Supporting semantic web technologies in the pervasive service ecosystems middleware

Semantic Web technologies are strategic in order to fulfill the openness requirement of Self-Aware Pervasive Service Ecosystems. In fact they provide agents with the ability to cope with distributed data, using RDF to represent information, ontologies to describe relations between concepts from any domain (e.g. equivalence, specialization/extension, and so on) and reasoners to extract implicit knowledge. The aim of this thesis is to study these technologies and design an extension of a pervasive service ecosystems middleware capable of exploiting semantic power, and deepening performance implications.

Stato tossicologico di esemplari di foca monaca (Monachus monachus, Hermann 1779) della Grecia, specie "critically endangered" del Mar Mediterraneo.

La foca monaca (Monachus monachus, Hermann 1779) è il pinnipede più a rischio d’estinzione del mondo e pochi sono gli studi che hanno indagato l’impatto antropico dato dagli inquinanti chimici su questa specie. Questo studio si propone di analizzare la pressione che elementi in traccia, organoclorurati (OC) e, per la prima volta, idrocarburi policiclici aromatici (IPA) hanno sulla specie, studiando una della popolazioni più numerose presenti nel Mar Mediterraneo, ossia quella greca. Sono stati utilizzati campioni di 59 esemplari deceduti provenienti da diverse colonie residenti in Grecia, di ambedue i sessi, appartenenti a diverse classi d’età e riferibili ad un arco temporali di quasi 20 anni (1994-2013). Per i contaminanti organici (PCB, DDT ed IPA), caratterizzati da un comportamento lipofilico, sono stati utilizzati esclusivamente campioni di tessuto adiposo, mentre per l’analisi di elementi in traccia (essenziali: Fe, Co, Cu, Se, Zn, Mg; tossici: Cr, Ni, As, Cd, Pb, Hg) sono state impiegate diverse matrici, quali fegato, rene, muscolo, adipe, milza, polmone, cuore e pelo. I risultati evidenziano un’importante contaminazione dai OC (125.896,69±289.934,27 ng/g p.s.), in cui DDT e PCB sono presenti rispettivamente al 48,5% e 51,5%, mentre, tra i metalli considerati tossici (As, Cd, Pb, Hg, Cr, Ni), As e Hg sono gli elementi che destano maggiori preoccupazioni per la salute di Monachus monachus, presenti rispettivamente al 36,44% e 12,83%. IPA ed altri elementi in traccia analizzati invece non raggiungono di per sé concentrazioni di rischio per la specie, ma non si escludono possibili effetti sinergici tra i vari inquinanti. L’elaborazione del fingerprint tossicologico ha evidenziato un’eterogeneità nella pressione data dai contaminanti in studio, manifestando che alcune colonie di foca monaca in Grecia sono maggiormente soggette all’azione negativa di organoclorurati, idrocarburi policiclici aromatici o elementi in traccia tossici a seconda del caso.

A maximum entropy approach to disturbed ecosystems

The current climate crisis requires a comprehensive understanding of biodiversity to acknowledge how ecosystems’ responses to anthropogenic disturbances may result in feedback that can either mitigate or exacerbate global warming. Although ecosystems are dynamic and macroecological patterns change drastically in response to disturbance, dynamic macroecology has received insufficient attention and theoretical formalisation. In this context, the maximum entropy principle (MaxEnt) could provide an effective inference procedure to study ecosystems. Since the improper usage of entropy outside its scope often leads to misconceptions, the opening chapter will clarify its meaning by following its evolution from classical thermodynamics to information theory. The second chapter introduces the study of ecosystems from a physicist’s viewpoint. In particular, the MaxEnt Theory of Ecology (METE) will be the cornerstone of the discussion. METE predicts the shapes of macroecological metrics in relatively static ecosystems using constraints imposed by static state variables. However, in disturbed ecosystems with macroscale state variables that change rapidly over time, its predictions tend to fail. In the final chapter, DynaMETE is therefore presented as an extension of METE from static to dynamic. By predicting how macroecological patterns are likely to change in response to perturbations, DynaMETE can contribute to a better understanding of disturbed ecosystems’ fate and the improvement of conservation and management of carbon sinks, like forests. Targeted strategies in ecosystem management are now indispensable to enhance the interdependence of human well-being and the health of ecosystems, thus avoiding climate change tipping points.