Desain Lateral Irigasi 7

Air disampaikan ke emitter menetes dan alat penyiram melalui Pipa multi multipel disebut
laterals. Bab ini dimulai dengan pengantar dasar untuk hidrolika dan statistik. Pengantar ini bahan
mungkin tidak perlu bagi banyak siswa. Kemudian prinsip - prinsip ini digunakan untuk
mensimulasikan distribusi Air diaplikasikan dengan irigasi lateral. Hidrolik digunakan untuk tentukan
perubahan tekanan dan resultan aplikasi variabilitas sepanjang lateral. Biasanya, tujuan disain
adalah keseragaman aplikasi yang tinggi, yang dicapai oleh menjaga variasi tekanan sepanjang
lateral di dalam yang dapat diterima jarak. Menggunakan pipa yang lebih besar mengurangi
kehilangan tekanan akibat gesekan, tapi juga meningkatkan biaya modal. Sistem irigasi Keseragaman
aplikasi bukan hanya fungsi hidrolika. Penyebab nonuniformitas lainnya termasuk emitor variasi
manufaktur dan tingkat aplikasi nonuniformitas. Koefisien produsen variasi atau medan yang
diharapkan Variabilitas aplikasi digunakan untuk menambahkan distribusi statistik ke distribusi
tingkat aplikasi hidrolik sepanjang lateral. Analisis Monte Carlo menggunakan generator bilangan
acak di Excel untuk mengevaluasi pengaruh koefisien variasi distribusi aplikasi dan keuntungan.

a. Hidrolika

Tekanan adalah bentuk energi. Tekanan adalah jumlah kekuatan per satuan luas yang
ditempatkan di dinding bejana atau pipa. Lain bentuk energi yang mungkin penting dalam irigasi
bertekanan Desain sistem adalah elevasi dan energi kinetik. Latihan dalam kelas 7.1 Satu wadah satu
kaki kubik air berisi 62,4 pon air. Berapakah tekanan di bagian bawah kontainer pound per kaki
persegi? Berapakah tekanan di bagian bawah kontainer pound per inci persegi (PSI)? Berapakah
tekanan dalam wadah pada kedalaman 0,5 ft Di bawah bagian atas kontainer (PSI)?

Bobot air sama dengan volume * kerapatan * gravitasi. Kepadatan air adalah 1.000 kg / m3.
Gravitasi adalah 9,81 m / sec2. Berat sama dengan gaya dan bisa diukur unit dari Newtons (N). Di
unit metrik, kepala 10 m kira-kira sama dengan satu atmosfir dan sampai 100 kPa (105 Pa).

P = zg = 10.3 m (1, 000 kg/m3) (9.80 m/sec2)

= 1.013 * 105 Pa = 101.3 kPa = 1

dimana

z = kedalaman air, m,

= kepadatan, kg / m3,

g = percepatan karena gravitasi, 9,8 m / sec2,

P = tekanan, N / m2.

Tekanan pada unit metrik diukur dalam Pascal (Pa), yang sama dengan N / m2.
Latihan di Kelas 7.2 Satu kubik berisi air 1.000 kg air.

Berapakah massa air dalam wadah (kg)?

Berapakah berat air dalam wadah (N)?

Berapakah tekanan di bagian bawah wadah di Pa?

Ahli sumber daya air sering mengacu pada energi air sebagai kepala dan menggunakan satuan
panjang. Misalnya, atmosfer Tekanan dapat dinyatakan sebagai 34 ft atau 14,7 PSI atau 1 atm.
Hubungan antara tekanan dan panjang di Unit Amerika Serikat adalah 2,31 ft = 1 PSI. Hubungan
antara unit tekanan metrik dan Amerika Serikat adalah 6,9 kPa = 1 PSI (kPa adalah ribuan Pa).

Latihan di Kelas 7.3 Hitung tekanan pada satuan kaki di bagian bawah wadah dari Latihan 7.1.
Gunakan tekanan dihitung dalam Latihan 7.1 dan dikonversi ke kaki dengan unit konversi 2,31 ft = 1
PSI.

Hitung tekanan dalam satuan kaki 0,5 ft dari atas dari wadah Gunakan tekanan yang dihitung dalam
Latihan 7.1 dan dikonversi ke kaki dengan konversi satuan 2,31 ft = 1 PSI. Hitung tekanan dalam
satuan m di bagian bawah wadah dari Latihan 7.2. Gunakan tekanan yang dihitung di Latihan 7.2 dan
konversikan ke m dengan unit konversi 10.3 m = 101 kPa.

Latihan di Kelas 7.4 Hitung tekanan gauge dan tekanan absolut (PSI dan ft kepala) di bagian bawah
kolam renang (di permukaan laut) yang kedalaman 9 kaki.

Ada dua jenis tekanan pada sistem pipa: statis tekanan dan tekanan dinamis. Tekanan statis adalah
tekanan dalam sistem pipa saat air tidak mengalir. Berhitung Tekanan statis seperti menghitung
tekanan di bagian bawah kolam renang; itu hanya berdasarkan kedalaman di bawah permukaan.

Latihan di Kelas 7.5 Tuliskan tekanan statis pada PSI

dan kaki kepala pada masing-masing alat kelengkapan pada Gambar 7.1.

PSI FT

Tekanan dinamis adalah tekanan yang diukur kapan air mengalir di pipa. Hal ini berbeda dengan
tekanan statis karena energi hilang akibat turbulensi pada pipa. Molekul air meluncur satu sama lain
dalam arus turbulen dan melewati dinding pipa membuat gesekan, yang mengeluarkan panas
energi. Energi itu kemudian hilang melalui dinding pipa. Karena tekanan adalah bentuk energi di
dalam pipa, tekanan tetes karena gesekan pipa.

Kehilangan energi terutama merupakan fungsi dari diameter pipa dan laju alir. Persamaan dan tabel
telah dikembangkan hitung jumlah energi yang hilang dalam pipa akibat gesekan sebagai fungsi
diameter pipa dan laju alir. Gesekan kerugian dinyatakan sebagai kaki kehilangan tekanan per
seratus kaki pipa tersebut ditabulasikan pada Tabel 7.1, 7.2, dan 7.3 untuk Kelas 160, Kelas 200, dan
Jadwal 40 pipa. Kerugian gesek di Posisi yang sesuai pada tabel berbeda karena Ketebalan dinding
dan diameter dalam berbeda-beda berbeda kelas pipa

Contoh 7.1 Hitung kehilangan tekanan pada 200 ft dari 1 = inci Kelas 160 pada laju alir 25 GPM.
Kehilangan geseknya adalah 2.442 ft / 100 ft.

Karena pipa itu panjangnya 200 kaki, total

gesekannya hilang seluruh panjang pipa adalah

(2.442 ft /100 ft)(200 ft) = (2.442 ft)(2) = 4.884 ft.

Contoh 7.2 Hitung kehilangan tekanan dalam 50 kaki

dari 1 = inci

Jadwalkan 40 pipa pada laju alir 25 GPM. Kehilangan

gesekan adalah 3,70 ft / 100 ft. Karena pipa
Panjangnya 50 kaki, total gesekan kerugian pada
keseluruhan panjang pipa itu

3.706 ft = 100 ft * 50 ft = 3: 706 ft * 0: 5 = 1.85 ft.

Contoh 7.3 Hitung kecepatan air pada pipa di Contoh 7.2 jika ID adalah 35,1 mm.

25 GPM = 1.58 L /detik = 0.00158 m3 = detik v = Q/A

= 0.00158/(0.0351)2/4) = 1.63 m/detik

Selain kehilangan gesekan, kriteria untuk diameter pipa Pemilihannya adalah bahwa kecepatan air di
dalam pipa tidak bisa lebih besar dari 5 ft / detik (1,5 m / det). Alasan utama untuk ini adalah itu
Kecepatan yang lebih tinggi menyebabkan fluktuasi tekanan yang tidak dapat diterima Saat katup
tertutup dan menyebabkan palu air. Sebuah indikasi kecepatan air akan lebih besar dari 5 ft / detik.
Pipa 1 inci pada 25 GPM adalah tidak ada gesekan yang terdaftar pada laju alir ini pada Tabel 7.3.
Secara umum, gesekan PVC hilang tabel tidak mencantumkan nilai loss friksi pada kecepatan aliran
itu lebih dari 5 ft / detik.

Tekanan dinamis dapat dihitung dari satu titik ke titik Selanjutnya di jaringan pipa sebagai berikut:

Tekanan2 = Tekanan1 + kenaikan ketinggian - kehilangan gesekan.

Contoh 7.4 Hitung tekanan pada titik, A, B dan C di Gambar 7.1 jika laju alir pipa adalah 25 GPM dan
pipanya 1 inci kelas 160 pipa.

Dari Contoh 7.1, kehilangan gesekan pada pipa adalah 2,44 ft/100 kaki Tekanan pada A adalah 20
kaki karena tidak ada penurunan tekanan pipa.

Panjang pipa dari A ke B adalah 13 ft Jadi, gesekan Kerugian di bagian pipa itu

(13 ft)(2.44 ft / 100 ft) = 0.32 ft.

Tidak ada kenaikan ketinggian antara A dan B; demikian,

Tekanan pada B dihitung sebagai berikut:

TekananB = TekananA + kenaikan ketinggian - kehilangan gesekan.

TekananB = 20 + 0 0.32 = 19.68 ft

Panjang pipa antara B dan C adalah 55 ft. Jadi, Kehilangan gesekan antara B dan C adalah

(55 ft)(2.44 ft / 100 ft) = 1.34 ft.

Keuntungan elevasi adalah 55 kaki; Dengan demikian, tekanan pada C dihitung sebagai berikut:

Tekanan C = TekananB + kenaikan ketinggian - kehilangan gesekan.

Pressure C = 19.68 + 55 1.34 = 73:34 ft

Latihan di Kelas 7.6 Jika pipa pada Gambar 7.1 adalah Kelas 2 inci 160 pipa dan laju alirnya 22 GPM,
hitung tekanannya di semua lokasi di dalam pipa. Laporkan tekanan di ft.

Latihan di Kelas 7.7 Berapa total kerugian gesekan di Sistem pipa pada Gambar 7.1 jika laju alir
adalah 10 GPM dan pipa adalah 1 inci Kelas 200? Berapakah tekanan pada katup pelepasan?

Statistik

Analisis Monte Carlo dapat digunakan untuk menganalisis variasi spasial irigasi. Distribusi statistik
dihasilkan dengan menggunakan koefisien variasi yang diharapkan untuk pemancar irigasi dan / atau
sifat tanah Variasi dalam aplikasi air karena tekanan variasi sepanjang lateral atau variasi waktu
ponding dalam alur bisa dimasukkan ke dalam generasi distribusi statistik. Variasi ini kemudian
digunakan untuk menghitung salinitas yang diharapkan dan distribusi hasil dan digunakan untuk
mengetahui kedalaman optimal air berair musiman Variasi spasial dari aplikasi air telah dievaluasi
dalam banyak penelitian. Sebagai contoh, Heermann dkk. (1992) menemukan bahwa distribusi
normal adalah a representasi yang baik dari tingkat aplikasi pivot pusat. Normal Variabel acak
memiliki mean dan varians 2 dapat dijelaskan oleh fungsi kepadatan probabilitas normal berikut
dimana f (x) adalah frekuensi kejadian pada setiap x:
1 1 2
f (x) = 1 2exp [2(
)] for -<x<

dimana

x = variabel acak,

= standar deviasi,
 = mean.

Fungsi kepadatan probabilitas distribusi normal (pdf) berbentuk lonceng dan simetris berkenaan
dengan mean, , (Gambar 7.2). Ini belum tentu distribusi yang benar kedalaman aplikasi dalam
skenario irigasi, tapi itu adalah diasumsikan distribusi dalam bab ini. Distribusi Z standar (Gambar
7.2) adalah distribusi normal dengan mean nol dan unit (1) varians (2): area di bawah standar

kurva distribusi Z normal adalah satu. Probabilitas bahwa a Nilai yang berada dalam kisaran adalah
area di bawah kurva di dalamnya kisaran itu. Misalnya, area antara standar 1 dan 1 Penyimpangan
pada Gambar 7.2 adalah 0,68: Dengan demikian, ada kemungkinan 68% itu Variabel acak Z jatuh
antara? 1 dan 1.

Excel dapat digunakan untuk menghasilkan distribusi Z. Pertama, Generator bilangan acak (+ RAND)
menghasilkan seragam distribusi antara 0 dan 1: nomor yang dihasilkan secara acak yang merata
antara 0 dan 1. Kedua, fungsi NORMSINV () mengubah distribusi seragam 0-1 dihasilkan oleh RAND
ke distribusi normal Z normal. Fungsi gabungannya bisa dimasukkan sebagai berikut: NORMSINV (+
RAND ()). Mengisi kolom dengan fungsi ini menghasilkan kumpulan data yang terdistribusi normal
dengan mean 0 dan standar deviasi sama dengan 1.

Setiap variabel acak terdistribusi normal, X, bisa jadi dikonversi ke distribusi Z dengan mengurangi
rata rata distribusi dan pembagian dengan standar deviasi.

( )
=

Sebaliknya, jika mean dan standar deviasi diketahui, maka distribusi yang diharapkan dapat
dihasilkan dengan menata ulang Pers. 7.3. Jika kedalaman infiltrasi, i, menggantikan X di Pers. 7.3,
maka nilai Z dapat dikonversi menjadi distribusi infiltrasi sebagai berikut:

i = i- + Z

dimana

i = kedalaman aplikasi air di setiap bagian lapangan, mm,

= rata-rata kedalaman aplikasi air di lapangan, mm,

Z = secara acak menghasilkan nilai Z, tanpa dimensi.

Banyak produk yang digunakan dalam desain teknik tersebut dicirikan oleh pabrik dengan koefisien
pabrikan dari variasi. Koefisien variasi suatu produk adalah sebuah fungsi dari tingkat ketepatan
manufaktur proses. Presisi mengacu pada pengulangan a proses pembuatan atau kemampuan
instrumen untuk mengukur sebuah parameter Koefisien variasi beserta Proses fisika dapat
digunakan untuk mensimulasikan kinerja dari produk di lapangan atau dalam aplikasi industri. Itu
koefisien variasi (CV) atau standar deviasi dapat digunakan untuk mensimulasikan variabilitas
aplikasi di lapangan. Itu Koefisien variasi adalah standar deviasi dibagi artinya. Standar deviasi ()
aplikasi irigasi kedalaman di atas lapangan sama dengan produk rata-rata dan koefisien variasi.

CV = /

= CV * i

Pengganti Pers. 7,5 sampai Pers. 7,4 untuk menghitung kedalaman irigasi sebagai fungsi CV dan Z.

i = i- + Z * CV * i-

CV adalah parameter statistik yang mudah digunakan untuk mewakili Keseragaman irigasi karena
memberi perbedaan relatif dalam aplikasi di lapangan. Heermann dkk. (1992) ditemukan bahwa
koefisien variasi (CV) untuk pivot pusat aplikasi adalah 0,2, 0,24, dan 0,30 untuk kecepatan angin
<2,2 m / det, 2,2-4,5 m / det, dan> 4,5 m / det, masing-masing. Distribusi yang diharapkan untuk
kedalaman aplikasi rata rata 2 cm dan CV 0,25 (standar deviasi 0,5) ditunjukkan pada

Gambar 7.3.

Distribusi statistik dapat dihasilkan dengan acak nomor generator di Excel Distribusi seragam (0, 1)

dihasilkan dengan mengisi kolom dengan RAND () fungsi (Gambar 7.4). Distribusi seragam (0, 1)
adalah a set seragam angka yang dihasilkan antara batas 0 dan 1.
Distribusi seragam (0, 1) diubah menjadi normal distribusi (0, 1) dengan fungsi NORMSINV () seperti
yang ditunjukkan pada Gambar 7.5. Distribusi normal (0, 1) memiliki mean 0 dan standar deviasi 1.

Sebagai alternatif, fungsi RAND () dapat dimasukkan langsung ke fungsi NORMSINV () sehingga
kolom B tidak diperlukan: NORMSINV (RAND ()). Sebuah distribusi normal dengan mean dan standar
deviasi apapun dapat dihasilkan dengan fungsi NORMINV. Pada Gambar 7.6, mean dan Standar
deviasi berasal dari sel bernama G2: G3 (Gambar 7.11). Sel diberi nama dengan menempatkan
kursor di sel dan kemudian klik Name Box di sudut kiri atas lembar kerja Persamaan berikut
dimasukkan dalam kolom D:

= NORMINV(RAND(), berarti, sd

Deviasi standar sama dengan produk mean dan CV. Jadi, Pers. 7.7 dapat dimodifikasi untuk
menggabungkan koefisien variasi (Gambar 7.7) dimana CVRAND adalah

nama sel G4

= NORMINV(Rand(), mean, mean * CVRAND)

Optimalisasi Desain Irigasi dan Manajemen

Idealnya, semua bagian lapangan menerima kedalaman optimal air sehingga keuntungan (yield -
water cost) dimaksimalkan, Kontaminasi lingkungan diminimalkan (limpasan dan
pencucian kimia), dan salinitas dijaga di bawah nilai ambang di semua bagian lapangan
Memaksimalkan keuntungan dan meminimalkan kontaminasi lingkungan mungkin bersaing tujuan di
bidang dengan rendah keseragaman.

Jika keseragaman rendah, maka kelebihan air sering terjadi diterapkan ke lapangan untuk
memastikan bahwa semua bagian menerima kedalaman air yang dibutuhkan; Namun, latihan ini
meningkat limbah air, dan mungkin menyebabkan akuifer dan air permukaan kontaminasi oleh
agrokimia.

Merehabilitasi sistem lama atau memasang irigasi baru sistem dapat meningkatkan keseragaman,
mengurangi limbah air, dan meningkatkan hasil; Namun, peralatan baru membutuhkan modal
investasi. Untuk mengetahui apakah sebuah sistem baru investasi yang baik, keuntungan dari
kenaikan yield dan mengurangi kontaminasi lingkungan dan penggunaan air dapat terjadi
dibandingkan dengan biaya rehabilitasi atau penggantian irigasi sistem. Untuk penilaian yang
realistis, analisisnya harus dilakukan termasuk variasi spasial dan temporal aplikasi air dan
kandungan air tanah.

Simulasi Hidrolik dan Statistik Variasi

Sebuah lateral penyiram khas (Gambar 7.8) memiliki jarak yang merata penyiram Aliran pada
masing-masing bagian pipa adalah jumlah semua penyiram di bagian hilir Misalnya, jika sprinkler
lateral memiliki 15 alat penyiram dengan laju aliran 1.000 L / jam, kemudian laju alir ke lateral akan
menjadi 15.000 L / jam. Laju aliran di Bagian pipa kedua sampai terakhir adalah 2.000 L / jam
(Gambar 7.8).

Setiap baris di lembar kerja simulasi Irigasi (Gambar 7.9) mewakili bagian pipa. Spreadsheet dimulai
dengan yang terakhir penyiram pada lateral (Row 7, Sprinkler 30). Ini mungkin tampak aneh, tapi
alasannya adalah bahwa desain umumnya dimulai dengan kriteria bahwa sprinkler terakhir memiliki
tekanan yang cukup. Di Selain itu, prosedur berikut hanya bekerja jika Anda memulai dengan
sprinkler terakhir Tekanan (sel B7) pada akhirnya sprinkler (Baris 7) dibaca dari sel B3. Laju alir
sprinkler terakhir dihitung di kolom C berdasarkan tekanan. Diameter pipa pada masing-masing
bagian pipa dimasukkan dalam kolom D. Hilangnya tekanan pada bagian pipa terakhir dihitung pada
kolom F berdasarkan diameter pipa (kolom D) dan pipa laju alir (kolom E). Tekanan penyiram
berikutnya sampai yang terakhir (Baris 8) adalah jumlah tekanan sprinkler terakhir (sel B7) dan
kehilangan tekanan pada bagian pipa terakhir (sel F7); Pipa laju alir (kolom E) adalah jumlah semua
penyiram hilir. Prosedur ini berlanjut sampai sprinkler pertama.

Statistik dimulai di kolom G. Biasanya didistribusikan Tingkat alir dihitung di kolom G berdasarkan
deterministik laju alir pada kolom C. Distribusi normal mungkin tidak realistis untuk penyiram, tapi
distribusi aplikasi ditinjau di Chaps. 13 dan 14. Hasil panen adalah suatu fungsi kedalaman air yang
diterapkan selama musim tanam (Bab 2). Dengan demikian, laju aliran sprinkler harus dikonversi
menjadi
kedalaman diterapkan Cara yang dilakukan ini adalah arus relatif Tingkat dihitung di kolom H: laju
alir pada masing-masing posisi (kolom G) dibagi dengan laju alir minimum pada kolom C (sel C7)
untuk mendapatkan laju alir relatif. Kolom I adalah kedalaman yang diharapkan diterapkan pada
setiap posisi, dihitung sebagai produk dari kedalaman minimum yang diterapkan (sel E2) dan laju alir
relatif pada setiap posisi (kolom H). Hasilnya adalah kemudian dihitung sebagai fungsi kedalaman
yang diaplikasikan (kolom I) dengan persamaan polinomial (koefisien dalam sel I4: K4). Nilai dari hasil
(kolom K) adalah hasil dari hasil panen (sel K1) dan hasil (kolom J).

Karena tingkat aplikasi variabel spasial selama lapangan, petani tidak bisa memberi setiap tanaman
kedalaman optimal air. Sebagai gantinya, beberapa bagian lapangan terlalu banyak dan bagian lain
yang underirrigated. Petani umumnya harus memilih jumlah minimum untuk diterapkan ke lapangan
selama pertumbuhan musim. Kedalaman ini ditentukan dalam sel E2.

Persamaan Hazen-Williams menghitung kerugian gesekan antara alat penyiram di kolom F.

dimana

hf = kehilangan tekanan, m.

L = panjang pipa, m,

Q = laju alir pipa, L / jam,

D = diameter pipa, mm.

Misalnya, kehilangan tekanan pada bagian pipa terakhir (sel F7), Q = 1006 L / jam (sel E7), D = 25 mm
(sel D7), L = 15 m (sel B4) dihitung sebagai berikut:

Hubungan antara tekanan pipa dan aliran sprinkler tingkat adalah

Q = K Hx

dimana

Q = arus keluaran outlet, L / jam

K = konstan

H = tekanan pipa, m,

Laju alir pada setiap sprinkler dihitung dalam kolom C. Misalnya, laju aliran sprinkler pada sprinkler
terakhir (sel C7), dengan K = 200 (sel B1), x = 0,58 (sel B2), dan H = 16.2 (sel B7), dihitung sebagai
berikut:

Q = K Hx = 200(16: 2)0,58 = 1006 LPH

Perhitungan statistik di kolom G menggunakan NORMINV fungsi. Misalnya, formula di sel G7 adalah
NORMINV (RAND (), C7, C7 * CV). Pada Gambar 7.9, CV adalah 0,05, dan laju aliran di sel C7 adalah
1006:

Cell G7 = NORMINV(RAND(), mean, mean*CV)

= NORMINV(RAND(), 1006, 1006*0:05)

Laju alir pada kolom C adalah garis merah padat pada Gambar 7.10 dan laju alir yang bervariasi
secara statistik di kolom G adalah diwakili oleh kotak biru. Alasannya yang merah Garis yang tidak
mulus adalah ukuran pipa berubah sebentar-sebentar sepanjang lateral.

Tingkat aliran relatif pada setiap posisi lapangan dihitung pada kolom H dengan membagi laju alir
pada setiap posisi lapangan di kolom G dengan laju alir hidrolik minimum di kolom C. Sebagai
contoh, laju alir relatif di sel H7 dihitung sebagai berikut:

= G7/MIN($C$7: $C$36) = 1040/1006 = 1.034

Tingkat alir bervariasi secara spasial kemudian diubah menjadi spasial Berbagai kedalaman aplikasi di
kolom I. Jadi, dalam hal ini Kasus, ada variasi terdistribusi normal di kedalaman

terapan.

Semua hasil dan biaya dihitung per hektar. Satu hektar (ha) kira-kira 2,2 hektar. Dalam contoh ini,
Hasil dihitung di kolom J dengan CWPF di Bab. 2 untuk kapas (Gambar 7.11).

Akhirnya nilai imbal hasil pada masing-masing posisi dihitung di kolom K berdasarkan harga jual hasil
panen (sel K1). Misalnya, di Row7, nilai imbal hasil dihitung sebagai berikut:

Selanjutnya, nilai hasil rata-rata (sel K5) per ha ditemukan:

= AVERAGE(K7: K35) = $ 252.16

Optimalisasi sering didasarkan pada keuntungan. Dalam kasus ini, tahunan biaya memompa biaya
energi, biaya air, dan biaya modal pipa yang disetahunkan. Energi pemompaan adalah dihitung
berdasarkan masukan tekanan ke sistem dan total volume air yang digunakan (Bab 2).