Ingen vätska kan ersätta vatten och utan vatten kan inget liv existera. Markens fysikaliska egenskaper och kemiska förhållanden styr spridningen av de föroreningsämnen som före¬kommer i mark och i vatten. Katrineholms kommun vill i framtiden kunna utnyttja vattenmagasinen i Forssjö. Ett antal observationsrör har placerats i Forssjö, vilket är beläget cirka 8 km sydost om Katrineholm. I dagsläget används inte GIS i kommunen och detta gjorde att jag blev intresserad av vilka möjligheter som GIS skulle kunna tillföra med utgångspunkt i den brunnsdatabas med vatten¬kvalitetsmätningar som finns i kommunen. Detta examensarbete består av två delar. Den första delen granskar risken för föroreningar från den del av väg 52 mellan Katrineholm och Nyköping som passerar Katrineholmsåsen sydost om Katrineholm. Inom riskkartan visade det sig att de jordlager som täcker akviferen, Katrineholmsåsen, inte ger naturligt skydd åt grundvattnet mot nedträngande föroreningarna. Den metod som används för att beräkna riskerna för förorenat grundvatten är den hydrogeologiska sårbarhetsmodell som Lena Maxe och Per-Olof Johansson har utarbetat i Bedömning av grundvattnets sårbarhet, 1998. I Katrineholms kommun finns fullständiga data om jordarter och en utmärkt brunnsdatabas. För att utredda risken för en förorening av akviferen i Katrineholmsåsen från väg 52, behövs ett bra verktyg. Detta arbete kommer att visa hur och på vilka sätt GIS kan utföra detta. Under arbetets gång har kontakt tagits med Räddningsverket i Karlstad. Via den kontakten har mycket värdefull information skaffats, till exempel hur genomströmnings¬hastigheter beräknas för föroreningsämnen, vilka program som de använder för att beräkna risker vid spill och utsläpp av kemikalier. I andra delen av mitt arbete har jag granskat vilken metod som lämpar sig bäst för interpolering av situationen mellan mätpunkterna; kriging eller cokriging, i geostatistiska analyser. För att hitta den bäst anpassade modellen har jag använt ekvationen: fel = r = ύ – v. Här gäller det att söka en modell som ger felet ett värde så nära noll som möjligt. Utryckning vid utsläpp av bensin, diesel och övriga petroleumprodukter utgjorde 75 % av fallen enligt Räddningsverket insatsstatistik 2000 – 2003. Dessa ämnen ingår i gruppen kemikalier med benämningen NAPL, Non Aqueous Phase Liquid. I mitt arbete har jag koncentrerat mig på hur utsläpp av denna grupp av kemikalier på väg 52 skulle kunna förorena akviferen i Katrineholmsåsen.

Near infrared reflectance spectroscopy (NIRS) and geostatistical techniques were used to predict diet quality of sub-Saharan African (SSA) livestock, and to create cokriged estimated diet quality maps for cattle across a landscape. Rations of native vegetation were stall-fed to cattle (Bos indicus), sheep (Ovis aries), and goats (Capra hircus) to generate diet-fecal pair data. Trials were conducted in Ethiopia, Kenya, Uganda, Tanzania, and Ghana. Historical data from Ethiopia, Nigeria, and Niger were included. Diet samples were analyzed for crude protein (CP%), and digestible organic matter (DOM%), while feces were scanned for NIR spectra. NIRS equations were developed from data using modified partial least square (MPLS) regression. Coefficients of determination (R2) of CP for cattle, sheep, and goats were 0.92, 0.95, and 0.97, with corresponding standard errors of calibration (SEC) being 0.90, 0.79, and 0.80, respectively. Standard errors of cross validation (SECV) for CP were 1.12%, 1.08%, and 1.03% for cattle, sheep, and goats, respectively. R2 and SEC values for DOM were 0.88, 0.94, 0.94 and 2.82%, 1.68%, and 2.65%, for cattle, sheep, and goats, respectively. Corresponding SECV values for DOM were 3.26%, 2.07%, and 3.30%, respectively. The statistics reported were within the acceptable limits for NIRS calibrations. The results indicate that dietary CP and DOM of free-ranging SSA livestock can be predicted with the same precision as that of conventional wet chemistry methods. The cattle equation was used to predict cattle fecal samples collected, from February to August 2000, from selected households located within the northern Ghana savanna. The predicted CP% and DOM% were used with Normalized Differential Vegetation Index (NDVI) data, and cokriging technique to create diet quality maps for March and July 2000 for the northern Ghana savanna. Cross validation results indicated a moderate capability of cokriging to estimate predicted CP% for March (r2 = 0.687, SEp = 1.736) and July (r2 = 0.513, SEp = 1.558). Cokriged-estimated DOM value for July was above average (r2 = 0.584, SEp = 3.611), while March DOM% estimation was rather poor (r2 = 0.132, SEp = 3.891). The techniques of cokriging and creation of diet quality maps were moderately successful in this study.

Made available in DSpace on 2016-12-08T16:44:45Z (GMT). No. of bitstreams: 1 PGPV13MA125.pdf: 3392873 bytes, checksum: 229cea2db1dfb1e30341e4a122389186 (MD5) Previous issue date: 2013-04-14 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The cost of apple production has been increasing over the years, and the selling price international and domestic fruit is decreasing. Given this perspective, there is a need for better technification by the fruit growers. The Precision Agriculture (PA) is an indispensable tool for aggregating information in decision-making producers. This study aimed to use the concepts of AP, to design maps of fruit quality, the management of plant vigor and yield maps regionalized in apple orchards. The experiment was conducted in two areas of 0.90 and 1.44 ha of commercial production of Gala and Fuji varieties Maxi Moore, respectively, at São Paulino company RASIP in Vacaria - RS. The quality attributes of the physical-chemical post-harvest fruit were evaluated: average fruit diameter (CMF), firmness (FP), number of seeds per fruit (NSF) and soluble solids (TSS). The attributes of plant vigor were: canopy volume (CV), stem diameter (DC) and fertility index (FI). We also evaluated the production (P). We collected 75 samples for each parameter measured in a grid of 12x10m to 16x12m variety Maxi Gala and Fuji variety to Moore. Analysis was performed using descriptive statistics and spatial analysis through the semivariogram. Possession of the adjusted models in the analysis of the semivariogram was held by the interpolation method of kriging. After, we performed a simple correlation of the parameters and those with strong correlation (≥ 0.50) drew up the cross semivariogram and held by the interpolation method of cokriging. All measurable parameters of the physical and chemical attributes of the fruits in postharvest attributes of plant vigor and production of Gala and Fuji varieties Maxi Moore harvests in 2011 and 2012 showed spatial variability. The 12x10 m sampling grid for Maxi Gala variety was adequate, because only the parameter number of fruits per plant (NFP) in the 2011 range presented below the mesh. Already a 16x12 m sampling grid for the Fuji variety Moore was less suitable for the parameters number of seeds per fruit (NSF), pulp firmness (FP) and Cup Volume (CV), which showed lower reaches in the mesh two crops. The thematic maps of these parameters allowed the development of theoretical management units, seen not meet recommendations of class divisions for the varieties studied. Production parameters (P) versus Diameter Stem (DC) showed a strong correlation in the variety in the 2011 Maxi Gala. In 2011 and 2012 vintages parameters Volume Cup (VC) versus Diameter Stem (DC) also showed a strong correlation. Thus in the 2011 reduced the collection of 15 samples of crop production and in 2012 was reduced to collecting 20 samples of canopy volume, the method of cokriging. For the Fuji variety Moore parameters Volume Cup (VC) versus Diameter Stem (DC) showed a strong correlation in the 2011 and 2012 vintages. In the 2011 parameters showed dependence with the same number of samples by the cokriging method. Already in 2012 there was no such dependence / O custo de produção da maçã vem aumentando ao longo dos anos, sendo que o preço de venda internacional e nacional da fruta está diminuindo. Diante desta perspectiva, existe a necessidade de uma melhor tecnificação por parte dos fruticultores. A Agricultura de precisão (AP) é uma ferramenta indispensável para agregar informações na tomada de decisão dos produtores. O presente trabalho teve como objetivo utilizar os conceitos de AP, para projetar mapas da qualidade de frutos, do manejo do vigor das plantas e mapas de produtividade regionalizada na cultura da macieira. O experimento foi conduzido em duas áreas de 0,90 e 1,44 ha de produção comercial das variedades Maxi Gala e Fuji Moore, respectivamente, na Fazenda São Paulino da empresa RASIP, em Vacaria RS. Os atributos de qualidade físico-químicos dos frutos em pós-colheita avaliados foram: calibre médio dos frutos (CMF), firmeza de polpa (FP), número de sementes por fruto (NSF) e sólidos solúveis totais (SST). Os atributos de vigor das plantas avaliados foram: volume de copa (VC), diâmetro de caule (DC) e índice de fertilidade (IF). Avaliou-se também a produção (P). Foram coletadas 75 amostras para cada parâmetro mensurável em uma malha de 12x10m para variedade Maxi Gala e 16x12m para variedade Fuji Moore. Foi realizada análise estatística descritiva dos dados e a análise espacial através dos semivariogramas. De posse dos modelos ajustados na análise dos semivariogramas realizou-se a interpolação pelo método da krigagem. Após, foi realizada a correlação simples dos parâmetros e os que apresentaram forte correlação (≥ 0,50) elaborou-se os semivariogramas cruzados e realizou-se a interpolação pelo método da cokrigagem. Todos os parâmetros mensuráveis dos atributos físico-químicos dos frutos em pós-colheita, atributos de vigor das plantas e produção das variedades Maxi Gala e Fuji Moore nas safras 2011 e 2012 apresentaram variabilidade espacial. A malha de amostragem 12x10 m para a variedade Maxi Gala mostrou-se adequada, pois somente o parâmetro Número de Frutos por planta (NFP) na safra 2011 apresentou alcance inferior à malha. Já a malha de amostragem 16x12 m para a variedade Fuji Moore mostrou-se menos adequada para os parâmetros Número de Sementes por Fruto (NSF), Firmeza de polpa (FP) e Volume de Copa (VC), que apresentaram alcances inferiores à malha nas duas safras. Os mapas temáticos elaborados dos parâmetros avaliados permitiram a elaboração de unidades de manejo teóricas, visto não se encontrar recomendações de divisões de classes para as variedades estudadas. Os parâmetros Produção (P) versus Diâmetro de Caule (DC) apresentaram forte correlação na variedade Maxi Gala na safra 2011. Nas safras 2011 e 2012 os parâmetros Volume de Copa (VC) versus Diâmetro de Caule (DC) também apresentaram forte correlação. Desta forma na safra 2011 reduziu-se a coleta de 15 amostras da produção e na safra 2012 reduziu-se a coleta de 20 amostras do volume de copa, pelo método da cokrigagem. Para a variedade Fuji Moore os parâmetros Volume de Copa (VC) versus Diâmetro de Caule (DC) apresentaram forte correlação nas safras 2011 e 2012. Na safra 2011 os parâmetros apresentaram dependência com o mesmo número de amostras pelo método as cokrigagem. Já em 2012 não houve essa dependência

Questões centrais em diversas áreas do conhecimento como ciências ambientais, geologia, agronomia, dentre outras, envolvem a compreensão da distribuição espacial de processos a partir de dados espacialmente referenciados. Os interesses de pesquisa podem estar na descrição espacial de duas ou mais variáveis e, desta forma, tem-se dois ou mais atributos para modelar. Modelos multivariados são propostos para o estudo se há evidências e/ou explicações contextuais de que os processos não são independentes. Diferentes modelos propostos na literatura foram avaliados e comparados ao modelo Matérn multivariado, recentemente proposto na literatura. Foram considerados o modelo linear de corregionalização, o modelo bivariado gaussiano de componente comum e um modelo bayesiano de regressão espacial. Estes modelos foram ajustados e utilizados para predição espacial geoestatística (krigagem) em um conjunto de dados com duas variáveis climáticas no qual uma parte dos dados foi separada para avaliação das predições. Além disso, foi realizado um estudo de simulação para avaliar a estimação e predição sob o modelo Matérn multivariado. / Key issues in a diversity of subject areas such as environmental sciences, geology, agronomy, among other, require the understanding of the spatial distribution of natural processes from spatially referenced data. Research interests may include the spatial description of two or more variables and therefore, there are tow or more attributes to be modeled. Multivariate models are adopted when there is evidence and/or contextual explanations the two processes are not independent. Different models presented in the literature are assessed and compared to the recently introduced multivariate Matérn model. The linear model of corregionalization, the bivariate Gaussian common component model and a bayesian spatial reression model were considered. The models were fitted and used for geostatistical spatial prediction (kriging) for a pair of weather related variables with part of the data used only for comparing the predicions. Additionally a simulation study assessed estimation and prediction under the multivariate Matérn model.

The biodiversity is distributed heterogeneously across the Earth. Although the discussion about which factors determine the spatial patterns of species diversity remains controversial, to know the components of biodiversity themselves is a challenge even bigger in certain regions. So, to know how much still remains to be studied or discovered is fundamental to the science, and the lack of knowledge about the species geographical distribution is known as one of the main problems faced in biodiversity research, especially in “Megadiverse” countries like Brazil. Historically, the Caatinga biome has been recognized as one of the most unknown and less valued according to its biodiversity, because the erroneous idea that the biome would have low diversity and endemism rates, and high degrees of degradation. Considering the dominance of the Family Fabaceae in the Caatinga, in both richness and abundance, we investigated the spatial pattern of Fabaceae species richness on the biome looking for determine which are the factors responsible for the spatial variation on its species richness. Moreover, we elaborated a spatial statistical model for the diversity of Fabaceae in the Caatinga, utilizing the spatial structure of the know assemblages and their environmental determinants, in order to estimate the shortfall of knowledge about the distribution (Wallacean shortfall) of the family in the Caatinga. We obtained 220,781 registers, less than 25% were valid. From these registers, we found 1,310 species in 198 genera. The predict richness vary from 92 to 283 species across the space and was better described by the sampling effort, the soil properties and the topography. With the measure of discrepancy between predicted and the observed values of species richness, we estimated the Wallacean shortfall, reaching 192 species in one single locality. The total number of species found in this work represents an expressive improvement on the know species richness of the family in the Caatinga. The selection of non-climatic factors as the main predictors of richness indicate the major influence of topography and soil on regional scale. The importance of substrate on the establishment of plant communities on the semiarid, as well. The estimated Wallacean shortfall evidences a chronical and spatially heterogeneous deficiency on knowledge of the regional flora. The persistence of such expressive gaps on the knowledge, plus the reduced coverage of protected areas on the biome shows a currently risk of significantly losses of biological diversity, with serious implications for the conservation of the biome. / A biodiversidade é distribuída de forma heterogênea através do planeta Terra. Embora a discussão sobre quais fatores determinam os padrões espaciais da biodiversidade continue controversa, o simples conhecimento dos seus componentes é um desafio ainda maior em algumas regiões. Assim, conhecer o quanto ainda há para ser estudado ou descoberto é fundamental para a ciência, e a falta de conhecimento sobre a distribuição geográfica das espécies é considerado um dos principais problemas enfrentados em estudos sobre a biodiversidade, especialmente em países “megadiversos” como o Brasil. O Bioma Caatinga tem sido historicamente reconhecido com um dos menos conhecidos e valorizados quanto a diversidade biológica, devido à ideia equivocada de sua baixa diversidade e endemismo e elevado grau de antropização. Considerando a dominância da família Fabaceae na Caatinga, quanto à riqueza e abundância regional, investigamos o padrão espacial da riqueza de espécies de Fabaceae no bioma, buscando determinar quais os fatores ambientais responsáveis pela variação espacial da sua riqueza de espécies. Além disso, elaboramos um modelo estatístico espacial de diversidade de Fabaceae na Caatinga a partir da estrutura espacial das assembleias conhecidas e dos seus determinantes ambientais, a fim de estimar o déficit de conhecimento sobre a distribuição (déficit wallaceano) da Família na Caatinga. Obtivemos 220.781 registros, dos quais menos de 25% foram válidos. A partir desses registros, encontramos o total de 1.310 espécies de 198 gêneros. A riqueza predita pelo modelo espacial variou de 92 a 283 espécies ao longo do espaço e foi melhor descrita pelo esforço amostral, aspectos do solo e topografia. A partir da medida de discrepância entre valores preditos e observados de riqueza de espécies, estimamos valores de déficit Wallaceano, chegando a 192 espécies em uma única localidade. O número total de espécies encontrado neste trabalho representa um incremento expressivo na riqueza conhecida de espécies da família na Caatinga. A seleção de fatores não climático como principais preditores de riqueza indica maior influência da topografia e do solo na escala regional. E também a importância do substrato no estabelecimento de comunidades vegetais no semiárido. O déficit Wallaceano estimado evidencia uma deficiência crônica e espacialmente heterogênea no conhecimento da flora regional. A persistência de lacunas tão expressivas no conhecimento, somada a cobertura reduzida de áreas protegidas no Bioma evidencia um risco corrente de perdas significativas de diversidade biológica com sérias implicações para a conservação do Bioma.

No description available.

Esta dissertação de mestrado apresenta os resultados de uma investigação sobre os métodos de co-estimativa comumente utilizados em geoestatística. Estes métodos são: cokrigagem ordinária; cokrigagem colocalizada e krigagem com deriva externa. Além disso, a krigagem ordinária foi considerada apenas a título de ilustração como esse método trabalha quando a variável primária estiver pobremente amostrada. Como sabemos, os métodos de co-estimativa dependem de uma variável secundária amostrada sobre o domínio a ser estimado. Adicionalmente, esta variável deveria apresentar correlação linear com a variável principal ou variável primária. Geralmente, a variável primária é pobremente amostrada enquanto a variável secundária é conhecida sobre todo o domínio a ser estimado. Por exemplo, em exploração petrolífera, a variável primária é a porosidade medida em amostras de rocha retiradas de testemunhos e a variável secundária é a amplitude sísmica derivada de processamento de dados de reflexão sísmica. É importante mencionar que a variável primária e a variável secundária devem apresentar algum grau de correlação. Contudo, nós não sabemos como eles funcionam dependendo do grau de correlação. Esta é a questão. Assim, testamos os métodos de co-estimativa para vários conjuntos de dados apresentando diferentes graus de correlação. Na verdade, esses conjuntos de dados foram gerados em computador baseado em algoritmos de transformação de dados. Cinco valores de correlação foram considerados neste estudo: 0,993, 0,870, 0,752, 0,588 e 0,461. A cokrigagem colocalizada foi o melhor método entre todos testados. Este método tem um filtro interno que é aplicado no cálculo do peso da variável secundária, que por sua vez depende do coeficiente de correlação. De fato, quanto maior o coeficiente de correlação, maior é o peso da variável secundária. Então isso significa que este método funciona mesmo quando o coeficiente de correlação entre a variável primária e a variável secundária é baixo. Este é o resultado mais impressionante desta pesquisa. / This master dissertation presents the results of a survey into co-estimation methods commonly used in geostatistics. These methods are ordinary cokriging, collocated cokriging and kriging with an external drift. Besides that ordinary kriging was considered just to illustrate how it does work when the primary variable is poorly sampled. As we know co-estimation methods depend on a secondary variable sampled over the estimation domain. Moreover, this secondary variable should present linear correlation with the main variable or primary variable. Usually the primary variable is poorly sampled whereas the secondary variable is known over the estimation domain. For instance in oil exploration the primary variable is porosity as measured on rock samples gathered from drill holes and the secondary variable is seismic amplitude derived from processing seismic reflection data. It is important to mention that primary and secondary variables must present some degree of correlation. However, we do not know how they work depending on the correlation coefficient. That is the question. Thus, we have tested co-estimation methods for several data sets presenting different degrees of correlation. Actually, these data sets were generated in computer based on some data transform algorithms. Five correlation values have been considered in this study: 0.993; 0.870; 0.752; 0.588 and 0.461. Collocated simple cokriging was the best method among all tested. This method has an internal filter applied to compute the weight for the secondary variable, which in its turn depends on the correlation coefficient. In fact, the greater the correlation coefficient the greater the weight of secondary variable is. Then it means this method works even when the correlation coefficient between primary and secondary variables is low. This is the most impressive result that came out from this research.

Esta dissertação de mestrado apresenta os resultados de uma investigação sobre os métodos de co-estimativa comumente utilizados em geoestatística. Estes métodos são: cokrigagem ordinária; cokrigagem colocalizada e krigagem com deriva externa. Além disso, a krigagem ordinária foi considerada apenas a título de ilustração como esse método trabalha quando a variável primária estiver pobremente amostrada. Como sabemos, os métodos de co-estimativa dependem de uma variável secundária amostrada sobre o domínio a ser estimado. Adicionalmente, esta variável deveria apresentar correlação linear com a variável principal ou variável primária. Geralmente, a variável primária é pobremente amostrada enquanto a variável secundária é conhecida sobre todo o domínio a ser estimado. Por exemplo, em exploração petrolífera, a variável primária é a porosidade medida em amostras de rocha retiradas de testemunhos e a variável secundária é a amplitude sísmica derivada de processamento de dados de reflexão sísmica. É importante mencionar que a variável primária e a variável secundária devem apresentar algum grau de correlação. Contudo, nós não sabemos como eles funcionam dependendo do grau de correlação. Esta é a questão. Assim, testamos os métodos de co-estimativa para vários conjuntos de dados apresentando diferentes graus de correlação. Na verdade, esses conjuntos de dados foram gerados em computador baseado em algoritmos de transformação de dados. Cinco valores de correlação foram considerados neste estudo: 0,993, 0,870, 0,752, 0,588 e 0,461. A cokrigagem colocalizada foi o melhor método entre todos testados. Este método tem um filtro interno que é aplicado no cálculo do peso da variável secundária, que por sua vez depende do coeficiente de correlação. De fato, quanto maior o coeficiente de correlação, maior é o peso da variável secundária. Então isso significa que este método funciona mesmo quando o coeficiente de correlação entre a variável primária e a variável secundária é baixo. Este é o resultado mais impressionante desta pesquisa. / This master dissertation presents the results of a survey into co-estimation methods commonly used in geostatistics. These methods are ordinary cokriging, collocated cokriging and kriging with an external drift. Besides that ordinary kriging was considered just to illustrate how it does work when the primary variable is poorly sampled. As we know co-estimation methods depend on a secondary variable sampled over the estimation domain. Moreover, this secondary variable should present linear correlation with the main variable or primary variable. Usually the primary variable is poorly sampled whereas the secondary variable is known over the estimation domain. For instance in oil exploration the primary variable is porosity as measured on rock samples gathered from drill holes and the secondary variable is seismic amplitude derived from processing seismic reflection data. It is important to mention that primary and secondary variables must present some degree of correlation. However, we do not know how they work depending on the correlation coefficient. That is the question. Thus, we have tested co-estimation methods for several data sets presenting different degrees of correlation. Actually, these data sets were generated in computer based on some data transform algorithms. Five correlation values have been considered in this study: 0.993; 0.870; 0.752; 0.588 and 0.461. Collocated simple cokriging was the best method among all tested. This method has an internal filter applied to compute the weight for the secondary variable, which in its turn depends on the correlation coefficient. In fact, the greater the correlation coefficient the greater the weight of secondary variable is. Then it means this method works even when the correlation coefficient between primary and secondary variables is low. This is the most impressive result that came out from this research.

近年來由於地理資訊系統（GIS）的快速發展發，空間資料分析開始受到重視並在社會科學領域中逐漸扮演重要的角色。雖然一般的統計方法已在傳統資料分析上發展已久，然而它們卻不能有效地說明空間性資料，並且無法充分處理空間相依或空間異質性問題。一般而言，空間資料分析主要有兩個分派:模型導向學派與資料導向學派。本文研究目的在於應用空間統計方法合理且充分地評估房地產價值，研究方法包含地理統計(克利金和共克利金)、地理加權迴歸與空間特徵價格模型等，並且以台中市不動產資料進行實證探究。這項新的研究技術在不動產評價領域中將可提供更好的解析能力，使其在評價過程中或是不動產投資決策時，成為一個更強而有力的分析工具。 / In recent years, spatial data analysis has received significant awareness and played an important role in social science because of the rapid development of Geographic Information System (GIS). Although classic statistical methods are attractive in traditional data analysis, they cannot be executed seriously for spatial data. Standard statistical techniques didn’t sufficiently deal with spatial dependence or spatial heterogeneity issues. Generally, the model-driven method and the data-driven method are mainly the two branches of the spatial data analysis. The purpose of this paper is to apply spatial statistics methods including geostatistical methods (kriging and cokiging), geographically weighted regression, and spatial hedonic price models to real estate analysis. It seems to be completely reasonable and sufficient. The real estate data in Taichung city (Taiwan) is used to carry out our exploration. These techniques give better insight in the field of real estate assessment. They can apply a good instrument in mass appraisal and decision concerning real estate investment.