El desarrollo de modelos predictivos aerobiológicos es de creciente interés, a pesar de que la distribución y variabilidad de los datos y las limitaciones de los métodos estadísticos lo hacen altamente desafiante. Se han propuesto el uso de umbrales de concentración y modelos, donde una respuesta binaria permite establecer la ocurrencia o no ocurrencia del umbral, para reducir las dificultades. En este artículo, utilizamos regresión logística (logit) y árboles de regresión para predecir los umbrales de concentración diaria (bajo, medio, alto y muy alto) de seis taxones de esporas fúngicas en el aire en ocho localidades de Cataluña (noreste de España) utilizando datos de 1995 a 2014. El potencial predictivo de estos modelos se analizó a través de la sensibilidad y especificidad. Los modelos mostraron resultados similares en cuanto a la relación e influencia de los parámetros meteorológicos y las esporas fúngicas. Las ascosporas mostraron una fuerte relación con la precipitación y las basidiosporas con la temperatura mínima, mientras que las conidiosporas no indicaron ninguna preferencia. La sensibilidad (verdaderos positivos) y la especificidad (falsos positivos) presentaron resultados de validación altamente satisfactorios para ambos modelos en todos los umbrales, con un promedio del 73%. Sin embargo, dado que el logit ofrece mayor precisión al intentar establecer el exceso de un umbral de concentración y es más fácil de aplicar, se propone como el mejor modelo predictivo.