Opportunities

Neste capítulo apresentaremos algumas das conclusões mais relevantes de nosso trabalho, assim como algumas projeções que dele têm surgido.

Dentro das principais informações que extraímos encontra-se a validade do mé- todo, pois o tratamento das CL, ao ser guiado por critérios específicos de remoção de artefatos, trânsitos e descontinuidades, pode ser replicado por outros grupos e está longe de ser um procedimento aleatório que depende somente do pesquisador que o está reali- zando, mas isso é condicionado ao seguimento de critérios bem definidos. Isto posiciona-se na base do método científico, que é a repetibilidade. Nesse sentido, inspeção visual das CL, tanto para balizar sua qualidade como para corroborar o período de rotação na sé- rie temporal e no gráfico de fase, constituem elementos de grande valor para corroborar que os resultados obtidos do método tenham validade física. Na atualidade os métodos semiautomáticos têm adquirido um alto grau de refinamento, mas na nossa opinião, a inspeção visual é uma tarefa insubstituível do pesquisador.

Devido à utilização dos métodos Lomb-Scargle e wavelet e dado o fato de se- rem gerados a partir de diferentes procedimentos matemáticos, os valores dos períodos de rotação possuem maior robustez, tanto na persistência das assinaturas como na indepen- dência do baseamento matemático para a realização da estimativa. Um ponto importante que foi expresso em § 5.4.2é que devemos alcançar uma melhor estimativa da amplitude de variabilidade, que talvez deve ser expressa, não somente como valor fixo, mas sim em intervalos de confiança.

Capítulo 6. Conclusões e projeções 104 de modulação rotacional, do mesmo modo que em outros trabalhos, como emLanza et al.

(2004) eBravo et al.(2014). Mediante a utilização de wavelet, foi possível detectar as va- riações das frequências da CL e explicitar a aparição e desvanecimento das assinaturas de rotação (atividade magnética) que é refletida em variações no fluxo da cromosfera estelar, mas no presente trabalho esta capacidade não foi explorada sistematicamente. Uma das nossas projeções consiste em realizar uma análise na mesma orientação do trabalho feito por de Freitas et al. (2013), onde é estudado o comportamento multi fractal das CL de estrelas CoRoT e Kepler, mas nossa proposta é estudar a variação da fractalidade da curva de luz mediante a utilização conjunta da transformada wavelet (e.g.,Rao et al. 1997) e do cálculo da dimensão fractal (e.g., empregando o pacote dfrac, R Core Team 2014), ten- tando determinar os tempos na CL para a mudança de “regime” (onde a dimensão fractal muda) e relacionar a mudança com fenômenos físicos que estão acontecendo na estrela (sobretudo associados a ciclos de atividade magnética). Assim, pretendemos relacionar a variação da modulação rotacional no tempo com outras variabilidades imersas na CL.

No que diz respeito ao método Lomb-Scargle, os resultados que obtivemos uti- lizando a versão de Press & Rybicki (1989) apresentam uma excelente congruência com o método Lomb-Scargle tradicional e um importante ganho de tempo computacional, chegando a ser 20 vezes mais rápido (ver § 4.1.4). Mais do que melhorar a velocidade de computação, nosso esforço futuro está direcionado na comparação do método CKP (ver § 4.1.1) e testar a aplicação dele para amostras de alta cadência e não somente para períodos rotacionais, mas também para analisar outras variabilidades, devido a sua caraterística de definir uma geometria de similaridade para cada série temporal. Adi- cionalmente, continuaremos utilizando o método não paramétrico Jackknife para testar aquelas CL que possuem maior sensibilidade à randomização dos seus pontos.

Um trabalho em desenvolvimento que foi expresso em §3.5é o procedimento para obter fotometria personalizada, especialmente útil para aqueles casos onde o perfil de luz do objeto não se acomoda às máscaras estândar (e.g., estrelas saturadas), ou quando as observações são afetadas por mudanças de pointing (o algoritmo PDC não consegue corrigir este fenômeno). O estágio atual é a implementação de um kernel Gaussiano em 3 dimensões, após o qual o método estará operativo.

Já que nosso trabalho considera como amostra de comparação as estrelas per-

tencentes à amostra KOI, a qual vai adquirindo novos candidatos na medida que estrelas da base Kepler são catalogadas como candidatas a terem planetas detectáveis, constitui portanto uma projeção de nosso trabalho a ampliação de nosso estudo para estes novos objetos, em conjunto com os novos sistemas planetários caraterizados. Nesse sentido, no trabalho de Mullally et al. (2015) foram adicionados 1.493 novos objetos ao conjunto da amostra KOI, dos quais 554 apresentam parâmetros que os fazem bons candidatos a ser hospedeiros de planetas. Com a contribuição de Mullally et al., o número de objetos KOI alcança 7.305, duplicando a quantidade de objetos com que realizamos nosso trabalho de tese (atualização da amostra KOI até setembro de 2013).

Como expresso na Fig. 5.8, a relação entre massa estelar (e portanto tipo es- pectral) e período de rotação possui uma envolvente decrescente. É uma interrogante em aberto realizar uma catalogação das caraterísticas de forma da CL segundo seu valor rotacional. Paralelamente, em § 3.4descrevemos a análise de ruído, mediante um modelo simples. A partir dele obtivemos padrões de variabilidade que posteriormente se repetiam nas CL, associados com efeitos instrumentais que o algoritmo de tratamento Kepler não conseguia corrigir. Foi a partir deste resultado que conseguimos enxergar que um trata- mento mais refinado serviria para analisar as assinaturas de ruído com maior claridade, pois se este “modelo de brinquedo” funcionou, é justificado continuar para um modelo aprimorado. É devido ao anterior que pretendemos ampliar nossa análise de assinaturas similares em conjuntos de curvas KCP, para tentar detectar se comportamentos especí- ficos destas séries temporais relacionam-se com agrupamentos dos objetos estelares por faixas de valores de algum parâmetro estelar (e.g., massa). Esperamos conduzir estas duas análises através de PCA (tradicional e bayesiana) e SVM.

Como foi descrito nos capítulos anteriores, o modelo de corpo rígido não re- presenta a forma mais adequada à realidade física da amostra de estrelas no intervalo 0,8 − 1,25 M⊙ e menos para estrelas convectivas, mas não possuímos ainda relações ob-

servacionais (onde um grande candidato é a asterosismologia) que nos permitam fazer a conexão rotacional das camadas externas estelares. Um refinamento necessário é melhor descrever o momentum angular estelar e assim refletir o possível desacoplamento entre o núcleo radiativo e o envelope convectivo, assim como a rotação diferencial, que diminui- riam o valor da estimativa do momentum angular estelar. Adicionalmente, tratar todos os tipos espectrais da nossa amostra (F, G, K e M) sem distinção, implica que os fenômenos

Capítulo 6. Conclusões e projeções 106 internos de transporte e redistribuição do momentum angular não estão sendo conside- rados, com o qual estamos inserindo numa mesma modelagem estrelas de tipo espectral precoce com núcleo radiativo e envelope convectivo, junto com estrelas de tipo tardio que são convectivas sem componente radiativa. Todo aperfeiçoamento que possa ser alcan- çado constituirá um aporte em nosso estudo e um refinamento no estudo da evolução do momentum.

A ciência dos próximos anos, na qual nosso grupo está vinculado de forma prefe- rencial devido à participação no instrumento LFC, será uma oportunidade sem preceden- tes na caracterização de sistemas planetários. Precisamente neste sentido, os resultados observacionais que sejam obtidos constituirão uma valiosa fonte de dados para realizar uma modelagem mais descritiva dos sistemas planetários e sua estrela hospedeira, tanto pelo fato da deteção espectroscópica não estar restrita pela janela temporal de observa- ção (como no caso das medições fotométricas) quanto pela precisão com que parâmetros físicos e químicos poderão ser estimados. Uma classificação refinada será ferramenta para localizar a estrela no seu estágio evolutivo, para conhecer sua estrutura interna e adicio- nalmente poder estabelecer comparações entre períodos espectroscópicos e fotométricos. Entre outras, poderemos relacionar o ângulo de spin estelar com a amplitude de fluxo ob- servada para as regiões de variabilidade cromosférica, e assim estimar se existe um fator de bias nas amostras fotométricas.

Não conseguimos na literatura uma amostra que permitisse comparar valores de idade estimadas a partir do período rotacional de nossa amostra por girocronologia (Bar- nes 2010), com aqueles determinados por espectroscopia ou modelos asterosismologicos (ver § 5.3). Realizar esta comparação, sobretudo para as estrelas com planetas confirma- dos, seria de grande relevância para testar os modelos de evolução do momentum angular estelar, pois como sublinha o trabalho de Krishnamurthi et al. (1997), a sensibilidade às condições iniciais é forte e determinante na evolução do sistema estelar. Assim, pode- ríamos delinear a evolução do momentum angular para diferentes faixas de massa com um cenário de formação similar, desde a etapa post ZAMS (quando a estrela começa na sequência principal) até o ramo das gigantes, dependendo da amostra disponível. Uma amostra especialmente interessante é a de 1 M⊙.

Confiamos que futuros trabalhos, como o de Fleming et al. (2015), no qual são

analisados os primeiros resultados e limitações de caracterizações espectroscópicas para estrelas hospedeiras de planetas Kepler realizadas com o instrumento APOGEE (no infra- vermelho), proporcionem parâmetros físicos e químicos mais refinados para nossas estrelas de interesse.

Finalmente, no presente trabalho logramos realizar estimativas de momentum angular de diferentes sistemas de nossa vizinhança, estimar períodos rotacionais com bom grau de refinamento, desenvolver metodologias paralelas ao trabalho principal e avançar no estudo rotacional de estrelas que esperamos possam servir de indicativo para continuar nossas pesquisas e conseguir delinear o futuro de nosso Sol, assim como de nosso ambiente local.

Referências

Affer, L., Micela, G., Favata, F., & Flaccomio, E. 2012, MNRAS, 424, 11 Aigrain, S., Llama, J., Ceillier, T., et al. 2015, MNRAS, 450, 3211

Alves, S., Do Nascimento, Jr., J. D., & de Medeiros, J. R. 2010, MNRAS, 408, 1770 Andersen, B. N. 1991, Advances in Space Research, 11, 93

Baglin, A., Auvergne, M., Barge, P., et al. 2007, in American Institute of Physics Confe- rence Series, Vol. 895, Fifty Years of Romanian Astrophysics, ed. C. Dumitrache, N. A. Popescu, M. D. Suran, & V. Mioc, 201–209

Ballard, S., Fabrycky, D., Fressin, F., et al. 2011, ApJ, 743, 200

Bányai, E., Kiss, L. L., Bedding, T. R., et al. 2013, MNRAS, 436, 1576 Barnes, S. A. 2007, ApJ, 669, 1167

Barnes, S. A. 2010, ApJ, 722, 222

Barnes, S. A. & Kim, Y.-C. 2010, ApJ, 721, 675 Barnes, S. A. & Kim, Y.-C. 2011, ApJ, 729, 150

Basri, G., Walkowicz, L. M., Batalha, N., et al. 2011, AJ, 141, 20

Batalha, N. M., Borucki, W. J., Koch, D. G., et al. 2010, ApJ, 713, L109 Battinelli, P., Demers, S., & Letarte, B. 2003, A&A, 405, 563

Bodenheimer, P. 1989, QJRAS, 30, 169 Bok, B. J. 1977, PASP, 89, 597

Borucki, W., Koch, D., Batalha, N., et al. 2009, in IAU Symposium, Vol. 253, IAU Symposium, ed. F. Pont, D. Sasselov, & M. J. Holman, 289–299

Borucki, W. J., Koch, D., Basri, G., et al. 2010, Science, 327, 977

Bouvier, J. 2013, in EAS Publications Series, Vol. 62, EAS Publications Series, ed. P. Hen- nebelle & C. Charbonnel, 143–168

Bouvier, J., Forestini, M., & Allain, S. 1997, A&A, 326, 1023

Bravo, J. P., Roque, S., Estrela, R., Leão, I. C., & De Medeiros, J. R. 2014, A&A, 568, A34

Brown, T. M., Latham, D. W., Everett, M. E., & Esquerdo, G. A. 2011, AJ, 142, 112 Canto Martins, B. L., Das Chagas, M. L., Alves, S., et al. 2011, A&A, 530, A73 Carpenter, J. M. 2001, AJ, 121, 2851

Castelli, F. & Kurucz, R. L. 2004, ArXiv Astrophysics e-prints Chabrier, G. & Baraffe, I. 1997, A&A, 327, 1039

Chaplin, W. J., Basu, S., Huber, D., et al. 2014, ApJS, 210, 1

Chaplin, W. J., Kjeldsen, H., Christensen-Dalsgaard, J., et al. 2011, Science, 332, 213 Chaplin, W. J. & Miglio, A. 2013, ARA&A, 51, 353

Cohen, M., Wheaton, W. A., & Megeath, S. T. 2003, AJ, 126, 1090

Collier Cameron, A., Davidson, V. A., Hebb, L., et al. 2009, MNRAS, 400, 451

Constantine, W. & Percival, D. 2013, wmtsa: Wavelet Methods for Time Series Analysis, r package version 2.0-0

Cooley, J. W. & Tukey, J. W. 1965, Math. Comput., 19, 297

Cowpertwait, P. S. P. & Metcalfe, A. V. 2009, Introductory Time Series with R (Springer) de Freitas, D. B., Cavalcante, F. J., Soares, B. B., & Silva, J. R. P. 2015, ArXiv e-prints de Freitas, D. B., Leão, I. C., Ferreira Lopes, C. E., et al. 2013, ApJ, 773, L18

De Medeiros, J. R., Ferreira Lopes, C. E., Leão, I. C., et al. 2013, A&A, 555, A63 Dib, S., Piau, L., Mohanty, S., & Braine, J. 2011, MNRAS, 415, 3439

Eggenberger, P. 2015, in IAU Symposium, Vol. 307, IAU Symposium, 165–170 Eggenberger, P., Montalbán, J., & Miglio, A. 2012, A&A, 544, L4

Referências 110 Engelbrecht, C. A., Frescura, F. A. M., & Frank, B. S. 2009, ArXiv e-prints

Everett, M. E., Howell, S. B., & Kinemuchi, K. 2012, PASP, 124, 316 Fabrycky, D. C., Ford, E. B., Steffen, J. H., et al. 2012, ApJ, 750, 114

Feldman, W. C., Asbridge, J. R., Bame, S. J., & Gosling, J. T. 1977, in The Solar Output and its Variation, ed. O. R. White, 351

Fleming, S. W., Mahadevan, S., Deshpande, R., et al. 2015, AJ, 149, 143

Foreman-Mackey, D., Hogg, D. W., Lang, D., & Goodman, J. 2013, PASP, 125, 306 Fraquelli, D. & Thompson, S. E. 2014, Kepler Archive Manual (KDMC-10008-005), Tech.

rep., Space Telescope Science Institute

Frescura, F. A. M., Engelbrecht, C. A., & Frank, B. S. 2008, MNRAS, 388, 1693 Fukugita, M., Ichikawa, T., Gunn, J. E., et al. 1996, AJ, 111, 1748

Fuller, W. A., ed. 1995, Introduction to Statistical Time Series (John Wiley & Sons, Inc.) Gallet, F. & Bouvier, J. 2013, A&A, 556, A36

García, R. A., Ceillier, T., Salabert, D., et al. 2014, A&A, 572, A34 García, R. A., Hekker, S., Stello, D., et al. 2011, MNRAS, 414, L6

Goodman, J. & Weare, J. 2010, Communications in Applied Mathematics and Computa- tional Science, 5, 65

Grossmann, A. & Morlet, J. 1984, SIAM J. Math. Anal., 15, 723–736

Gruberbauer, M., Guenther, D. B., MacLeod, K., & Kallinger, T. 2013, MNRAS, 435, 242

Hastings, W. K. 1970, Biometrika, 57, 97

Horne, J. H. & Baliunas, S. L. 1986, ApJ, 302, 757

Hou, F., Goodman, J., Hogg, D. W., Weare, J., & Schwab, C. 2012, ApJ, 745, 198 Huijse, P., Estevez, P. A., Protopapas, P., Zegers, P., & Principe, J. C. 2012, IEEE Trans.

Signal Process., 60, 5135

Hussain, G. A. J. 2011, in Astronomical Society of the Pacific Conference Series, Vol. 447, Evolution of Compact Binaries, ed. L. Schmidtobreick, M. R. Schreiber, & C. Tappert, 143

Iglewicz, B. & Hoaglin, D. 1993, How to Detect and Handle Outliers, ASQC basic refe- rences in quality control (ASQC Quality Press)

Irwin, J., Berta, Z. K., Burke, C. J., et al. 2011, ApJ, 727, 56

Jaynes, E. & Bretthorst, G. 2003, Probability Theory: The Logic of Science (Cambridge University Press)

Jenkins, J. M., Caldwell, D. A., Chandrasekaran, H., et al. 2010a, ApJ, 713, L87 Jenkins, J. M., Caldwell, D. A., Chandrasekaran, H., et al. 2010b, ApJ, 713, L120 Kainulainen, J., Federrath, C., & Henning, T. 2014, Science, 344, 183

Karoff, C., Metcalfe, T. S., Chaplin, W. J., et al. 2013, MNRAS, 433, 3227 Kawaler, S. D. 1987, PASP, 99, 1322

Kawaler, S. D. 1988, ApJ, 333, 236 King, I. 1962, AJ, 67, 471

King, I. R. 1971, PASP, 83, 199

Kippenhahn, R., Weigert, A., & Weiss, A. 2012, Stellar Structure and Evolution (Springer Berlin Heidelberg)

Koch, D. G., Borucki, W. J., Basri, G., et al. 2010, ApJ, 713, L79 Koen, C. 1990, ApJ, 348, 700

Kovacs, G. 1981, Ap&SS, 78, 175 Kraft, R. P. 1967, ApJ, 150, 551

Krishnamurthi, A., Pinsonneault, M. H., Barnes, S., & Sofia, S. 1997, ApJ, 480, 303 Lamm, M. H., Mundt, R., Bailer-Jones, C. A. L., & Herbst, W. 2005, A&A, 430, 1005 Lanza, A. F. 2007, A&A, 471, 1011

Lanza, A. F. 2010, A&A, 512, A77 Lanza, A. F. 2012, A&A, 544, A23

Lanza, A. F., Rodonò, M., & Pagano, I. 2004, A&A, 425, 707

Lanza, A. F., Rodonò, M., Pagano, I., Barge, P., & Llebaria, A. 2003, A&A, 403, 1135 Launhardt, R., Nutter, D., Ward-Thompson, D., et al. 2010, ApJS, 188, 139

Referências 112 Leroy, B. 2012, A&A, 545, A50

Liu, W., Pokharel, P., & Principe, J. 2006, in The 2006 IEEE International Joint Confe- rence on Neural Network Proceedings (Institute of Electrical & Electronics Engineers (IEEE))

Lochard, J., Samadi, R., & Goupil, M. J. 2005, A&A, 438, 939 Lomb, N. R. 1976, Ap&SS, 39, 447

Maehara, H., Shibayama, T., Notsu, S., et al. 2012, Nature, 485, 478 Mamajek, E. E. & Hillenbrand, L. A. 2008, ApJ, 687, 1264

Matt, S. P., MacGregor, K. B., Pinsonneault, M. H., & Greene, T. P. 2012, ApJ, 754, L26 Mayor, M. & Queloz, D. 1995, Nature, 378, 355

Mazeh, T., Perets, H. B., McQuillan, A., & Goldstein, E. S. 2015, ApJ, 801, 3 McQuillan, A., Aigrain, S., & Mazeh, T. 2013a, MNRAS, 432, 1203

McQuillan, A., Mazeh, T., & Aigrain, S. 2013b, ApJ, 775, L11 McQuillan, A., Mazeh, T., & Aigrain, S. 2014, ApJS, 211, 24

Meibom, S., Barnes, S. A., Latham, D. W., et al. 2011, ApJ, 733, L9

Metropolis, N., Rosenbluth, A. W., Rosenbluth, M. N., Teller, A. H., & Teller, E. 1953, J. Chem. Phys., 21, 1087

Meyers, S. D., Kelly, B. G., & O’Brien, J. J. 1993, Mon. Wea. Rev., 121, 2858

Mighell, K. J. 1999, in Astronomical Society of the Pacific Conference Series, Vol. 189, Precision CCD Photometry, ed. E. R. Craine, D. L. Crawford, & R. A. Tucker, 50 Morrissey, P., Conrow, T., Barlow, T. A., et al. 2007, ApJS, 173, 682

Mullally, F., Coughlin, J. L., Thompson, S. E., et al. 2015, ArXiv e-prints Nidever, D. L., Majewski, S. R., & Burton, W. B. 2008, ApJ, 679, 432 Nielsen, M. B., Gizon, L., Schunker, H., & Karoff, C. 2013, A&A, 557, L10

Palla, F. 2002, in EAS Publications Series, Vol. 3, EAS Publications Series, ed. J. Bouvier & J.-P. Zahn, 111–145

Panwar, N., Chen, W. P., Pandey, A. K., et al. 2014, MNRAS, 443, 1614 112

Paz-Chinchón, F., Leão, I. C., Bravo, J. P., et al. 2015, ApJ, 803, 69

Pedregosa, F., Varoquaux, G., Gramfort, A., et al. 2011, Journal of Machine Learning Research, 12, 2825

Petigura, E. A. & Marcy, G. W. 2012, PASP, 124, 1073

Pinsonneault, M. H., An, D., Molenda-Żakowicz, J., et al. 2012, ApJS, 199, 30 Pont, F. 2009, MNRAS, 396, 1789

Poppenhaeger, K., Robrade, J., & Schmitt, J. H. M. M. 2010, A&A, 515, A98

Press, W. H., Flannery, B. P., & Teukolsky, S. A. 1986, Numerical recipes. The art of scientific computing

Press, W. H. & Rybicki, G. B. 1989, ApJ, 338, 277

Protopapas, P., Huijse, P., Estévez, P. A., et al. 2015, ApJS, 216, 25

R Core Team. 2014, R: A Language and Environment for Statistical Computing, R Foun- dation for Statistical Computing, Vienna, Austria

Rao, T., Priestley, M., Lessi, O., & Hannan, E. 1997, Applications Of Time Series Analysis In Astronomy And Meteorology (Chapman & Hall)

Reiners, A. & Basri, G. 2009, A&A, 496, 787 Reiners, A. & Mohanty, S. 2012, ApJ, 746, 43

Reinhold, T., Reiners, A., & Basri, G. 2013, A&A, 560, A4

Rowe, J. F., Matthews, J. M., Seager, S., et al. 2009, in IAU Symposium, Vol. 253, IAU Symposium, ed. F. Pont, D. Sasselov, & M. J. Holman, 121–127

Scargle, J. D. 1982, ApJ, 263, 835

Schatzman, E. 1962, Annales d’Astrophysique, 25, 18

Schechter, P. L., Mateo, M., & Saha, A. 1993, PASP, 105, 1342 Scholz, A., Irwin, J., Bouvier, J., et al. 2011, MNRAS, 413, 2595

Scholz, F. & Zhu, A. 2015, kSamples: K-Sample Rank Tests and their Combinations, r package version 1.0.1

Schwarzenberg-Czerny, A. 1998, MNRAS, 301, 831

Referências 114 Silva, J. R. P., Soares, B. B., & de Freitas, D. B. 2014, ApJ, 796, 69

Skumanich, A. 1972, ApJ, 171, 565

Snellen, I., de Kok, R., Birkby, J., et al. 2015, ArXiv e-prints Stetson, P. B. 1987, PASP, 99, 191

Thompson, S. E., Christiansen, J. L., Jenkins, J. M., et al. 2013, Kepler Data Release 23 Notes (KSCI-19063-001), Tech. rep., Space Telescope Science Institute

Torrence, C. & Compo, G. P. 1998, Bulletin of the American Meteorological Society, 79, 61

Van Cleve, J. E. & Caldwell, D. A. 2009, Kepler Instrument Handbook (KSCI-19033), Tech. rep., Space Telescope Science Institute

Van Cleve, J. E., Jenkins, J. M., Caldwell, D. A., et al. 2010, Kepler Data Release 5 Notes (KSCI-19045-001), Tech. rep., Space Telescope Science Institute

Verner, G. A., Chaplin, W. J., Basu, S., et al. 2011, ApJ, 738, L28 Walkowicz, L. M. & Basri, G. S. 2013, MNRAS, 436, 1883

Wall, J. & Jenkins, C. 2012, Practical Statistics for Astronomers, Cambridge Observing Handbooks for Research Astronomers (Cambridge University Press)

Yi, S., Demarque, P., Kim, Y.-C., et al. 2001, ApJS, 136, 417 Zechmeister, M. & Kürster, M. 2009, A&A, 496, 577

In document Going ‘Home’ for the sake of a nation? The challenges facing Southern Sudanese women in post-secession Khartoum (sider 72-76)