2 resultados para Brooklyn Public Library.
em Instituto Politécnico do Porto, Portugal
Resumo:
D. João de Magalhães e Avelar (1754-1833) formou aquela que, ao tempo, era a maior biblioteca privada portuguesa. Com cerca de 36000 volumes, foi elogiada por personalidades nacionais e estrangeiras, por aliar à quantidade de volumes inúmeros e valiosíssimos manuscritos. Formada ao longo dos séculos XVIII e XIX, durante mais de 30 anos, originou, em 1833, o primeiro núcleo da actual Biblioteca Pública Municipal do Porto. Numa época em que possuir livros era sinónimo de prestígio social mas num período em que quase não havia tradição de bibliotecas públicas no nosso país, contrariamente ao que acontecia noutras realidades, a livraria privada de Avelar formou, com outras, a Real Biblioteca Pública da Cidade do Porto. Em 1833, aquando do primeiro aniversário da entrada do exército liberal no Porto, por decreto, criou-se a biblioteca portuense. Estabelecida na casa que servia de Hospício dos Religiosos de Santo António do Val da Piedade, à praça da Cordoaria, tinha como objectivo satisfazer a utilidade pública, estando aberta todos os dias, excepto domingos e feriados. Propriedade da cidade do Porto, ficava sujeita à administração da Câmara que se obrigava à sua guarda, manutenção, conservação, bem como à constante aquisição de espólio. Como veremos, tratou-se de um processo conflituoso mas o Porto obtinha, definitivamente, a sua biblioteca pública.
Resumo:
This paper analyses forest fires in the perspective of dynamical systems. Forest fires exhibit complex correlations in size, space and time, revealing features often present in complex systems, such as the absence of a characteristic length-scale, or the emergence of long range correlations and persistent memory. This study addresses a public domain forest fires catalogue, containing information of events for Portugal, during the period from 1980 up to 2012. The data is analysed in an annual basis, modelling the occurrences as sequences of Dirac impulses with amplitude proportional to the burnt area. First, we consider mutual information to correlate annual patterns. We use visualization trees, generated by hierarchical clustering algorithms, in order to compare and to extract relationships among the data. Second, we adopt the Multidimensional Scaling (MDS) visualization tool. MDS generates maps where each object corresponds to a point. Objects that are perceived to be similar to each other are placed on the map forming clusters. The results are analysed in order to extract relationships among the data and to identify forest fire patterns.