训练一个能判断"这场比赛该不该照常进行"的AI模型，需要的数据远比一句天气描述丰富。球盟会体育气候大模型的输入层，大致可以分成气象、环境、场地和赛事四类数据。

气象类数据：不只是温度

包括温度、湿度、风速风向、降雨概率与强度、雷暴预警、太阳辐射强度，这些数据大多来自公开气象接口和自建气象站，覆盖从中期预报到临场实况的不同时间粒度。

环境类数据：空气质量是重要补充

PM2.5、PM10、臭氧、AQI等空气质量指标，是气象数据之外的另一条重要输入线，我们在马拉松赛道空气质量监测中提到的多点监测数据，同样会汇入这一层。

场地类数据：同一片天空下的不同场地条件不一样

场馆位置、朝向、遮阳条件、排水能力、海拔、周边建筑造成的热岛或挡风效应，这些静态场地特征数据虽然更新频率低，但对最终风险判断的准确性影响很大。

赛事类数据：把风险判断落到具体项目上

赛事类型、运动强度、持续时间、参赛人数、举办时段，这些数据决定了同样的气象条件在不同赛事上该对应什么样的风险等级，我们在不同运动项目热风险分级中详细讨论过这一层的重要性。四类数据共同构成了模型的完整输入，缺少任何一类，模型给出的判断都会打折扣。