Aquatic biodiversity is at stake due to natural and anthropogenic disturbances locally and globally pervasive in streams and rivers. Populations and communities vary widely in space and time, leading to either proliferation or extinction in responding to disturbing impacts due to unexpected changes in biological and environmental factors. Macroinvertebrate communities were collected across the dam areas along the main tributary in the river system in Korea. Complex abundance patterns of species were analysed by machine learning including Geographical self-organizing map (Geo-SOM). The Geo-SOM illustrates geographic areas specifically presenting high density levels of populations including Chironomids, Bryozoa, and Oligochaetes pertaining to the survey areas. Patterns of proliferated populations were presented according to geographical areas, being concurrently associated with environmental factors contributing to population increase. Some species including Tanytarsus sp. 1, Pectinatella magnifica, and Limnodrilus hoffmeisteri were locally abundant in relation to high levels of nutrients (e.g., TN, TP), being also associated with chemical (e.g., pH, DO) and physical (e.g., water speed, substrate size) factors. Relationships between metacommunity compositions and spatial patterning of benthic macroinvertebrates are further discussed for prediction and management of proliferating populations and community abundance management in aquatic ecosystems.