ข้อมูลอุณหภูมิผิวหน้าน้ำทะเล (Sea Surface Temperature หรือ SST)
อุณหภูมิผิวน้ำทะเล (SST)
ข้อมูล SST จาก Himawari สร้างมาจากการสังเกตด้วยแถบรังสีความร้อน (IR) เพื่อใช้ในผลิตภัณฑ์วิเคราะห์ SST ของ JMA โดยใช้วิธีการที่พัฒนาโดย JAXA.
JMA ได้นำการปรับค่าการสอบเทียบ (calibration correction) มาปรับกับข้อมูลอุณหภูมิความสว่าง (brightness temperature) ก่อนนำไปใช้กับอัลกอริทึมการดึงค่า SST (ซึ่งเป็นอัลกอริทึมเดียวกับที่ใช้สำหรับ Himawari-8). ค่าพารามิเตอร์สำหรับการปรับนี้คำนวณโดยอาศัยข้อมูลการสังเกตจาก GCOM-C ของ JAXA. หากไม่ทำการปรับการสอบเทียบ ค่าที่ได้จาก Himawari-9 จะต่ำกว่าของ Himawari-8 ประมาณ 0.3 K โดยเฉลี่ยพื้นที่ครอบคลุมทั่วทั้งโลก เนื่องจากความแตกต่างด้านลักษณะของเซนเซอร์ และเมื่อเทียบกับข้อมูล in-situ (เช่น บูยลอย) จะมีค่าความเบี่ยงเบนน้อยกว่าประมาณ 0.8 K (mean error) ดังที่แสดงในรูปที่ (ซ้าย). ข้อมูล Himawari-9 หลังจากแก้ไขแล้วจะสอดคล้องกับข้อมูล in-situ ได้ดีขึ้นเมื่อเทียบกับข้อมูลที่ยังไม่ได้แก้ไข.

เอกสารอ้างอิง /cgms-info.org

การเปรียบเทียบกับข้อมูล in-situ (บูยลอย/เรือ) กับข้อมูล SST จากดาวเทียม

ข้อมูล SST จาก Himawari ถูกดึงมาจากแถบคลื่นอินฟราเรด (เช่น ~10.4, 11.2, 8.6 µm) ด้วยอัลกอริทึมแบบ quasi-physical / split-window ซึ่งพัฒนาโดย JAXA/EORC (Kurihara et al. เป็นหนึ่งในเอกสารหลักที่อธิบายวิธีนี้). agupubs.onlinelibrary.wiley.com+1
การเปรียบเทียบกับข้อมูล in-situ (บูยลอย/เรือ) เป็นวิธีมาตรฐานในการตรวจสอบคุณภาพ SST จากดาวเทียม (GHRSST SSES/validation practice แนะนำให้ใช้สถิติ bias และ standard deviation เป็นต้น). GHRSST
ความแตกต่างระหว่าง skin SST (ที่ดาวเทียมอินฟราเรดวัดได้) กับ bulk/buoy SST (ตัวอย่างเช่นที่วัดลึก ~1 m) มีผลจาก “cool-skin” และ ชั้นอุ่นช่วงกลางวัน (warm-layer) — ต้องระวังเมื่อเปรียบเทียบเพราะมีความต่างทางกายภาพจริง ๆ. GHRSST+1

อ้างอิง CGMS-51 JMA-WP-03

วิเคราะห์กราฟ (ซ้าย = ดั้งเดิม ไม่ได้แก้ไข, ขวา = แก้ไขแล้ว)
ภาพรวม (what the plots show)
ทั้งสองกราฟเป็น scatter-plot ของการจับคู่ระหว่าง อุณหภูมิจากดาวเทียม (แกนตั้ง) เทียบกับ อุณหภูมิจากบูย (แกนนอน) สำหรับเดือน/ข้อมูลมกราคม 2023 (match-ups กับ GTS/quality control) — จุดแต่ละจุด = หนึ่งคู่ข้อมูลดาวเทียม-บูย. จุดมีการไล่สีแสดงความหนาแน่น (density) ของจุด; เส้นแนวทแยงมุม y=x (1:1) เป็นเส้นอ้างอิงที่แสดงว่า “ค่า satellite = ค่า buoy” ถ้าจุดตกบนเส้นนี้หมายถึงค่าตรงกัน. ข้อความตัวเลขบนกราฟสรุปสถิติของความต่างคือ: จำนวนคู่ข้อมูล (#), ME (mean error; bias), RMSE, STDE (standard deviation of errors). cgms-info.org
ความหมายของสถิติ (สูตรสั้น ๆ):

ME (Mean Error, bias) = mean( SST_satellite − SST_buoy ). ค่า + หมายถึงดาวเทียมอุ่นกว่าบูย, ค่า − หมายถึงดาวเทียมเย็นกว่าบูย.
RMSE = sqrt( mean( (SST_sat − SST_buoy)^2 ) ). เป็นตัวชี้วัดข้อผิดพลาดรวม (sensitive ต่อ outliers).
STDE (standard deviation of the differences) = standard deviation ของ (SST_sat − SST_buoy).
มีความสัมพันธ์ทางคณิตศาสตร์: RMSE² = ME² + STDE² (decomposition ของ RMSE เป็น bias และ spread). NOAA Institutional Repository+1

ดูค่าสถิติจากภาพและตีความ (ตัวเลขในภาพ):

ซ้าย (original / ไม่แก้ไข):

#: 66211 match-ups
ME = −0.776 K → โดยเฉลี่ย Himawari-9 ให้ค่า SST ต่ำกว่าบูยประมาณ 0.776 เคลวิน (satellite คือ เย็นกว่า buoy)
RMSE = 0.977 K
STDE = 0.594 K

ขวา (corrected / แก้ไขการสอบเทียบแล้ว):

#: 74484 match-ups (จำนวนคู่ข้อมูลเพิ่มขึ้น — สาเหตุเป็นไปได้ว่า after-correction ข้อมูลผ่านเกณฑ์ QC เพิ่มขึ้นหรือการแก้ไขเปลี่ยนสถานะไบต์/flag ของ pixels จึงมีคู่ข้อมูลมากขึ้น)
ME = −0.313 K → bias ลดลงมาก (satellite ยังเย็นกว่าเล็กน้อย แต่เหลือ ~0.31 K เท่านั้น)
RMSE = 0.664 K → ข้อผิดพลาดรวมดีขึ้นชัดเจน
STDE = 0.585 K → กระจายของความต่างแทบไม่เปลี่ยน (เล็กน้อยลดจาก 0.594 เป็น 0.585)

ตรวจสอบ decomposition RMSE² = ME² + STDE² ด้วยตัวเลขข้างต้น พบว่า ผลสอดคล้องกัน (ตัวอย่างคำนวณ: ซ้าย → sqrt(0.776² + 0.594²) ≈ 0.977 ; ขวา → sqrt(0.313² + 0.585²) ≈ 0.664) — ซึ่งแสดงว่า การปรับหลัก ๆ ลด bias แบบเป็นระบบ แต่ไม่ค่อยลดความกระจาย (random scatter) ของข้อผิดพลาดมากนัก. (คำนวณเชิงตัวเลขตามภาพ). cgms-info.org+1

การตีความเชิงวิทยาศาสตร์/การปฏิบัติ:

การแก้ไขการสอบเทียบ (calibration correction) ที่ JMA ทำโดยใช้ข้อมูลจาก GCOM-C ทำให้ค่า SST จาก Himawari-9 ลดความเบี่ยงเบนเชิงระบบ (systematic cold bias) ได้ชัดเจน — นี่คือผลลัพธ์ที่ภาพขวาแสดงว่าจุดกระจายเข้าใกล้เส้น y=x มากขึ้นและ ME ลดลง. cgms-info.org
STDE ที่ไม่เปลี่ยนแปลว่าแหล่งความไม่แน่นอนแบบสุ่ม (เช่น ข้อผิดพลาดการล้างเมฆ, noise ของการวัด, ผลของ diurnal skin/warm layer ที่แปรผันตามสภาพลมและแสง) ยังคงอยู่ — การสอบเทียบแก้ bias แบบ systematic ได้ แต่การลด noise ต้องการการปรับปรุงขั้นอื่น (เช่น cloud-mask, despiking, view-angle dependent correction, improved QC). agupubs.onlinelibrary.wiley.com+1

สรุป

ข้อความในภาพมาจากรายงาน JMA (CGMS-51) ที่อธิบายว่า JMA ทำ calibration correction ให้กับ Himawari-9 (โดยอาศัย GCOM-C) ซึ่งลด bias ระหว่าง Himawari-9 กับ Himawari-8 (~0.3 K) และลด bias กับข้อมูล in-situ (~จาก ~0.8 K ลงเหลือ ~0.31 K ในตัวอย่าง) — ผลคือกราฟขวาดู “ตรงกว่า” กับข้อมูลบูย. cgms-info.org
การแก้ไขลด bias แบบเป็นระบบ ได้ดี แต่ ความกระจัดกระจายเชิงสุ่ม (STDE) ของความต่างยังคงมีอยู่ — แปลว่าจำเป็นต้องมีการปรับปรุงด้านอื่น ๆ (cloud masking, diurnal correction, view-angle dependent terms) เพื่อปรับปรุง RMSE ให้ดียิ่งขึ้น. agupubs.onlinelibrary.wiley.com+1

เอกสารอ้างอิง

JMA (CGMS-51 JMA-WP-03). Pre-Operational Evaluation and Adjustment of Himawari-9 Level-2 Products. (April 2023). — เอกสารที่มาของภาพและเนื้อความในคำถาม (อธิบายการแก้ไขการสอบเทียบ, ผลเปรียบเทียบกับบูย). cgms-info.org
Kurihara, Y., Murakami, H., & Kachi, M. (2016). Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite. Geophysical Research Letters, 43, 1234–1240. — อธิบายอัลกอริทึม SST (quasi-physical / split-window) ที่ใช้กับ Himawari. agupubs.onlinelibrary.wiley.com
GHRSST — Single Sensor Error Statistic (SSES) guidance / validation practices (หลักการการใช้ bias และ standard deviation ในการประเมิน SST products). GHRSST
NOAA / technical notes on SST retrieval and validation (อธิบายสูตร RMSE, decomposition และการเทียบกับ in-situ). NOAA Institutional Repository
GHRSST / CERSAT resources on skin vs sub-skin vs bulk SST (ทำความเข้าใจว่าทำไม satellite IR skin SST จึงอาจต่างจาก buoy bulk SST). GHRSST+1

.........................................................................................................................................................................................................................................

ภาพแสดงอุณหภูมิน้ำทะเลซ้อนทับภาพดาวเทียม Himawari 9

ภาพแสดงอุณหภูมิน้ำทะเลซ้อนทับภาพดาวเทียม Himawari 9 นี้ ส่วนดาวเทียมอุตุนิยมวิทยา กองตรวจและเฝ้าระวังสภาวะอากาศ เป็นผู้ผลิตขึ้นมาโดยใช้โปรแกรม Sataid ในการประมวลผลและผลิตภาพขึ้นมาโดยใช้ไฟล์ชนิดนนามสกุล .f32 เช่นภาพที่แสดงข้างต้นใช้ไฟล์ 20250921.f32 ซึ่งไฟล์นี้ ส่วนดาวเทียมอุตุนิยมวิทยาบริการข้อมูลไว้ที่ http://www.sattmet.tmd.go.th/satmet/data/satdata.html รายละเอียดของข้อมูลสามารถอธิบายได้ดังต่อไปนี้

🔹 1. ไฟล์นี้คืออะไร
ไฟล์ Sea Surface Temperature (SST) นี้ส่วนดาวเทียมอุตุนิยมวิทยาบริการข้อมูลไว้ที่ http://www.sattmet.tmd.go.th/satmet/data/satdata.html เป็นไฟล์ข้อมูลเชิงตัวเลข (binary data; นามสกุลเช่น .f32) ซึ่งเก็บค่าการประมาณอุณหภูมิผิวน้ำทะเล (Sea Surface Temperature; SST) จากการสังเกตของ ดาวเทียม Himawari-9

ค่าที่ได้คือ SST รายพื้นที่ (grid) โดยทั่วไปจะจัดเก็บในรูปแบบราสเตอร์ (grid, matrix) ที่หน่วยเป็น องศาเซลเซียส (°C)
ไฟล์แบบนี้ไม่ใช่รูปภาพโดยตรง แต่เป็นข้อมูลเชิงปริมาณ (numerical field) ที่สามารถเปิดด้วยซอฟต์แวร์วิเคราะห์ข้อมูลอื่นๆได้อีก เช่น Python (numpy, xarray), MATLAB, หรือโปรแกรม GIS เช่น Panoply หรือ QGIS

📖 อ้างอิง:

JMA Satellite Imagery and Data: JMA SATellite Information
Kurihara, Y., Murakami, H., & Kachi, M. (2016). Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite. GRL.
http://www.sattmet.tmd.go.th/satmet/data/satdata.html

🔹 2. ใช้ทำอะไร
ข้อมูล SST จากดาวเทียมมีการใช้งานหลายด้าน ได้แก่:

การพยากรณ์อากาศและภูมิอากาศ → SST เป็นปัจจัยสำคัญที่ควบคุมการแลกเปลี่ยนพลังงานระหว่างมหาสมุทรและบรรยากาศ มีผลต่อการก่อตัวของพายุหมุนเขตร้อน, มรสุม, และการพยากรณ์อากาศระยะกลางถึงยาว.
สมุทรศาสตร์ → ใช้ศึกษาโครงสร้างกระแสน้ำ, เอลนีโญ–ลานีญา, อุณหภูมิพื้นผิวน้ำชายฝั่ง, และการเปลี่ยนแปลงสภาพภูมิอากาศ.
สิ่งแวดล้อมและระบบนิเวศ → การเปลี่ยนแปลงของ SST มีผลต่อระบบนิเวศทางทะเล เช่น การเกิดปรากฏการณ์ปะการังฟอกขาว.
การประยุกต์ด้านเศรษฐกิจ → เช่น การทำประมง, การขนส่งทางทะเล, และการจัดการทรัพยากรชายฝั่ง.

📖 อ้างอิง:

GHRSST (Group for High Resolution Sea Surface Temperature) science team: GHRSST Science
Donlon, C. J. et al. (2007). The Global Ocean Data Assimilation Experiment High-Resolution Sea Surface Temperature Pilot Project (GHRSST-PP). Bull. Amer. Meteor. Soc.

🔹 3. ที่มาของข้อมูลนี้ได้มาอย่างไร

ข้อมูล SST ในไฟล์นี้ ได้จากการสังเกตด้วยดาวเทียม Himawari-9 ของ JMA ซึ่งเป็นดาวเทียมอุตุนิยมวิทยาญี่ปุ่นในวงโคจรค้างฟ้า (geostationary).
ดาวเทียมมี เครื่องตรวจจับ AHI (Advanced Himawari Imager) ซึ่งเป็นสแกนเนอร์แบบหลายช่องสัญญาณ (multi-spectral radiometer) สามารถสังเกตการแผ่รังสีอินฟราเรดจากผิวน้ำทะเล (ประมาณ 10–12 µm).
จากนั้นใช้ อัลกอริทึม SST retrieval (เช่น split-window method) ที่พัฒนาโดย JAXA และ JMA แปลงค่าความสว่าง (brightness temperature) เป็นอุณหภูมิผิวน้ำทะเล (SST).
ข้อมูลดิบผ่านการ calibration, correction, และ quality control (QC) ก่อนเผยแพร่.

📖 อ้างอิง:

Bessho, K. et al. (2016). An introduction to Himawari-8/9—Japan’s new-generation geostationary meteorological satellites. J. Meteorol. Soc. Japan.
JAXA Himawari Monitor: JAXA Himawari

JMA ให้บริการข้อมูลอุณหภูมิผิวหน้าน้ำทะเล (SST) ในรูปแบบไฟล์ .f32 และเผยแพร่วันละ 1 ครั้งมีปัจจัยสำคัญหลายประการ:

-. ความสอดคล้องกับมาตรฐานข้อมูลอุตุนิยมวิทยา

ไฟล์ที่มีนามสกุล .f32 หรือ "floating-point 32-bit" เป็นรูปแบบไฟล์ไบนารีที่นิยมใช้ในวงการวิทยาศาสตร์และอุตุนิยมวิทยา. การใช้รูปแบบนี้ช่วยให้:

ขนาดไฟล์เล็กลง: เมื่อเทียบกับไฟล์ข้อความทั่วไป ทำให้ประหยัดพื้นที่จัดเก็บและลดเวลาในการดาวน์โหลด.
ประมวลผลได้รวดเร็ว: ข้อมูลไบนารีสามารถนำไปใช้กับซอฟต์แวร์วิเคราะห์ทางวิทยาศาสตร์ได้อย่างรวดเร็วและมีประสิทธิภาพสูง.

-. ความเหมาะสมของรอบเวลาการอัปเดต (Daily)

การอัปเดตข้อมูล SST วันละหนึ่งครั้ง (Daily) ถือเป็นความถี่ที่เหมาะสมสำหรับวัตถุประสงค์หลักของการใช้งานข้อมูลนี้:

การพยากรณ์อากาศและติดตามการเปลี่ยนแปลงระยะยาว: การเปลี่ยนแปลงอุณหภูมิผิวหน้าน้ำทะเลส่วนใหญ่เกิดขึ้นอย่างช้า ๆ ในระดับวันหรือสัปดาห์ ไม่ใช่รายชั่วโมงหรือรายนาที. ข้อมูลรายวันจึงเพียงพอสำหรับการศึกษาปรากฏการณ์สำคัญ เช่น El Niño, La Niña, และการเปลี่ยนแปลงสภาพภูมิอากาศ.
การประมมวลผลข้อมูลจำนวนมหาศาล: ข้อมูลจากดาวเทียมมีปริมาณมาก การประมวลผลข้อมูลดิบทั้งหมดให้กลายเป็นผลิตภัณฑ์สำเร็จรูปที่ถูกต้อง (รวมถึงการแก้ไขค่าความคลาดเคลื่อน) ต้องใช้เวลาและทรัพยากรคอมพิวเตอร์มหาศาล การเผยแพร่รายวันจึงเป็นความถี่ที่สมดุลระหว่างความแม่นยำและการนำไปใช้งานได้จริง.

-. การลดภาระการส่งข้อมูล

การส่งข้อมูลขนาดใหญ่ที่มีความละเอียดสูงเกินความจำเป็นบ่อยครั้งเกินไป (เช่น ทุก ๆ ชั่วโมง) จะสร้างภาระให้กับระบบเครือข่ายและเซิร์ฟเวอร์. การกำหนดรอบการอัปเดตรายวันจึงช่วยให้การให้บริการมีเสถียรภาพและสามารถรองรับผู้ใช้งานจำนวนมากได้อย่างมีประสิทธิภาพ

.Technical Explanation of File

🔹 4. ผู้ผลิตและเผยแพร่ข้อมูลนี้

ผู้สังเกต / ผู้ตรวจวัด: ดาวเทียม Himawari-9 ของ Japan Meteorological Agency (JMA)
ผู้พัฒนาอัลกอริทึม: ร่วมกับ Japan Aerospace Exploration Agency (JAXA)
ผู้เผยแพร่: เว็บไซต์ JMA Weather Information Service (WIS) ซึ่งเปิดให้บริการข้อมูลสาธารณะเพื่อการใช้งานด้านวิชาการและการปฏิบัติการ
ส่วนดาวเทียมอุตุนิยมวิทยา กองตรวจและเฝ้าระวังสภาวะอากาศนำข้อมูล SST มาผลิตภาพซ้อนทับกับภาพดาวเทียม และนำขึ้นเผยแพร่บนเว็ปไซต์

📖 อ้างอิง:

JMA Satellite Services: JMA Himawari
JAXA/EORC algorithm references (Kurihara et al. 2016)
www.sattmet.tmd.go.th

📘 คู่มือการอ่านภาพอุณหภูมิผิวน้ำทะเล (Sea Surface Temperature: SST) จากดาวเทียม Himawari-9

🔹 1. ทำความรู้จัก SST

SST = Sea Surface Temperature คือ อุณหภูมิของน้ำทะเลบริเวณผิว (skin layer ~10–20 µm)
วัดได้จาก รังสีอินฟราเรด (Infrared Radiation) ที่แผ่ออกมาจากผิวน้ำทะเล ซึ่งตรวจจับโดยเซนเซอร์บนดาวเทียม Himawari-9
ค่าที่ได้เป็น “skin temperature” ซึ่งอาจแตกต่างเล็กน้อยจากค่า “bulk temperature” ที่บูยวัด (~1–5 m ใต้น้ำ)

📖 อ้างอิง: Donlon et al. (2007), GHRSST Science

🔹 2. วิธีอ่านสีบนภาพ SST

ภาพจะใช้ False Color Scale (การแทนค่าอุณหภูมิด้วยสี)
ดูสเกลด้านล่างภาพ → เช่น
- น้ำเงิน–เขียว = SST ต่ำ (20–26 °C)
- เหลือง–ส้ม–แดง = SST สูง (28–32 °C)
- ม่วง = SST สูงมาก (≥36 °C)
พื้นที่สีเทา/ขาว = เมฆปกคลุม → ไม่สามารถวัด SST ได้

📖 อ้างอิง: Kurihara et al. (2016), Bessho et al. (2016)

🔹 3. ขั้นตอนการอ่านภาพ SST

ระบุพื้นที่ศึกษา → เช่น อ่าวไทย, ทะเลจีนใต้, มหาสมุทรแปซิฟิก
ดูสเกลสี → อ่านค่าอุณหภูมิจากสีที่ปรากฏ
ระบุเมฆ → บริเวณที่เป็นสีเทา/ขาว คือมีเมฆ → ไม่ใช่ค่า SST จริง
เปรียบเทียบพื้นที่ต่าง ๆ → เช่น SST บริเวณใกล้เส้นศูนย์สูตรมักสูงกว่า SST บริเวณละติจูดสูง
เชื่อมโยงกับสภาพอากาศ → SST > 26.5 °C → อาจเหมาะสมต่อการก่อตัวของพายุเขตร้อน

🔹 4. การประยุกต์ใช้ SST

พยากรณ์อากาศ/พายุ → SST สูงสัมพันธ์กับการก่อตัวพายุไซโคลนเขตร้อน
สมุทรศาสตร์ → ใช้ติดตามกระแสน้ำ เช่น กระแสน้ำคุโรชิโอะ
สิ่งแวดล้อม → ใช้ตรวจสอบความเสี่ยงปะการังฟอกขาว
เศรษฐกิจ → วางแผนทำประมงและขนส่งทางทะเล

📖 อ้างอิง:

Gray (1979) เกณฑ์ SST สำหรับการก่อตัวพายุไซโคลนเขตร้อน
NOAA Coral Reef Watch (การติดตาม SST เพื่อเฝ้าระวังปะการังฟอกขาว)

🔹 5. ข้อจำกัดที่ควรรู้

เมฆบัง → ทำให้ SST ไม่สามารถตรวจวัดได้ในบางพื้นที่
ความต่างระหว่าง skin vs bulk SST → ต้องระวังเมื่อเทียบกับข้อมูลบูย
คุณภาพข้อมูล → ต้องผ่านการตรวจสอบ (QC) ก่อนนำไปวิเคราะห์เชิงวิชาการ

📖 อ้างอิง: GHRSST Validation Guidelines

📝 สรุป

ภาพ SST จาก Himawari-9 คือ การวัดอุณหภูมิผิวน้ำทะเลด้วยคลื่นอินฟราเรด
สีในภาพบอกอุณหภูมิ: น้ำเงิน = เย็น, แดง = อุ่น, ม่วง = ร้อนมาก
SST มีความสำคัญต่อ พายุ, กระแสน้ำ, ระบบนิเวศ, และเศรษฐกิจทะเล
ต้องแยกแยะพื้นที่ที่เป็นเมฆ (วัด SST ไม่ได้)

📚 เอกสารอ้างอิงหลัก

Bessho, K. et al. (2016). An introduction to Himawari-8/9—Japan’s new-generation geostationary meteorological satellites. J. Meteorol. Soc. Japan.
Kurihara, Y. et al. (2016). Sea surface temperature from the new Japanese geostationary meteorological Himawari-8 satellite. GRL.
Donlon, C. J. et al. (2007). The Global Ocean Data Assimilation Experiment High-Resolution Sea Surface Temperature Pilot Project (GHRSST-PP). Bull. Amer. Meteor. Soc.
Gray, W. M. (1979). Hurricanes: Their formation, structure and likely role in the tropical circulation. Meteorology over the Tropical Oceans.

............... 📡📡📡📡📡ส่วนดาวเทียมอุตุนิยมวิทยา กองตรวจและเฝ้าระวังสภาวะอากาศ กรมอุตุนิยมวิทยา 📡📡📡📡📡................