而,多數車友往往只單獨分析功率或心率,忽略了兩者關係本身所蘊含的訓練資訊。心功率解耦(Pw:HR Decoupling),也稱為「心功率漂移指數」,是 Joe Friel 與 Gordo Byrn 所推廣的一項進階指標,用來評估騎乘過程中心率相對於功率的漂移程度,是診斷有氧基礎是否充足的重要工具。

什麼是心功率解耦

在理想的有氧穩定狀態下,維持相同功率所需的心率應該保持穩定。然而,在以下情況心率會逐漸上升,即使功率維持不變:

  • 有氧基礎不足:身體無法長時間維持效率,逐漸轉向更多無氧代謝
  • 脫水:血液容量下降,心臟需要更快跳動才能輸出等量心輸出量
  • 熱積累(cardiac drift):體溫升高後,心率會「漂移」上升
  • 訓練強度過高:超過有氧閾值的騎乘本就無法穩態維持

計算方式:

將一次長距騎乘(通常 45 分鐘以上的有氧強度)分為前半段與後半段,分別計算「功率/心率比值(EF = Efficiency Factor)」的平均值:

  • EF = 正規化功率(NP)÷ 平均心率
  • 解耦比 = (前半 EF − 後半 EF) ÷ 前半 EF × 100%

解耦比的解讀標準

解耦比 意義 建議行動
< 5% 有氧基礎良好 可嘗試增加訓練量或強度
5–7% 臨界狀態 繼續訓練,持續監測
7–10% 有氧基礎偏弱 增加 Zone 2 有氧騎乘比例
> 10% 有氧基礎明顯不足 需大量 LSD,暫緩強度訓練

EF 值(效率因子)的長期趨勢

EF 不只用於計算解耦,本身也是追蹤訓練效率進步的重要指標。EF 的提升代表以相同心率能輸出更高功率,即心肺效率改善——這是有氧訓練適應最直接的生理指標。

EF 的典型範圍(以 Zone 2 有氧騎乘為例):

  • 入門車友:EF 約 1.2–1.6
  • 中階車友:EF 約 1.6–2.0
  • 進階業餘:EF 約 2.0–2.5
  • 職業車手:EF 可達 2.5+

注意:EF 的絕對值因個人最大心率、功率計準確度而異,追蹤個人的長期變化趨勢比比較不同人的絕對值更有意義。

心率漂移的常見原因分析

正常漂移(生理性)

  • 長時間騎乘後期:即使在有氧強度下,2–3 小時後心率出現 3–5 bpm 上升是正常的生理現象
  • 夏日高溫:台灣夏天騎乘,氣溫每上升 10°C,心率約上升 3–8 bpm(個體差異大)
  • 輕微脫水:補水不足時,每喪失體重 1% 的水分,心率約上升 5–8 bpm

異常漂移(訓練問題)

  • 速度加快但功率不變:強風幫忙時心率下降,逆風時心率上升;這是外部因素,不代表有氧問題
  • 疾病前驅期:有時感冒前一天,心率對固定功率的反應異常升高,是身體在抵抗感染
  • 過度訓練:長期疲勞累積後,靜息心率升高,有氧騎乘中解耦程度增加

心率與功率解耦在台灣的實際應用

武嶺等長爬坡的解耦分析:
台灣公路爬坡往往超過 2 小時,在這種長時間高海拔騎乘中,解耦分析特別有意義。若武嶺騎乘後半段心率明顯飆高而功率下滑,代表有氧基礎不足或當天氣溫過高,是提醒加強 Zone 2 訓練的重要信號。

夏季訓練的解耦修正:
台灣 6–9 月的高溫會系統性地推高解耦比,此時不必過度恐慌,重要的是比較相同季節的年際趨勢(今年 7 月與去年 7 月相比),以排除氣溫影響。

實用建議

  1. 將解耦分析納入每次長距騎乘的例行檢查:每次 LSD(Long Slow Distance)結束後,開啟 TrainingPeaks 或 Garmin Connect 查看解耦比,記錄趨勢。
  2. 選擇穩定地形與氣候進行「基準解耦測試」:建議每月一次在相同路段(如台北盆地平路環河道)、相同時段(清晨)進行固定強度 90 分鐘騎乘,作為解耦基準。
  3. 搭配 CTL/TSB 解讀:疲勞期(TSB 很負)的解耦比天生偏高,不代表有氧能力退步。在充分恢復後(TSB 趨於零)測量的解耦比才最具代表性。
  4. 心率胸帶比手腕光學心率更準確:光學心率帶在運動中有較多的延遲與雜訊,解耦分析建議搭配胸帶心率數據,以提高準確度。
  5. 解耦改善需要 8–12 週:有氧基礎的建立是一個緩慢的適應過程,每週增加大量 Zone 2 訓練後,通常需要 2–3 個月才能看到解耦比的明顯改善。

結語

心功率解耦是自行車訓練數據分析中一個相對進階但極具價值的指標。它不只告訴你「騎了多快」,而是揭示了你的身體在騎乘過程中有氧代謝效率是否穩定。對於追求長距離耐力表現的台灣車友——無論是備戰武嶺、環島,還是想提升日常騎乘的舒適感——定期監測解耦比,並以此調整 Zone 2 訓練比例,是提升有氧基礎最直接有效的數據驅動方法。