Mapas detallados del lecho marino y el conocimiento de sus hábitats son críticos para una amplia gama de tareas, como el desarrollo sostenible y la protección del medio ambiente. Los bloques en el lecho marino forman un entorno importante para los ecosistemas, pero su detección es un desafío. En este estudio, nuestro objetivo es mejorar la comprensión de los predictores de bloques y determinar las conexiones entre los predictores y los entornos de bloques en diferentes escalas espaciales. Se utilizó el algoritmo de selección de características Relief-F en cuatro áreas de 30 m x 30 m en la laguna de Rødsand, que contenían un bloque cada una, para determinar los predictores más relevantes. Los predictores se pueden dividir en cuatro grupos que detectan diferentes características de los bloques: contraste de color, altura, límites de los bloques y geometría esférica. Se evaluaron doce tipos diferentes de entornos de bloques. Los bloques esféricos y desnudos en lechos marinos arenosos pueden ser predichos a partir de los cuatro grupos de predictores. No es posible detectar bloques no esféricos en lechos marinos cubiertos por vegetación. Los mejores predictores para la detección de bloques dependen de la forma y el tamaño del bloque y del sedimento y la vegetación circundantes. Los predictores se evaluaron en un área más grande de 400 x 2500 m. Al ampliar el área de detección de bloques, las estructuras más grandes del lecho marino pueden afectar los resultados. Por lo tanto, el conocimiento sobre estas estructuras puede utilizarse para eliminar errores e incertidumbres de los datos de entrada del aprendizaje automático.