两名跑者并肩跑过同一条小径，但完赛后看到的累计爬升却不同。这未必是手表故障：设备可能用不同方式测量海拔、以不同步长记录，并以不同方式过滤波动。D+ 是沿路线剖面的爬升总和，而不是起点和终点之间的海拔差。在环形路线上，这个差值几乎为零，尽管爬升可能很多。因此，重要的不仅是单个海拔点的精度，还有整个总和的計算方式。
三个海拔来源：各有各的局限
训练记录中的海拔可能来自卫星、气压传感器或数字地图。手表有时会融合多个来源，而应用在加载后会用自身数据替换原始海拔点。因此，相同的“累计爬升”标签并不意味着相同的原始数据。
- GPS 高度计。接收器通过卫星信号确定空间位置。垂直坐标通常比地图上的位置更不稳定：卫星几何分布、山坡和建筑物的信号反射、森林和狭窄峡谷都会干扰。几米到几十米的偏差是参考值，而不是任何手表的特性。在复杂条件下误差可能更大。即使接收器静止不动，也可能显示变化的海拔。
- 气压计。传感器测量大气压力，设备将其转换为海拔。在短距离内，它通常比卫星更好地跟踪相对变化，但气压也会因天气而变化。传感器孔的气流、水、污垢和温度补偿特性也会影响读数。需要校准：根据已知海拔点、卫星或其他来源。自动校准本身可能在剖面中引入跳变。
- 数字地形模型，DEM。应用获取轨迹坐标，并从网格值中代入海拔。网格步长可能约为 10–30 米，但可用性和质量取决于地区和数据集。网格步长不等于海拔精度。模型会平滑小型地形起伏，而某些数据集描述的是带植被和建筑物的表面，而不仅仅是地面。
DEM 有特别明显的局限：桥梁可能获得谷底的海拔，而悬崖上的小径可能获得斜坡的平均海拔。坐标误差也不会消失。如果 GPS 将点从小径偏移到陡坡上，模型会忠实地返回另一个点的海拔。基于地图的重新计算消除了对原始高度计的依赖，但不会把不精确的轨迹变成大地测量。
所有海拔点的恒定偏移本身不会改变 D+：给每个海拔加上同一个值，爬升保持不变。对总和更危险的是记录内部的漂移和跳变。气压计在起点可能看起来可靠，但由于气压变化，会逐渐将跑者“提升”到终点。
为什么同一条小径会得到不同的 D+
最简单的算法将所有相邻点之间的正差值相加。它的弱点是噪声。假设序列 100、101、100、101 米会产生两米爬升，尽管跑者可能在平坦地面上移动。负波动不会从 D+ 中减去：它们进入单独的下降总和。因此，随机波动可能同时高估这两个值。
- 不同的气压计噪声。两个设备的传感器、孔的位置和信号处理不同。一阵风或湿袖子对一个设备的影响可能比另一个更大。
- 不同的记录频率。每秒记录保留更多细节，包括噪声。稀疏或“智能”记录可能错过短坡。更多点并不自动意味着更精确的 D+：后续处理很重要。
- 不同的过滤。一个应用几乎汇总所有波动，另一个平滑剖面并忽略微小变化。即使同一个文件加载到两个服务中，也可能给出不同的结果。
- 暂停和中断。自动暂停、信号丢失和记录恢复会改变点的相邻关系。如果算法将中断边缘当作普通路段连接，总和中可能混入人为台阶。
在起伏路线上相差几十米本身并不能证明特定设备有错误。差异的规模取决于记录长度、地形的小波浪、信号质量和过滤器。更有用的是打开剖面并找到差异位置：平坦道路上的单个尖峰比与地图上小径吻合的平缓爬升更可疑。
平滑与迟滞：何时爬升才算真实
在计算之前，通常会清除明显错误的点并对剖面进行平滑。平滑利用相邻值来减少高度的小幅波动。例如，中值滤波可以去除单个异常值，而平均化则使剖面不那么锯齿状。但过强的滤波不仅会削去噪声，还会削去真实的短爬升。
平滑窗口可以按时间、点数或距离来设定。这三者并不相同。在相同时间内，下坡的跑者比陡坡上的跑者行进得更远；在记录频率不同的情况下，相同的点数也覆盖不同的路段。为了对比文件，重要的不仅是知道是否存在滤波，还要了解其工作原理。
迟滞阈值有助于在每次小幅波动时不改变剖面方向。算法保持当前状态，直到高度变化超过所选阈值。在一种方案中，当高度从局部最低点上升足够多时确认爬升，而当从达到的最高点下降足够多时转为下坡。此范围内的小幅移动不计为单独的坡。
3–5 米的示例阈值可用于解释原理，但这不是通用设置。它应与数据源的噪声、地形的细节和处理任务相匹配。确认爬升后，算法可以计入从初始最低点起的全部上升，而不仅仅是超过阈值的部分。具体实现各不相同，因此设置中相同的数字并不能保证相同的结果。
这里重要的是不要把确认阈值与要求每个相邻点都比前一点高出数米相混淆。长而缓的爬升由小幅增加累积而成，应保留其总和。良好的处理能将这种稳定上升与围绕同一高度的波动区分开来。同时，任何滤波都是一种折中：在频繁的低矮小丘上，细节损失会比在长而平坦的爬升上更明显。
如何在不偷换条件的情况下比较自己的训练
对于个人历史记录，统一的测量方法比应用中的最大数字更重要。如果今天用原始气压计，一周后用大幅平滑的 DEM 剖面，D+ 的变化反映的就不只是路线。先从可重复的条件开始，然后再评估训练中的差异。
- 选择一条路线和一个方向。检查起点、终点、额外的绕行和偏离小径。对于点到点的路线，改变方向可能改变爬升：原来的下坡会变成上坡。
- 保存记录设置。使用相同的卫星模式、记录频率、自动暂停和校准方式。固件或应用更新后，要注意处理方式可能已改变。
- 以相同方式重新计算对比文件。如果选择 DEM，请使用同一服务、同一模型和相同的处理参数（在可用范围内）。将重新计算的新训练与旧的原始结果对比是不正确的。
- 结合地图查看剖面。检查峰值、凹陷、断裂和偏移到相邻坡面。桥梁和隧道段需要特别注意：地表模型不知道建筑物内部的实际轨迹。
- 保存原始记录。如果模型或算法改变，原始文件可以重新计算历史。修正后的结果最好与手表显示的值区分开。
在比较周数据时，一致性尤为重要：多次训练的总和会继承每条记录的错误。下面的周计划有助于关注训练的分布。D+ 本身应与时长、距离和路况一起解读：长缓坡和短陡台阶上的相同爬升描述的是不同的负荷。
不需要手动将每个文件调整到过去的结果。即使设置相同，测量仍存在离散。如果差异不大且剖面看起来合理，就将其视为数据的局限。如果出现剧烈跳变或整个爬升量级改变，先检查高度来源和处理方式，而不是对训练状态下结论。
我们在 1trAIner 中如何处理高度
在 1trAIner，我们根据数字地形模型重新计算海拔剖面，而不是直接信任手表原始高度计。根据路线坐标从 DEM 获取一系列海拔值，并用重新计算的剖面来估算爬升。这样做的意义在于减少对特定传感器和气压变化的依赖，而不是宣称地图海拔毫无误差。
结果仍受模型和原始轨迹的限制。狭窄山脊、桥梁、细小的地形起伏或偏移的卫星记录都可能表示不准确。因此 D+ 是带有误差的路线特征，而不是绝对的努力程度衡量。分析训练课时，时长、移动配速和路面背景同样重要：爬升数字并不能描述下坡的技术难度或小径状况。
在 1trAIner，AI 教练按赛季 → 月度 → 周 → 日的分层规划制定计划。Garmin 和 Apple Watch 手表数据会自动同步，每次训练课后都会重新计算本周计划。前 7 天免费——可以看看这种方式如何融入你的日程。
本文仅供参考，不能替代医生的咨询。
