20261012 18475900 1.0 TRUE iVBORw0KGgoAAAANSUhEUgAAASwAAADICAYAAABS39xVAAAAAXNSR0IB2cksfwAAAAlwSFlzAAAO xAAADsQBlSsOGwAAIABJREFUeJzsvQeYZddZpvuutfY+oUJ3S92tVivnLNmyJMsJgxzGATAMeAyD 7+DxAA4DPMzAwwwzw8WECTxzmQGuwcwFD5jogI1MsDG2cRxj2XLASbLlpJw7d1fVOWfvte7z/Wuf 6uqW1C25W1JXaX1SdaUT9gn7qz98//dXKaVEQUFBwSpA9XgfQEFBQcHDRSGsgoKCVYNCWAUFBasG hbAKCgpWDQphFRQUrBoUwiooKFg1KIRVUFCwalAIq6CgYNWgEFZBQcGqQSGsgoKCVYNCWAUFBasG hbAKCgpWDQphFRQUrBoUwiooKFg1KIRVUFCwalAIq6CgYNWgEFZBQcGqQSGsgoKCVYNCWAUFBasG hbAKCgpWDQphFRQUrBoUwiooKFg1KIRVUFCwalAIq6CgYNWgEFZBQcGqQSGsgoKCVYNCWAUFBasG hbAKCgpWDQphFRQUrBoUwiooKFg1KIRVUFCwalAIq6CgYNWgEFZBQcGqQSGsgoKCVYNCWAUFBasG hbAKCgpWDQphFRQUrBoUwiooKFg1KIRVUFCwalAIq2BtIz3Ij2L3OYF33Q/DrcBJJO6BdDK4O4jM 4icbIAC+6a5b2W06DzhwcQSpn3+n29LPmeB0v21dzrCjjPJ0FqxtuI6dMpPkHwWRVRLfgFvoToOT SCmQlk4mVeCqk3H6XX07zi5ZkfThaqJIq6lxLlBVIroN3UcN6P7y5QuOPsqzWrDGEQ/6nEMuNyWy OAv+LhhthV7CDZdwirL2nQ5hhhhG+HQcTtFU2If3X4HqVhKLOBRZHU9iRLLbncMZaYkRH59Hu9ZR CKvgCfQWX0lefjk9dG6rXcy57V2U1MCMUsDIxP0ygcupeCoubsRxAiFthvGpdjFmP5pvKwWc03W7 HFOfpulmwVFDIayCtY0DIh3/gPSwre4mjE7E9e8C1sFoFkKfWP2ipYCOb8e3F+Oac/PV/C5wu6C3 E7zSwM04FIEdR1q+XbHgflIsOHoohFWwppFTtRzqPFjAI0pJPXHMVhgBwz+jJVrBvaViGJ+TiWx6 5TgDbtxV7Je6W1CE1ZHT8p2ItHTfqtgXHC0UwipY04huOy63+UiEXGOy9C0TieNEkruXdnwCyd9P 4q8IbKVe/Lf0mpNhNmQS6rK9lCpiWpdrWl6F+ztJjC0aQ5GW3eoKAis4qiiEVbCmkdjVRTkiqz4J dfdyx0/EEunh0gm0/Y9nslp6HWGwAIN1sC9kqYJT6LUzdwrdOlzqG2FJvtByixEWboizFHK2I6wH l1QUHBkKYRUcI4jdx8qz3JHSiOR6xFQT3V34yVZCvQ+n7l6EJnRv4qhv9oD/O8b1+6g4Dc+3Mea9 1JxPzYWqkAOL+T7SCdBupa3+1upPFafg46/gqgraLtOba3BtzDqr8RaY2YtbqmFwG6RTIdX49ArG 4cPQzNGvdsNknlQ3NH4PLh1XEsKjjEJYBccQHphGGTGFe0hpC8nNkWpVpfbhmlmoJ1RK7aIjNXcQ +79O4haq9BI85wKnMONeYYVx0rpOc3UrkR2WBjo/wbMVxwyOAU5h00GHkIIIdAROEoYRcTAHLIHb C64h0MezzyI3JHMwzq3wrs7RWcFRRSGsgscZDxR2roRO+ijC8Yq39pIsSurCqiSSWAR/A23/rZCu pBr/AoQNWXIwuM/qSqT5Tskg0hJBbcTbzwcQd1s9y2paKpIvC00zWjuuRescwvocALozjZSsYBVH BD9HYgaUfiqkMqLa3zMsOHoohFXwOGNF+/9Baj7RfrWITyKqrXgnJsqjMPi7SenviWmE2/eThEE/ k9VE3b5baVkkpdNzw2759tfjVcNS2teAr9btvzOnK6peJeQRnOC2k7gTxxacdQv7mSh12GEbTDy+ 3+vGc/YZYTmN5qg/qTvpivsFRweFsAoeZzxEZdoYRqzwdXxzLq7Ks3yMK6iG4D9MYiuL4y/g+l8n zL0R+FX85AQYfp2YTreyVjV9i6vDZx8TokjJ16Sqpprmbcv313bf5EKW27sFN1A0php7D3qjHL2l JRh8Bvp/BWwCd0lOPcV3EpBWKu6LsB6TJ/EJg0JYBcceLC1TtDOxsRcTanIvtMdDtaObMlbkM6Lq /wOefwKjX7JO37j+Cn78SnquIjSQhvs6SYMmAjtZg92HwqcxtP1Old4R4n7BlWm4XLUPqncDdwOn QvUBqCQS/SIT/orerr+G2QgxEfkAaXA6QQSmaCwOig7rKKMQVsGxhU4ukLt5I/ziRTD8w1yHWrgU 5n8a4neRFp8Jww/Ta34X2jOgXqSZ/IjNCIbefVleUN9CtKFlj0tzeNfVrex+dPsLxLB7BZFl+UOG SLMh0dKyk8Q2fDyPoN83JzFx99CERLVeBf5nQ3MWcDZpdEmOxkxP2hax+1FGIayCxxkH50zT6Eq5 1Qjfv5G45/uI8z8H879HYgDtHYThb+AXfwKGt0F1C3COFb+l8HRKzdqGtHgxYXhQ5ukakr+LMTcx SbczdE9TdT5LHpK0VCIsxVZK5xIxbCBxIo45QnoBsBHGV9JjB72Zs5lM3o6vz7GhxMQNxL5OqXM0 81OGCR8FFMJa4zqm/H2wbpe+yj0wpVoLOMb0dHIfCZYnX5qu7jMtouvElw2LPu3OF03rpEAAtgEz +PGQtrcXxwY8ioo20+7xTOY+TuXuoRr9X3beh/k7aPhRJuMvkno/Sr9+H27HO2D9h2ibnyZWn6dl L5HfJUx+kF7aiJPzghp3UjLMvSu7KjTHk8LnIF5Gf/xc+v0bIZ6fj1nV/UpdxV3QbAS3hxgj4/qv GbYvNyWD8RqnQH8CYTsNnrq+CHg+hHU2JJ3Yy6S9nxBPxPtOQDp9KZZfJ6GEXt8KCmGtKTzISdCa HoBwgHuAxlO6Fv1RO29sKq/7vMIPSj9q1kE1wrmdeJMlKBrZQXRDwmQDqW5BDgjq5s1fh+cTwPnL Ey5pdDJVv6UKL4C922Dul+C4l1qqF9xPE5rLqKsIkycR638gtU8hsQeazfi5/w3cTOIFpNHpRDfG NSd0vNEnyS6GhuhvhPbpNrZD9X5cuhjv+9Tjl0PvLpi9gwWuJfJVhpNfJuy9gGq9tF6LkE6EySkd R18P4f8Qw3n40WXLDc1DvkYFDxuFsFY9DvMXe0pU05a9MYD0R91f/yM9fw7Ieqb1nxWRRX07tKdA o+J2P9e2w2ZctRPqbSDLlrQH3AcgnIwfPQ0fLsFXX7HoLNU3m2LANWfk29Og8q7/QfIXsTT8dah+ maq6mHrv98PsHvzkGV2R/i8gvBx2/ghp7qs2NhNnPwe8ixROJqXvsrpV4qtERZ+Tq0n19SYiDaMX 4/t32ulR6f7SVhhvhXAvqfpL4uAXCIMfz2lkfFrXJcwBprOC/GdJfJPkz8PZAReSOloohLXGdUyN b3CKRMxUbpBdBsQa1TRBnBZ5jhQrTsoVx9GkDXg/xkuT5O/GWneTc2FpQ06tuAXcbcR4GX5yjp34 VVAt6nwYNFQcT1xYR9vfhw9/iotXw/q/B36JevLvGDeng5+BOUVlGs25jDa8B8/FuLALNvwvE4rS fjd+4UziUIPLntSejFOX0NU5Nqx3kZrn4dIA398J8WR7HG0jzeg26G9npnkO7P1i5uXepxn7T9HT z+oEvXshSlF/Is49g6CUu5Yb6ZkrXqOVxFVSw28FhbDWuI5JVaWgCMIsmrqTQ40ucxgYUx8xYT2I 79OKqCtxE5HbcfEs3HgJetdDulm5H7j/D9IF1oVr09VU7mR83R1POwdhb9ZCzXyTtHgmjfsBYv86 qvZyQng31eSZVDO7c8qpB1rvhTbSLDwXN/8v6bW/B/xYNmCP87jBiODuJ4rCq5MhzuHbEzsu0fHI fVR3PpU+KDC8lsQGKinjq/th9jhwSyRuY5Q+T693fk4JaUn+HrzkDJNLcD5CuE3CsRWnWRd5HlDP KoT1SFAIa43rmCr24XXSW1hQK2fJBlCuR7J05dGAKSvts2+egqu+RgxvwYXPEHkfqXc6qT0P+BjB XUSr4whfJoWv0/JS0uR0O6dDnKOtdxM0SqOLhB20NLh0JYw35iL4pPOqsmhmQOp9htj7NIHXwOQM ULQkUjZeUEHpIlOhq+gvpNDipMkaz0LvG5l4mnOJlWxjWvr8U5IGoBd95rH+Xti3Eee/l8HwT4jc AZyBa7eSwi4cS7gwk2uHKtCHPd1z8mB6rGLn8EhRCGuN65hCfAuwA9y9EPRzdQWfTJWeaifa0e+8 NytkCS0hWP5E4stEvoRr53Dh67jwDbN4Cc0cvnYwfjWuvpjW/SWxPhE//n7o3Y/bs9m4JYXdEM/A uzNw1d58N+Pu0+Bi2PtJ+m4WNzvCcyFu4ftg5o6OpCYdYcmJYaMdZfIy4JNyIRNJ6n0R2ksyhVSf wnE+zuYF78Lpvgfn5yhOAlalgDFQ81xQZ9DNdbOO63PUZBt2JlkNvxxFrSCnA6KsgkeCQlhrXMdE +kNwX4d2dy5fWbbznbkbZg4Gxx/h/R+c0th+q+4YxCgiiDOtnhO4HZYuh/59UC3A4mth+Lc4roKw xSxbgnslqemblFNLHfz8l4CLaVJEky6hVpq7j+TnaAc30h9dSOK3SHMfJbQvhPZ7jJfjzE2QzsuH YXpQSSsiyW2w5yE5yToiTqmp0FxCVAqaPH5y5fIIYBwN8YNNUE0stZxwPZPeH1JxNr3xT0J7Hm64 m+RuhnSGioakyuP8TZ1844IjfH4LVqIQ1jGOscZPqPBRNiorlAP6K+5aYuoT3VeYqEjtlLW0VOM5 6P02E/4f6rAdlrbQ+t2E3iYanssermXg3sVwz6doB4HQ09tgB7QaJ1kH9XYmbKdqz7FIKK+wOt5o SHUvzx7TcDn9ZOkU6KnYfWtHkp0eTKna+AQI99PGb9LUnv7oZTArGcFljLmVPcPfZ2N8GUgdHu6C ahYm51Gpe8j7aSfbCOE7TQNVz/wdVN9mBB32bIX5z1M1l9moTq44KWLS+M4JVCYlOJXYJnwvNxdM cCqYpYxkHZJXQOv2dGKtLTgZ9Ylga439iMh342Xk1yiVvotxUD3rPob8WxxPJ9VzuJ4iWZkAak3Y GILSbw0t6vVIDzzFlv++HFyEL3g4KIR1jEN+S3l/3vT9rZQjCzQVa3irE51vEUF02whxI/ivAn9D 024zCYEf3E1orob0Y1TjH2HY/04arof672iq4whjjZXId6rztkvHE52nlSRJvwvY1zbXZ04EG7MJ p6KXORXGK9hzMcyLtL5GWlKH7324WinSJQT2ETiTVG3DLVwNu15BvfUNlkDBM2CoGzutG7HR5poZ aP4ZofoGzfh0mLkFx/NwIpNqEW/WVNI4SeGu6+qWNuUu6DT7UvcvTHcEikQenDhCq2J7F2Wpm2jP 8YZlOxpNCDqTgmylTs+FsBPH2ZBkKaNNO/uJJ39t+aa+WdEJLDhaKIR1jGMqw7RCunIiixZk7Zs9 yn1cgskcQScyLU7twCANUXa7bFOfVp5S1a3Ue77PCtUVr2TEe1ga/hJRVaDeT0GzHoJ8n3KXTilZ kGFdb0xkjiSTPFkDa6MMkdCP0Kto0xy4r+D75xNHpxE18xfuprJh4fNJ45NxzT+DwQTXfpU087u4 mZtxS6+jGsyAv9mIInImbezRhnsJ9Kj9WZDOYWKzyfKv2oWvv24bamJPtSFRyaS7n7PMPXR//U72 L5VFU8si1pWWxcsiWpPh559XEoDKnmZHjjL9gu0slM+7CyfYRZ1TR3B/ASp5kWU4cKjAvnYriOux fb+sdRTCOsbhDhi7UX9LhJHPDfv7rRPIXDh30MSTqIPcCc6Ahf9Gb0Z9rndZKjdKd8Hcf6Ju30DV XkkvvpxQ/7E5DNCcB/Fi0mQJ5zfh2kAV5fu0HoZ9ZLqZFRFKp1QLkiRCjpo9JqlHUDraE4XuNfdP iTxd+1rzi9re+3Z6PcknA663idRegQ83UA1ejdv5VtLgJSa5aHp3Ed2tsHgKqd5DrP4PniG+vYIQ tKB0zjjEScYwEqEsdcPNu/AqpHdeyckvkFpZu+jZEiEp/eOBhKX0zY1NiuCSOoZKVSVO/Sq4yy0d VFTVyp3Ue3zveNOz5ddAN7VgYzgW2U0jKUsBS/Pv0UQhrGMei93LFLKHZW5uGfLf9j54VZNmVO+1 9VS9NNsR3asIvJ/Q1qS4B+ovmw2KCtzDqktl4oeh+qJpjSYiBZ2A4W4C87j4/Th1wtwmgjzQRWJK m1YGKn4PoR3YyazoK6iO1NsNrVTgx7PR/2W+5L7jYPbXSOEdtDyPdnwKfsNP4vlN4K9wvIGaWUL1 yzC5potu7qMK7yFwHrQaJdoIizLcm0D/fXjuJWrQWLKFLvCRzbHRx7LN1Yr1W8vRzpjkFKU1RHe/ 1bO8hJ4mwxfrKWrUcz2k4kyikZPU8yI2qeN1OW+i1v3Qn4XODN4IsZxajwbKs3rMI59EU7LK2Yai KNV69mX2mlyA64tsRkYqGjAOM7eZ50BaGuH9iVS9PaTxt0FvF7QqImvwN1Lr5nvbiWxjEntUfgtw G80EBu42Jv4P8JxPiM+AyZXgzga3GSqp5qFvKeDNsPcM6PWh903zTSdcT9z3Cnz9lByAzFxHaq6C hZdTrbsWeuqevQjSaTh3DdX4xbjmzKx18qbCIvEZgirucZQV8rPvhsVfgKFM8/ZAuhDvzsqRjaQR hsEKk88qh4amS5MP+xIk5XZdXcro5ZTO4WEe0hZwWk4x6D400dQjyFHUjywlttdARXbdnQVw+ifL GMzhwXjR5nn2C1ALjhoKYR3rsEG6nNbkU1JEdQNwoxGLdffCiwjt1VnzpMtHjd682VrwDCQPlQL7 exj1+ri4gRAWiXt/ER9eD/2/tSKzCvjBn0iPJwMnMqmvJ3EHLt5DcjfS+GtJAy1ruIyK7wU5GDTq EEqYuY2UArH3u3juwY2fTuxtIw1/h9HCt9HM/XuiRmyqb+LXvZReuoa+hp39equB+Xh1Ls/1Wqje mwcGm2fBwmUk/9lMduOnQu9JuKHSwE2kxZ+EejeVWwdhoYtEFYVV5oml+lZLMMlUrv/tptVxupGt +/JuDic7GXdyHlWympe4x4p8nXJ+6picvbEswrQurdTr26Ges8dtvlkWseUIK6VsFyijQa0UKzh6 KM/mMQ7RzfJeBFvkqZNO9ZaPmBgTPk2oPgSjN0G6FCrJGHTif5PE2+lP/jvUT8JNLqJJA9reVwjt +fSrq2Hwv0lK/Zrn4TkJH87Exe+DSaDn3gT9D1PFz3WShzETFZFqCUBvwEvu4E+BvRtg/h9Ymv8v RJbopedScwt+oo7ezcS5/8Is/wrM9UANgoug/jxMrrKHNOp9icCFVENP0Mk/ehGpHhGrm0hzsmy5 zlKxKP3U+EchSPI+VrZmqZlq5eoyRu7FWWoosWfWoiWRkNWT5K+uzTa7jFjM3M/WPQ+7cpNEnjoV ZNS3geRuIwVZzNxH1dOs4tdzG0LRnOp57k6S+7L1HuFZdhzJZp9U5J92ChW1FbfRo41CWMc4nPs0 cfcVNuomtEvnsjh8IzX/htoK0j/DHt5G3f9xBs2vwHie2PtplpqPU+vVrf9nForG1zHX1zTvKdnb aVZumv+dlrsJ1ZWEpZ+EyRCGe0jhbhw/Du1/JFbvoeUjtNUbCdxHpVSMr8Hko9B8E4a/CpOWoYr9 XquvrrNoRn5SyX0WN5mD+ps5emILTXU/PsqNYQH2zDATLl7hKBGhn9M1bz5VEmD+qD3uyrKradpn u+Wz/EDyqnRc3oIjaIbP6KUm+DGt1wIJFe1Ppkpn71caiPz1ybK46fzihpzqtad2Fzo9e2SNzu1S 1U/C6Kn48WmkmZcQ91yPnxdtHTTitKJe1rYa/QnIGmtZzJuXHubstJyBjwjl6TrmcZGWCu/fizD4 R+bTz9tf89jolLucOnyQhk+Qqn9vJ2fiU/S9JzTyd/oYbfgITf9FpqPyki3MPgvX/iiRp9APPwjx O2AgsaZSyq04ixRus40vEln6xedTDz9OHC+AZuz8dbT1Ptr6y/SXt8xMda13Qi2SmMdLryTW3P0G GChy0Qmsx7ANJznC+jNxbZ7py6HOSk3TVBN20NNx0PfLdfSp2sBqU9ovqM+RVili16jYLxHJ5Kjt NoTD1ZlU75ve78as0h9txvEvcH0V4g8zKWCF/KmIbnpf3WMsutFHjEJYxzhSM8wBBSNS7OOrXbCU wy0X3g/hI9Tcl6UL8bPUXn/xJTHQq/tNkkmRbiagbTEZTumT/+G8ObnRYocP4SfPzoZzJrw83oZ2 4+D/Bd6OG2jF1UfxKqp39Rm39+kE/yzo/wH4RVK73hw923qb2bp4ToSFF8LMmFRvMC4ch7209aJ1 NEO82I6lPz1pH2y1u0kTHvizA5+g/T+fkpstRLVFFRr7nsU5KdG7t7rdn0hEYabItlPAPyTqFTx6 Asjwz8tG5rW5G3oYqJ5mNa7U6zqWnaPfshC44JGgENYxDsmLNKcbXJPnAJdOhcEfwsLzYPAbTHiX VUryaecJUWJM0dciaXKnXUcGycYYi9IZ7YKhooZbaf3TaN2rbVGDr1uq+gyClOcmTP0iDXeR2luo 3FcJi0+G+l6oJNT0+Dn5qyv0k8BSN78T72YJ/uzuyGvawQ1UmmXU2q32bLylZjrSiuBvxqtelFQb 0vF0CyC67t3+wt2DndUrFOTL67lEpFOL5rAcT1Wmghfz5bd6sm7eIpE9NmZki50PAS+fZTVo3Y2k 9iy8rFu1ckzjT8Y9h2EdPQ6L/lRTU11r5XGLMB9gSVpwCBTCOsaR3E6aZgOhktNAH+fuZcTrCL0/ JvChrH9UEGBKSRV+93UngSPGRFDKJQW7isyVhqDpJAPvxLln0dNJo86YbQBVWvgZY0if9lKN5/GD bFND/y7w96GQrW1nSGGB5PbiRUDyh1LaFTy0zzOrYhnctf7tBC0dXTobX2sY+O/wzY/AYgXzQ+u6 tV7Fcp3IikDUEV25tUbCjJWF6wMks/ZZUUuWE7QrZAXZSid/no7dTKHLZQnC9PKHRr6vxBdInEYb T8eHbTjJP6JcGg4zfmNNgJHdZw4DcyPAUt6VS2ELHhYKYR3jCCzKAQrieiOb1P8zRukW6nALlU5z W86if/SXvCv6WIQl/dAkp49q+5teSpom8U9FW3+cdvLGrCPy98PC+fkEnL8+n03xrLzqvd1iCxfy uE8+54K6hcgV1MNEM3y7cGa2NwcyxJtIKa6w7zPgvkDLPDH8Gk5SACfHz6twu0+C4S0kr1EjkYuU ZlOtmb7LqVQbJYaakoKq1FPCyj9ztq4+k5BV0C0VVN0qxzLTiMb43OpW8l7tdys5pKc6TEqozqXN FS7ifENqNxH9drzbbqnzsjD1Ia8vEl4kSTmvUZ64eVkQX3LCR45CWMc4tJQzqPtm5+cCEz5Iz80x sGKvz7N4qbH6lrbP2NfswNkcXQ39e42sRiqe+3nqSnajG6naCa7+nax8l1/5UFIJm6wxzVQI5+LG /wKqN5L4EhPutdS0MucGeZjfm9NBLzeHTjTPl3G9N+J6n7Jh5h7PZrLwJNKMFkGcSNjz2yYdmMz/ tM09VlwI/KvlCCuv2dJnEU0mqqxbn35kzdPKSEvjO5ZuGeV125qnRJRqYlKXbtq2y4X4HH1NuxiH cVy1ddG65rkkedLb34bjiV5d0ZGR3yFhZKdjVr1riWQdFKXGQjn9HinKM3asY6K1510nrf00LROG OtF2/z7M/wKx1XjKAlWVDfNUF4kpWjeuSlvw/g7aVDMK6tzJL93nEZTxCQRuZUklmf5deDmQppOB rXheiEv/HLRvb9/luLmfxaevmY1NZCd+8SzoS9rQWcSrBBWPo3GJic+i1j4/Qdj7M4S5HrQ/k4M+ PYx4HD1eTcOfk9oX2TiP6lqa55OQcz9yKqgscz9htQd9Vgo82zlI9LoIrCtsK7LR9c2xgf0Dy0nE pkHuQEoar3m4Uc4Fdh+JncTxBlJ/1poZef7wobF/Jlpp4RinBa4y/FvxGAsePgphHSEadhFMYd29 ObVGyta9yCKle7f2FL2cYhUXx74cCUmZPV7HSKUlmlwYl5I6m07R9vQG30Fb/w/6/JSJNCczn7ZJ NnNWmH05SMEeJD0w75euBpVXepnRpwzz1LmPgVnzcZdkaiO90ZOhfzP4TQzsBNdv9tK6+7MKfOHH jVwm4sCZCwn8Vyp3rc38WY2r95n84PtdycxkUedRuzvMXC9wFkFbaxZ/FT/U/OKZppXqRvBI7T/B ++eQQt0Z9R0867cS+2yuMK8r05JCujtVDWzqvZ438khhrhuxlGv6MdUOdMV5kYbM+6azhHK1yHID 3d6Ku115PPZcZvmCXruwnEUemqzs8uJU7UTUlmkbM8qxXb4vXzjrEaIQ1hFCa6Gmli/5Pd6tdXJS hbeM+QP80g/h/Wyeq21m7AR37ISetsLoJaiI0gtNbZS0bl0nVkpE93FoXwKt5vdGOH8nyCI4bujq S/cf/iD79xGU5olY/TNAZnhso530aDSqorrw4lWk/hJV/H4NCGZld383lVxJ42V5I4y7GMLf2N49 I0MbOJQ2YgPtuEWLlwf8HCy+ygSlC5tfQJ//SJA6XbUmGypWnanB27jRg+kWDoKGqJWV1feQtGEH +aarDnRxdpLRRptpkX2qwrRitn4p9s+uW3Ql/JweiqByihntD4gK/vIZU1RW7Sc2c6c4uGj/CGGE pOFpLa5Qh0Rfy+10pljPfAsohHXEUMwzIamwqrRGRSBX2fhGRPqnPyf0np6L07LuVXJgxpSbUeMv KLAKibHTBuT5vIvTfJTuwPFFKj4H6e9NPe41sGyWJp2VycN5wyvAWHgW+HNBFsKDXZAuIVZvoqFH 31wbzs4meumFebRnvJEUbs9LFLqIz3bzhZeCnBNQ6vhnNO3NVL3TSGmJZvZTVs6upK9yp0B8LS3X 0nhfzRlpAAAgAElEQVSlYCMrUjvZuYjYnUi9m8szcjkEgrqLx1vdyNlw8gi89hhq9ZYuoKL/Cr8r I/x+jqK0EMKU+Ss2UXdih1wsV9XrHhOQ5lrZdLRGhKW6WDxywrI+gsiqaxZYx3BvR546ntIlfCQo hHWkUHPOKRKSgZ4KvTnGj243DTczaP692fbS/yqMz8X1bsRxI+2u7yOtW6LXDPBBVRUN1E4LHqpz fBDcW/CTvVC9B5zSsK/glWpKquATKcjL6TA5hdP4yqeY+JvMasaP3wB+A755Df36Olj4RUxKX0ue INdRsake1mZaFHENoLfPamet0qF0GSFOiOGTpOpmkog1voJ+dQMTPs2SfwshnEC1eA1zsxd2w9r1 MmFkjl2Zph1GCBW1Cn4aebK/PjWtuy/fjl4HNRzGyGBL3UCXZFGj+7cZpY6kdAzTt/3UUUFuGPv5 P5PLUYL0c+Yaq1qbzfd0Xl1Hde32EwaFsB5tTCbE4aug+WXrsql7Zt2x9WK6QWdL7Ok5uW7qDX4v bfpbPG8jSV1um5I/R+tmLX0JZtcrzdTSct/skPA7u3N7RFr8g66Wdhv03m2bYZZm/ishPonKPRk/ fu7ykhfVxSqzZNGNLDJhrzmPKpqRYZ9PKphvM8/PHi80q+OK05ksXQWDT1KFa4jsJSiyXJ4V7I5p +fvDRFfTy06xMooyXaieQ0Wj22m52aKlbDK4Aa/mgT2n+UrLRGnP3f5nLc8gqq6UyWR6l8m6i0fB 4th0WPLbqrsIrvPcsj9u+t2R38UTCYWwjhTm16a/3cP95m0aZWMdlYqyw68R+SptsyBTTtx4Fi1B jsO/IExeSuzdite24KZHcF+G8Haiu5aWz+e/wiYXWKKha/lbOz2b+iXTQunrh0YcnUBbNdT+O3DD bbAoi+E/yN5XEwlCP0b0s7R8AVddgwtfJcojXjbIIy2zUANhE1WS/qgb0bMQ7Htx42cTpO2qdSKq FvRcZpZ+DAZ/boPQ6sJlm2JV72VzMNyvODf5xOFlAW0TcdUOnHRPVijX8zxrK8JU4zNjQYtYpooo bXIWQRyX00i/syMqEcZ+UprCqUa3wtX4ABytdVxm16oIVh96vbq/CmXd1yNGIawjhuof6tJ1Lp/d rJqcO+2kWXg2wX8bDN5Nai+iCZ9iwp/gl/4Dvd7XaTgb527BuY8C74N0Hd5pbKURZUClFe96i++m MoJSlJM3QMjb6XBIWqFuSxZUKL8Eep+i3Xs6Ye5a6v511EuKSkI3/Kw7Op9YfYYwekq+vhXJK6pl KVTe1mMr2N1Z+Eor2uUuKqfSX4UZuSxUsDCgCd+gqt9qts4pnYB3F4C7dHljTVaxH+YtWH/KRoAc W6DZlI+hkrXxP4L7KrQvs0hV+wq9amfTjThW5BchyMNrOvbTPSf2b7dAdaUz6IPNKR4poWiQfHos y/chEu+aMwWPCIWwjhDq+KgTtb/+cZCsYfgPtO4tpPgDuCTBoJZ0Xs4gXWSmca1KV4M7IPxPqvjZ TgpxYl7WKXHm5CJiuKEbJdEy0Ytgoi3EX+1a84dOCmXe2WgVWHqubVBO/jMw9xv0eApsvxaOvwVG 2ppzFyxuhDnVfzbg+uoCnmJLvXqKCkScEpnKIUJNhbBk0z6JWSrVZxYvpZ1bz7h5F6H3VqqZLzHg WSzyW2YD4+LF1CwR5OjJWZ2C4HCDx9JmXmnvUhd25oaA1YIk5VDx/0Ri9Wn88tYcCWclCpN6X82J EU5bhB4MTsmifLI6N+ROemqvockjfPezIyUVvUZT8tT34+6j28Rd8IhQCOsIUY10smwn9iUvmCe1 W3HhDnA6UQKT8Xuo+xug0Sr0ay1KcuNXsTCobJvNfJzA5DrG9WdNZe79GaAxl7jOWv9RA8TmH66T O5L8l7L+iT49dc/cjgc5qv1hgXbz9UMF+15B038j4/B2fHucrWL3szpxJALVJS/J0zZWvTpr+d3R t5OqfsAqvelp3Ka/IflP4OYuJ4xfS2/mdYy4hV68Afb+PMN1G2ljQ+M/hEsvyHIPdyO+PZ8mSKaw mdTM0VY35fX0ckQYb4DeLaRmE67ft12AsdFCiuO7rO4u3GSrVLC40Qxp8ELG7etwk++mNh6QxCSn ywekegdES5no95ez9hfZptfJEogjhEailp83/TUa7PfzMlKdikgLHg4KYR0p+hOaBWmchjAe5vdl 2AMjiSVV3vlZ6D+HViLJnf83zCZCby9DKaYlIHWfhfojBE7Eu7vzdaWxspGX+ezZtPwmz95KuYvV 7O8sHgp2QGfAzI14fws1J9ioj08/exS2PkPY910w83yI2posH3nVhNYz9h+nt+5ZFuV4/w0cp+LS LhhpoUQPZr+M4xswkY/7LWatjDzn26niYSdt9YGsC9Mcn4wEK6Wvp8KuHyINP0FKd1K3V+F2vZ/+ +r+A8GvAy2jZjB/J/nhzZ83zkE/Mo48HcN50POhBf1lwGBTCOkLsizV+ZkylsRKT9txFOzoF37+J Np1H1d7JAp9lIdzG+g3PpuZJMNqgDVOE+Y9BeBtRBW8LHRSV6fPuLh3RW3q+I6yV83BTpwHpjA4N LUT1Elru/ee4dTuoF54E/b0w/uGj8+pbr+F+koSoshTmRVTtDxDTF9lXvZ7ZdhMurKdSHUqLUAf/ Fvb+No6fp2r/NdQ3Q3MGKZ2ax3fUGBBZTS6gqa+12plNBoxeSRh+kJh20q5/Pp7teP45zP4ijF8F k/OheQUpBFpJR/on46whsfEgcno860b5tSu1q28dhbCOFNYFuxOUGi6tI224hjj6SVo+QDt6M2H2 mVZ3GWi2Tpa7trtvnpi0purVNLp+8gRbN/UkSIsk/4U8zKxuoEZapo4C5qm70qju8PYo6vapWuOC hmDOh+oK655ZDbre2Y0JfetorDs4JvoeTk4NXAzNSfj+Rhx/lFfQq/Y2eTb0PtspzyWA3Qw7L4P5 TaZO8IM34Nqf6Ah7C94cFZ4O1Vtg4VUw827Y/WL84Ha8/y1YuAAGX6AJ74KevLkq6vpCGP1PgrRj /l7S5Bxc3XUou2djxQvH44PpH52VkVbBw0UhrCPEDCMmvBGaa2DDb+L2voBq7ldwze8RBx9gzC5m Gv3+FfZenfTfSj384zxjp0K3LEHjDE5Tvuq2TU+vVpXmIz+pJK9woxfjZj9F5CycyRS8GS1Mev6h M6aHiWDDx5sJzGQZg2pytSiyYcI5RG61mMLV2vCzBx9fQjP3JhJ/jN/4CQKvJ+0VqV/f3WK0Rale M9/tC2yUsFn3A8TJSwnrXkvgaTD5Lpj/e6J7u40bjbmR2FyDq46j6mupxR7i6LtXiMg7GYE9s3Y0 K8jisT4Fpq/pw1LRFRyEQlhHCLdvgJ/9NGnundb9U4Thdn0ABqfgq/fiRmrlKxV6OxPez772w8yE m2wTMtJCRUfUtuK4BRfuzuFTcxKuuhPiid0KK7unZV+o/bVgW0Z/6ONrTsBJ/hCfhHOKgFpYqqzD F82d9MgevzYta428WaZIaiWZR9pHMz6D2r0GV0fC5Gp8LQX6t8PkZFzchhvOEhZeAjO/Q4pPInIB AUV8kkmottcdmvbE8hLa+g7Y/jtw/N/mNHLxHCbDE+jHf029tI925ofxvBi2fQds/LDZ6rRaRLFc 1D7Q+G/ZT+sxLXofK6np6kUhrCNF/Qk7SbUUtIo/AHMtjLTKStP5m0n9LwK/AnwDl+5nMO7htYQ0 DLIRXLMF7+6h1cp0pVdufv8QdFAta7FbuT4tuk9PNKV4ShXlXPDQSP5ruOp/wdK/wcmQT0PMEntb oV/LTCUz+NYRR1rB1TcVv6Ii7xVJ9ajZSq2NOLwG1zw7yxFENL1TCDZmdBqkJ8PkX8K6PzMvrVh/ kmp8VZ5BdrfnHYL9dbbstN8+H9YrvXt6FqC2ShnVjb0UH/RcPwN2/gbMSwLyZVz7JIKtGupSr5Um gCvtaR51wppGdwVHA4WwjhS9O3Hts4mhJU2u1HkE/VuJzVb2+XeYVdt4pDm+PVRaNTWU8d2INDqN tr/L7GGmdSlZDmtFvNr2+aXJQ7POtDwrvcvzAG8msUMTFgtnwdzW7ps9MNncORw8O+8DPcKcsFKk 1vqsJfV3ACLFS2E0sCiz9R+xdNfXX4TxJaS6pdn9g7h1P0fV2wuT00CSjtGLof83NOFrNlbj0vNJ 7ktU47ON5Gy7TaMnN2+3Rs4Sk/9I0vYeU75vJfXupOm92kaQZDTohjI2VGQ6td+ZTnJPPbUexmjQ o4midH/EKIR1GIy4gzqdnOcAbcxjMVu9aEnnaBfM/jPqIAIYWL24Egk0ih7ebAVjFxN1X8WrK6D+ NDG2TJZOIs2ora/RtvuysZ7ubHIOqf5aZzB3BtFpG86QyN3UMumLV1gEpiJ/dDfRtiPbkkMj9Xtj 6WNy85amyWkgxnNp59TGm8EPXkc9+gmc5oMkptR89azM9vJw8bcKI9RqYtY3UrTL6M58zmf2dmz4 TXzva9BcCj1FSHtxc+tI6VdpVPSvT4b4r+n178PzXTCZpanfSuP+HRWXQi0yeg9p8r24yXG46jao TiWmAWP3CQY8n8pW7/wMo5lPkPi/qYdblhsCld9Byz/Sjp+DT+uo+g00x+WmgxPBPto4RHRVyOoR oxDWYZDFmfvMmC+O+rC0wQzyWPdeJvVvUvF6XNsJLW3O9maY+XkibzVjvtzJlo+MoqaE95voD+e7 dew/Qmz+gTj4XI6aFFlNNme/8eoO213jTEnfJ9ht3WeFetv9x/HU4QIY3ZUXl1byDM8zdS6dSLKu 473U6XxwW2HyvVDPkLS1OJ6Ct208px2Fk0bhoaLELPvMyB5f+WhONBFsDmxUkFIoOTXek25NXczp zj4zCsNrzZg7qbOVORvcy0j1X5lljWsuhmobbs86qnVqWIyg3ZTdoNtrssWPbtv0XEt5U1A9g+u9 F8e52UpHF5DioT8sde9VhkJYh8Mov6ljtYNR/+2k/v1U6SyqVkLPnyL53bhwcy6Qt19n0v+vJP7M nlifKlotUlCa1MreJGZ7mHgBhBfA3lfjZQVqYyXRdgzmhRFV7raNT7UNyeYfJd+qhfMYDd9P42Cw 8HMwcxmx/59I7RaSb80U0DdzOB2TGxG09KDVSItO4MvtpB5rgWmCXm+ctzL3jkZaE1bMxtmwXze7 V+HcGd3ITFdKMpeC7IqaI7LY2a3MLM/c+XQKTv5g8r+SfsudiIsvIVW3k8yKpyHO3UPkRFr/ZoK/ AhavgcFenPtSJrrqHlxzErG+rasD3mY+8rYtWks1hgOi+yaBq4/SG6XgsUAhrMOhfxeu3YpXVOLn iFxHcIHgnw97j4e+nENlN/wpUu9tON6Bax1+8WIY3I1bOBc3/3HTa6lO1YZbCeaxG2GDTq7LYefr gftJG34Ix82kpQusKE59W1Y2TJ00q/PtRBc1eScpwOn4pb+E6v1M+M80IiwW6bXru7XxkhnInlku p39P4hqLMMxh1EKMI2WrlR3LKWFNCzPZOiXJ7E93uGJhqjk+TLuAInEb5svLJ/IPJfrsfKpsi84u 3N7T7Hm0nYLjk2l6P0s7/kFi77Ok9kxC/zrcvqdlHdjsLcQ0Q6zehudWHE/HjX4U5wfZVrleAq/n XKr8QlirCYWwDoPI7YSwzgzYejyTlksIOgklvpQ7cruHtDiiGf4J8NdmumtGfjNftG6Wn7sRTE6w C+eWaMZbGFeRngrUi1eShjfBho8RkU7qNcTRPG74P6yYLo26vUC2skrDxydT8UwTarqkNLSBwRyM X0E9vhBfvwNXfbzTNLluPEj2Np+l9T+Hi39ENbkQ+oqCZFVzFBd5Gk898O3klN6puu9Vna+7tHhf 10yYDj93vlb5CrYKTOJa/LZsK5024eaVGs/jxuoS6vpXQU8e9ENS+Afa8csIc39tNbOojqQizOZ7 cGke13bi2PoeSBuzDxkvwe85/4FrCwuOaRTCOgxcvKr7Qs4HGyGegjNjKNkc3YYPb6Hlg0z4AD5G KivlyG5Y56bWw8uJVOfk6SR/C011N62fIVLTS4p+ImnhmbiZs/IGl75sat4ASy0M3kvDT9Du+ie4 De+hGnwAdr+GuO6TtDOvI0x+gFBLva6U66mE9kIjUOq30fjfpunfTB1PZcIOIp+mdu+k0mXM9G7I xN9HLcX5owoZ5GlAexc4fa30UY4WeoKGJjDN9sRylNCvd+GlwzJ9mgaQZGL4TEKt4fKzc8bZk0PE T1HFYE3DVsPmvQ+SuBifvsesmP3Sud0i6W7zcm8bxC3ZKMFWGZ6Pm9dtbnqUH3/B0UQhrMPA+93Q rstLTH32vLJVdX7ChO30tbmGT1JpyHeyGddXYVwX2Exb3WvzcdoFmuIuW+7Ss3xoHQ23MZr5YYbN q0BOD+kqcKdlWYDlTafBwr+EmffjNny4K15fQFr3m5YWpfhtxPrncdrgrNqQbZNRt07Rw9NwGoGZ rCfU24nt53HhD6jcm6C6EsbPt8Cq9YOja3ByQJu+0z2Z3YsOTiTeVbinCv62wsmS2a4oVwbVmHaQ vAhL/y8QNMrk7iC1PZK/GzdQIV+XPx2WPMx8Ig9R8xx8e0Guk+npH8j9QRqzdST9AZFVs5/JSzNs e41mDLUMomA1oRDW4aAOl+0w2EZCa9W3QHs8rq1J7kwYvxAfz6Q38zvQl0xAJ9upJH9TlyUFXDMg Vruzod++N8PoBfSOfzuNtsBMfh+GMqL7ddB6rVq+6nfR9n6H1LuNitfCnj+H+TeB/wDs+TX88D24 6r2w8Psw0yNW99HYfN4sbnwFwT0NX19Jv25NYFm3nyKlu3DVO6F+M+zKhHVU8qGHPOM703Wt51JL Uli2Su8fNJ3S+VDZppq9+61rJOVor7CILIa/MXlu1A5DhtSyQZ5xuIWrYUZkd13e6OEuzsFtc57V yqKtkr8PphFXreUaJ2TOjKd1ew8LVgsKYR0Oy2/ojXib/N/fvR+oaOueB/0rrGM14b124gR/s9nC aIvMIltpqjtpzQz4OxjODrP5QnwpQXbHw3NppTMKf0rlXqT2H7RnMOa5NJNLmVEqOqcT9dkEngOD s3A8m5YLGc/8CTX/gWrf6/DxeXnNvFBvzzU2p+hkH3FpDr/uqezRXJ+7jg0bdNIOqRRlPGon7LRR oH82dN25gwirbhjzJWLcSkgDqqCfn0ViF6mSIfSpNOEGquap+HgF/eZekMOp1faHtG4Hceb3cZxH iE8hOa1Kuw9vK8kymcrqz7b/LHsFnvIgr23BakEhrCOEOeyG4/A8n746fm2nxG7nbQ/fsP4Q+Ltp nBaMngkSQ3bdMGu3j19C2PcSmuPOy0Z40ljFH2YQLmVS30ziDCaIAE8lNFMLmzNx8WXUNgYzhNn3 2cZmsy22k1AF60ViktPnu1hc90fMso45XkkcyxHiFOgvdgsaHt+kqOJcW/vu2GH7Bqd7CKdmOsE/ tVs1Jv3U/bYZxyx3osf5rVROG5m/QPJfwfGCrOS3iFjx2LIkt2CNoLyaR4hJ0GhM6kSesm3p40PW btn4WvMiO4Fs/d+062+kIplDjW2m6H2DavwmJjMvppK7wu6fwc0tUkctsdhGsPb7TpLEofa12v3n wOT3cK0Eo3PE+hZa91mS94TmXFz1DmL8QajeldPF9J9x6XKCPyk3HMdD6KkYrkL44wfPbpuhtJqS iKnaCU7kcyosnJQjI0lH0H5C2dNoC/TZplezfYLja8C9CKfC4vQ5Ng7WP3q+jtyksODYQSGsI4Tv LGGYFuO1o1AzgNbKj9RVt4+uKwabHkte4wwIcT1NC5U7B3rHU++6D9b/Ihz/F+B+nAVOY5bXw+IV nZrcmmfEwT/iXcLHy3Ea+5GZ3eIJxJlbcP43Ce3v52hLcqPZZxHk5rnv22FYQ9hhA4BxtC6r5x9v aIypeg/RX4fzT4F2A22Qa8MOqkEgulmbw2R8KbG3zTbiMDnbrirr9tT/G5x8xNQBlO+7dUe25tEp bdsuWFMohHWEyDqp7hv7rHxmQJsG9u043IC3Iu8G6245zdJZtVnKbmiqbxAa1aV2wsw62PVfYP1H YenN+MErWOCV+ME5+Mnl+N4e8zf3PA+vJRb938qOB6MtUP8VFe+AdBnsPgE2vgE/3A5LP0QYvBPm vgLtU0lLM7buS5viFRU+7gijzj75dFxzIqm+wRZ1mJtDs5mm96fAOYR4Ks42Tn8DBhLcbqMNp5Ha C3HhH/GWAl6Nm5zcyRn0vRwtCtYSCmEdKfzdXR4ynZ/LlVwJSAXVoLwpTFnhv9RFNg7qxbO6HQ95 1yDr74fJt+kXDPdqScNHYe43oSdR5D+Fxe+2kzH5HSZt0Mp4N3gTsZND+Fb+5++2onSTPkdV9UlR M4NyO+380tNG26aT08vHGQt9GKqjdxdU87j4NJyXNmwCvb34pX9hRg0mnE+SLVxCip6m/ihj3kJv 8uMm0G2riJ82Eeyx6UqSM5S3+FpCeTWPEHF8Yg6quhMlS4z2G8TV5hzaSbNMxJW30Ey1XGG4x2QS aeFimJFdsgZ5l3BLXTcxXAqLb4ehOntfgOoZuEmP2H8bDb9nwkqtstKojfN78NVdsP5XSJzAJHw/ FR+kWnguhC15YQafwzdXZqWBFN+Pdwgy0z0nSg2FqumI9HhZouban1XfJdvoZ9dUu6AEn7fiBm/B cRVe0VfQsgvFsecSLSXU0HjBWkIhrCPEZHkcT0V3/YHPlV9Tw3dDvrYF2SIoLQSds/k41aI0nuKb 44nV9TBzopGMiEwidwafo8cF1M0G4nA3sTmFIJW9dJi1hqhfRmhfRqquofLzeM7Aqdaz81pwWvwA 9dxN1rXsSS7Q/zrjVLEQJ1l95W4mxhMJU7/4xwnJ3WV1Kuf13GSzuyS3Cfm8i+vdDTC+CHoX2s8I +3BhiWrpQrz/b4S0HvpqfKh+dZFt1c4vgcZ3ms5DvmCtoBDWEaL/UKKeA76VjV/nbKkozPRBglwY dNFu/Gd6aRuOflL+Rs40rEOrBQ+4cd2G/eyDkHYR3edATpsbPoSfPB2c5g41DtRYJ1IOpT3n6AXN NTY2KpQrPDqpu/baAbW47svlHX0rI8f9dsMxaUni7Vadc/FkGwUkLJLYR4zzVGYfejCmT472B259 QBS00qkmpq2k6n6TMQQnG2YV0mdxg0WCzdlcT8tHaNlAL/6IFeLpbydI2d6cA1r4GjVY7btxRdn0 BOsqRhlklBBsVaEQ1qrHdrzWsS/Jhvhi0kAuD2/PVsL7noqbmRLG1GVTcooxaeoPb/+uzGctrOmG kRXtuPxt11BwBw04e7ebNMliTFdrEmAGxnM4N8TVqu+JII8A7uaOwTR3GHFKme3QhyRX42x/4yac 5BkaTbKCl0hNe9TURpQyvrspO2DFtbusm5uM8cv082pCIaxVDpnd2flsA70bc4vf9Wi1OaZ3mw0/ d2dq93liJ3ZKkldMVqxin4qYwoErni2G7L42EpN9Qv7W7rdZZ+mnS3uhVRQ5s/yusrVfRxrBtHJE XcrH7ALO7bHOYmS7LVuVNEPOFZqdNA94Gctb1LehU/qrLrg+29cYdEA6QDmkqihfCGs1oRDWKodq NhYYhcVs/if309FZJkZN9buBHzvoGjqhlcApIayMtDKm1e1O6rAclkhK0dXlnASresvUOBdyGmhi WC123UtyO/FuCPGEzr5m8YiXPPiwy4jF7ssq9DIAlKuoIi6R0lfwrep3G7QXzBoZmvO0XY5+ByM+ aY6rIZ5pC2W9kW5O0Zf1pQWrBoWwVjnkwhnbU/Aa25HC3k9XY0n3pfVZSstqnFIjkUmS86k+uuvL DcGwMtLaj6jdicuRlyIXhVNNF9L5vHa+92nTh6XJpTac7GvNNFYwuaqTbBwJ5k1k6yydHSy7ksqf zKVgm54tTTQC24MzctPjzY8u1+i0gPZB1qE9/pNJBY8QhbBWOZKkCeE+Ytps0Zb0VS5szyLVydNo ao25iKykpsz2xPmK0wbA4SIgFcanhJVd2jNUyHfQ+xKpudTSs1RfnyOf9qm57lXLFud5R/YAJyLh joiXD0lRoPYh7jX5gvP9bPtDn5Zx7swaZulbQ2M9uK5baGSrbURKMfUklNGd1YRCWKsc1XgTqb+L 1t1Gqk615TmVLXEY2QCw13C00jOLTKpH7FSg2pDSx+mK9WxdvH+oOHE2McgWRpcROfSt9Sbjwshp R/4Gq+/s5Amix/XZ7keWNWkO3BzR3YPXGFQcEOmZVKTzV4S0DqfUUDWt5WhqstwZzY+lYDWhENZq h23lWU8KMzTciq824BstH+3bIgZvOiSlcar/TEMP1ZyW9hekV47oLC8cFRLOfq9IzIRjK3+VP0VF eKpv9XFtjnT2e1wdYYdQRyZRrVuwYw06Xtk6q7BuxDMhNV2K2pXfovN4kbUev8RuYQfJSEspY9c4 cOtxUTKMcgasNpSXa7VD9WX7pP+mavHpL7cQ09/j3f+B0euglhrzHhhtxfUlZtVWmxy9ZKzsEmZE dy++OcH2DrLUh8GY1rYyfxrXfA8hqPvWLZBY0RGUBUyeVcy2e/tlFRzYiVSB3K63r+tAetp4L034 DJEbGPKazqm0605qRtCK/JZzEqp1JL6Cc1eo5k41qWEo6+lTIM3SaruRrlfJlqbaz8cS9RYN1qpD Iaw1DvOhl0YpjTo1uCKOrbYqS/Wmw15/5WWkcFDR3qkQfnqOxg6IyA7OM6ffH1zZXkGMy6NMIr5s hBW8iuynk5ghBTlPzNDK7jhtzRuMtJRCdseiw/EGXL2Edx/HVSfgqvUkdUrdIslJFa808etgM513 g19nUgyqToZRSGtVoRDWWseuJ8N6T+zfROv+DqftPb1XEuJZOaiZn8oaHgqZsGwsxn8e117WOa8O O0eEZYOvB9FwcdD3KwlsKtbSQeTu5fL3TmX+0yGeB0vPJWoBRf0FovuSOTNETqDiHFPJO38Pzlfl CLwAAAsdSURBVN2KZztu4enQWzJ/rRg+Zmp+b5HWBeA0i6gIdBaq7Ta/Sdh7xLKLgscWhbDWOtbf Y5/c+FK8CuR+hEvHQe8mmJciXJqpQ6Ar1Lda7OpvJKTLcF3R21V7upRv2SJhBaZi0+mvdDvxQX6X h/+MEK0WJS8sjdzIfXSQJRpuEz5pf+BltphWtxNtsQVU1d/h0ndC++wsoahuhbgpk6r/JowvyXed LgSNKZnh+5SsiqZhtaEQ1lqHtie7jbYyUDWboO6a8Yb2823MhfdDXn/6RWNLIgzL+lK9fQ4XoT2E 3mnlQgptr7fL5CUUQQ0BE55KW3Zzt9hjIzQzhDwfbbRlZbPqZeC35xqbhYybwH8i17A0NB22gd/Z NRd0H3PdXsI667UewVNZ8PijENYah/GCLG5sMkd2pV2VXiJMsyQ+zA101jjeq9CtbUALeZ6wVtF7 uH/s5yFTwocIZLJwanl83JY/d8aGkkioxqZFqu3SWXjn8o7Wzm5Mzhda7yHpBHHGjP5yNPZeaJ8G 8Rr7Pg3eY/bQZg7o7sbxNPPD936B1Gid/ZE/vwWPLcpLtsYRuxa/d9PZwSnJrNQoHALL11dMcynR 76W15bC7ce2lUK10Y3gQcdcBewpXqs272UaLrCLOTXDSS2n20Wxk9oBboB18jMRmQjwj/16HUQ2J ptDXrOBmUpCh4QIpXklSQd0lXF+D2HN4TsK5O3DxCvBLONXImlOgko/8bNmcs8pQCGuNI9kC0a20 aC9i24kpddaPH2YJZ7rOvoF2CyncTFThnntwURuAVpzxD7i9Ln9bYWi4/+eCX3Ef+tiQCcnqWfPK X+lpE5HSTqV1tudHx7LOFtWidV6yWF6azbrYcB+p/x5cfLHJKlx6Or7dlSNBLbeQPENRoNW0Zo18 Qym6ryoUwlrjqLT+y4hk44pXXP+o8KyYR3Uc1Y5avOYNZYBlhJE/Rn4XPZnmtSfnclW6n1j9tq3k 8uk020Z94LD0ykgqr6B/0DRxCjftRHaR37Ih4oNbOE/vxsZvNG0kqcJAglWtrz8V0g+tkEpEqKaj NyKtFbdjnmSFrFYbCmEVdK4NnSmfvJPVTWOXrcnqWRcx7wpUFy6EzQRebh70qdZexDNxZtnQyRJM Sa4vbJngY3D0/e6jG8Y+AI/F/Rc8liiEVdDN1U1nAxVtbaflVhL3UmtdmLLBpImY23Dqwi2dbvUg eu+0y2m4WiNA5qoqwrI0Ub43j8VWnrxGTXuiCz+tfRTCesJDdaGshTJHB+RzpQ/9lyULU9+o7JI8 m+tMPanRN9m2Ho/GY/o41YqWIyy5labOWvnRg1LBA+ydC9Y0CmE9wWFD0DaZpwjFikJ4t5nKtebX rgK9PKdyl7ATmQ6m2deTcXytuyWN6Yj4por1bBL46D+AQ7X5ispqraEQ1hMeU/Hn1H4hf3h/om1Z btoRIYwt7dP+P6t0VTvwNki8ieD3dCQVzHY5e2d1FfvHgrAegpMU3WUP+kf/EAoeOxTCeoJDkZUi IUVaahA639WC7ENr4lXf2r8lJ5//2XfKBKWa+VNameT0qdEazfJ1tqePSYQTH4KsisBqLaIQ1hMd yuS8CEu1LPlOycVhKgbVggd9LWeERXP61NZl3wkuW7dA1cyYTN3ZNhoV7LN9cjbHeywM8qZrx6aY RnfTrwvWEgphPcERukAkrNwes3y+By0GzEZ4tnBVRfRudjDJTcuWJi5f1mtO0Qr4Ux+sSecMSicM nXpjdf7wK99+U85Z3n+o28nkZ9Gc9grmXWNGjssXXXZ5mN6QVPMrZRXFVXQtoRBWwSGRLMXrLJLl 3GDe8CsvsCKoscK8PnSZPimGvFXHcPA6sYPU8AcEQ1NlfP6dpZj7t2Z0CyYeKoCaKusf8gIFqxiF sAoODYuoplPS+5dRLNfowx15iWk7A21n9qfATGMyYTshnb/ixsKKcZ0ppvY0Kwv005rZgVqFBxTQ VyjyD01cBWsFhbAKDolcz5puTh3ltKwjCX2dms14n3BhCUJOw6we1vaI8QRsuXJ3S/ujq5WElRdC 7L8MBxHNNI3M4gurly2T56HIqmAtohBWwaFhRXdB6+2XzNJFSyGswK7FEF4eVFsgnqkqfMdLDYRv QLgL0rcfRCIrzbFWRlHT2tb0sjl8su6lRXiyt+mkCl1B32lV/UryegAKca01FMIqODSmfOI7YrBx G5n5qYiugelLcPqZ3wE+Dz2LUlzajI9bVnDGNLJ6MNeGlb9fCXUuM6ml5fsUWlyn0M/boFfexkHH XspYawqFsAoeHpJGd2YINig9izf3UXXk9FlrtNbv12+Z4d8CKSw8yA1NSWVlYXwqNj3YCz7iYt/I ytna+2yglXVe1fL84wPrYmXuea2iEFbBobEyQlGXMIkoZvb/eGWXsBOTmgK1ncGlmf3vsIfs7B1U 1zrgcr7rCFadPCIPVR9IWAenmCUNXMsohFVwaBxMMIdKsQ41B/OQRFUd+nLak9r9Ig86H4QxpN5t tMwQbRfiDhxbskNOpWis5IRrCYWwClY3etqyo03XizizTd4io1KoR7ZwNav0C9YKCmEVrHJE2zHo bWHqQrc17H7gY3k7jnvB432ABUcRhbAKVjfi8aZrTfLiCsNODXELrfscyd9HRSGstYRCWAWrGlrA mnp7oJk3jamrd+sH+OZiUvXxx/vwCo4yCmEVrGrE6jYSt+Oq8/BatmqdxAtto4/TMtWCNYVCWAWr GgGZCm4lMiaaVmtueTs07dWPiYdgwWOHQlgFqxuTTbi0CdfTgtdtkE7JrsluB2l0HHUhrDWFQlgF xzj27l/jJVssfTjNM8qaeZFQy/FUAZW2PE+9t4Tj8tUK1hQKYRUc45h6ca3Qpjqp3JUKFlHoEw2F sAqOaWjlmEZ9jKimpGVuDdKwywW14ImEQlgFxzY6C+S847CLqKbzhUIJsp5QKIRVcGzDVvloqLoh psZIyzlt9umWpxbCekKhEFbBMQ0FVdm1RmvIZOaX8Axxrtv4XPCEQiGsgmMbFkXJrE9ktcdM+xKT zkFLNjdFt/BEQiGsgmMf5nLadnsP89KKmOq8fZpu8UXBEwKFsAqOaUTJsNZ9EccfETieuPR9sDgk bfjfRPd6Eu8kcInZyDQyP+29j2rx+TDcTow9vNeuxIK1gkJYBcc03Lr7oL0cJpfjQsIPPgmDrwJP h6WX0Qz+EdgMozPx9ULe8mNjOcfjvRisYC2hEFbBMY1WyyzUCayz8op49YFLdhY3wfDXoX4tjDbj hhH622BxIwxKC3GtoRBWwTGNaGM4TWd13MMlfexvEIZmPfAc8O8lDReIzQWZ4IZfgdH5ZTxnjaEQ VsExDc8uYEPnHtqS3Dbbh2j+7nEeN9wOS8+G3vVE/6dQvRW3cC1uZsaisoK1hUJYBcc0QnNiN07Y bYhOG7PUwXZY7CZxPG4wgb1X4dIszD8dBl+C8TOIdVFqrTUUwio4pmF+fLZLtVqx7V42oyKvdTRe b+KobJFqfD7wevCnQ+92mvEp9HqP9yMoOJoohFVwbCOOwOtjWmWfgaTdXxHchFHTx1XbCWErDBOM fthWf7XKGHu3Q3EdXVMohFVwbKNS1fzBKucKtfrM2jt4a+csWuXP/fwpFLJacyiEVVBQsGpQCKug oGDVoBBWwf/fTh3QAAAAIAyyf2pzfIMQDCqEBWQIC8gQFpAhLCBDWECGsIAMYQEZwgIyhAVkCAvI EBaQISwgQ1hAhrCADGEBGcICMoQFZAgLyBAWkCEsIENYQIawgAxhARnCAjKEBWQIC8gQFpAhLGAV B4B/wUdhTR7ZAAAAAElFTkSuQmCC cc6ef8db-a348-4952-8a54-311a08aee389 Mapa (Map) del proyecto ArcGIS Pro Datos_Estadisticos_TMAP Programa Modelos de Funcionamiento y Sostenibilidad – Laboratorio de Sistemas de Información Geográfica y Sensoramiento Remoto Instituto Amazónico de Investigaciones Científicas - SINCHI sinchi@sinchi.org.co 20261012 ArcGIS Metadata 1.0 FeatureServer Versión 1.0 MapServer Versión 1.0 withheld WWW:LINK-1.0-http--link ArcGIS REST Services Directory Directorio de servicios geográficos de ArcGIS REST del SIAT-AC Datos_Estadisticos_TMAP Map Datos_Estadisticos_TMAP Map es el mapa del proyecto ArcGIS Pro Datos_Estadisticos_TMAP del Instituto Amazónico de Investigaciones Científicas – SINCHI para la consulta de indicadores, tablas y gráficas de la Tasa Media Anual de Praderización (TMAP) en la Amazonia colombiana a escala 1:100.000, en el marco de SIMCOBA y del SIAT-AC; describe la praderización (transformación de coberturas a pastizales) en los periodos 2002_2007, 2007_2012, 2012_2014, 2014_2016, 2016_2018, 2018_2020, 2020_2022 y 2022_2024. Integra los siguientes componentes, cada uno con su propio metadato: - Capa_Tmap: capa de entidades poligonales (MultiPolygon, EPSG:3857) para la visualización, los selectores de periodo, departamento, municipio, CAR, paisaje y estado legal y el zoom. - Area_SIMCOBA: tabla independiente sin geometría para alimentar el indicador de área monitoreada por SIMCOBA del tablero de datos estadísticos TMAP. - Area_UER: tabla independiente sin geometría para alimentar el indicador de área total de la UER del tablero de datos estadísticos TMAP. - Grafica_Multitemporal: tabla independiente sin geometría para alimentar la gráfica de praderización del tablero de datos estadísticos TMAP. Los componentes son Query Layers de ArcGIS Pro sobre la base de datos institucional PostgreSQL/PostGIS. El mapa base institucional «Mapa Base - SIAT-AC» se usa como referencia cartográfica. Integrar la capa temática y las tablas independientes del tablero de datos estadísticos TMAP para su consulta por periodo, departamento, municipio, CAR, paisaje y estado legal. Instituto Amazónico de Investigaciones Científicas SINCHI (2026). Mapa del tablero de datos estadísticos de la Tasa Media Anual de Praderización (TMAP) de la Amazonia colombiana a escala 1:100.000, periodos 2002–2024. Versión 1. Programa Modelos de Funcionamiento y Sostenibilidad – Laboratorio de Sistemas de Información Geográfica y Sensoramiento Remoto. Uriel Gonzalo Murcia Instituto Amazónico de Investigaciones Científicas - SINCHI umurcia@sinchi.org.co Recurso construido sobre los ocho periodos oficiales de monitoreo (2002_2007, 2007_2012, 2012_2014, 2014_2016, 2016_2018, 2018_2020, 2020_2022 y 2022_2024) y la serie anual de coberturas 1:100.000 (2002, 2007, 2012, 2014, 2016, 2018, 2020, 2022 y 2024). Colombia Amazonia colombiana Praderización Tasa media anual de praderización TMAP SIMCOBA SIAT-AC Escala 1:100.000 Colombia Amazonia colombiana Praderización Tasa media anual de praderización TMAP SIMCOBA SIAT-AC Escala 1:100.000 Información temática a escala de referencia 1:100.000, derivada de la interpretación de coberturas de la tierra de SIMCOBA; debe interpretarse conforme a su escala, metodología, periodos de monitoreo y limitaciones de la fuente. No reemplaza levantamientos de detalle ni delimitaciones oficiales. Instituto Amazónico de Investigaciones Científicas SINCHI (2026). Todos los derechos reservados. Cualquier uso de este recurso requiere autorización previa del Instituto SINCHI. En los casos autorizados, deberá citarse al Instituto SINCHI como fuente de la información. Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Los datos se publican como datos abiertos de conformidad con la Ley 1712 de 2014 y la normativa colombiana vigente. Instituto Amazónico de Investigaciones Científicas SINCHI (2026). Todos los derechos reservados. Cualquier uso de este recurso requiere autorización previa del Instituto SINCHI. En los casos autorizados, deberá citarse al Instituto SINCHI como fuente de la información. Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Los datos se publican como datos abiertos de conformidad con la Ley 1712 de 2014 y la normativa colombiana vigente. 100000 Amazonia colombiana. Periodos de monitoreo 2002_2007, 2007_2012, 2012_2014, 2014_2016, 2016_2018, 2018_2020, 2020_2022 y 2022_2024. Amazonia colombiana 2002 2024 La información se genera en el Instituto Amazónico de Investigaciones Científicas – SINCHI, Programa Modelos de Funcionamiento y Sostenibilidad, de acuerdo con la metodología y el protocolo institucional de generación de información de SIMCOBA: interpretación de las coberturas de la tierra a escala 1:100.000 por corte de monitoreo, administración en la base de datos institucional PostgreSQL/PostGIS, preparación de vistas de publicación y estructuración de los recursos mediante Query Layers de ArcGIS Pro. Cada componente del mapa conserva su trazabilidad en su metadato individual. Preparación de la vista de publicación e2_modfun_pub.tmap_mapa_s300_pub_mv y de las fuentes temáticas y territoriales en PostgreSQL/PostGIS. Construcción de la capa temática y de las tablas independientes como Query Layers de ArcGIS Pro. Integración en el mapa (Map) del proyecto Datos_Estadisticos_TMAP.