Long short-term memory (LSTM) models and ESA CCI product for assessing the impact of wildfire on lake water quality

Lakes are critical components of freshwater ecosystems, supporting biodiversity, climate regulation, and ecosystem services, yet they are increasingly exposed to climate-driven extremes such as wildfires. Post-fire alterations in catchments can enhance erosion, nutrient mobilization, and sediment delivery, thereby degrading water quality—particularly chlorophyll-a and turbidity. Leveraging multi-year Earth Observation (EO) products from the ESA Climate Change Initiative (Fire_cci, Lakes_cci), this thesis develops a model-based analysis to quantify wildfire impacts on lakes within a Source–Pathway–Receptor (SPR) perspective. An LSTM model is trained with burned-area predictors included. During validation and testing, model weights are held fixed: factual and counterfactual runs are generated for all lakes: (i) a with-fire specification driven by the observed burned area, and (ii) a no-fire specification in which the burned area is replaced by the lake-specific training-set mean (a constant input). The difference between these paired outputs is interpreted as the incremental, model-based contribution of wildfire to chlorophyll-a and turbidity dynamics. This design captures nonlinear interactions among fire activity, precipitation, runoff, radiation, temperature, and other drivers, and the model generates lake-specific predictions of chlorophyll-a and turbidity. By integrating long-term EO with deep learning, the thesis provides estimates of wildfire contributions to lake water quality and supports adaptive management under a warming, disturbance-prone climate.

I laghi sono componenti fondamentali degli ecosistemi d’acqua dolce: sostengono la biodiversità, contribuiscono alla regolazione del clima e forniscono numerosi servizi ecosistemici, ma sono sempre più esposti a estremi climatici quali gli incendi boschivi. Le alterazioni post-incendio nei bacini possono aumentare l’erosione, la mobilizzazione dei nutrienti e il trasporto di sedimenti, degradando così la qualità dell’acqua – in particolare per quanto riguarda la clorofilla-a e la torbidità. Sfruttando prodotti di Osservazione della Terra (EO) pluriennali dell’iniziativa ESA Climate Change Initiative (Fire_cci, Lakes_cci), questa tesi sviluppa un’analisi basata su modello per quantificare gli impatti degli incendi sui laghi all’interno di una prospettiva Fonte–Percorso–Recettore (Source–Pathway–Receptor, SPR). Un modello LSTM viene addestrato includendo i predittori di area bruciata. Durante le fasi di validazione e test, i pesi del modello vengono mantenuti fissi: per tutti i laghi vengono generate esecuzioni fattuali e controfattuali, ovvero (i) una specifica with-fire forzata dai valori osservati di area bruciata e (ii) una specifica no-fire in cui l’area bruciata è sostituita dalla media, calcolata sul set di addestramento, specifica per ciascun lago (un input costante). La differenza tra queste coppie di output è interpretata come il contributo incrementale, basato sul modello, degli incendi boschivi alla dinamica di clorofilla-a e torbidità. Questa impostazione cattura interazioni non lineari tra attività degli incendi, precipitazione, deflusso, radiazione, temperatura e altri forzanti, e il modello genera previsioni specifiche per ciascun lago di clorofilla-a e torbidità.