热到底改变了身体的什么？
先从最直接的问题开始。跑步的时候，肌肉产生的热量要散出去，主要靠出汗蒸发。天气热，身体需要把更多的血液送到皮肤表面帮助散热，这些血液就暂时不能全用于给肌肉供氧；出汗又带走水分，血浆容量下降，心脏每搏输出的血量随之减少，于是同样的运动强度，心率要更高才能补上。这也是常说的心率漂移在热天里被放大的原因。
也就是说，热天里“配速不变、心率升高”不是你状态变差了，是身体多了一项散热的工作要做。这部分额外的负担，需要被算进当天的训练强度里。
该慢多少？有没有一个通用的换算？
跑者最想要一个公式，但很遗憾，没有一个放之四海皆准的数字。公开的研究里有比较有名的一项：Ely等人2007年发表在《Medicine & Science in Sports & Exercise》的分析，考察了多场大型马拉松的成绩与天气的关系，结论是成绩随气温升高呈逐步下降的趋势，偏热的一侧下降得更明显，而不是对称的。至于具体每升高一度慢几秒，不同的分析给出的数字不完全一致，而且和运动水平、距离、适应程度都有关系。
所以贝博体育跑步AI不会硬套一个通用系数。它的做法是：
- 先用一个保守的通用区间作为起点；
- 逐渐用你自己的历史数据去校准：你在25度、30度时同样配速下心率比凉爽天气高多少；
- 数据越多，个人系数越可靠；数据不足时，明确告诉你“这是通用估计”。
示意场景：假设一位跑者过去在15度左右天气里，每公里5分40秒对应心率约150；在30度以上天气里，同样配速心率经常到165上下。这些数字纯属示意。那么当预报显示傍晚32度时，系统会认为目标配速对应的实际强度已经偏高，建议把配速放慢一些，或者改为“心率不超过某个范围”。
湿度和风怎么算？
湿度的影响常常比气温本身更让人难受。空气潮湿时，汗水难以蒸发，散热效率下降，人会觉得“怎么这么闷”，心率上升得更快。所以同样是30度，干爽和潮湿的体感是两回事。风则相反：迎风能加快蒸发和对流散热，但迎风跑本身也要额外费力，顺风时体感反而更闷。
日照也是常被漏掉的一项。同样的气温，阴天和暴晒的路面辐射热差别很大。综合体感温度这类指标（比如把气温、湿度、风、辐射合成一个数）是业内常用的思路，贝博体育在负荷模型里也把这四项分别作为输入，而不是只看一个“气温”。
但这里必须说一个限制：预报和你脚下的实际条件不是一回事。河边和林荫道、柏油广场和草地，温差可能比预报值和实测值的差还大。所以系统只能给一个区域性近似，跑者自己的感受（比如“今天特别闷”）应该有权重，能够覆盖预报。
天气预报不准，或者数据缺失怎么办？
这类情况很常见：手表没有温度传感器（而且手腕上的读数受体温干扰，本来就不准），预报和实况差了几度，或者你在另一个城市出差。
- 如果有当地天气服务的数据，就用；没有的话，用你记录的主观感受作为补充。
- 如果某次训练缺天气数据，模型会降低这次训练在“天气校准”中的权重，而不是随便补一个值。
- 如果你出差到一个完全不同的气候（比如从北方到南方湿热地区），过去的个人系数就不太可靠了，建议在前几天把强度调低，逐步适应。
一般说来，热适应需要一段时间。数据上表现为：同样配速下，几天后心率和出汗感受都会好一些。这个过程系统也会追踪，但不同人差异很大，所以更多的是“边走边修正”。
热适应会不会让这一切变得不需要？
会一部分，但不会全部。多数研究和教练经验认为，在热环境里连续训练一到两周，身体会出汗更早、汗液更稀、心率上升幅度变小，这就是热适应。所以一位刚入夏的跑者和一位已经在热天练了一个月的跑者，面对同样的32度，付出的代价并不相同。
这对模型意味着一件麻烦事：个人的“热敏感系数”不是常数，它会随最近几周的热暴露而变化。贝博体育的处理是给较新的数据更高的权重，并且在天气骤变的第一周里保持更保守的建议；等到你的数据显示心率上升幅度已经缩小，再逐步放宽。反过来，如果你休息了两三周，或者从热地区回到了凉爽地区，那套适应也会慢慢消退，系统不应该继续按“已适应”的假设给你安排。
什么时候应该直接改计划，而不是仅仅放慢？
放慢配速是最常见的调整，但有些情况下，光放慢是不够的：
- 高温加高湿，同时是一次原本安排的高强度间歇——这类训练在闷热条件下，质量和安全性都会打折，改到清晨或者室内更合适。
- 前几天恢复不足、睡眠差，叠加当天很热：多个不利因素叠在一起，把强度课换成轻松跑或休息，是合理的。
- 出现头晕、恶心、停止出汗、皮肤发凉发麻等不舒服的信号：应该立即停下，找阴凉处补水休息，必要时就医。
贝博体育在这种情况下的设计思路，是不只给一个“改成轻松跑”的结论，而是说明是因为哪几项输入叠加起来触发了调整，这样跑者知道原因，也可以选择不同意。这种逻辑与自适应训练计划的思路一致：计划应该跟着身体状态走，而不是固定不变。
还有一个实用的小选项是换时间段。同一天里，清晨和傍晚的热负荷可能差出一大截，而且傍晚的路面还带着白天积攒的热。如果你的日程允许，系统会优先建议把强度课挪到更凉的时段，而不是一味地压低配速；但如果你只有中午能跑，它就会退一步，把目标换成心率区间，并提醒你把补水和遮阳放在前面。这类建议看起来琐碎，实际上比调整几秒配速更能降低当天的风险。
一个示意的调整流程
把上面的问答串起来，看看系统内部大致是怎么走的（示意，不代表具体算法参数）：
| 步骤 | 输入 | 输出 |
|---|---|---|
| 1 读取原计划 | 目标配速、距离、课型 | 原计划的预期强度 |
| 2 读取天气 | 气温、湿度、风、日照、时间段 | 综合热负荷等级 |
| 3 调取个人历史 | 类似天气下的配速-心率关系 | 个人热敏感程度估计 |
| 4 叠加恢复状态 | 睡眠、静息心率、近期负荷 | 当天可承受强度范围 |
| 5 生成建议 | 上述综合 | 放慢配速、改心率控制、改时段或改课型，并附理由 |
这个流程里最不确定的是第3步和第4步，因为它们依赖你有多少历史数据。因此，对新用户，建议本身会更保守也更宽泛；对训练记录丰富的用户，则可以更具体。更宏观的“配速、心率、恢复怎么综合”，可以看这篇关于同时读配速、心率和身体状态的文章。
模型边界
最后说说边界。天气模型能估计“今天大概会多难”，但估计不了你的具体一天：今天是否脱水、前一晚是否喝了酒、是不是刚感冒好，这些都会显著改变你对热的耐受，但通常不在数据里。
同样，长期看，跑者也会通过适应而变化：夏天开始时觉得吃力的配速，几周后可能不再如此。系统需要不断更新它对你的估计，否则会一直保守下去。反过来，如果一个人从来不在热天训练、突然去参加高温比赛，模型缺乏参考，给出的数字就更不可靠。
所以合理的用法是：把贝博体育跑步AI给出的调整当作“一个有依据的建议”，结合自己当下的感受决定。热天里少跑几分钟、慢一点，几乎总是更安全的选择；而一次“硬撑下来”的训练，往往不如一次状态好的轻松跑有价值。
