很多模型被用来鉴别对有害蓝藻水华影响最大的输入变量。在SLR中分析的文章中，约莫用70%的文章确定了最敏感的变量，在这里定名为重要预测因子(表4)。如活络度分析、数据挖掘、主成分分析可用于评价输入变量与模型输出之间的统计关系，预报/预测机能最敏感的变量。然而，“有关性并不料味着因果关系”，统计敏感变量可能不愿定是有害蓝藻水华的因果成分。因而，预测者能够改善模型的机能，但不愿定是对潜在景象的诠释。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

　　SLR将每个模型最沉要的预测因子分为八组：物理过程、营养营养、形象成分、生物成分、水动力、地皮利用、水化学质量和微量营养盐。预测因子的巢轮性以及他们对蓝藻的影响被定量评估，即与有害蓝藻水华呈正有关或负有关。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

　　图7. 在有害蓝藻水华预报和预测模型中，输入变量被确定为重要预测因子的相对频率，以及它们与有害蓝藻水华的关系。绿色陆续的箭头暗示正关系;红色虚线箭头暗示负关系，黄色虚线箭头暗示不确定的关系。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

　　水温是重要的模型预测因子(31.5%的文章)，并且总是与有害蓝藻水华呈正有关。较高的水温加快了蓝藻的成长速度和生物化学过程。在所有钻研中，通明度是仅次于水温的第二大有害蓝藻水华最常见的物理预测因子，占所有钻研的5%。通明杜纂有害蓝藻水华呈负有关，在德国Stadtgraben湖、美国Russo湖和EalgeSpring湖的低蓝藻生物量期间也观察到同样了局。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

　　营养盐是有害蓝藻水华第二常见的预测因子组。磷化合物(以总磷、磷酸盐或可溶性活性磷暗示)在17.5%的文章中被确定为重要的模型预测因子，总是与有害蓝藻水华呈正有关。磷通常是藻类细胞成长的限度营养。因而，其可用性的增长通常与富营养化有关。在9.5%的文章中，氮化合物是重要的模型预测因子，凭据优势物种和丈量的氮大局对有害蓝藻水华有分歧的影响(例如总氮、硝酸盐、硝酸盐)。例如在日本的Kasumigaura湖使用ANN仿照微囊藻、席藻、颤藻和针杆藻的增殖。了局批注，除席藻表，所有蓝藻物种在总氮增长时成长速度就降低。在荷兰Veluwemeer湖和Wolderwijd湖也观察到类似的了局，同时使用HEA发此刻这种情况下，低硝酸盐浓杜仔利于蓝藻而不是绿藻和硅藻。此表，利用广义相加模型对中国湖泊(太湖、滇池和巢湖)三种蓝藻(长孢藻、微囊藻、束丝藻)进行了分析。GAM模型批注，巢湖中只有长孢藻生物量的变动与氮浓度呈负有关，而所有其他情况都能很好地用水温度颠簸来诠释。另一方面，在巴西Lajes水库，利用HEA预测三种超微型蓝藻物种(Cyanodictyon imperfectum, Cyanogranis ferruginea和Synechococcus sp.)。所有蓝藻物种对硝酸盐的增长都有积极的正响应，对硝酸盐的敏感性高于总磷。有钻研者在Victoria湖也观察到类似的趋向，硝酸盐增长与PC浓度呈强烈正有关。物种特有的生理适应(例如大气固氮)能够诠释每种营养物质(氮与磷浓度)的沉要性的变动，即营养大局(溶化态/颗粒态、氧化/还原、生物可利用/难降解)，以及它们的比率(TN : TP)和基于分歧大局的N和P的比率的变动。例如，使用PB的WASP模型对加拿大Winnipeg湖营养负荷削减的未来情景进行评估，发现10%的TP负荷削减会降低总蓝藻的丰度;然而，它也会增长非固氮蓝藻的总生物量。因而，建议的这一类案例的治理战术是削减总磷，同时不粉碎最低的TN与TP比值。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星

　　在12%的文章中，形象因子被确定为有害蓝藻水华的重要预测因子。其中3.5%文章是气温，直接影响水温。风速微风向也是重要预测指标(6%文章)。风速对有害蓝藻水华的影响总是负的;轻风的情景往往与有害蓝藻水华的形成有关。有钻研者用Euler-Lagrangian模型钻研了太湖蓝藻水平和垂直运输的影响，以及蓝藻的生理响应。该模型发现，早期水华是由被动力驱动的，如风诱导的水平驱动的运输，而水华后期是由生理不规定驱动的，如成长、营养吸收或可用性。滇池有害蓝藻水华的Logistic回归预测模型批注，较高的均匀风速抑造了有害蓝藻水华，这是由于波浪分散了蓝藻。蓝藻由于湖泊的水动力模式而迁徙，这是有害蓝藻水华的重要预测因子，正如在美国Milford湖所观察到的那样，在水流融合区和遥感分析获得的有害蓝藻水华数据之间有很强的一致性。其他形象成分，如气压(1.25%文章)和降雨量(1.25%文章)，也被以为SLR中的重要预测成分。美国310个湖泊未来情景的分析批注，降雨作为一个活跃的预测因子，可能与由于径流增长而增长系统上的营养输入有关，这也推进了蓝藻的成长。另一方面，在低降雨期，韩国Jinyang水库的水深变浅，导致热分层作用变强，蓝藻生物量变高。在美国Mendota湖也观察到了类似的趋向，那里的有害蓝藻水华总是产生在没有降水的不变气象和低风期。太阳辐照度(7%文章)通常与有害蓝藻水华呈正有关，但只是次要的预测因子。对于输入变量的水动力学组，在2%的文章中，进水量是重要的预测因子，对有害蓝藻水华的暴发有分歧的影响。进水量增长导致表部营养负荷增长，可能有利于有害蓝藻水华成长，如近几十年来加拿大/美国西伊利湖最近的有害蓝藻水华模型的分析的那样。对该地位的有害蓝藻水华生物量进行最佳估计的模型发现，夏季Maumee河的流量是重要的预测因子。在这几个月里，河道有更高的流量，较高的磷负荷进入湖泊，这有助于有害蓝藻水华的产生。在韩国Padang湖，通过BN步骤观察到来水量的增长可能会增长冲刷和湍流，这故障了有害蓝藻水华的成长。水位(5%的文章)时时被确定为有害蓝藻水华的重要预测因子，例如在佛罗里达的七座浅水富营养化水库的未来气象情景评估中，那里的低水位与持久干旱与有害蓝藻水华的增长有关。同样，在巴西Joanes水库，使用了广义线性模型发现低水位是诠释隐球藻优势的重要预测因子。作者以为，低水位可能有助于不变水分层，让湖基层营养循环和堆集更快，这可能有利于隐球藻竞争超过其他藻类。在6%的文章中，生物变量被以为是有害蓝藻水华的重要预测因子。浮游植物群落组成的变动可能为蓝藻的未来行为提供了预测。例如，加拿大Champlain湖害蓝藻产生的重要预测因子是多样性水平的降低，群落多样性先削减陪伴着有害蓝藻水华。在3%的文章中，地皮利用被以为是害蓝藻水华产生的重要预测因子。地皮利用能够间接地反映流域内营养负荷的面积变动。除氮和磷化合物表，其他化学水质变量和微量营养盐也被以为是害蓝藻水华预测因子，但呈显斓率较低。溶化氧(DO)和电导率对蓝藻动态有分歧的影响。用生态位模型在中国巢湖简直定了DO降低后微囊藻水华削减。另一方面，在韩国Jinyang水库表层水体中，当湖泊基层DO被耗尽时，蓝藻生物量不休增长。作者以为，降雨少使得水体分层不变，所以地表水温度较高，就会推进蓝藻的成长。同样，在南非的Vaal大坝，低的DO和高电导率是有害蓝藻水华产生的重要预测成分。与此相反，中国太湖的有害蓝藻水华产生与电导率呈强烈的负有关。pH常被以为是有害蓝藻水华的次要正预测因子。由于碳浓缩机造，很多蓝藻能够在高pH环境中存活，并偏差于在碱性水域竞争超过其他真核藻类，这一景象在日本的Kasumigaura湖、中国的于桥水库被都观察到。微量元素二氧化硅在一些文章中也被确定为次要预测因子，但是这凭据物种而异。例如，在Veluwemeer湖和Wolderijd湖，二氧化硅浓度是高密度颤藻的预测因子;但在荷兰的Kasumigaura湖和日本Suwa湖，对于微囊藻则不合用。二氧化硅是硅藻的一种沉要营养物质，由于硅藻必要形成富含桂的细胞壁，因而大无数物种对这种营养物质是必须的。由于硅藻和蓝藻之间的竞争，二氧化硅和有害蓝藻水华之间的负有关性将是可预期的。这些预测因子批注蓝藻动态是极度复杂的，蕴含的有关输入变量将影响对未来有害蓝藻水华和模型预测的能力。然而，增长输入变量并不是提高机能的先决前提，由于更多的输入变量可能会由于交叉关系而故障模式鉴别，导致数据过度拟合。现实上，降维一向是SLR中很多模型的指标。主成分分析(PCA)和范例对应分析(CCA)在SLR中常用于降维。降维除了有利于推理规定的公式化表，还能够降低成本、削减模型推算功夫和改善整体效能。2VB新型光催化网_水库治理_河路治理_水生态建复_水环境治理与建复_扑克之星