Cartographie de La Pauvrete

RT
TOGO
CARTOGRAPHIE
DE LA
PAUVRET
2011
PNUD Togo
40, Avenue des Nations Unies
B.P.911 Lom
Tl. +228 22 21 20 08 / 22 21 20 22
Fax. +228 22 21 16 41
E-mail. registry.tg@undp.org
Site web www.tg.undp.org
CARTOGRAPHIE DE LA PAUVRET
2011
TOGO
Harold Coulombe, consultant indpendant dans llaboration de ce document peut tre joint hcoulombe@videotron.ca. Ltude a t finance par le
Programme des Nations Unies pour le Dveloppement (PNUD). Elle est base sur les donnes du Questionnaire des Indicateurs de Base du Bien-tre (QUIBB
2011) et du quatrime Recensement Gnral de la Population et de lHabitat (RGPH4) et a connu la participation de cadres de la Direction Gnrale de
Statistique et de la Comptabilit Nationale (DGSCN).
Harold COULOMBE
avec la contribution de
Akoly GENTRY et Kokou AMOUZOUVI
QUIPE DE RELECTURE DU RAPPORT FINAL
AGBETI Komi, FEBON Akindl, ETSE Kafui, AGBOBLY-ATAYI Ayikou, ALOGNON Amako,
FAROUH Planam, FANKEBA Souradji, GUEMA Dyen, BADOHOUN K. Yawovi, OURNA Tchambago,
AKAKPO Koassi, TELOU Tchilabalo, KOUPOGBE Essey Senah, DUYIBOE Abravi, DJATO Souleymane,
AKOUETE F. Dlali, ADEDZI Kodzo Awoenam, LAMBONI Mateydou, SEGLA A. Komi.
Publi avec lappui du
Programme des Nations Unies pour le dveloppement
Direction artistique
Emile KENKOU, PNUD
Edition
BEYOND PRODUCTIONS
Rsum
Introduction
1. Cartographie de la pauvret montaire : mthodologie et rsultats
1.1. Mthodologie
1.2. Bases de donnes
1.3. Rsultats de la cartographie de la pauvret montaire
2. Rsultats des indicateurs OMD
3. Corrlations entre les diffrents indicateurs
Conclusion

Rfrences

Annexe 1: Mesures de la pauvret
Annexe 2: Mthodologie de la cartographie de pauvret montaire
Annexe 3: Modles de prdiction du niveau de vie des mnages, par strate
Annexe 4 : Mesures de la pauvret montaire et nombre de pauvres, selon les rgions, les prfectures et les
cantons/communes/quartiers du Togo
Annexe 5 : Indicateurs OMD non-montaire, selon les rgions, les prfectures et les cantons/communes/
quartiers du Togo
Liste des cartes
Carte 1: Incidence de la Pauvret
Carte 2: Profondeur de la Pauvret
Carte 3: Taux demploi de la population ge de 15 64 ans
Carte 4 : Proportion demploi non-salari dans la population occupe
Carte 5 : Taux de dpendance dmographique
Carte 7 : Taux net de scolarisation au niveau secondaire
Carte 8 : Taux dalphabtisation des hommes de 15-24 ans
Carte 9 : Taux dalphabtisation des femmes de 15-24 ans
Carte 10 : Ratio fille/garon des lves au niveau primaire
Carte 11 : Ratio fille/garon des lves au niveau secondaire
Carte 12 : Proportion des femmes salaries dans le secteur non agricole
Carte 13 : Proportion de la population utilisant une source deau potable amliore
Carte 14 : Proportion de la population utilisant des infrastructures dassainissement amliores
Carte 15 : Proportion de la population utilisant llectricit
Carte 16 : Proportion de la population nutilisant pas le bois comme combustible pour la cuisson
Carte 17 : Proportion de la population utilisant le tlphone fixe
Carte 18 : Proportion de la population utilisant le tlphone mobile
Table des matires
07
09
13
13
13
15
23
59
63
65
67
71
75
79
133
18
19
26
28
30
32
36
38
40
42
44
46
48
50
52
54
56
05
Liste des tableaux et graphiques
Tableau 1: Statistiques descriptives du dcoupage administratif du Togo
Tableau 2: Indicateurs de pauvret selon le profil de pauvret (Indicateur actuel) et la cartographie de pauvret
(Indicateur prdit), par strate
Graphique 1: Coefficients de variation, par niveau de dsagrgation
Graphique 2: Coefficient de variation et incidence de pauvret, canton/commune/quartier
Graphique 3: Intervalles des incidences de la pauvret locales, par rgion
Tableau 4: Liste des indicateurs OMD calculs partir des donnes du RGPH4
Graphique 4: Corrlation entre le taux demploi et la pauvret
Graphique 5: Corrlation entre la proportion demploi non-salari et la pauvret
Graphique 6: Corrlation entre le taux de dpendance dmographique et la pauvret
Graphique 7: Corrlation entre le taux net de scolarisation primaire et la pauvret
Graphique 8: Corrlation entre le taux net de scolarisation secondaire et la pauvret
Graphique 9: Corrlation entre le taux dalphabtisation des hommes et la pauvret
Graphique 10: Corrlation entre le taux dalphabtisation des femmes et la pauvret
Graphique 11: Corrlation entre le ratio fille/garon des lves au niveau primaire et la pauvret
Graphique 12: Corrlation entre le ratio fille/garon des lves au niveau secondaire et la pauvret
Graphique 13: Corrlation entre la proportion de femmes en secteur salari et la pauvret
Graphique 14: Corrlation entre le taux daccs leau potable et la pauvret
Graphique 15: Corrlation entre le taux daccs aux installations sanitaires amliores et la pauvret
Graphique 16: Corrlation entre le taux dutilisation de llectricit et la pauvret
Graphique 17: Corrlation entre le taux de non utilisation du bois comme combustible et la pauvret
Graphique 18: Corrlation entre le taux de possession dun tlphone fixe et la pauvret
Graphique 19: Corrlation entre le taux de possession dun tlphone mobile et la pauvret
Tableau 5: Matrice de corrlation entre les diffrents indicateurs OMD au niveau des cantons/communes/
quartiers
14
16
20
20
21
23
27
29
31
33
35
37
39
41
43
45
47
49
51
53
55
57
60
P
our mettre en uvre des politiques cibles de lutte contre la pauvret, les dcideurs politiques ont souvent
besoin dinformations gographiques dsagrges jusquau niveau des cantons en gnral et des quartiers
pour la Commune de Lom en particulier. En combinant des donnes denqutes auprs des mnages qui
disposent dinformations sur leur consommation, et des donnes de recensement qui ont lavantage de
lexhaustivit en termes de couverture de la population, la mthodologie des cartes de la pauvret permet
de disposer de donnes gographiques fines sur la pauvret. Ce document prsente la cartographie de
la pauvret du Togo obtenue partir de la dernire enqute auprs des mnages datant de 2011 (QUIBB) et du RGPH4
ralis en 2010. Les rsultats sont prsents et analyss au niveau des rgions, prfectures, cantons, communes et quartiers
de la Commune de Lom. Pour les mmes niveaux administratifs, quelques indicateurs des Objectifs du millnaire pour le
dveloppement (OMD) sont prsents, ainsi quune brve analyse de la corrlation entre ces diffrents indicateurs.
Rsum
07
A
u cours des vingt dernires annes, les profils de pauvret ont t utiliss comme des outils importants
permettant de caractriser, destimer et de bien comprendre lvolution de la pauvret dans les pays
en dveloppement. Bass sur des donnes collectes auprs des mnages, incluant des informations
dtailles sur les dpenses et les revenus, ces profils de pauvret ont trois objectifs principaux : (i)
ils prsentent dabord les caractristiques des mnages selon leur niveau de vie montaire ou non
montaire, (ii) ils aident ensuite dterminer leffet des politiques sur la rduction de la pauvret, et
(iii) comparent enfin les niveaux de pauvret entre les rgions, les catgories de mnages et leur volution dans le temps.

Bien que ces tudes sur les mnages aient permis damliorer la connaissance du niveau de bien-tre des mnages
en gnral et de celui des pauvres en particulier, cette approche se caractrise par un certain nombre dinsuffisances. En
effet, les dcideurs politiques et les acteurs de dveloppement ont souvent besoin dinformations dsagrges afin de mieux
planifier la lutte contre la pauvret. Prcisment, il leur est ncessaire de disposer des informations sur des petites units
gographiques telles que des villes, quartiers, cantons ou mme des villages. Dire que les personnes qui souffrent le plus
de la pauvret se trouvent dans une rgion donne ne permet probablement pas de cibler efficacement les groupes les plus
pauvres. En revanche, indiquer aux responsables politiques et aux acteurs de dveloppement chargs de lutter contre la
pauvret les prfectures ou mme les cantons dans lesquels se regroupent les mnages les plus pauvres savre beaucoup
plus utile. En effet, lutilisation de donnes rgionales cache souvent de fortes disparits intra-rgionales et lexistence de
poches de pauvret dans des rgions relativement plus aises. Disposer dinformations au niveau local doit donc permettre
de lutter plus efficacement contre la pauvret. Cest pourquoi, les indicateurs de pauvret doivent tre disponibles un
niveau local dans la mesure o les ingalits spatiales demeurent importantes au sein dune mme rgion.

Au cours de ces dernires annes, de plus en plus de pays optent pour llaboration des cartographies de la pauvret.
La quasi-totalit de ces tudes utilise une mthodologie dveloppe par Elbers, O. Lanjouw et P. Lanjouw (2002, 2003).
Cette mthodologie apparat demble plus sophistique que les autres
1
pour plusieurs raisons : elle utilise tout dabord
linformation sur les dpenses des mnages, ensuite donne les mmes rsultats au niveau agrg que le profil de pauvret,
et enfin permet de calculer les carts-types des indicateurs de pauvret. Puisque ce type de cartographie de pauvret est
pleinement compatible avec les rsultats du profil de pauvret, elle devrait tre considre comme une extension naturelle,
cest--dire une manire de rendre oprationnel le profil de pauvret.

Le prsent rapport documente la construction de la premire cartographie de la pauvret du Togo qui utilise les
donnes du RGPH4 et de lenqute QUIBB 2011.

Avec un PIB par habitant (en parit du pouvoir dachat) de seulement $798, le Togo est lun des pays les plus
pauvres en Afrique de lOuest. Par contre lindice de dveloppement humain du PNUD le place au 162
me
rang, mieux
que la plupart de ces mmes pays voisins montairement plus riches. De plus, la pauvret montaire a peu boug aux cours
de ces dernires annes. Selon le dernier profil de pauvret
2,
lincidence de pauvret a lgrement diminu aux cours des
dernires annes en passant de 61,7% en 2006 58,7% en 2011.
INTRODUCTION
1
Voir Henninger (1998), Henniger et Snel (2002) et Davis (2003) pour une revue critique des diffrentes mthodologies lies aux cartes de pauvret.
09
2
DGSCN, 2012, Togo : Profil de pauvret 2006-2011
La Sous-prfecture de la Plaine de M est considre comme une prfecture pour mettre en exergues ses particularits
Les 5 Arrondissements de la Commune de Lom sont considrs au mme titre que les prfectures.
Par contre, lutilisation du seuil de pauvret alimentaire rvle une augmentation de la pauvret extrme de 28,6%
30,4% durant la mme priode. Eu gard aux dfis conomiques relever par le Togo, il est primordial que llaboration
des politiques de lutte contre la pauvret soit pleinement appuye sur des informations pertinentes, dsagrges et de bonne
qualit. En construisant une base de donnes permettant un meilleur ciblage gographique, les rsultats de ce rapport
devraient contribuer amliorer lefficacit des politiques de lutte contre la pauvret et aider les diffrents partenaires
conomiques mieux cibler leurs zones dintervention.

Lincidence de pauvret montaire a t calcule pour chacun des 36 prfectures
3
, des 5 arrondissements de la
Commune de Lom
4
et des 386 cantons. En isolant la partie communale de certains cantons et les diffrents quartiers de
Lom, lincidence de pauvret a aussi t calcule pour les 513 units administratives (cantons, communes et quartiers
de la Commune de Lom) du Togo. En plus de lincidence de pauvret montaire, ce rapport prsente aussi une srie
dindicateurs des Objectifs du millnaire pour le dveloppement (OMD) pour le mme dcoupage administratif, ainsi
quune brve analyse des corrlations entre ces diffrents indicateurs.

Le prsent document essentiellement descriptif est structur en trois sections : la premire section se concentre
sur les cartographies de pauvret montaire en prsentant la mthodologie et les donnes utilises ainsi que les principaux
rsultats. La deuxime section prsente la construction et lanalyse dune srie dindicateurs des OMD et la troisime section
est consacre quelques analyses prliminaires des corrlations entre les diffrents indicateurs. Les rsultats dtaills la
base des diffrentes cartographies prsentes dans le rapport se retrouvent en annexe.
3
La construction de la mesure du bien-tre des mnages suit la mthodologie dveloppe par Angus Deaton et Salman Zaidi, (2002), Guidelines for Constructing
Consumption Aggregates for Welfare analysis, Living Standards Measurement Study Working Paper: 135, v. 104, pp. xi, Washington, D.C.: The World Bank.
4
Les 5 Arrondissements de la Commune de Lom sont considrs au mme titre que les prfectures
C
ette section prsente brivement la mthodologie utilise pour llaboration de la cartographie de pauvret
montaire, puis dcrit les bases de donnes utilises et enfin les principaux rsultats.
1.1. Mthodologie
La mthodologie pour llaboration de la cartographie de la pauvret montaire dcoule dune ide relativement
simple. Tout dabord, un modle de rgression des dpenses per capita des mnages est estim en utilisant les donnes dune
enqute auprs des mnages, en limitant lensemble des variables explicatives celles qui sont communes et comparables
lenqute utilise et au recensement disponible. Ensuite, les coefficients de ce modle sont appliqus aux donnes du
recensement afin de prdire les dpenses de tous les mnages se retrouvant dans la base de donnes du recensement.
Finalement, le niveau de dpenses prdit des mnages est utilis pour construire une srie dindicateurs de bien-tre
(incidence, profondeur, svrit de la pauvret et ingalit) pour les diffrents sous-groupes gographiques constitus.
Bien que lide qui sous-tend la mthodologie soit conceptuellement simple, sa mise en uvre adquate requiert
une procdure destimation complexe. Cette complexit provient principalement de la ncessit de prendre en compte
lauto-corrlation spatiale (les dpenses des mnages lintrieur dun mme groupe peuvent tre corrles) et de
lhtroscdasticit dans llaboration du modle prdictif. La prise en compte de ces subtilits conomtriques permet de
sassurer que les prdictions ne seront pas biaises mais efficaces. Une autre raison rendant la procdure destimation non
triviale est la volont destimer les cart-types pour chaque statistique de bien-tre. Le calcul de ces cart-types apparait
important puisquil permettra de diagnostiquer le plus bas niveau dagrgation quil est possible denvisager dans le calcul
des indicateurs. Comme il est possible de dsagrger les rsultats des niveaux gographiques trs bas, le nombre de
mnages disponibles pour les estimations dcrot et les estimations sont par consquent de moins en moins prcises. A un
niveau donn, les estimations des indicateurs de pauvret deviennent trop imprcises pour tre utilises avec confiance.
Une prsentation plus complte de la mthodologie se retrouve lannexe 2.
1.2. Bases de donnes
Selon le dernier Recensement gnral de la population et de lhabitat (RGPH4) effectu en 2010, le Togo comptait
6 191 155 personnes rparties au sein de 1 298 153 mnages. Le questionnaire utilis a permis de recueillir dune part
auprs de chaque individu des informations sur ses caractristiques dmographiques, son niveau dinstruction et son
emploi et dautre part auprs de chaque mnage des informations sur les caractristiques de leur habitation ainsi que sur
la possession de biens durables. Lenqute QUIBB, ralise en 2011, est la dernire enqute auprs des mnages ayant
collect des informations sur le niveau de dpenses des mnages. Des tests dgalit des variables-cl utilises, communes
I. Cartographie de la pauvret montaire :
mthodologie et rsultats
13
Niveau
Administratif
Nombre
dunits
Nombre de mnages Nombre dindividus
Mdiane
Mdiane Minimum Minimum Maximum Maximum
Rgion
Prfecture/Arrondissement
Canton
Canton/Commune/Quartier
6
41
386
513
167 944
20 611
1 553
1 555
105 997
5401
118
41
372 855
159 926
76 090
23 597
759 728
113 038
8 274
7 992
576 806
22 435
966
160
1 642 921
682 715
309 324
88 055
Tableau 1: Statistiques descriptives du dcoupage administratif du Togo
Source: RGPH4, DGSCN.
5
DGSCN, 2012, Togo : Profil de pauvret 2006-2011, Lom, Togo
6
Dans le cadre de cette tude, le Grand Lom est constitu de la Commune de Lom, la prfecture du Golfe, les cantons dAdtikop et dAgbodrafo
au recensement et lenqute pour tablir la cartographie de pauvret, confirment que les caractristiques des mnages
entre les deux dates sont comparables. Lenqute QUIBB 2011 a collect des informations sur les dpenses auprs de 5 491
mnages regroupant plus de 29 676 individus.

Lindice de bien-tre des mnages et le seuil de pauvret utiliss dans la construction de la cartographie de pauvret
correspondent ceux du dernier profil de pauvret
5
. Lindice de bien-tre des mnages est dfini comme les dpenses par
quivalent adulte des mnages. Une estimation de la valeur de lautoconsommation, surtout alimentaire, a aussi t incluse
dans lagrgat de dpenses. Les diffrences de prix entre les six diffrentes rgions du Togo ont aussi t prises en compte
travers le calcul dune srie de seuils de pauvret. Le seuil normalis Lom est de 276 400 FCFA en 2006 par quivalent
adulte. Ces seuils sont les mmes que ceux utiliss lors du dernier profil de pauvret. Lutilisation du mme indice de bien-
tre et des mmes seuils de pauvret assure que les rsultats de la cartographie de pauvret sont pleinement cohrents avec
ceux du profil de pauvret.

Administrativement, le Togo est divis en diffrents niveaux distincts : les rgions, les prfectures et les cantons.
Les six rgions (Lom compris) sont subdivises en 41 prfectures/arrondissements. Le troisime niveau administratif est
compos de 386 cantons. De plus, il est possible de subdiviser les cantons entre les zones communales et non-communales.
En outre, la capitale Lom et la prfecture du Golfe sont ventiles en quartiers rsidentiels. Ainsi, ce quatrime niveau
administratif hybride compos de cantons (partie non-communale), communes et quartiers du Grand Lom
6
sera le
niveau administratif le plus dcentralis pour lequel on calculera les diffrents indicateurs. Le tableau 1 prsente quelques
donnes dmographiques de ce dcoupage administratif permettant de mieux apprcier la taille des diffrentes entits
administratives. Ainsi les six rgions ont une taille mdiane de prs de 168 000 mnages et les 41 prfectures vont de
seulement 5 401 mnages (Plaine de M) prs de 160 000 (Golfe), tandis que les cantons/communes/quartiers ont en
moyennes beaucoup plus de petites taille en terme de nombre de mnages. Le calcul dindicateurs de pauvret au niveau
des cantons/communes/quartiers est particulirement important tant donn que ce niveau administratif est au sein du
processus de dcentralisation en cours au Togo.
1.3. Rsultats de la cartographie de la pauvret montaire
Cette sous-section prsente les principaux rsultats obtenus lors des diffrentes tapes de la construction de la
cartographie de pauvret y compris les incidences de pauvret aux niveaux des rgions, prfectures, cantons/communes
et quartiers de Lom. Afin de maximiser la prcision des rsultats, les diffrents modles de prdiction ont t estims au
plus faible niveau de dsagrgation laquelle lchantillon du QUIBB tait reprsentatif. Ainsi, lchantillon est divis
en quatre sous-groupes : Grand Lom, autres villes, rural sud
7
et rural nord
8
. Un modle prdictif du niveau de vie des
mnages (mesur par le niveau des dpenses par quivalent adulte) a t dvelopp pour chacune de ces strates, en utilisant
les variables explicatives communes au QUIBB et au RGPH4.

La premire tche a t didentifier les variables communes lenqute et au recensement. Dans un premier temps,
les questions et choix de rponses des deux questionnaires ont t compars afin disoler les variables ayant un pouvoir
potentiel de prdiction. Par la suite, les moyennes de ces variables dichotomises ont t compares et un test dgalit
a t effectu
9
. Se restreindre aux variables o lgalit des moyennes na pas t rejete devrait assurer la cohrence des
incidences de pauvret imputes avec celles calcules laide des donnes de lenqute utilises pour le profil de pauvret. Il
est noter que ces tests dgalit ont t effectus strate par strate et que le plan de sondage de lenqute a t pris en compte
dans le calcul des carts-types
10
.

En se limitant aux variables ayant, strate par strate, les mmes moyennes, une srie de modles de prdiction
du niveau de vie des mnages a t estime. A partir des variables ayant t retenues la premire tape, un modle de
prdiction a t choisi pour chacune des quatre strates. Le choix des diffrents modles a t principalement bas sur leur
pouvoir explicatif (R
2
) du niveau de vie des mnages, ainsi que leur propension reproduire adquatement les incidences
de pauvret issues du profil de pauvret bas uniquement sur les donnes denqute. En plus des variables au niveau des
mnages, une srie de variables caractrisant les communauts (grappe) ont t utilises afin de minimiser le problme
dautocorrlation spatiale
11
. Le problme dhtroscdasticit a t corrig laide dune rgression complmentaire liant
les rsidus de la premire rgression une srie de variables retenues.

Les coefficients (R
2
) des diffrentes strates se situent entre 0,32 et 0,56, valeurs conformes ce type de rgressions
sur des donnes denqute, y compris dans le cas des autres cartographies de pauvret construites dans les pays du continent
africain. Un examen rapide des diffrents coefficients montre que ceux-ci sont tous crdibles, mais il est trs important de
noter que ces modles sont purement prdictifs dun point de vue statistique, et ne devraient jamais tre interprts comme
des modles causals de dtermination de la pauvret. Dans ce cas, il y a plusieurs variables endognes ; ce qui serait fautif
dans un modle de dtermination de la pauvret, mais est parfaitement honnte dans un modle de prdiction. Dans le cas
de la construction de cartographies de pauvret, lintrt a port uniquement sur le pouvoir prdictif des modles. Les R2
relativement petits pour certains des modles sont principalement causs par quatre facteurs importants.
15
7
Rural Sud est constitu des zones rurales des rgions Maritime et des Plateaux.
8
Rural Nord est constitu des zones rurales des rgions Centrale, de la Kara et des Savanes.
9
Pour ces tests dgalit des moyennes, un intervalle de confiance de 95% est utilis. Autrement dit, il est test si la valeur moyenne de chaque variable du recensement
se situait lintrieur de lintervalle dfini par la valeur moyenne de ces mmes variables calcules sur les donnes du recensement plus ou moins deux carts-types de
ces mmes moyennes. Il est noter cependant que les variables dichotomiques plus petites que 0,03 ou plus grande que 0,97 nont pas t retenues afin dviter des
problmes de quasi-colinarit lors des rgressions effectues la prochaine tape.
10
Ces variables testes, rejetes ou non, sont disponibles.
11
Les coefficients de ces rgressions multivaries, bases sur les donnes du QUIBB 2011 pour chacune des quatre strates sont prsents lannexe 3
Incidence (P0)
QUIBB
(Actuel)
Grand Lom
Autres Villes
Rural Sud
Rural Nord
RGPH4
(Prdiction)
Profondeur (P1) Svrit (P2)
Tableau 2: Indicateurs de pauvret selon le profil de pauvret (Indicateur actuel) et la
cartographie de pauvret (Indicateur prdit), par strate
Sources: QUIBB 2011 et RGPH4, DGSCN
Note: les carts-types sont entre parenthses
Premirement, dans plusieurs rgions, les mnages sont trs homognes en termes de caractristiques observables
malgr le fait que leur niveau de dpenses varie beaucoup plus, particulirement en milieu rural. Cela donne ncessairement
de faibles R
2
. Deuximement, un grand nombre de caractristiques qui pourraient tre de trs bons prdicteurs du niveau
de vie des mnages ne sont pas tous prsents la fois dans le questionnaire du recensement et dans celui de lenqute. Par
exemple, la prsence de questions sur la possession de biens durables dans le questionnaire du RGPH4 aurait grandement
amlior le pouvoir explicatif des diffrents modles conomtriques. Troisimement, plusieurs bons prdicteurs ont t
limins la premire tape tant donn que leur distribution semblait tre trop diffrente entre le QUIBB et le RGPH4.
Et finalement, tous les prdicteurs mesurent une quantit, sans tenir compte de la qualit de ceux-ci. Par exemple, les bases
de donnes renseignent sur le niveau dinstruction du chef de mnage, mais aucune information nest disponible quant la
qualit de cette ducation qui est susceptible de varier selon les coles frquentes.

En utilisant les rsultats obtenus des diffrentes rgressions ltape prcdente, un niveau de vie a t imput
chacun des mnages se retrouvant au sein du recensement, et par la suite diffrents indices de pauvret et dingalit sont
calculs. Le prsent rapport se concentre sur les indicateurs de pauvret. En utilisant la famille dindicateurs de la pauvret
dveloppe par Foster et al. (1984), lincidence de pauvret (P0), sa profondeur (P1) et sa svrit (P2) (Tableau 2) ont t
estims pour chacune des entits administratives mentionnes prcdemment. Avant de prsenter les rsultats dsagrgs,
les rsultats de la cartographie de pauvret sont compars avec ceux du profil de pauvret pour le niveau le plus dsagrg
mais commun aux deux sources de donnes. Le tableau 2 compare les indices P0, P1 et P2 au niveau des quatre strates
ayant servi la construction de la cartographie de pauvret. Ainsi, pour toutes les strates, les indicateurs de lincidence
de pauvret sont statistiquement gaux entre les rsultats du profil et ceux de la cartographie. Ceci est aussi vrai pour les
indicateurs P1 et P2. Aussi, les carts-types des indices de pauvret de la cartographie de pauvret sont systmatiquement
plus petits que ceux calculs uniquement partir des donnes denqute. Malgr le fait que les incidences de pauvret
bases sur les donnes du recensement ne peuvent tre compares avec les incidences calcules par le profil quau niveau
des quatre strates, leurs galits donnent un excellent test de la fiabilit de la mthodologie utilise ici pour llaboration de
la cartographie de pauvret.
QUIBB
(Actuel)
RGPH4
(Prdiction)
QUIBB
(Actuel)
RGPH4
(Prdiction)
28.5
(2.1)
40.6
(2.9)
66.5
(2.7)
86.1
(1.7)
28.0
(1.2)
40.4
(2.2)
66.2
(2.1)
85.6
(1.1)
6.8
(0.8)
13.7
(1.3)
26.9
(1.9)
42.8
(1.7)
8.3
(0.5)
13.8
(1.0)
26.1
(1.3)
43.9
(1.2)
2.6
(0.4)
6.2
(0.7)
13.8
(1.3)
25.2
(1.4)
3.6
(0.3)
6.5
(0.6)
13.3
(0.9)
26.5
(1.0)
17
En sappuyant sur les mmes modles conomtriques utiliss pour calculer les incidences de pauvret prsentes
au tableau 2, les cartes 1 prsentent lincidence de pauvret au niveau des prfectures et cantons/communes et des quartiers
du Grand Lom respectivement. Les rsultats dtaills ayant servi la composition de ces cartes sont prsents lannexe 4.

Les incidences de pauvret par prfecture prsentes la carte 1a refltent les rsultats du profil de pauvret o les
prfectures de la rgion des Savanes lextrme nord du pays sont de loin les plus pauvres tandis que les prfectures du sud
du pays moins pauvres. Au sein des diffrentes rgions dlimites par des traits gras sur les cartes 1a et 1b les diffrentes
prfectures (Carte 1a) ou cantons/communes (Carte 1b) ne sont pas homognes en termes de niveau de pauvret. Par
exemple, les prfectures de la rgion Maritime ont des incidences de pauvret allant de 33% 59%. Au niveau des cantons/
communes/quartiers (Cartes 1b et 1c), les incidences pour cette mme rgion vont de 20% plus de 70% (Annexe 4 pour
les rsultats prcis). Ainsi, un ciblage au niveau des prfectures et encore plus au niveau des cantons/communes/quartiers,
permettrait de mieux distribuer les ressources vers les zones les plus pauvres. Pour un budget donn, lefficacit ainsi
gagne permettra de diminuer davantage la pauvret par rapport un ciblage uniquement bas sur le niveau de pauvret
de la rgion. Un examen attentif des cartes 2a, 2b, 2c, montrant la profondeur de la pauvret, rvle le mme portrait
gographique.

Quen est-il de la fiabilit des rsultats ? Un examen attentif des rsultats lannexe 4 montre que les carts-types en
proportion des incidences de pauvret sont faibles et dnote ainsi que nos diffrentes mesures de pauvret sont relativement
fiables. Malgr cela, il est difficile de porter un jugement objectif sans une base de comparaison quelconque. Pour
ce faire, le graphique 1 prsente les coefficients de variation de la mesure de lincidence de pauvret (P0) au niveau des
prfectures et des cantons/communes/quartiers. Le graphique 1 montre que les estimations au niveau des prfectures et
cantons/communes/quartiers sont fiables par rapport notre benchmark (0,2). Le seul bmol concerne quelques cantons/
communes ayant des coefficients de variation suprieurs 0,2. Ces cantons/communes/quartiers, comme le montre le
graphique 2, ont cependant toutes des incidences de pauvret plus faibles que la moyenne nationale et sont ainsi peu
susceptibles dinfluencer des indicateurs de ciblages des zones les plus pauvres.
Carte 1:
12
Incidence de la Pauvret
13

a) Prfecture b) Canton/Commune
c) Quartiers du Grand Lom
Sources: RGPH4 et QUIBB 2011, DGSCN
Note : Rate ( in %) dsigne Taux ( en %)
12
Pour toute lgende, la virgule dsigne le signe de lintervalle. Exemple: 20,30 reprsente lintervalle 20-30
13
Une srie de cartes lannexe 6 prsente les noms des diffrentes rgions, prfectures, cantons/communes et quartiers du Grand Lom.
Carte 2: Profondeur de la Pauvret
a) Prfecture b) Canton/Commune
Sources: RGPH4 et QUIBB 2011, DGSCN Sources: RGPH4 et QUIBB 2011, DGSCN
19
0
.
2
.
4
.
6
0 .2 .4 .6 .8 1
Proportion des mnages (ordonns selon le CV)
Benchmark (0,2) Prfecture Canton/commune/quartier
0
2
0
4
0
6
0
8
0
1
0
0
0 .2 .4 .6
Coefficient de variation
Incidencedela pauvret nationale (58,7%)
Coefficient de variation benchmark (0,2)
Canton/Commune/Quartier
0
20
40
60
80
100
L
o
m
M
a
r
i
t
i
m
e
P
l
a
t
e
a
u
x
C
e
n
t
r
a
l
e
K
a
r
a
S
a
v
a
n
e
s
Rgion Administrative
Il a t mentionn prcdemment qu lintrieur dune zone gographique ou administrative, de fortes diffrences
dans les mesures de pauvret peuvent tre observes. Le graphique 3 illustre bien cela. Ce graphique donne les intervalles
des mesures de lincidence de pauvret observes lintrieur des rgions. Les intervalles sont souvent larges, et dautant
plus larges que les niveaux administratifs considrs sont dsagrgs. Ils montrent clairement qu lintrieur dune rgion
dont lincidence de pauvret est relativement basse, il peut y avoir certaines zones qui ont des mesures de la pauvret leves,
et plus leves que les mesures obtenues pour dautres rgions. Expliqu diffremment, le graphique 3 donne une indication
des gains dans lestimation de la pauvret au niveau local qui sont obtenus en utilisant les donnes du recensement par
rapport aux donnes denqute dont la reprsentativit statistique est souvent limite au niveau des grandes rgions.
Graphique 1: Coefficients de variation, par niveau de
dsagrgation
Graphique 2: Coefficient de variation et incidence de
pauvret, canton/commune/quartier
a) Prfecture
Sources: RGPH4 et QUIBB 2011, DGSCN Sources: RGPH4 et QUIBB 2011, DGSCN
21
0
20
40
60
80
100
L
o
m
M
a
r
i
t
i
m
e
P
l
a
t
e
a
u
x
C
e
n
t
r
a
l
e
K
a
r
a
S
a
v
a
n
e
s
0
20
40
60
80
100
L
o
m
M
a
r
i
t
i
m
e
P
l
a
t
e
a
u
x
C
e
n
t
r
a
l
e
K
a
r
a
S
a
v
a
n
e
s
c) Canton/Commune/Quartier
b) Canton
19
L
es donnes du recensement sont aussi trs utiles pour formuler les politiques publiques, par exemple en
termes de ciblage des cantons /communes qui auraient des taux de scolarisation particulirement bas, ou
des taux de disparit entre garons et filles particulirement hauts. Ces indicateurs peuvent tre calculs
directement partir des donnes du recensement puisque le questionnaire du recensement dispose de
questions ces propos. Cette section prsente les rsultats dune quinzaine dindicateurs OMD pouvant
tre directement calculs partir des donnes du RGPH4.
Les indicateurs du tableau 4 incluent des indicateurs officiels OMD ainsi que quelques indicateurs qui ne le sont pas mais
qui nous paraissaient indispensables, tels que laccs llectricit ou le taux de scolarisation au secondaire. Les cartes
3 18 montrent les rsultats aux niveaux des prfectures et des cantons/communes, tandis que les donnes relles sous-
jacentes se retrouvent lannexe 5.
2. Rsultats des indicateurs OMD
23
Indicateurs
Moyenne nationale
Homme Femme Ensemble
[3] le taux doccupation (population ge de 15 64 ans)
[4] le pourcentage demplois non-salaris dans la population occupe
[5] le ratio de dpendance dmographique*
[6] le taux net de scolarisation dans le primaire
[7] le taux net de scolarisation dans le secondaire*
[8] le taux dalphabtisation des hommes de 15 24 ans
[9] le taux dalphabtisation des femmes de 15 24 ans
[10] le rapport du nombre de filles et de garons dans lenseignement primaire
[11] le rapport du nombre de filles et de garons dans lenseignement secondaire
[12] le pourcentage de femmes dans le secteur salari non agricole
[13] le pourcentage de la population ayant accs leau potable
[14] le pourcentage de la population ayant accs des installations sanitaires
[15] le pourcentage de la population ayant accs llectricit*
[16] le pourcentage de la population utilisant le gaz ou le charbon comme combustible*
[17] le pourcentage de la population possdant un tlphone fixe
[18] le pourcentage de la population possdant un tlphone mobile
69.2
77.9
n/a
79.3
49.2
83.4
n/a
n/a
n/a
n/a
n/a
n/a
n/a
n/a
n/a
n/a
67.4
88.1
n/a
77.0
36.4
n/a
66.3
n/a
n/a
23.2
n/a
n/a
n/a
n/a
n/a
n/a
68.2
83.2
52.1
78.1
43.1
n/a
n/a
0.91
0.62
n/a
46.5
43.7
33.5
38.4
3.8
55.1
Tableau 3 : Liste des indicateurs OMD calculs partir des donnes du RGPH4
Note : * dnote un indicateur OMD non-officiel
L
a carte 3a au niveau des prfectures montre des variations significatives du taux doccupation de la
population ge de 15 64 ans rvolus, mme si un groupe de prfectures chevauchant les rgions de la Kara
et Centrale ont des taux nettement plus faibles quailleurs. Les taux doccupation sont particulirement
faibles dans la prfecture de la Kozah, ainsi que dans quelques cantons/communes (Carte 3b) lextrieur
de cette zone. Le graphique 4 prsente la relation entre lincidence de pauvret et le taux doccupation
au niveau des cantons/communes/quartiers du Grand Lom (CCQ) sous forme dun nuage de points.
De plus, une rgression linaire a t estime par milieu et pour lensemble des CCQ. Dans le cas du taux doccupation, le
graphique 4 montre une relation positive pour le milieu rural et ngative pour le milieu urbain. Dans le cas du milieu rural
cette relation positive est explique par le fait que peu dindividus gs de plus de 15 ans vont lcole et que la grande
majorit des individus sont des travailleurs indpendants dans leur ferme familiale. Par contre, en milieu urbain les taux de
frquentation lcole secondaire sont beaucoup plus levs et que le chmage est principalement un phnomne urbain au
Togo. Cela diminue videmment la participation au march du travail. Ces rsultats dmontrent clairement la pertinence
de donnes ventiles au niveau local dans la mise en application de politiques de lutte contre la pauvret en gnral, et de
mesures sur lemploi en particulier. Il faudra noter que le taux doccupation mesure la proportion de la population en ge
de travailler ayant un travail, que lindividu soit salari, apprenti, aide-familial ou bien travailleur indpendant.

Les cartes 4 montrent le pourcentage de ces travailleurs qui sont considrs comme non-salaris, incluant les
indpendants, employeurs et aides familiaux. Il convient de noter que la quasi-totalit des prfectures et CCQ ont une
proportion de travailleurs non-salaris de plus de 80%. Les seules zones ayant un plus faible pourcentage se trouvent dans
les zones urbaines. Le graphique 5 confirme que les CCQ ayant un fort pourcentage de travailleurs non-salaris sont aussi
les plus pauvres.

Le ratio de dpendance dmographique est dfini comme le rapport entre la population ge de moins de 18 ans et
de plus de 65 ans (les tranches dges les moins susceptibles de contribuer conomiquement leur mnage) et la population
dge compris entre 18 et 64 ans, Dans lensemble, les rsultats prsents sur les cartes 5 montrent peu de variation entre les
diffrentes prfectures et CCQ lexception des zones trs urbanises telles que le Grand Lom et la ville de Kara. Dans
ces deux cas, il est possible de dmontrer que les faibles ratios de dpendance dmographique sont autant dus une plus
faible proportion de jeunes que de vieux dans la population. Le graphique 6 montre que la corrlation entre lincidence de
pauvret des CCQ et les ratios de dpendance dmographique est trs leve.

Les cartes 6 et 7 prsentent les taux nets de scolarisation pour respectivement les niveaux primaire et secondaire.
Pour ces deux indicateurs, les taux sont particulirement faibles dans trois prfectures contigus (Kpendjal, Oti et Dankpen)
dans le nord du pays. A lintrieur de ces prfectures, quelques cantons ont de trs faibles taux nets au primaire, parfois
infrieurs 40%. A quelques exceptions prs, le reste du pays a des taux approchant 100%. Il est vident que si le taux
national au niveau primaire nest pas trs proche de 100%, cest principalement d un petit nombre de cantons. Mme si
les taux nets de scolarisation au niveau secondaire sont beaucoup plus faibles, le pattern gographique est semblable celui
du niveau primaire.

Il est normal que les taux dalphabtisation des jeunes gs de 15 24 ans (Cartes 8 et 9) suivent le mme pattern
gographique que les taux nets de scolarisation. Par contre, ces donnes, ventiles selon le sexe, montrent clairement la
disparit entre lalphabtisation des femmes et des hommes.
25
La disparit entre le niveau de scolarisation des filles et des garons est beaucoup mieux mise en vidence en
examinant le ratio fille/garon dans les coles de niveau primaire (Cartes 10) et secondaire (Cartes 11). Dans lensemble, les
ratios sont infrieurs un, surtout dans le cas du niveau secondaire. Autrement dit, dans la grande majorit des prfectures
et CCQ, il y a plus de garons que de filles dans les salles de cours. Par contre, un examen minutieux des rsultats ne rvle
pas de pattern gographique fort lexception des trois mmes prfectures o les taux nets de scolarisation taient les plus
faibles (Cartes 6 et 7). Les seuls CCQ ayant un ratio suprieur un se retrouvent dans la capitale Lom. Pour ces six derniers
indicateurs lis lducation, les graphiques 7 12 montrent clairement quils sont ngativement corrls avec la pauvret,
cest--dire que les zones les plus pauvres ont aussi les indicateurs ducatifs les plus faibles.

Un dernier indicateur concernant le rle des femmes dans la socit togolaise est la proportion de femmes salaries
dans le secteur non agricole (Cartes 12). Cette tranche de la population occupe particulirement une faible proportion au
Togo et ainsi, les rsultats dans les plus petits CCQ peuvent tre trs instables. Malgr ce bmol, les femmes salaries sont
surtout prsentes Lom.

Les quatre prochains indicateurs concernent quelques caractristiques des mnages ayant une influence sur
lenvironnement : eau, assainissement, lectricit et combustible pour la cuisson. Les cartes 13 montrent la proportion des
individus utilisant une source deau amliore pour leur eau de boisson. Leau provenant dune source dite amliore
peut venir dun robinet, dun forage ou bien dune borne fontaine, et ainsi sont exclus les puits et rivires de cette dfinition.
Dans lensemble du pays, moins de 50% des individus ont ce privilge et seules trois zones se dmarquent positivement :
le Grand Lom, une partie des prfectures de Bassar et la Plaine de M et une zone au centre de la rgion Maritime. Dans
lensemble, les CCQ les plus pauvres ont aussi le plus faible accs une eau de qualit (Graphique 14).

Les cartes 14 montrent le taux dutilisation dinfrastructure dassainissement , cest--dire tous les types de WC et
fosses sches. De faon gnrale, seulement 43,7% de la population utilisent de telles infrastructures dassainissement. Une
analyse des cartes 14 montre qu lexception de la capitale Lom et dune srie de prfectures le long de la frontire sud avec
le Ghana, les taux dutilisation dinfrastructure sont minimaux pour la quasi-totalit du pays. La corrlation avec le niveau
de pauvret est trs grande, autant pour le milieu urbain que rural (Graphique 15).

A lexception des diffrentes communes urbaines du Togo, laccs llectricit (Cartes 15) demeure extrmement
faible (moins de 20% des individus) dans lensemble du pays et ngativement corrl avec le niveau de pauvret (Graphique 16).

Lutilisation du bois comme combustible de cuisson demeure un enjeu important au Togo, particulirement cause
de son influence sur la dforestation du pays. Afin dexaminer le phnomne au niveau local, il a t construit un indicateur
dfini comme la proportion des individus nutilisant pas le bois comme combustible (Cartes 16). A lexception des quartiers
de Lom et de quelques autres zones urbaines, le bois demeure malheureusement omniprsent comme combustible pour la
cuisson.

Lavnement de la tlphonie mobile a grandement vulgaris lutilisation du tlphone au Togo, comme partout
ailleurs en Afrique. Tandis que le tlphone fixe nest prsent de faon significative que dans quelques quartiers de Lom
(Cartes 18), les tlphones mobiles se retrouvent sur lensemble du territoire togolais (Cartes 19) . Mme si les taux dutilisation
sont beaucoup plus levs dans les zones urbaines, plusieurs zones rurales ont aussi des taux dutilisation suprieurs 50%.
a) Prfecture
b) Canton/commune
Carte 3: Taux demploi de la population ge de 15 64 ans
27
c) Grand Lom
Graphique 4: Corrlation entre le taux demploi et la pauvret
4
0
.
0
6
0
.
0
8
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'emploi (en %) Rgression linaire
Incidence de la pauvret (en %)
a) Prfecture
b)Canton/Commune
Carte 4 : Proportion demploi non-salari dans la population occupe
29
c) Grand Lom
Graphique 5: Corrlation entre la proportion demploi non-salari et la pauvret
2
0
.
0
4
0
.
0
6
0
.
0
8
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Pourcentage d'emploi non salari (en %) Rgression linaire
a) Prfecture
Carte 5 : Taux de dpendance dmographique
b) Canton/commune
c) Grand Lom
Graphique 6: Corrlation entre le taux de dpendance dmographique et la pauvret
3
0
.
0
4
0
.
0
5
0
.
0
6
0
.
0
7
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux de dpendance dmographique (en %) Rgression linaire
31
a) Prfecture
Carte 6 : Taux net de scolarisation au niveau primaire
b) Canton/commune
33
c) Grand Lom
Graphique 7: Corrlation entre le taux net de scolarisation primaire et la pauvret
4
0
.
0
6
0
.
0
8
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux net de scolarisation au primaire (en %) Rgression linaire
a) Prfecture
Carte 7 : Taux net de scolarisation au niveau secondaire
b) Canton/commune
35
c) Grand Lom
Graphique 8: Corrlation entre le taux net de scolarisation secondaire et la pauvret
0
.
0
2
0
.
0
4
0
.
0
6
0
.
0
8
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux net de scolarisation au secondaire (en %) Rgression linaire
a) Prfecture
Carte 8 : Taux dalphabtisation des hommes de 15-24 ans
b) Canton/commune
c) Grand Lom
Graphique 9: Corrlation entre le taux dalphabtisation des hommes et la pauvret
Sources: RGPH4 et QUIBB 2011 , DGSCN
2
0
.
0
4
0
.
0
6
0
.
0
8
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'alphabtisation, hommes (en %) Rgression linaire
Graphs by Milieu dersidence
37
a) Prfecture
Carte 9 : Taux dalphabtisation des femmes de 15-24 ans
b) Canton/commune
39
c) Grand Lom
Sources: RGPH4 et QUIBB 2011 , DGSCN
Graphique 10: Corrlation entre le taux dalphabtisation des femmes et la pauvret
0
.
0
5
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'alphabtisation, femmes (en %) Rgression linaire
a) Prfecture
Carte 10 : Ratio fille/garon des lves au niveau primaire
b) Canton/commune
41
c) Grand Lom
Graphique 11: Corrlation entre le ratio flle/garon des lves au niveau primaire et la pauvret
0
.
5
0
1
.
0
0
1
.
5
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Rapport filles/garons, primaire Rgression linaire
Sources: RGPH4 et QUIBB 2011, DGSCN.
a) Prfecture
Carte 11 : Ratio fille/garon des lves au niveau secondaire
b) Canton/commune
43
c) Grand Lom
Graphique 12: Corrlation entre le ratio flle/garon des lves au niveau secondaire et la pauvret
0
.
0
0
0
.
5
0
1
.
0
0
1
.
5
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Rapport filles/garons, secondaire Rgression linaire
a) Prfecture
Carte 12: Proportion des femmes salaries dans le secteur non agricole
b) Canton/commune
0
.
0
2
0
.
0
4
0
.
0
6
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Pourcentage de femmes dans le secteur salari (en %)
Rgression linaire
45
c) Grand Lom
Graphique 13: Corrlation entre la proportion de femmes en secteur salari et la pauvret
a) Prfecture
Carte 13 : Proportion de la population utilisant une source deau potable amliore
b) Canton/commune
c) Grand Lom
Graphique 14: Corrlation entre le taux daccs leau potable et la pauvret
0
.
0
5
0
.
0
1
0
0
.
0
1
5
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'accs l'eau potable (en %) Rgression linaire
47
a) Prfecture
Carte 14 : Proportion de la population utilisant des infrastructures
dassainissement amliores
b) Canton/commune
49
c) Grand Lom
Graphique 15: Corrlation entre le taux daccs aux installations sanitaires amliores et la pauvret
0
.
0
5
0
.
0
1
0
0
.
0
1
5
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'accs des sanitaires (en %) Rgression linaire
a) Prfecture
Carte 15 : Proportion de la population utilisant llectricit
b) Canton/commune
51
c) Grand Lom
Graphique 16: Corrlation entre le taux dutilisation de llectricit et la pauvret
0
.
0
5
0
.
0
1
0
0
.
0
1
5
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'utilisation de l'lectricit (en %) Rgression linaire
a) Prfecture
Carte 16 : Proportion de la population nutilisant pas le bois
comme combustible pour la cuisson
b) Canton/commune
53
c) Grand Lom
Graphique 17: Corrlation entre le taux de non utilisation du bois comme combustible et la pauvret
Sources: RGPH4 et QUIBB 2011, DGSCN. .
0
.
0
5
0
.
0
1
0
0
.
0
1
5
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux d'utilisation du charbon ou du gaz comme combustible (en %)
Rgression linaire
a) Prfecture
Carte 17 : Proportion de la population utilisant le tlphone fixe
b) Canton/commune
-
5
0
.
0
0
.
0
5
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux de proprit d'un tlphone fixe (en %) Rgression linaire
55
c) Grand Lom
Graphique 18: Corrlation entre le taux de possession dun tlphone fxe et la pauvret
a) Prfecture
Carte 18 : Proportion de la population utilisant le tlphone mobile
b) Canton/commune
c) Grand Lom
Graphique 19: Corrlation entre le taux de possession dun tlphone mobile et la pauvret
0
.
0
5
0
.
0
1
0
0
.
0
0.0 50.0 100.0 0.0 50.0 100.0 0.0 50.0 100.0
Urbain Rural Total
Taux de proprit d'un tlphone mobile (en %) Rgression linaire
57
59
D
urant llaboration de politiques de lutte contre la pauvret, une question cruciale concerne le degr de
corrlation entre les diffrents indicateurs de pauvret montaire et non-montaire. Dans les sections
prcdentes, une quinzaine dindicateurs a t prsente et analyse de faon spare ainsi que la
relation entre lincidence de pauvret et les autres indicateurs. Dans lesprit des OMD, la construction
de multiples indicateurs suppose que lutilisation dun seul indicateur (que ce soit lincidence de
pauvret montaire ou pas) nest pas souhaitable car toutes les dimensions de la pauvret ne seraient
pas couvertes. Dun point de vue statistique, si les diffrents indicateurs taient fortement corrls, lutilisation dun seul de
ces indicateurs (disons le plus facile obtenir) serait suffisante. Par contre, en labsence de fortes corrlations, il serait tout
fait justifi dutiliser les diffrents indicateurs OMD.

Le tableau 5 prsente la matrice de corrlation entre les 18 indicateurs calculs au niveau des cantons/communes/
quartiers et analyss dans ce rapport. Un examen minutieux rvle qu lexception de quelques cas vidents (Exemple :
la corrlation entre les taux nets de scolarisation au primaire et au secondaire), les corrlations sont relativement faibles.
Par contre, il est intressant de noter que compares celles des autres pays de la sous-rgion, ces corrlations peuvent tre
considres comme leves. En particulier, la corrlation entre lincidence de pauvret montaire et les autres indicateurs
OMD est trs forte
16
. Ces rsultats prliminaires dmontrent que lutilisation de multiples indicateurs dans llaboration
des politiques de lutte contre la pauvret nest pas toujours ncessaire, particulirement dans le cas du Togo. Lanalyse
prsente dans le prsent rapport se veut descriptive et ainsi une analyse approfondie, secteur par secteur, serait trs indique
en vue dune utilisation des rsultats bon escient.
3. Corrlations
entre les diffrents indicateurs
16
Lannexe 8 prsente une srie de graphiques de type scatter plots prsentant les nuages de points entre lincidence de la pauvret montaire et les diffrents
indicateurs OMD non-montaires au niveau des cantons/communes. Ces graphiques renforcent la conclusion que lutilisation unique dun indicateur de pauvret
montaire nest pas suffisante dans le cadre dune politique globale de lutte contre la pauvret.
T
a
b
l
e
a
u

5
:

M
a
t
r
i
c
e

d
e

c
o
r
r
l
a
t
i
o
n

e
n
t
r
e

l
e
s

d
i
f
r
e
n
t
s

i
n
d
i
c
a
t
e
u
r
s

O
M
D

a
u

n
i
v
e
a
u

d
e
s

c
a
n
t
o
n
s
/
c
o
m
m
u
n
e
s
/
q
u
a
r
t
i
e
r
s

S
o
u
r
c
e

:

R
G
P
H
4

e
t

Q
U
I
B
B

2
0
1
1
,

D
G
S
C
N
63
C
e rapport a pour principal objectif de documenter llaboration de la cartographie de la pauvret du
Togo. Cette cartographie a permis dobtenir des indicateurs de pauvret des niveaux de dsagrgation
jamais atteints au Togo. Obtenir ces indicateurs de pauvret statistiquement valables au niveau des 36
prfectures, des 5 arrondissements de la Commune de Lom et des 513 cantons/communes/quartiers
laide denqute auprs des mnages serait prohibitifs. Ces incidences de la pauvret sont statistiquement
cohrentes avec ceux du profil de pauvret bas sur lenqute QUIBB 2011.
Un des avantages principaux de la mthodologie utilise est la possibilit de calculer une mesure de dispersion
(cart-type) des diffrents indicateurs de pauvret, et ainsi donner une ide de la prcision des incidences de pauvret
calcules. Cela a permis de confirmer que les incidences de pauvret au niveau des prfectures et des cantons/communes
sont toutes aussi fiables que les incidences de pauvret calcules partir des donnes du QUIBB 2011 au niveau des quatre
strates. Un autre avantage de la mthodologie utilise est la possibilit de calculer des profils de la pauvret au niveau local
qui peuvent aider dfinir des politiques et programmes de lutte contre la pauvret ce niveau.

Il est souvent propos dutiliser les cartes de la pauvret pour cibler les programmes publics, par exemple en
dfinissant diffrentes rgles dallocation budgtaire. De telles rgles seront ncessaires dans le contexte de dcentralisation
ayant cours au Togo. En ciblant les cantons/communes/quartiers les plus pauvres laide des diffrentes mesures de
pauvret, il serait possible de rendre plus efficace les diffrents programmes de lutte contre la pauvret. Outre la construction
doutils de ciblage, les rsultats obtenus peuvent aussi tre utiliss pour lvaluation de diffrents programmes ou projets
anti-pauvret ou bien pour aider les chercheurs mieux comprendre les relations entre la distribution de la pauvret et
diffrents phnomnes socio-conomiques.

Des simulations suggrent, comme cela a t observ dans diffrents autres pays, quun ciblage de transferts en
espce en fonction des caractristiques des mnages (proxy means-testing (PMT)) permettrait, pour un mme budget, de
rduire davantage la pauvret quun ciblage gographique. Cependant, la mise en uvre dun mcanisme de ciblage PMT
est complexe, et les cots administratifs dun tel mcanisme de ciblage sont non ngligeables. Lavantage de la cartographie
de la pauvret est quelle ne ncessite pas la mise en uvre dun ciblage PMT.

Il est cependant important dtre prudent dans lutilisation des rsultats de la cartographie de la pauvret, car
toutes les interventions du gouvernement ne doivent pas ncessairement tre cibles avec cette cartographie. Par exemple,
les corrlations entre les estimations de la pauvret au niveau des cantons/communes/quartiers et les estimations des taux
nets de scolarisation pour lenseignement primaire ou celles des taux de mortalit infantile ne sont pas ncessairement
trs leves. Il existe par exemple des cantons/communes/quartiers trs pauvres o des taux de scolarisation sont plus
levs et des taux de mortalit infantile moins levs que ce que lon peut observer dans des cantons/communes/quartiers
moins pauvres. Il nest donc pas vident que la cartographie de la pauvret soit adquate pour informer les interventions
en matire de scolarisation des enfants ou de sant infantile. Afin de vrifier si la cartographie de la pauvret est loutil
adquat pour cibler une intervention particulire, que cette intervention soit mise en uvre par les autorits publiques ou
des organisations non gouvernementales, il est donc ncessaire de procder des analyses dtailles sur les besoins que
cette intervention vise combler et sur lefficacit de la cartographie de la pauvret par rapport dautres mthodes pour
atteindre les populations vises.
Conclusion
65
Rfrences
Coudouel, A., J. Hentschel, et Q. Wodon, 2002, Poverty Measurement and Analysis, in J. Klugman, editeur, A Sourcebook
for Poverty Reduction Strategies, Volume 1: Core Techniques and Cross-Cutting Issues, World Bank, Washington.
Coulombe, H., 2008, Ghana Census-based Poverty Map: District and Sub-District level Results, in E. Aryeetey and R.
Kanbur (eds.), The Economy of Ghana: Analytical Perspectives on Stability, Growth and Poverty, Oxford: James Currey
Coulombe, H., and Q. Wodon, 2007, Combining census and household survey data for better targeting: The West and
Central Africa Poverty Mapping Initiative, Findings No. 280, Africa Region, The World Bank, Washington, D.C.
Davis, Benjamin, 2003, Choosing a Method for Poverty Mapping, Rome: FAO
Elbers, C., J. O. Lanjouw, and P. Lanjouw, 2002, Welfare in Villages and Towns: Micro level Estimation of Poverty and
Inequality, Policy Research Working Paper No. 2911, DECRG-World Bank, Washington DC
Elbers, C., J. O. Lanjouw, and P. Lanjouw, 2003, Micro-Level Estimation of Poverty and Inequality, Econometrica,
71(1), 355-364
Foster, J.E., J. Greer and E. Thorbecke, 1984, A Class of Decomposable Poverty Measures, Econometrica 52: 761-766
Henninger, Norbert, 1998, Mapping and Geographic Analysis of Human Welfare and Poverty Review and Assessment,
Washington, D.C.: World Resources Institute
Henninger, Norbert and Mathilde Snel, 2002, Where are the Poor? Experiences with the Development and Use of Poverty
Maps, Washington, D.C.: World Resources Institute
Mistiaen, J., zler, B., Razafimanantena, T., Razafindravonona, J., 2002. Putting Welfare on the Map in Madagascar,
Africa Region Working Paper Series 34, The World Bank, Washington, DC.
Zhao, Qinghua, 2005, User Manual for PovMap, mimeo, Development research Group, The World Bank, Washington,
D.C.
67
Annexe 1: Mesures de la pauvret
P
our mesurer la pauvret, il faut en principe disposer (a) dun indicateur du bien-tre tel que la consommation
du mnage par personne ou par adulte quivalent, (b) dun seuil de rfrence (le seuil de pauvret) auquel
le bien-tre de chaque mnage peut tre compar et (c) dune mesure de la pauvret ( Coudouel et al., 2002
dont cette annexe est adapte). Des diffrences dans les estimations de la pauvret peuvent rsulter du choix
de lindicateur du bien-tre, du choix du seuil de pauvret ou du choix de la mesure de pauvret. Cette
annexe dfinit les mesures de la pauvret utilises dans cette tude.
Incidence de la pauvret : Il sagit de la part de la population qui vit en tat de pauvret, celle pour laquelle
la mesure de consommation se situe en dessous du seuil de pauvret z. Soit une population de taille n dans laquelle q
personnes sont pauvres. Lincidence de la pauvret P0 est dfinie comme suit :
Profondeur ou cart de la pauvret : Lcart de pauvret, souvent choisi pour reprsenter la profondeur de
la pauvret, correspond la distance moyenne qui spare la population du seuil de pauvret lorsquune distance zro
est attribue aux non-pauvres. Lcart de pauvret est une mesure du dficit de pauvret de la population entire. En
loccurrence, la notion de dficit de pauvret traduit les ressources qui seraient ncessaires pour extraire tous les pauvres
de leur situation par des transferts en espces parfaitement cibls. Lcart de la pauvret se dfinit par la formule:

o y
i
est la consommation dun individu i, et la somme porte uniquement sur les individus pauvres (en pratique, la
consommation de chaque individu dans un mnage est dfinie comme tant gale la consommation par habitant du
mnage). Lcart de la pauvret peut tre considr comme le produit du ratio de lcart de consommation et de lincidence
de la pauvret en nombre dhabitants, le ratio de lcart de consommation tant lui-mme dfini comme

P
1
=C*P
0
, avec

q
i
i q
q
y
q
y o
z
y z
C
1
pauvres. des moyenne on consommati la est
1

Le ratio de lcart de la consommation C nest pas en lui-mme une bonne mesure de la pauvret. Supposons que
certains mnages ou certains individus pauvres, mais proches du seuil de pauvret amliorent progressivement leur niveau
de vie et cessent dtre pauvres. Le ratio de lcart de la consommation augmentera parce que la distance moyenne sparant
les pauvres du seuil de pauvret saccrotra (certains de ceux qui taient moins pauvres sont sortis de la pauvret et, par
consquent, ceux qui restent en tat de pauvret sont en moyenne plus loigns du seuil de pauvret), ce qui conduirait
conclure une dtrioration du bien-tre. Pourtant, personne na vu sa situation empirer et certains, au contraire, ont vu la
leur samliorer. Cependant si le ratio de lcart de la consommation augmente, lcart de la pauvret P1 diminue, linstar
de lincidence de la pauvret en nombre dhabitants, ce qui voque une rduction de la pauvret. Le problme tient au fait
que le ratio de lcart de la consommation est dfini sur la base de la population pauvre, alors que lcart de la pauvret est
dfini par rapport la population tout entire.

Lcart de la pauvret permet dvaluer la quantit de ressources thoriquement ncessaires pour radiquer la
pauvret moyennant des transferts en espces parfaitement cibls au profit des pauvres. Supposons, par exemple, que lcart
de pauvret soit gal 0,20. Ceci signifierait que le transfert en espces requis pour extraire chaque personne pauvre de sa
situation reprsente en moyenne 20% du seuil de pauvret. Si la consommation moyenne du pays tait gale deux fois le
seuil de pauvret, le transfert en espces reprsenterait seulement 10% de la consommation moyenne du pays.
n
q
P
0
q
i
i
z
y z
n
PG
1
1
69
Dans le mme ordre dide, si la consommation moyenne des non-pauvres atteignait deux fois le seuil de
pauvret et quune moiti de la population tait pauvre, il serait ais de dmontrer que le taux dimpt (dans le cas dune
illustration pour les pays dvelopps par exemple) qui devrait frapper les non-pauvres pour radiquer la pauvret serait
nouveau de 20%. Si la consommation moyenne des non-pauvres tait quivalente quatre fois le seuil de pauvret,
le taux dimposition serait de 10%. Ces simulations simples permettent de saisir intuitivement la signification de lcart
de pauvret. Cependant, en pratique, comme les transferts parfaitement cibls destins radiquer la pauvret ne sont
ni ralisables ni ncessairement souhaitables (car des taux dimposition levs risqueraient dtouffer la croissance et,
partant, toute nouvelle rduction de la pauvret), il convient de les utiliser avec circonspection.

Svrit ou cart de la pauvret au carr : Cette mesure est souvent dcrite comme indicative de la svrit de
la pauvret. Alors que lcart de la pauvret prend en compte la distance qui spare les pauvres du seuil de pauvret, la
svrit considre le carr de cette distance. Lutilisation de la svrit revient pondrer lcart de pauvret en fonction
de lui-mme, de manire privilgier les personnes en situation dextrme pauvret. En dautres termes, lcart de la
pauvret au carr prend en compte lingalit parmi les pauvres. Il sobtient de la manire suivante :

Lincidence de la pauvret, lcart de la pauvret et la svrit sont les trois premires mesures de la classe dite
FGT (Foster et al. 1984). La formule gnrale de cette classe de mesures de la pauvret fait appel un paramtre , qui
prend la valeur zro (0) pour lincidence de la pauvret, un (1) pour lcart de la pauvret et deux (2) pour lcart de la
pauvret au carr dans lexpression suivante :
Dans les valuations de limpact des politiques publiques ou des programmes associatifs sur la pauvret, y compris
au niveau local, il est important dutiliser lcart de la pauvret ou la svrit en plus de lincidence de la pauvret, car
ces trois mesures traduisent des aspects diffrents de la pauvret en termes de consommation. En effet, une valuation
fonde sur la seule incidence de la pauvret conclurait une plus grande efficacit des politiques qui permettraient aux
mieux nantis parmi les pauvres (ceux qui se trouvent au plus prs du seuil) dchapper la pauvret. Sur la base de lcart
de la pauvret P1 lvaluation mettrait laccent sur laide apporte aux individus plus loigns du seuil et lutilisation de
la svrit P2, prendrait en compte les plus pauvres parmi les pauvres.
q
i
i
z
y z
n
P
1
2
1
2
D
D
q
i
i
z
y z
n
P
1
1
71
Annexe 2: Mthodologie de la
cartographie de pauvret
montaire
C
ette mthodologie a t dveloppe par Elbers, O. Lanjouw et P. Lanjouw (2002, 2003). Elle est fonde
sur :
l'estimation du modele de iegiession du logaiithme de la depense pai tte a paitii des
donnes denqute, en utilisant un ensemble de variables explicatives qui sont communes
lenqute et au recensement,
l'utilisation des paiameties de la iegiession poui piediie la depense de tous les menages
du recensement.
l'elaboiation d'une seiie d'indicateuis de bien-tie poui les diffeients gioupes geogiaphiques.
Le terme indicateur de bien-tre englobe un ensemble dindicateurs fonds sur la dpense des mnages. Cette note
met laccent sur lincidence de pauvret (P0) mais les indicateurs usuels de pauvret et dingalit peuvent galement tre
calculs. Bien que lide soit simple, sa ralisation requiert une procdure complexe permettant de prendre en compte lauto
corrlation spatiale et lhtroscdasticit dans le modle de rgression. Par ailleurs, le calcul des diffrents indicateurs de
bien-tre et de leurs cart-types accrot considrablement la complexit de lexercice. La discussion ci-dessous se divise en
trois parties, chacune delles reprsente une tape de la construction de la cartographie de la pauvret. Cette prsentation
sinspire largement des papiers thoriques originaux de Elbers, O. Lanjouw et P. Lanjouw ainsi que de Mistiaen et al.
(2002).

Premire tape. Pour commencer, il est ncessaire de dterminer un ensemble de variables explicatives prsentes
dans les deux bases de donnes qui remplissent certains critres de comparabilit. En effet, pour tre en mesure de reproduire
une cartographie de pauvret compatible avec le profil de pauvret, il apparat important de se restreindre aux variables qui
sont pleinement comparables dans le recensement et lenqute. On commence donc par vrifier que le libell des questions
et des rponses sont bien les mmes dans les deux questionnaires. A partir des questions slectionnes on construit ensuite
une srie de variables dont on teste la comparabilit. Bien quil soit prfrable de tester la comparabilit des distributions de
chacune des variables, en pratique on retient seulement la moyenne. Afin de maximiser le pouvoir prdictif des modles de
la seconde tape, toutes les analyses sont effectues au niveau de chacune des strates, de mme que les tests de comparabilit
des diffrentes variables partir desquelles les modles dfinitifs seront dtermins.

Deuxime tape. On estime tout dabord le modle de la dpense du mnage par tte en utilisant les donnes de
lenqute. Afin de maximiser sa prcision, lestimation du modle est ralise au plus bas niveau gographique pour lequel
lenqute reste reprsentative. Ce niveau est habituellement les strates dchantillonnage. Spcifions le modle de la dpense
(y
ch
) du mnage h localis en c, x
ch
est le vecteur des variables explicatives, et u
ch
est le terme derreur :
ln y
ch
= E [ln y
ch
x
ch
] + u
ch
(1)
Les localits reprsentent des groupes de mnages dfinis par le plan de sondage. Elles peuvent aussi reprsenter des
zones dnumration du recensement, bien que ce ne soit pas ncessairement le cas. Les variables explicatives doivent tre
prsentes la fois dans le recensement et dans lenqute, et doivent avoir une dfinition commune. En toute logique, les
moments de la distribution des variables explicatives devraient aussi tre les mmes dans les donnes denqute et dans les
donnes du recensement afin de mesurer convenablement les indicateurs de bien-tre. Lensemble des variables a t dfini
dans la premire tape. Si on linarise la prcdente quation, on peut modliser le logarithme de la dpense par tte de la
manire suivante :

Le vecteur des perturbations u est distribu selon ) , 0 ( 6 F . Le modle (2) est estim par la mthode des Moindres Carrs
Gnraliss (MCG). Pour estimer le modle on a dabord besoin destimer la matrice de variance-covariance 6 afin de
prendre en compte la possible auto corrlation spatiale (les dpenses des mnages lintrieur dun mme groupe sont
corrles entre elles) et lhtroscdasticit. Pour se faire, on spcifie le terme derreur comme suit :
o
c
K

est leffet de localisation et
ch
H est la composante individuelle du terme derreur.

En pratique, on estime dabord lquation (2) par un simple MCO, puis on utilise les rsidus comme des estims
pour les perturbations, notes
ch
u . On dcompose alors le rsidu en une composante localisation et une autre composante
mnage non corrle :

ch c ch
e u K

Le terme de localisation (
c
K ) est estim par la moyenne des rsidus de chaque groupe et la composante mnage (
ch
e ) est
simplement dduite. Lhtroscdasticit dans la dernire composante de lerreur est modlise par la rgression de son
carr (
2
ch
e ) sur une longue liste de variables indpendantes du modle (2), leur carr et leurs interactions entre elles ainsi
quavec la variable de bien-tre. Un modle logistique est utilis pour cela.
Ces calculs de lerreur sont utiliss pour produire deux matrices qui sont additionnes pour donner
, la matrice de
variance-covariance estime du modle (2). Cette dernire matrice permet finalement destimer les coefficients du modle
(2).
ch
ch
ch ch
ch
ch

ln y
ch
= x
ch
+ u
ch (2)

ch ch c ch
u H K

ch (3)
(4)
Troisime tape. Pour complter la carte on associe les paramtres estims dans la deuxime tape aux
caractristiques de chaque mnage du recensement pour prdire le log de la dpense par tte et les perturbations simules.
Puisque la structure trs complexe des perturbations a rendu le calcul de la variance des indices de bien-tre trop complique,
la technique du bootstrap est utilise pour obtenir une mesure de la dispersion de ces indices. A partir de ltape prcdente,
on peut, pour chaque mnage du recensement, simuler la valeur de lindicateur de bien-tre ( ) partir de lestimation
des coefficients et des termes derreur :
Cette simulation est rpte 100 fois, chaque fois en retirant lensemble des coefficients et des termes derreur. La
moyenne et lcart-type des indices de bien-tre simuls donnent ainsi les deux premiers moments de lindicateur de bien-
tre estim.
73

)
~ ~
~
exp(
' r
ch
r
c
r
ch
r
ch
y H K E x
75
Annexe 3: Modles de prdiction du
niveau de vie des mnages,
par strate
A) Grand Lom
Nombre dobservations
R-carr
Source : QUIBB 2011, DGSCN
Constante
Taille du mnage (en log)
# homme (15-35 ans)
# femme (15-35 ans)
# femme (36-65 ans)
Chef veuf (0/1)F
Chef cole tertiaire (0/1)
Conjoint alphabtis (0/1)
# de pices
lectricit (0/1)
Bois comme combustible (0/1)
Toilette avec chasse deau (0/1)
Possde une cuisinire (0/1)
Possde une voiture (0/1)
Possde un ventilateur (0/1)
Possde des caprins (0/1)
13.088
-0.538
-0.048
0.039
0.084
-0.071
0.131
0.080
0.059
0.215
-0.202
-0.120
0.210
0.550
0.189
0.247
0.041
0.029
0.014
0.017
0.027
0.050
0.042
0.029
0.010
0.037
0.070
0.027
0.039
0.053
0.028
0.072
318.32
-18.52
-3.30
2.27
3.08
-1.49
3.09
2.69
5.97
5.71
-2.85
4.42
5.25
10.27
6.73
3.43
Variable Coefcient E.T. t-ratio
1059
0.557
B) Autres Villes
R-carr
Constante
# homme (15-35 ans)
Chef cole secondaire (0/1)
Chef cole tertiaire (0/1)
Chef mari monogame (0/1)
Chef mari polygame (0/1)
# de pices
Mur en dur (0/1)
lectricit (0/1)
Bois comme combustible (0/1)
Toilette avec chasse deau (0/1)
Possde une cuisinire (0/1)
Possde une moto (0/1)
Possde un ventilateur (0/1)
Possde une terre agricole (0/1)
Rgion Centrale (0/1)
Rgion Kara (0/1)
1059
0.557
13.027 0.044 293.45
-0.463 0.025 -18.07
-0.038 0.014 -2.62
0.092 0.028 3.21
0.313 0.053 5.82
0.103 0.034 3.01
0.231 0.045 5.11
0.038 0.009 4.20
0.122 0.029 4.13
0.159 0.029 5.33
-0.117 0.031 -3.70
0.185 0.036 5.03
0.200 0.070 2.86
0.239 0.032 7.30
0.243 0.035 6.85
-0.079 0.030 -2.56
-0.346 0.041 -8.36
-0.193 0.034 -5.64
77
C) Rural Sud
D) Rural Nord
R-carr
R-carr
1059
0.557
1059
0.557
12.622 0.059 212.00
-0.327 0.022 -14.87
-0.082 0.032 -2.53
0.143 0.031 4.55
0.279 0.051 5.39
-0.085 0.045 -1.88
0.326 0.031 10.47
0.211 0.029 7.11
Constante
Chef chrtien (0/1)
Plancher en ciment (0/1)
Electricit (0/1)
Bois pour la cuisson (0/1)
Tlphone mobile (0/1)
Rgion Maritime (0/1)
12.224 0.076 160.00
-0.267 0.039 -6.76
-0.050 0.014 -3.46
-0.158 0.036 -4.33
0.103 0.031 3.33
0.126 0.035 3.56
-0.184 0.046 -3.95
0.130 0.046 2.79
0.187 0.071 2.63
0.144 0.033 4.25
-0.090 0.043 -2.10
-0.119 0.042 -2.82
0.291 0.051 5.62
0.245 0.033 7.25
0.098 0.026 3.66
0.261 0.033 7.87
0.387 0.030 12.54
Constante
# garon (6-14 ans)
# femme (65 ans et plus)
Chef cole primaire (0/1)
Chef cole post primaire (0/1)
Chef veuf (0/1)
Mur en dur (0/1)
Mur en semi-dur (0/1)
Plancher en ciment (0/1)
Bois pour la cuisson (0/1)
Pas de toilette/latrine (0/1)
Possde un tlviseur (0/1)
Possde une moto (0/1)
Possde des caprins (0/1)
Rgion Centrale (0/1)
Rgion Kara (0/1)
79
Annexe 4 :Mesures de la pauvret
montaire et nombre de
pauvres, selon les rgions,
les prfectures et les cantons/
communes/quartiers du Togo

Code Dcoupage administratif
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
1000000 Lom 27.0 7.9 3.4

(1.2) (0.5) (0.2)
1100000 Lom I 26.0 7.6 3.2

(1.8) (0.7) (0.3)
1100001 Quartier Administratif 16.6 4.8 2.0

(4.6) (1.6) (0.8)
1100002 Wetrivi Kondji 27.5 8.0 3.5

(5.0) (1.9) (1.0)
1100003 Freau J ardin 18.6 5.1 2.1

(5.8) (1.7) (0.8)
1100004 Sanguera 23.6 6.6 2.7

(4.6) (1.6) (0.8)
1100005 Koketime 29.8 8.5 3.5

(9.0) (3.2) (1.5)
1100006 Beniglato

31.3 9.8 4.4

(4.0) (1.7) (0.9)
1100007 Aguiakome 25.7 7.3 3.1

(3.1) (1.1) (0.6)
1100008 Abobokome 23.1 6.4 2.7

(4.3) (1.5) (0.7)
1100009 Adoboukome 26.5 7.7 3.3

(3.6) (1.3) (0.7)
1100010 Adawlato

23.8 6.7 2.8

(8.0) (2.9) (1.5)
1100011 Agbadahonou

28.7 8.3 3.5

(7.8) (2.8) (1.4)
1200000 Lom II

28.1 8.3 3.5

(1.3) (0.5) (0.3)
1200021 Tokoin Tame

23.0 6.7 2.8

(2.9) (1.1) (0.5)
1200022 Tokoin Wuiti 23.7 6.9 2.9

(1.8) (0.7) (0.4)
1200023 Tokoin N'kafu 27.1 7.9 3.4

(2.4) (0.9) (0.5)
1200024 Tokoin Forever 24.3 7.4 3.3

(4.1) (1.5) (0.8)
1200025 Saint J oseph 25.8 7.8 3.4

(2.8) (1.0) (0.6)
1200026 N'tifafa Kome 32.5 9.9 4.3

(4.2) (1.6) (0.8)
1200027 Hedzranawoe 24.3 7.1 3.0

(1.3) (0.5) (0.3)
81
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)
1200028 Kelegougan 2 5.0 7 .4 3 .2

(2.2) (0.8) (0.4)
1200029 Rsidence du Bnin 2.2 0.6 0.3

(1.2) (0.4) (0.2)
1200030 Be Kpota 27.8 8.0 3.4

(1.7) (0.6) (0.3)
1200031 Anfame 2 8.7 8.3 3.5

(1.7) (0.7) (0.3)
1200032 Adakpame 33.3 9.9 4.2

(2.3) (0.9) (0.5)
1200033 Kanyikope 28.8 8.3 3.5

(2.0) (0.8) (0.4)
1200034 Attiegou

30.0 9.1 4.0

(1.8) (0.7) (0.4)
1200035 Lome II 53.3 19.2 9.2

(7.4) (4.1) (2.4)
1200036 Tokoin Aeroport

17.9 6.2 3.1

(6.6) (2.8) (1.8)
1200037 Akodessewa Kpota 33.5 10.2 4.5

(2.4) (1.0) (0.5)
1200038 Akodessewa Kponou 30.7 8.9 3.8

(2.7) (1.0) (0.5)
1200039 Universite de Lom 5 2.9 19.0 9.1

(8.4) (4.2) (2.4)
1300000 Lom III

28.6 8.4 3.6

(1.4) (0.5) (0.3)
1300041 Doulassame 28.3 8.1 3.4

(2.8) (1.0) (0.5)
1300042 Amoutive 27.1 7.8 3.3

(2.5) (0.9) (0.5)
1300043 Lom Nava 28.0 8.3 3.6

(3.0) (1.1) (0.6)
1300044 Bassadji 30.7 9.1 3.9

(5.0) (1.9) (1.0)
1300045 Be Kpehenou

27.3 7.8 3.3

(2.8) (1.0) (0.5)
1300046 Kotokou Kondji 24.8 7.2 3.1

(3.1) (1.2) (0.6)
1300047 Be Ahligo 22.5 6 .4 2 .7

(2.7) (1.0) (0.5)
1300048 Be Hopital 24.3 6.8 2.8

(2.2) (0.8) (0.4)
1300049 Be Hedje 30.6 9.0 3.8

(2.5) (1.0) (0.5)
1300050 Akodessewa 27.5 8 .0 3 .4
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)

(2.9) (1.1) (0.5)
1300051 Wete 2 9.1 8 .4 3 .6

(2.4) (1.0) (0.5)
1300052 Gbenyedji 27.5 8.1 3.5

(2.1) (0.8) (0.4)
1300053 Ablogame 29.4 8 .6 3 .6

(2.8) (1.0) (0.5)
1300054 Zone Portuaire 4 9.6 17.3 8.3

(4.0) (2.1) (1.2)
1300055 Antonio Netime 1 9.8 5 .5 2 .3

(4.5) (1.6) (0.8)
1300056 Souza Netime 25.3 7.3 3.1

(1.9) (0.7) (0.3)
1300057 Be Apeyeme

31.5 9.2 3 .9

(2.6) (1.0) (0.5)
1400000 Lom IV 25.2 7.3 3.1

(1.6) (0.6) (0.3)
1400061 Kodjoviakope 25.4 7.5 3.2

(1.9) (0.7) (0.4)
1400062 Nykonakpoe

25.5 7.3 3.1

(1.9) (0.7) (0.3)
1400063 Octaviono Neti

21.3 5.9 2 .4

(2.6) (0.9) (0.4)
1400064 Hanoukope 2 9.6 8 .7 3 .7

(4.6) (1.8) (0.9)
1500000 Lom V 24.5 7.2 3.1

(1.1) (0.4) (0.2)
1500071 Tokoin Solidarit 22.5 6.4 2.7

(2.2) (0.7) (0.4)
1500072 Tokoin Ouest 24.6 7.3 3.2

(2.4) (0.9) (0.4)
1500073 Tokoin Hopital 23.3 6.7 2.8

(2.6) (1.0) (0.5)
1500074 Dogbeavou 2 9.3 8 .5 3 .6

(2.7) (1.0) (0.5)
1500075 Gbadago 27.5 7.9 3 .3

(2.4) (0.9) (0.4)
1500076 Tokoin Elavagn 30.6 9.3 4 .0

(3.0) (1.1) (0.6)
1500077 Tokoin Lycee 23.5 6.7 2.8

(4.2) (1.6) (0.9)
1500078 Gbonvie 21.9 6 .1 2 .5

(2.8) (1.0) (0.5)
1500079 Doumassesse 26.2 7.8 3.4
83
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)

(2.0) (0.8) (0.4)
1500080 Above 23.5 6.7 2.8

(3.2) (1.1) (0.5)
1500081 Be Klikame 28.0 8.3 3.5

(3.0) (1.1) (0.6)
1500082 Casablanca 25.0 7.4 3.2

(4.3) (1.7) (0.9)
1500083 Akossombo 26.5 7.8 3.4

(3.2) (1.2) (0.6)
1500084 Aflao Gakli

20.5 6.0 2.5

(1.7) (0.6) (0.3)
1500085 Agbalepedog 23.2 6.9 2.9

(1.5) (0.6) (0.3)
1500086 Totsi 23.5 6.9 2.9

(1.5) (0.6) (0.3)
1500087 Soviepe 23.0 6.7 2.8

(2.3) (0.8) (0.4)
1500088 Avenou Bato

21.7 6.5 2.8

(2.7) (1.1) (0.6)
2000000 Maritime 45.3 15.5 7.2

(2.4) (1.2) (0.7)
2100000 Golfe 32.6 10.4 4.7

(1.7) (0.8) (0.4)
2101001 Sagbado (Sag) 27.4 8.4 3.7

(3.1) (1.3) (0.7)
2101002 Gblenkomegan (Sag) 26.2 7.7 3.3

(2.3) (0.8) (0.4)
2101003 Yokoe Kop (Sag) 32.5 10.0 4.4

(2.9) (1.2) (0.6)
2101004 Yokoe Agblegan (Sag) 30.9 9.5 4.1

(3.0) (1.2) (0.6)
2101005 Ablogome (Sag)

23.3 6.7 2.9

(4.2) (1.5) (0.8)
2101006 Wonyome (Sag) 20.8 5.9 2.5

(3.2) (1.2) (0.6)
2101007 Logote (Sag)

41.5 13.9 6.5

(3.9) (2.0) (1.2)
2101008 Awatame (Sag) 24.5 7.2 3.1

(2.0) (0.8) (0.4)
2101009 Agotime (Sag) 44.1 15.3 7.3

(6.3) (3.3) (1.9)
2101011 Lankouvi (Sag) 42.8 13.9 6.4

(5.7) (2.7) (1.6)
2101012 Apedokoe Gbomame 40.9 13.3 6.0
Incidence

(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
(Sag)

(4.0) (1.9) (1.0)
2101013

Apedokoe Agokpanou
(Sag)
3
2.6 10.3 4.6

(2.9) (1.3) (0.7)
2101014 Sagbado Assiyeye (Sag)

27.1 8.2 3.5

(3.3) (1.3) (0.7)
2101015

Aflao-Sagbado Rural

(Sag) 65.2 25.1 12.6

(6.6) (3.9) (2.4)
2102021 Adidoadin (Gak) 23.1 6.7 2.9

(2.5) (0.9) (0.5)
2102022 Avedji Telessou (Gak) 25.7 7.7 3.3

(1.6) (0.7) (0.3)
2102023 Amadahome (Gak) 27.1 8.1 3.5

(2.4) (1.0) (0.5)
2102024 Wessome (Gak) 24.3 7.0 3.0

(2.2) (0.8) (0.4)
2102025 Teshi (Gak) 29.6 8.9 3.9

(4.1) (1.5) (0.8)
2102026 Apedokoe (Gak) 31.5 9.7 4.3

(2.8) (1.2) (0.6)
2102027 Anyigbe (Gak) 24.4 7.4 3.3

(2.6) (0.9) (0.5)
2103031 Anfame 35.7 11.3 5.1

(2.9) (1.2) (0.6)
2103032 Sanguera Rural 56.0 20.2 9.8

(4.3) (2.3) (1.4)
2104040 Legbassito 55.6 20.2 9.8

(5.0) (2.8) (1.7)
2105045 Vakpossito 33.6 10.3 4.5

(2.5) (1.1) (0.6)
2106051 Togblekope

32.7 9.9 4.3

(2.1) (0.9) (0.5)
2106052 Togblekope Rural

54.5 20.0 9.8

(4.7) (2.5) (1.6)
2107061 Planche 1 (Ago) 2 6.0 7.6 3.3

(2.0) (0.8) (0.4)
2107062 Planche 2 (Ago)

30.4 8.9 3.8

(3.3) (1.2) (0.6)

24.7 7.3 3.1

(1.7) (0.6) (0.3)
2107064 Planche 4 (Ago) 33.1 10.3 4.6

(2.2) (0.9) (0.5)
85
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)

29.0 8.6 3.7

(1.6) (0.6) (0.3)

25.6 7.5 3.2

(1.5) (0.6) (0.3)

28.2 8.5 3.7

(2.3) (0.9) (0.5)

27.1 8.0 3.5

(4.6) (1.8) (0.9)
2108070 Amoutive-Kelegougan 33.0 10.4 4.6

(2.0) (0.9) (0.5)
2109081 Baguida (Ba) 30.8 9.6 4.3

(1.7) (0.8) (0.4)
2109082 Adamavo (Ba)

28.1 8.2 3.5

(1.7) (0.6) (0.3)
2109083 Agodeke (Ba) 34.8 11.1 5.0

(2.4) (1.1) (0.6)
2109084 Kpogan (Ba) 29.5 8 .9 3 .9

(2.8) (1.2) (0.6)
2109085 Avepozo (Ba) 26.0 7.7 3.3

(1.8) (0.7) (0.4)
2200000 Lacs 48.3 16.5 7.7

(3.1) (1.5) (0.8)
2201090 Aneho (Com) 28.2 8.6 3.7

(4.2) (1.7) (0.8)
2202000 Agbodrafo 48.8 17.1 8.1

(4.1) (2.0) (1.1)
2203000 Glidji 45.9 15.2 6.9

(5.2) (2.4) (1.3)
2203500 Agouegan

55.1 19.1 8.9

(5.6) (2.8) (1.6)
2204000 Anfoin 49.4 16.9 7.8

(5.0) (2.5) (1.4)
2204500 Fiata +Ganave 57.0 19.9 9.4

(5.0) (2.7) (1.6)
2206000 Aklakou 55.3 19.0 8.9

(4.3) (2.1) (1.2)
2300000 Bas-mono 58.9 21.2 10.2

(4.2) (2.4) (1.4)
2301000 Afagnagan+Afagnan 59.3 21.6 10.4

(4.1) (2.4) (1.5)
2301090 Afagnagan (Com) 39.3 12.7 5.7

(8.2) (3.7) (2.0)
2303000 Kpetsou 67.4 25.8 12.8

(5.4) (3.5) (2.2)

Incidence

(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
2305000

Agome-Glozou
+Agbetiko 58.1 20.2 9.4

(5.5) (2.9) (1.6)
2306000 Hompou 63.8 23.5 11.4

(6.9) (4.2) (2.6)
2307000 Attitogon 60.9 21.7 10.3

(4.6) (2.7) (1.6)
2400000 Vo 56.1 19.9 9.4

(3.8) (2.0) (1.2)
2401000 Vogan 59.9 21.1 9.9

(4.3) (2.4) (1.4)
2401090 Vogan (Com) 35.6 11.4 5.1

(7.1) (3.1) (1.7)
2401500 Vo-Koutime 61.1 21.8 10.3

(4.9) (2.8) (1.7)
2402000 Dzrekpo/Amegnran

60.1 21.9 10.6

(4.8) (2.6) (1.6)
2402500 Mome-Hounkpati 60.8 22.3 10.8

(5.1) (3.0) (1.8)
2403000 Dagbati 63.9 23.3 11.2

(5.3) (3.0) (1.9)
2403500 Akoumape 55.7 19.8 9.4

(4.2) (2.3) (1.4)
2404000 Hahotoe 36.7 11.7 5.2

(4.7) (1.9) (1.0)
2404500 Sevagan 57.9 19.9 9.2

(6.5) (3.3) (1.9)
2405000 Togoville 54.3 19.6 9.5

(5.0) (2.8) (1.7)
2405500 Anyron Kope 60.4 21.7 10.4

(7.4) (4.1) (2.5)
2500000 Yoto 57.1 20.6 9.9

(3.6) (2.0) (1.2)
2501000 Tabligbo

55.0 19.7 9.4

(10.8) ( 5.7) ( 3.3)

2501090 Tabligbo (Com) 30.5 9.3 4.0

(4.0) (1.6) (0.8)
2501500 Kini-Kondji 61.9 22.7 11.0

(6.9) (4.1) (2.6)
2502000 Tokpli 68.1 25.8 12.7

(4.7) (3.1) (2.0)
2502500 Amoussime 65.9 24.5 12.0

(5.0) (3.2) (2.0)
2503000 Gboto 62.7 22.7 10.9
87

Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)

(4.7) (2.9) (1.8)
2503500 Esse-Godjin 70.8 28.0 14.2

(6.1) (4.1) (2.6)
2504000 Tomety Kondji

70.2 27.3 13.6

(5.5) (3.5) (2.2)
2504500 Sedome 68.1 26.3 13.1

(5.0) (3.3) (2.2)
2505000 Zafi 6 3.4 23.0 11.1

(4.8) (2.8) (1.7)
2505500 Kouve 52.2 18.1 8.5

(4.7) (2.4) (1.4)
2506000 Ahepe 51.6 17.4 8.0

(5.5) (2.6) (1.5)
2506500 Tchekpo

58.8 20.5 9.6

(4.8) (2.6) (1.5)
2600000 Zio 53.3 18.8 8.9

(3.3) (1.7) (1.0)
2600500 Tsevie 61.7 22.2 10.6

(8.6) (4.8) (2.8)
2600590 Tsevie (Com)

30.9 9.5 4.2

(3.5) (1.4) (0.7)
2601000 Gbatope 61.1 21.8 10.3

(4.8) (2.6) (1.5)
2601500 Dalave 54.8 18.8 8.7

(5.9) (3.0) (1.7)
2602000 Kpome 55.7 19.0 8 .8

(7.1) (3.6) (2.0)
2602500 Abobo 56.2 19.4 9.0

(5.9) (3.0) (1.7)
2603000 Djagble 63.1 23.7 11.7

(5.2) (3.0) (1.8)
2603500 Davie 43.7 14.3 6.5

(5.2) (2.5) (1.4)
2604000 Adeti Kope 40.1 12.7 5.7

(4.7) (2.1) (1.1)
2604500 Mission-Tove 55.7 19.1 8.8

(5.9) (3.0) (1.7)
2605000 Kovie 58.9 20.8 9.8

(5.3) (3.0) (1.8)
2605500 Wli 60.4 21.5 10.2

(7.8) (4.5) (2.7)
2606000 Boloukpeta 59.1 20.7 9.8

(5.3) (3.0) (1.8)
2606500 Gblainvie 64.4 23.7 11.5

Incidence
(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
(6.6) (3.9) (2.3)
2607000 Gape-Kpodji 67.4 25.4 12.4
(5.9) (3.9) (2.5)
2607500 Gape-Centre 65.6 24.3 11.8
(4.4) (2.7) (1.7)
2608000 Agbelouve 61.8 23.1 11.3

(4.0) (2.4) (1.5)
2608500 Game 63.8 23.7 11.5

(4.5) (2.9) (1.8)
2700000 Av 54.6 19.0 8.9

(4.1) (2.1) (1.2)
2701000 Keve 60.0 21.2 10.0

(6.4) (3.5) (2.1)
2701090 Keve (Com) 39.5 12.9 5.8

(10.5) ( 4.6) ( 2.4)

2701500 Assahoun +Ando 54.4 19.2 9.1

(4.0) (2.0) (1.2)
2702500 Tovegan 60.8 21.6 10.2

(5.5) (3.1) (1.8)
2703000 Dzolo 57.2 19.6 9.0

(6.4) (3.4) (2.0)
2703500 Badja 56.6 19.9 9.4

(5.6) (3.1) (1.8)
2704000 Noepe 45.3 15.1 6.9

(6.9) (3.2) (1.8)
2704500 Akepe 46.6 15.5 7.1

(7.7) (3.4) (1.9)
3000000 Plateaux 65.9 26.9 14.0

(2.5) (1.7) (1.1)
3100000 Ogou 59.2 23.6 12.1

(2.5) (1.6) (1.0)
3101000 Djama 74.9 30.6 15.8

(4.7) (3.4) (2.3)
3101090 Atakpam (Com) 28.0 8.3 3.5

(2.9) (1.1) (0.6)
3101500 Woudou 76.3 31.9 16.7

(5.1) (4.0) (2.8)
3102000 Gnagna 62.4 24.0 12.0

(7.0) (4.2) (2.6)
3102500 Datcha 59.5 22.5 11.2

(4.6) (2.6) (1.6)
3103000 Glei 67.0 27.2 14.0

(2.9) (1.9) (1.2)
3103500 Katore 78.3 33.4 17.7
89

Incidence
(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
(4.5) (3.7) (2.6)
3104000 Ountivou 80.6 35.8 19.5
(3.2) (2.9) (2.1)
3104500 Akpare 73.3 30.0 15.5
(3.1) (2.2) (1.6)
3105000 Glito 78.1 33.3 17.6

(3.7) (3.2) (2.3)
3105500 Atchinedji 78.1 33.3 17.7

(3.7) (3.0) (2.1)
3150000 Ani 63.6 25.3 13.0

(3.7) (2.3) (1.5)
3151000 Anie 77.3 32.4 17.0

(4.1) (3.5) (2.4)
3151090 Ani (Com) 41.7 13.6 6.1

(5.0) (2.3) (1.3)
3152000 Pallakoko 78.3 33.3 17.6

(5.5) (4.6) (3.3)
3153000 Kolo Kope 76.9 32.3 17.0

(4.1) (3.3) (2.3)
3154000 Adogbenou 78.1 33.4 17.8

(3.3) (2.7) (1.9)
3200000 Est-Mono 75.6 31.9 16.9

(2.9) (2.1) (1.4)
3201000 Elavagnon 77.8 32.9 17.3

(3.7) (2.8) (1.9)
3201090 Elavagnon (Com) 38.2 12.2 5.4

(9.3) (4.2) (2.3)
3202000 Gbadjahe 75.1 30.5 15.6

(4.6) (3.2) (2.1)
3203000 Kpessi 78.7 33.7 17.9

(4.1) (3.4) (2.4)
3204000 Kamina 79.4 34.6 18.6

(3.7) (3.1) (2.2)
3205000 Badin 81.2 35.9 19.4

(3.6) (3.1) (2.2)
3206000 Moretan 76.8 32.5 17.2

(2.9) (2.3) (1.6)
3207000 Nyamassila 74.0 30.4 15.7

(4.0) (2.9) (2.0)
3250000 Akbou 78.6 34.5 18.7

(3.0) (2.5) (1.8)
3251000 Kougnohou 83.9 38.1 20.9

(5.0) (4.7) (3.5)
3251090 Kougnohou (Com) 46.1 15.5 7.1
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)

(7.6) (3.8) (2.2)
3251500 Vhe 81.2 35.6 19.1

(5.2) (5.0) (3.7)
3252000 Djon 81.5 36.2 19.7

(4.3) (3.8) (2.8)
3252500 Kpalave 82.9 36.9 20.1

(5.3) (4.9) (3.6)
3253000 Gbende 81.5 36.0 19.5

(6.9) (5.9) (4.2)
3254000 Yalla 81.2 35.6 19.2

(6.5) (6.0) (4.4)
3255000 Seregbene 82.4 36.6 19.8

(5.2) (4.9) (3.7)
3256000 Kamina Akebou

82.3 37.0 20.3

(3.7) (3.3) (2.4)
3300000 Wawa 70.5 28.7 14.8

(3.1) (2.1) (1.4)
3301000 Badou 73.4 29.5 15.1

(4.7) (3.4) (2.3)
3301090 Badou (Com)

34.6 10.6 4.6

(5.5) (2.3) (1.2)
3301500 Tomegbe 73.4 29.8 15.3

(4.6) (3.3) (2.2)
3302000 Kpete Bena 72.7 29.1 14.8

(4.8) (3.3) (2.2)
3302500

Gbandi-
N'kougna+Gobe+Eketo 79.8 34.6 18.5

(3.2) (2.8) (2.0)
3303500 Doume 77.8 33.1 17.5

(7.1) (5.7) (4.0)
3304500 Ounabe 73.2 29.7 15.3

(6.8) (4.7) (3.1)
3305000 Okou 75.4 31.2 16.3

(5.3) (4.1) (2.9)
3305500 Klabe Efoukpa 73.8 30.0 15.4

(3.9) (2.8) (1.9)
3306000 Kessibo 74.9 31.0 16.1

(4.4) (3.2) (2.2)
3400000 Amou 64.2 25.5 13.0

(3.2) (2.0) (1.3)
3401000 Ouma-Amlame 66.9 27.0 14.0

(7.4) (4.5) (2.9)
3401090 Amlame (Com) 32.3 9.7 4.2

(10.0) ( 4.4) ( 2.3)
91
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
3401500 Amou-Oblo 62.8 24.5 12.4

(5.0) (3.0) (1.9)
3402000 Sodo 66.5 26.5 13.5

(8.0) (5.0) (3.3)
3402500 Ekpegnon

78.6 33.7 17.9

(5.2) (4.2) (3.0)
3403000 Kpategan

77.0 32.3 16.9

(4.7) (3.6) (2.5)
3403500 Avedje 74.8 30.7 15.9

(9.8) (7.0) (4.6)
3404000 Imle 69.3 28.4 14.8

(5.8) (4.1) (2.8)
3404500 Adiva 66.7 26.9 13.8

(13.6) ( 9.1) (6.0)

3405000 Evou 60.2 22.4 11.0

(10.3) (6.2) (3.9)

3405500 Temedja 54.4 20.2 10.0

(7.1) (3.8) (2.3)
3406000 Hiheatro 52.5 19.1 9.3

(4.5) (2.3) (1.3)
3406500 Okpahoue 78.2 32.6 16.9

(9.3) (7.6) (5.3)
3407000 Otadi 78.9 33.7 17.9

(4.9) (4.0) (2.8)
3407500 Game 77.8 32.6 17.1

(5.9) (4.8) (3.3)
3500000 Danyi 68.8 27.4 14.0

(4.0) (2.6) (1.7)
3501000 Danyi-Atigba+Elavanyon 73.4 30.0 15.5

(3.8) (2.8) (1.9)
3501090 Danyi (Com) 42.2 13.7 6.1

(8.2) (3.8) (2.1)
3502000 Danyi-Kakpa 72.3 28.7 14.5

(5.5) (3.7) (2.5)
3503000 Yikpa 71.0 26.9 13.2

(9.5) (6.2) (4.0)
3504000 Ahlon 74.7 30.8 16.0

(6.1) (4.3) (2.8)
3506000 Danyi Kpeto-Evita 76.4 31.7 16.6

(5.8) (4.6) (3.2)
3550000 Kpele 65.2 26.6 13.9

(3.2) (2.1) (1.4)
3551000 Kpele-Novive 70.2 29.4 15.6

(3.8) (3.0) (2.1)
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)
3551090 Adeta (Com)

35.0 10.9 4.8

(7.6) (3.2) (1.6)
3551500 Kpele Dawlotou 76.2 32.9 17.6

(3.8) (3.3) (2.5)
3552000 Akata 71.2 29.0 15.0

(6.0) (4.1) (2.7)
3552500 Kpele-Govie 55.4 20.5 10.0

(7.2) (4.1) (2.6)
3553000 Kpele-Centre

69.4 29.2 15.5

(4.4) (3.5) (2.5)
3553500 Kpele-Gbaladje 55.8 20.5 10.0

(7.2) (4.0) (2.4)
3554000 Kpele Kame 73.7 31.9 17.2

(4.6) (3.9) (2.8)
3554500 Kpele-Dutoe 63.2 25.0 12.7

(5.8) (3.5) (2.3)
3555000 Kpele-Nord

62.8 25.2 13.0

(6.1) (3.7) (2.4)
3600000 Kloto 45.9 16.4 7.9

(3.0) (1.5) (0.9)
3600590 Kpalime (Com) 28.9 8.7 3.7

(3.2) (1.2) (0.6)
3601000 Agome 60.9 22.6 11.0

(10.4) (5.9) (3.6)

3601200 Agome-Tomegbe 70.9 28.4 14.5

(8.5) (5.7) (3.8)
3601500 Kouma 69.1 26.7 13.4

(5.5) (3.7) (2.5)
3602000 Kpime 70.5 28.5 14.7

(4.5) (3.1) (2.1)
3602500 Lavie +Apedome 65.6 25.9 13.2

(4.5) (3.1) (2.1)
3603000 Yokele 58.9 22.1 10.9

(8.9) (4.8) (2.9)
3603500 Tove 56.2 20.3 9.8

(6.1) (3.4) (2.0)
3604000 Atsave 71.0 27.4 13.7

(10.8) (7.2) (4.6)

3604500 Tome 70.4 27.9 14.1

(7.8) (5.2) (3.4)
3605500 Nyive 73.4 29.6 15.1

(8.7) (5.8) (3.8)
3606000 Yeviefe 66.3 24.8 12.2

(11.8) ( 6.7) (4.0)
3606500 Klo Mayondi 66.8 25.4 12.6
93
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)

(10.3) ( 6.8) (4.3)

3607000 Wome 66.6 25.3 12.6

(8.6) (5.4) (3.4)
3607500 Kpadape 66.5 25.5 12.7

(7.1) (4.3) (2.7)
3608000 Gbalave 69.9 27.0 13.4

(7.8) (5.2) (3.3)
3608500 Hanyigba 60.1 22.1 10.7

(6.5) (3.9) (2.5)
3700000 Agou 66.8 26.4 13.4

(3.3) (2.1) (1.3)
3701000 Agou-Tavie 48.7 16.4 7.5

(6.6) (3.2) (1.9)
3701090 Agou Gadzepe (Com) 33.4 10.2 4.4

(7.5) (3.2) (1.7)
3701500 Agou Kebo

63.1 23.6 11.6

(6.2) (3.8) (2.4)
3702000

Nyogbo Dzidjole +

Agbetiko 58.7 22.4 11.2

(5.8) (3.3) (2.0)
3703000 Agou Akplolo 75.1 31.3 16.4

(7.9) (6.0) (4.2)
3703500 Agou Yiboe +Kati 72.7 29.3 15.0

(4.3) (3.1) (2.1)
3704000 Gadja 69.3 28.2 14.6

(4.0) (2.8) (1.9)
3704500 Amoussoukope 71.4 28.4 14.4

(4.8) (3.3) (2.2)
3705000 Adzakpa 75.6 31.4 16.4

(5.0) (3.7) (2.5)
3705500 Agotime Nord

72.0 28.7 14.6

(4.7) (3.3) (2.2)
3706000 Assahoun Fiagbe 70.6 27.8 14.1

(7.3) (4.8) (3.2)
3706500 Agou-Atigbe 62.5 23.1 11.2

(11.3) ( 6.9) (4.3)

3707000 Agou Klonou 68.3 25.8 12.7

(10.2) ( 6.3) (4.0)

3800000 Haho 72.1 31.0 16.6

(2.7) (2.0) (1.4)
3801000 Notse 81.1 35.7 19.3

(3.2) (2.8) (2.0)
3801090 Notse (Com) 31.6 9.7 4.2

(4.1) (1.6) (0.9)
3802000 Kpedome 78.1 33.8 18.2

(2.9) (2.4) (1.7)
3803000 Kpegnon (Haito) 78.1 33.3 17.7

(5.6) (4.6) (3.3)
3804000 Wahala 70.4 28.6 14.7

Incidence
(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
(3.5) (2.4) (1.6)
3805000 Asrama 82.3 37.4 20.7
(2.7) (2.4) (1.8)
3806000 Djemegni 83.6 38.5 21.5
(3.1) (3.0) (2.2)
3807000 Dalia 73.3 31.1 16.5
(4.1) (3.0) (2.0)
3808000 Atsave 81.3 36.1 19.6
(3.1) (2.7) (2.0)
3900000 Moyen-Mono 73.3 30.6 16.0
(3.4) (2.4) (1.6)
3901000 Tohoun 80.8 35.6 19.3
(4.1) (3.5) (2.5)
3901090 Tohoun (Com) 42.7 14.4 6.6
(8.1) (3.9) (2.2)
3902000 Tado 73.4 30.0 15.5
(3.6) (2.6) (1.7)
3903000 Saligbe 78.1 33.6 18.0
(4.3) (3.5) (2.5)
3904000 Ahassome 76.0 31.3 16.2
(5.3) (4.0) (2.7)
3905000 Kpekpleme 73.9 30.6 16.0
(3.7) (2.6) (1.8)
3906000 Katome 79.9 34.8 18.8

(4.6) (3.9) (2.9)
4000000 Centrale 76.0 34.2 18.9

(3.2) (2.5) (1.8)
4100000 Tchaoudjo 69.9 30.8 17.0

(3.9) (2.7) (1.9)
4101000 Kpangalam 84.3 41.9 24.8

(4.8) (4.9) (3.9)
4101090 Sokode (Com) 55.2 20.6 10.1

(5.2) (2.8) (1.7)
4101500 Komah 85.6 42.7 25.3

(6.6) (6.7) (5.3)
4102000 Tchalo 85.3 41.5 24.1

(5.5) (5.6) (4.6)
4102500 Kadambara 80.8 38.1 21.8

(5.0) (4.4) (3.4)
4102700 Lombo 83.0 38.4 21.5

(5.4) (4.7) (3.5)
4103000 Lama-Tessi 83.8 40.3 23.3

(3.5) (3.4) (2.7)
4103500 Kparatao 82.2 38.5 21.8

(4.6) (4.1) (3.1)
4104000 Wassarabo 84.9 41.3 24.1

(7.4) (7.3) (5.9)
4104500 Kpassouade 82.4 38.4 21.7

(7.0) (6.5) (5.2)
95
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
4105000 Agoulou

87.2 43.7 25.8

(3.8) (4.1) (3.3)
4105500 Kemeni

90.7 47.6 29.0

(5.1) (6.9) (6.1)
4106000 Alheride 86.9 43.4 25.6

(3.4) (3.9) (3.2)
4106500 Kolina 87.1 43.3 25.5

(6.4) (6.0) (4.7)
4200000 Tchamba

77.9 35.0 19.4

(3.5) (2.9) (2.1)
4201000 Tchamba 85.6 41.6 24.1

(4.4) (4.3) (3.4)
4201090 Tchamba (Com) 65.3 25.8 13.1

(5.9) (3.9) (2.6)
4201500 Larini 81.0 39.1 22.7

(5.3) (5.2) (4.3)
4202000 Affem 81.8 37.5 20.9

(5.5) (4.9) (3.8)
4203000 Krikri 84.8 40.8 23.6

(5.0) (4.8) (3.8)
4204000 Alibi I 83.4 39.5 22.5

(4.9) (4.8) (3.8)
4205000 Koussountou 81.1 37.2 20.8

(3.9) (3.4) (2.5)
4206000 Balanka 81.6 38.1 21.6

(5.7) (5.0) (3.9)
4207000 Kaboli 76.5 33.8 18.5

(4.2) (3.3) (2.4)
4207500 Goubi 77.4 33.7 18.3

(5.7) (4.9) (3.7)
4208000 Bago 81.7 37.4 20.9

(3.8) (3.3) (2.5)
4300000 Sotouboua 75.8 33.6 18.4

(3.6) (2.8) (2.0)
4301000 Sotouboua 84.2 40.1 23.0

(4.8) (4.9) (3.9)
4301090 Sotouboua (Com) 59.1 22.8 11.4

(5.7) (3.5) (2.2)
4301500 Tchebebe 79.1 35.8 19.9

(4.3) (3.5) (2.6)
4302000 Bodjonde

78.1 33.6 18.0

(10.4) ( 9.2) (6.8)

4302500 Kazaboua 82.7 38.2 21.4

(4.7) (4.1) (3.1)
4303000 Tabinde

81.2 36.5 20.1

(6.0) (5.0) (3.7)
4303500 Sessaro 80.9 36.7 20.4

(5.1) (4.5) (3.3)
4304000 Tittigbe 83.7 39.0 21.9

Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
(4.6) (4.6) (3.7)
4304500 Kaniamboua 75.2 32.4 17.4
(10.1) ( 7.5) ( 5.2)

4305000 Adjengre 76.0 33.3 18.1
(3.8) (2.9) (2.1)
4305500 Aouda 81.8 37.8 21.2

(4.0) (3.6) (2.7)
4306000 Fazao 85.0 41.2 23.8

(6.0) (6.4) (5.4)
4310000 Mo (spref) 87.8 43.3 25.2

(3.1) (3.5) (2.9)
4311000 Djarkpanga (R) 86.9 42.0 24.2

(4.6) (4.5) (3.5)
4311090 Djarkpanga (U) 88.9 43.5 25.0

(4.7) (6.0) (4.9)
4312000 Kagnigbara 87.8 43.4 25.4

(4.8) (5.6) (4.8)
4313000 Boulohou 87.6 43.8 25.9

(5.2) (6.5) (5.5)
4314000 Tindjasse 87.4 43.1 25.2

(4.0) (4.3) (3.5)
4315000 Saboude 89.1 44.5 26.1

(4.3) (4.9) (4.1)
4400000 Blitta 79.7 36.1 20.0

(3.1) (2.7) (2.0)
4401000 Blitta-Gare 81.3 36.8 20.4

(6.7) (5.7) (4.3)
4401090 Blitta (Com) 64.9 26.2 13.5

(7.6) (5.1) (3.3)
4401200 Blitta Village 77.5 34.1 18.6

(6.0) (4.9) (3.6)
4401400 Yaloumbe 82.4 38.4 21.7

(6.3) (5.7) (4.3)
4401600 Warigni 80.1 35.8 19.7

(6.4) (5.3) (3.9)
4401800 Tchaloude 80.8 36.7 20.4

(5.2) (4.8) (3.6)
4402000 Agbandi 78.5 35.1 19.3

(4.5) (3.9) (2.9)
4402200 Langabou 82.0 37.9 21.2

(3.9) (3.9) (3.0)
4402400 Koffiti 80.7 36.5 20.3

(5.0) (4.2) (3.1)
4402600 Tchare-Baou 81.8 36.9 20.4

(4.9) (4.4) (3.3)
4402800 Pagala-Gare 79.8 36.7 20.6

(3.7) (3.3) (2.5)
4403000 Welly 83.4 38.7 21.8

(4.4) (4.2) (3.3)
97

Incidence
(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
4403500 Tintchro 81.9 38.1 21.5

(5.6) (5.0) (3.9)
4404000 Atchintse 79.2 35.2 19.2

(5.7) (4.6) (3.3)
4404500 Diguengue 81.3 36.7 20.4

(7.8) (7.1) (5.4)
4405000 Yegue 79.6 35.9 19.9

(7.1) (6.1) (4.5)
4405500 Dikpeleou 80.5 36.0 19.7

(11.0) ( 9.1) (6.6)
4406000 Katchenke 83.6 38.9 21.9

(5.3) (5.6) (4.5)
4406500 M'poti

82.0 37.6 21.0

(5.2) (5.2) (4.0)
4407000 Tchifama 80.3 36.4 20.2

(5.4) (5.0) (3.8)
4407500 Pagala-Village

82.1 37.2 20.6

(6.0) (5.7) (4.4)
4408000 Doufouli 83.6 39.2 22.2

(6.8) (6.6) (5.1)
5000000 Kara 68.9 30.1 16.5

(3.0) (2.1) (1.5)
5100000 Kozah

57.6 23.5 12.4

(3.6) (2.1) (1.4)
5101000 Lama 69.0 29.3 15.7

(5.3) (3.7) (2.6)
5101090 Kara (Com) 37.4 12.4 5.6

(4.5) (2.0) (1.1)
5101500

Landa-
Pozenda/Kpinzinde 75.8 33.5 18.4

(5.5) (4.6) (3.4)
5102000 Awandjelo

74.6 33.0 18.2

(5.1) (4.2) (3.1)
5102500 Atchangbade 75.8 33.5 18.5

(3.9) (3.1) (2.2)
5103000 Djamde 78.1 35.8 20.2

(6.1) (5.5) (4.2)
5103500 Sara-Kawa 78.1 35.9 20.3

(6.3) (5.4) (4.1)
5104000 Pya

62.2 25.5 13.5

(5.1) (3.2) (2.1)
5104500 Tchitchao

67.8 29.1 15.8

(5.9) (4.2) (3.0)
5105000 Yade 67.1 28.1 14.9

(6.8) (4.8) (3.3)
5105500 Bohou 65.9 27.6 14.7

(7.9) (5.5) (3.8)
5106000 Tchare 75.0 33.0 18.1

(7.6) (6.1) (4.6)

Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
5106500 Koumea 74.8 33.4 18.6

(5.2) (4.1) (3.0)
5107000 Landa 75.0 33.4 18.5

(5.1) (4.3) (3.2)
5107500 Soumdina 75.2 33.5 18.6

(4.8) (3.7) (2.6)
5108000 Lassa 71.4 30.6 16.6

(4.2) (3.1) (2.2)
5200000 Binah 71.3 31.6 17.5

(3.1) (2.4) (1.8)
5201000 Pagouda 78.3 36.0 20.3

(4.4) (3.9) (3.0)
5201090 Pagouda (Com) 49.7 1 7.7 8.4

(7.7) (4.0) (2.4)
5201500 Boufale 79.8 3 7.8 21.8

(5.4) (4.8) (3.6)
5202000 Solla 76.8 35.3 20.0

(4.7) (4.1) (3.1)
5202500 Pitikita 76.2 33.3 18.2

(10.1) (7.6) (5.4)

5203000 Pessare 84.2 41.8 24.8

(4.6) (4.6) (3.8)
5203500 Lama-Tessi 72.3 31.0 16.7

(6.9) (5.7) (4.2)
5204000 Ketao 61.0 24.8 13.1

(4.2) (2.7) (1.8)
5204500 Kemerida 72.4 31.6 1 7.2

(7.3) (5.4) (3.9)
5205000 Sirka 76.8 34.5 19.2

(6.6) (5.3) (3.9)
5300000 Doufelgou 72.3 32.1 17.8

(3.7) (2.7) (1.9)
5301090 Niamtougou (Com) 57.4 21.8 10.8

(5.5) (3.1) (1.9)
5301500 Koka 77.0 35.2 19.9

(16.3) (12.9) (9.4)
5302000 Agbande-Yaka 84.1 42.0 25.1

(8.6) (9.0) (7.6)
5302500 Leon 80.5 38.3 22.1

(6.6) (6.2) (5.0)
5303000 Alloum 76.7 34.7 19.5

(5.2) (4.3) (3.2)
5303500 Kadjalla 80.8 3 8.2 22.0

(5.3) (4.8) (3.7)
5304000 Tchore 82.3 38.9 22.4

(7.4) (7.3) (5.7)
5304500 Baga 78.3 34.9 19.2

(12.1) (10.3) (7.7)
5305000 Tenega 75.1 34.0 19.0
99
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)

(6.3) (4.8) (3.5)
5305500 Defale 71.9 31.6 1 7.4

(5.2) (3.8) (2.8)
5306000 Kpaha 80.6 38.0 21.8

(6.2) (5.5) (4.2)
5306500 Siou 75.5 34.7 19.7

(5.4) (4.1) (3.0)
5307000 Pouda 81.6 39.4 23.1

(6.9) (6.5) (5.1)
5307500 Massedena 76.3 34.1 19.0

(6.1) (5.0) (3.7)
5400000 Kran 74.4 32.9 18.1

(3.6) (2.6) (1.9)
5401000 Kande 75.7 33.2 18.2

(4.7) (3.7) (2.7)
5401090 Kande (Com) 54.7 20.4 10.0

(6.5) (3.6) (2.2)
5401500 Koutougou 78.0 35.5 19.9

(6.2) (5.4) (4.1)
5402000 Warengo 79.5 3 7.1 21.1

(5.5) (4.9) (3.8)
5402500 Nadoba 78.1 35.9 20.2

(4.9) (4.1) (3.0)
5403000 Akponte 80.4 3 7.0 20.8

(4.9) (4.2) (3.0)
5403500 Pesside 75.3 32.6 1 7.6

(6.0) (4.6) (3.3)
5404000 Ossacre 77.7 35.1 19.5

(5.0) (3.9) (2.9)
5404500 Helota 76.1 33.8 18.6

(6.1) (4.8) (3.4)
5405000 Atalote 78.0 35.1 19.5

(4.8) (3.8) (2.8)
5500000 Dankpen 78.4 36.0 20.3

(3.2) (2.7) (2.0)
5501000 Guerin Kouka 80.4 3 7.7 21.5

(3.6) (3.4) (2.6)
5501090 Guerin-Kouka (Com) 57.3 21.6 10.7

(6.8) (3.8) (2.3)
5501500 Naware 80.7 3 7.7 21.4

(4.5) (4.2) (3.2)
5502000 Nandouta 80.9 3 7.8 21.4

(4.6) (3.9) (2.9)
5502500 Bapure 79.4 36.6 20.6

(4.4) (4.0) (3.0)
5503000 Koutchicheou 76.9 34.0 18.7

(9.5) (7.5) (5.4)
5503500 Namon 78.1 35.0 19.3

(5.7) (4.7) (3.5)
Incidence

(P
0
)
Profondeur
(P
1
)
Svrit

(P
2
)
5504000 Natchibore 80.2 37.1 20.9

(4.8) (3.9) (3.0)
5504500 Natchitikpi 80.2 37.2 21.1

(5.1) (4.6) (3.5)
5505000 Naompoch 80.1 37.2 21.1

(5.5) (4.7) (3.5)
5505500 Koulfiekou

81.1 37.8 21.5

(5.4) (5.0) (3.8)
5506000 Katchamba 79.9 37.1 21.0

(6.3) (5.8) (4.5)
5506500 Kidjaboun 79.5 37.0 21.1

(4.6) (4.4) (3.4)
5600000 Bassar 71.7 31.7 17.6

(3.4) (2.4) (1.7)
5601000 Bassar 77.0 35.1 19.8

(4.3) (3.3) (2.4)
5601090 Bassar (Com)

48.4 17.0 8.1

(6.0) (2.9) (1.7)
5601500 Kalanga 81.3 38.7 22.4

(5.6) (5.2) (4.0)
5602000 Baghan

78.3 35.6 19.9

(4.8) (4.1) (3.2)
5602500 Dimori 78.9 36.3 20.5

(4.4) (3.5) (2.6)
5603000 Bitchabe 77.5 35.0 19.5

(6.1) (4.9) (3.7)
5603500 Bandjeli 78.0 35.3 19.7

(4.5) (3.8) (2.8)
5604000 Kabou 74.2 33.3 18.6

(3.6) (2.9) (2.2)
5604500 Manga 78.3 35.4 19.8

(6.9) (5.9) (4.4)
5605000 Sanda Kagbanda 77.0 35.3 20.0

(5.5) (4.6) (3.4)
5605500 Sanda Afohou

78.8 36.9 21.2

(4.8) (4.4) (3.4)
5700000 Assoli 69.3 30.0 16.4

(4.4) (3.0) (2.1)
5701000 Bafilo 80.7 38.2 22.0

(6.2) (5.7) (4.3)
5701090 Bafilo (Com) 53.7 19.3 9.2

(6.5) (3.5) (2.1)
5702000 Boulade 78.7 35.8 20.1

(6.8) (5.6) (4.1)
5703000 Soudou 79.7 37.7 21.7

(4.6) (3.8) (2.9)
5704000 Koumonde 70.4 30.6 16.7

(9.0) (6.1) (4.2)
5705000 Aledjo 72.9 32.4 18.0
101

Incidence
(P
0
)
Profondeur

(P
1
)
Svrit
(P
2
)
(6.1) (4.9) (3.6)
5706000 Dako (Daoude) 78.4 35.6 19.9
(6.1) (5.0) (3.8)
6000000 Savanes 87.3 49.3 31.4

(1.2) (1.9) (1.8)
6100000 Tone 82.7 46.1 29.2

(1.5) (2.0) (1.9)
6101000 Dapaong 93.4 51.8 32.5

(1.8) (3.0) (2.9)
6101090 Dapaong (Com) 31.1 9.7 4.3

(3.7) (1.5) (0.8)
6101500 Nanergou 95.7 54.7 34.9

(1.6) (3.4) (3.3)
6102000 Namare 95.9 54.8 34.8

(2.0) (4.3) (4.2)
6102500 Naki-Ouest 96.1 56.3 36.5

(1.6) (3.1) (3.1)
6103000 Tami 95.5 54.1 34.2

(1.9) (3.6) (3.5)
6103500 Lotogou+Warkambou 95.9 55.0 35.0

(1.7) (3.5) (3.4)
6104500 Nioukpourma 95.3 53.4 33.4

(2.2) (3.9) (3.7)
6105000 Pana 96.5 56.6 36.6

(1.8) (3.9) (3.9)
6105500 Bidjenga 97.2 59.1 39.3

(1.7) (4.5) (4.8)
6106000 Toaga 96.1 55.4 35.5

(2.5) (5.1) (4.9)
6106500 Korbongou 95.5 56.4 36.9

(1.8) (3.5) (3.4)
6107000 Louanga 97.2 58.0 38.0

(1.6) (3.7) (3.8)
6107500 Kantindi 96.0 55.8 36.0

(1.7) (3.4) (3.3)
6108000 Sanfatoute 96.3 56.8 37.0

(2.4) (4.5) (4.3)
6108500 Kourientre 96.2 56.0 36.1

(2.4) (5.2) (5.1)
6109000 Poissongui 96.7 58.1 38.3

(2.9) (6.1) (6.0)
6109500 Natigou 96.6 57.6 37.9

(2.5) (5.0) (5.0)
6200000 Cinkass 75.4 40.6 25.5

(2.4) (2.2) (1.9)
6201000 Cinkasse 94.4 54.1 34.7

(3.3) (5.8) (5.6)
6201090 Cinkasse (Com) 35.9 11.4 5.1

(4.6) (1.9) (1.0)
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
6202000 Boade 97.6 61.0 41.5

(2.0) (5.3) (5.5)
6203000 Gnoaga 95.9 54.9 35.0

(4.8) (10.5) ( 10.1)
6204000 Gouloungoussi

95.7 56.1 36.5

(3.7) (6.9) (6.8)
6205000 Biankouri

93.8 50.8 31.2

(3.6) (5.4) (4.9)
6206000 Timbou 96.1 55.9 36.0

(1.6) (3.3) (3.3)
6207000 Nadjoundi 95.8 55.9 36.1

(3.5) (5.7) (5.4)
6208000 Sam-Naba 96.9 57.3 3 7.2

(2.0) (4.7) (4.6)
6300000 Kpendjal 95.4 56.3 36.7

(1.1) (2.2) (2.2)
6301000 Mandouri 96.6 57.4 3 7.5

(1.6) (3.4) (3.4)
6301090 Mandouri (Com) 59.3 21.5 10.2

(9.5) (5.3) (3.2)
6301500 Tambigou

96.7 5 7.7 3 7.9

(2.2) (4.5) (4.5)
6302000 Koundjoare 96.3 56.6 36.8

(2.3) (4.0) (3.9)
6302500 Pogno 96.9 58.1 38.3

(2.0) (4.6) (4.7)
6303000 Kpendjaga /Papri

95.8 55.4 35.5

(2.2) (4.5) (4.5)
6303500 Namoundjoga 9 7.4 59.7 39.8

(0.9) (2.7) (2.9)
6304000 Tambonga 9 7.5 60.3 40.5

(1.9) (4.4) (4.6)
6304500 Naki-Est

96.6 57.2 3 7.3

(1.2) (2.7) (2.7)
6305000 Nayega

96.6 57.2 3 7.2

(2.4) (4.8) (4.6)
6305500 Ogaro 96.8 57.7 3 7.8

(1.9) (4.7) (4.8)
6306000 Borgou

96.3 56.0 36.0

(1.5) (3.1) (3.1)
6400000 Oti 88.5 49.9 31.8

(1.4) (2.1) (2.0)
6401000 Mango 96.4 56.3 36.4

(2.8) (4.9) (4.9)
6401090 Mango (Com) 40.8 13.5 6.2

(4.7) (2.1) (1.2)
6401500 Sadori 96.5 56.2 36.3

(2.3) (5.3) (5.2)
6402000 Sagbiebou 96.2 56.4 36.5
103

Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)

(1.7) (3.5) (3.5)
6402500 Gando 94.2 53.3 33.8

(1.7) (2.9) (2.7)
6403000 Mogou 96.2 55.9 36.0

(1.5) (3.1) (3.0)
6403500 Tchamonga 95.9 54.9 35.0

(1.9) (4.0) (3.9)
6404000 Tchanaga 95.8 54.2 34.2

(2.4) (4.5) (4.3)
6404500 Nagbeni 95.3 55.1 35.5

(1.8) (3.8) (3.8)
6405000 Barkoissi

92.6 51.6 32.5

(3.1) (4.2) (3.7)
6405500 Loko 97.1 58.3 38.4

(1.9) (4.5) (4.6)
6406000 Galangashie

96.7 57.6 37.9

(1.8) (4.2) (4.3)
6406500 Kpebonga 97.4 59.3 39.3

(1.9) (5.0) (5.1)
6407000 Fare 96.8 59.0 39.4

(2.7) (5.4) (5.4)
6407500 Koumongou 95.7 55.6 35.9

(2.5) (5.1) (5.0)
6408000 Nali 96.3 56.1 36.2

(2.1) (4.3) (4.2)
6408500 Takpamba 96.0 54.9 34.9

(2.3) (4.4) (4.3)
6409000 Kountoire 95.5 54.2 34.3

(2.1) (4.1) (4.0)
6500000 Tandjoar 94.0 52.4 32.8

(1.4) (2.5) (2.3)
6501000 Bogou 93.0 49.6 30.2

(3.5) (5.2) (4.6)
6501090 Tandjoare (Com) 37.3 11.5 5 .0

(15.4) ( 6.3) ( 3.1)

6501500 Nandoga 93.5 50.2 30.6

(3.2) (5.3) (4.8)
6502500 Loko 95.3 53.8 33.9

(2.6) (4.8) (4.6)
6503000 Boulogou

95.0 52.7 32.9

(2.9) (5.1) (4.8)
6503500 Pligou 96.2 55.6 35.7

(2.6) (5.9) (5.9)
6504000 Bombouaka 92.8 50.4 31.1

(3.0) (4.4) (4.0)
6504500 Goundoga 95.1 52.6 32.6

(3.0) (5.1) (4.7)
6505000 Sissiak 95.0 54.0 34.4

(2.7) (4.4) (4.2)
Incidence
(P
0
)
Profondeur
(P
1
)
Svrit
(P
2
)
6505500 Nano 93.0 50.1 30.7
(2.3) (3.8) (3.5)
6506000 Tampialime 96.5 56.6 36.7
(1.8) (3.6) (3.5)
6506500 Mamproug 95.5 54.4 34.6
(2.7) (5.5) (5.4)
6507000 Bagou 94.0 49.9 30.0
(6.6) (8.6) (7.4)
6507500 Doukpergou 95.1 53.0 33.2
(2.7) (5.4) (5.2)
6508000 Sangou 94.7 50.2 30.2
(5.1) (8.4) (7.6)
6508500 Lokpano 95.1 52.4 32.4
(3.7) (5.9) (5.3)
6509000 Tamongue 95.8 54.9 34.9
(1.7) (3.4) (3.3)
Source : RGPH4 et QUIBB 2011
Note : ce tableau prsente les rsultats de la carte de pauvret montaire aux niveaux des
rgions, des les quartiers de Lom; les rgions sont surlignes en jaune ; les prfectures dune
rgion donne apparaissent immdiatement en dessous en caractres gras ; et les cantons/
communes/quartiers viennent ensuite.
105
A
n
n
e
x
e

5

:

I
n
d
i
c
a
t
e
u
r
s

O
M
D

n
o
n
-
m
o
n
t
a
i
r
e
,

s
e
l
o
n

l
e
s

r
g
i
o
n
s
,

l
e
s

p
r
f
e
c
t
u
r
e
s

e
t

l
e
s

c
a
n
t
o
n
s
/
c
o
m
m
u
n
e
s
/
q
u
a
r
t
i
e
r
s

d
u

T
o
g
o

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

T a u x d e m p l o i
P o u r c e n t a g e d e m p l o i s
n o n - s a l a r i s
T a u x d e d p e n d a n c e
d m o g r a p h i q u e
T a u x n e t d e s c o l a r i s a t i o n
- p r i m a i r e
- s e c o n d a i r e
T a u x d a l p h a b t i s a t i o n -
f e m m e
h o m m e
P o u r c e n t a g e d e f e m m e s
e n s e c t e u r s a l a r i
R a t i o f i l l e / g a r o n -
p r i m a i r e
s e c o n d a i r e
T a u x d a c c s l e a u
p o t a b l e
T a u x d a c c s d e s
s a n i t a i r e s a d q u a t s
T a u x d a c c s
l l e c t r i c i t
A c c s u n t l p h o n e
f i x e
m o b i l e
T a u x d e g a z o u c h a r b o n
c o m m e c o m b u s t i b l e
L
o
m

6
6
.
1

6
8
.
3

4
0
.
2

8
0
.
0

5
4
.
9

7
9
.
8

9
1
.
2

3
3
.
1

1
.
1
0

0
.
9
0

9
0
.
4

9
6
.
7

8
5
.
4

1
1
.
7

8
7
.
1

9
7
.
3

L
o
m

I

6
6
.
7

7
4
.
2

3
7
.
9

7
9
.
0

5
4
.
7

7
4
.
8

8
9
.
2

3
4
.
6

1
.
1
0

0
.
9
9

9
4
.
2

9
8
.
0

8
5
.
2

1
1
.
7

8
1
.
5

9
7
.
3

Q
u
a
r
t
i
e
r

A
d
m
i
n

5
7
.
6

4
0
.
5

3
7
.
4

7
0
.
6

6
5
.
2

8
9
.
9

9
4
.
4

3
2
.
5

1
.
0
0

1
.
2
4

9
7
.
2

9
8
.
9

9
0
.
5

3
2
.
5

8
5
.
0

9
3
.
3

W
e
t
r
i
v
i

K
o
n
d
j
i

5
5
.
6

6
3
.
0

3
8
.
6

8
0
.
2

6
0
.
6

6
9
.
2

9
0
.
2

1
7
.
3

0
.
9
9

0
.
8
9

9
6
.
8

9
8
.
1

9
3
.
7

1
3
.
2

8
7
.
1

9
7
.
3

F
r
e
a
u

J
a
r
d
i
n

5
0
.
0

6
5
.
4

3
3
.
7

7
7
.
9

6
3
.
4

7
5
.
3

9
5
.
0

4
1
.
2

1
.
2
6

1
.
2
9

9
6
.
0

1
0
0
.
0

9
4
.
7

1
4
.
7

8
7
.
3

9
5
.
4

S
a
n
g
u
e
r
a

6
9
.
3

7
5
.
4

3
9
.
5

8
4
.
2

5
8
.
3

8
2
.
7

9
3
.
3

4
1
.
4

1
.
1
3

0
.
9
0

8
7
.
3

9
9
.
0

8
6
.
1

1
5
.
0

8
4
.
1

9
5
.
5

K
o
k
e
t
i
m
e

6
3
.
6

7
4
.
6

3
9
.
4

8
3
.
4

5
6
.
3

6
9
.
9

9
1
.
5

3
2
.
4

1
.
4
8

1
.
0
0

8
3
.
0

9
7
.
0

8
8
.
2

1
2
.
1

7
6
.
9

9
8
.
4

B
e
n
i
g
l
a
t
o

6
7
.
1

8
1
.
4

3
7
.
3

7
3
.
8

4
8
.
2

6
0
.
3

7
9
.
3

3
6
.
7

1
.
1
7

0
.
9
8

9
1
.
9

9
7
.
3

7
8
.
0

7
.
0

6
8
.
2

9
9
.
5

A
g
u
i
a
k
o
m
e

7
2
.
5

7
9
.
9

3
7
.
0

8
2
.
7

5
3
.
2

8
3
.
6

9
1
.
5

3
2
.
2

1
.
0
5

0
.
9
4

9
7
.
1

9
9
.
9

8
4
.
5

1
0
.
1

8
4
.
8

9
6
.
8

A
b
o
b
o
k
o
m
e

6
6
.
3

7
6
.
0

3
9
.
2

7
6
.
8

5
4
.
3

7
9
.
9

8
9
.
7

4
0
.
8

1
.
0
9

1
.
2
0

9
9
.
2

1
0
0
.
0

8
9
.
7

8
.
2

8
9
.
3

9
6
.
4

A
d
o
b
o
u
k
o
m
e

6
8
.
2

7
4
.
9

3
8
.
9

7
7
.
5

5
5
.
5

7
4
.
8

8
9
.
7

3
9
.
1

1
.
0
5

0
.
9
0

9
6
.
3

9
3
.
7

8
4
.
5

9
.
6

8
5
.
6

9
8
.
8

A
d
a
w
l
a
t
o

8
5
.
8

5
6
.
2

3
1
.
4

9
6
.
9

4
1
.
5

6
6
.
7

8
9
.
7

2
7
.
3

1
.
4
4

1
.
3
3

8
4
.
1

9
9
.
4

9
6
.
0

1
7
.
3

7
7
.
5

9
9
.
7

A
g
b
a
d
a
h
o
n
o
u

7
1
.
2

7
8
.
2

3
6
.
8

8
8
.
3

4
1
.
9

7
3
.
3

9
3
.
5

5
3
.
8

0
.
7
0

0
.
7
4

9
4
.
8

1
0
0
.
0

6
8
.
2

7
.
2

7
3
.
1

9
6
.
6

L
o
m

I
I

6
8
.
0

6
9
.
2

4
1
.
7

8
0
.
5

5
3
.
7

7
8
.
6

9
1
.
0

3
0
.
0

1
.
1
0

0
.
8
6

8
3
.
3

9
6
.
2

8
4
.
5

1
1
.
2

8
7
.
6

9
6
.
8

T
o
k
o
i
n

T
a
m
e

6
0
.
5

5
5
.
8

3
7
.
1

8
5
.
4

6
0
.
3

8
1
.
1

9
1
.
9

3
9
.
7

1
.
2
3

1
.
0
6

9
9
.
3

9
8
.
5

8
9
.
5

1
6
.
7

9
0
.
9

9
7
.
9

T
o
k
o
i
n

W
u
i
t
i

6
2
.
9

6
3
.
1

3
7
.
9

8
0
.
2

5
5
.
1

8
2
.
0

9
1
.
3

4
3
.
0

1
.
1
2

0
.
8
9

9
9
.
2

9
8
.
4

9
1
.
8

1
5
.
3

9
0
.
8

9
7
.
7

T
o
k
o
i
n

N
'
k
a
f
u

6
5
.
8

6
6
.
7

4
0
.
7

8
3
.
4

5
3
.
8

7
8
.
7

8
9
.
2

4
0
.
0

1
.
1
3

0
.
8
8

9
6
.
1

9
9
.
2

9
1
.
3

1
3
.
7

8
9
.
4

9
9
.
0

T
o
k
o
i
n

F
o
r
e
v
e
r

6
6
.
5

6
7
.
9

3
9
.
1

8
0
.
2

4
9
.
7

7
0
.
1

8
7
.
5

3
8
.
2

1
.
1
0

0
.
8
6

9
4
.
7

9
8
.
6

8
9
.
2

2
2
.
3

8
9
.
0

9
7
.
2

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

S
a
i
n
t

J
o
s
e
p
h

6
4
.
0

6
4
.
5

3
9
.
0

7
1
.
2

5
2
.
1

7
6
.
0

9
0
.
0

3
8
.
8

0
.
9
9

0
.
9
5

8
6
.
6

9
8
.
8

9
3
.
1

1
7
.
8

9
2
.
5

9
7
.
7

N
'
t
i
f
a
f
a

K
o
m
e

7
1
.
8

7
1
.
3

4
0
.
9

7
7
.
7

4
8
.
9

8
0
.
5

9
2
.
4

2
9
.
7

1
.
0
8

0
.
7
5

9
5
.
8

8
5
.
6

7
9
.
0

8
.
2

8
6
.
1

9
7
.
4

H
e
d
z
r
a
n
a
w
o
e

6
4
.
1

6
7
.
6

4
0
.
2

8
1
.
7

5
5
.
3

8
2
.
0

9
2
.
6

3
8
.
9

1
.
1
5

0
.
9
5

9
8
.
7

9
7
.
4

8
9
.
0

1
7
.
7

8
9
.
1

9
6
.
8

K
e
l
e
g
o
u
g
a
n

6
6
.
2

6
5
.
9

4
0
.
5

7
7
.
8

5
6
.
7

8
3
.
0

9
0
.
9

3
2
.
5

1
.
0
4

0
.
9
5

9
9
.
6

9
6
.
9

8
8
.
6

1
5
.
1

9
3
.
3

9
7
.
2

R
s
i
d
e
n
c
e

d
u

B
n
i
n

7
1
.
2

2
9
.
8

3
1
.
8

7
8
.
7

6
8
.
1

8
2
.
2

9
8
.
6

5
5
.
5

0
.
7
1

0
.
7
6

1
0
0
.
0

1
0
0
.
0

9
9
.
4

7
7
.
0

9
8
.
6

9
8
.
2

B
e

K
p
o
t
a

6
9
.
4

6
8
.
7

4
1
.
9

7
9
.
4

5
3
.
0

7
7
.
8

9
1
.
2

2
6
.
8

1
.
1
4

0
.
8
4

8
2
.
1

9
8
.
3

8
6
.
6

8
.
0

8
8
.
0

9
8
.
1

A
n
f
a
m
e

7
0
.
5

7
1
.
7

4
3
.
1

8
2
.
1

5
4
.
4

7
8
.
3

9
1
.
5

2
2
.
7

1
.
1
3

0
.
8
3

7
6
.
0

9
8
.
2

8
6
.
4

8
.
2

8
7
.
9

9
8
.
2

A
d
a
k
p
a
m
e

7
3
.
0

7
5
.
9

4
4
.
4

8
2
.
1

5
0
.
6

7
3
.
5

8
9
.
0

1
6
.
1

1
.
0
2

0
.
7
8

6
5
.
1

9
2
.
3

7
5
.
7

5
.
4

8
3
.
1

9
6
.
0

K
a
n
y
i
k
o
p
e

6
8
.
9

7
1
.
3

4
3
.
4

7
7
.
8

5
3
.
6

7
6
.
0

8
8
.
3

1
7
.
4

1
.
0
9

0
.
8
1

6
2
.
5

9
7
.
4

8
2
.
5

7
.
8

8
4
.
9

9
6
.
6

A
t
t
i
e
g
o
u

6
7
.
1

6
6
.
2

4
2
.
0

7
6
.
2

5
4
.
9

8
0
.
7

9
1
.
8

2
5
.
3

1
.
1
1

0
.
8
7

9
2
.
8

9
3
.
5

7
7
.
0

1
1
.
7

8
8
.
5

9
5
.
5

L
o
m
e

I
I

7
4
.
5

6
9
.
4

4
2
.
9

8
5
.
2

3
9
.
3

6
8
.
7

9
0
.
7

3
2
.
5

0
.
9
5

0
.
6
1

6
6
.
6

4
7
.
5

1
9
.
4

9
.
6

7
2
.
1

4
9
.
9

T
o
k
o
i
n

A
e
r
o
p
o
r
t

8
2
.
4

4
3
.
7

2
6
.
9

6
6
.
7

3
7
.
5

7
5
.
0

1
0
0
.
0

4
7
.
5

1
.
5
0

1
.
0
0

9
5
.
6

7
8
.
1

9
1
.
9

4
6
.
3

9
8
.
1

8
8
.
8

A
k
o
d
e
s
s
e
w
a

K
p
o
t
a

7
1
.
1

7
4
.
8

4
3
.
1

8
2
.
7

5
0
.
8

7
7
.
5

9
2
.
8

1
9
.
8

1
.
0
7

0
.
7
0

7
4
.
4

9
3
.
9

7
7
.
5

6
.
1

8
0
.
7

9
8
.
4

A
k
o
d
e
s
s
e
w
a

K
p
o
n
o
u

7
3
.
0

7
6
.
3

4
4
.
4

8
2
.
2

5
2
.
4

7
2
.
6

8
7
.
9

1
9
.
4

0
.
9
9

0
.
7
8

5
1
.
1

9
7
.
6

7
9
.
3

6
.
0

8
3
.
8

9
6
.
3

U
n
i
v
e
r
s
i
t
e

d
e

L
o
m

5
9
.
5

5
7
.
8

3
9
.
4

9
4
.
2

4
0
.
5

9
4
.
4

9
4
.
0

1
7
.
2

0
.
8
8

0
.
7
8

1
0
0
.
0

1
7
.
5

2
5
.
3

0
.
3

7
0
.
3

4
5
.
2

L
o
m

I
I
I

6
8
.
5

7
4
.
0

4
0
.
8

7
8
.
3

5
2
.
0

7
6
.
8

8
7
.
9

2
8
.
3

1
.
0
7

0
.
8
9

9
2
.
6

9
7
.
0

8
3
.
7

8
.
0

8
4
.
3

9
7
.
5

D
o
u
l
a
s
s
a
m
e

6
5
.
2

7
0
.
9

4
1
.
6

7
8
.
5

5
0
.
2

7
5
.
0

8
6
.
4

2
3
.
4

1
.
0
6

0
.
7
6

9
8
.
8

9
8
.
6

8
9
.
8

5
.
7

8
5
.
8

9
9
.
2

A
m
o
u
t
i
v
e

7
1
.
2

7
8
.
3

3
9
.
8

7
8
.
2

4
4
.
0

7
3
.
3

8
3
.
1

2
0
.
7

1
.
0
3

0
.
8
1

9
8
.
2

9
9
.
0

8
5
.
2

7
.
4

8
5
.
6

9
8
.
7

L
o
m

N
a
v
a

6
2
.
3

8
1
.
8

4
0
.
7

6
9
.
5

4
5
.
5

7
3
.
9

7
9
.
8

3
6
.
4

1
.
0
7

1
.
0
6

9
7
.
4

9
9
.
9

9
0
.
8

1
2
.
2

8
3
.
0

8
8
.
7

B
a
s
s
a
d
j
i

6
2
.
6

8
3
.
2

4
2
.
6

7
6
.
3

5
6
.
2

7
9
.
1

9
0
.
8

3
6
.
5

1
.
1
4

0
.
9
5

9
6
.
4

9
9
.
4

9
0
.
2

8
.
4

8
8
.
4

9
8
.
3

107
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

B
e

K
p
e
h
e
n
o
u

6
6
.
3

7
2
.
3

3
9
.
5

8
1
.
0

5
6
.
2

7
8
.
1

8
7
.
9

3
4
.
5

1
.
1
4

0
.
8
1

9
6
.
7

9
7
.
7

9
1
.
5

8
.
7

8
2
.
9

9
8
.
7

K
o
t
o
k
o
u

K
o
n
d
j
i

7
0
.
6

6
7
.
6

3
8
.
8

8
1
.
0

6
1
.
4

8
3
.
1

9
0
.
8

3
6
.
6

0
.
9
0

1
.
0
3

9
3
.
9

9
3
.
2

8
6
.
9

1
0
.
3

8
9
.
5

9
8
.
4

B
e

A
h
l
i
g
o

6
6
.
5

7
1
.
1

3
9
.
5

8
2
.
7

5
9
.
9

7
6
.
6

9
1
.
6

3
1
.
8

1
.
0
1

0
.
9
7

9
5
.
5

9
9
.
7

9
0
.
3

1
2
.
8

8
9
.
5

9
8
.
7

B
e

H
o
p
i
t
a
l

6
7
.
4

7
3
.
6

4
0
.
5

7
9
.
9

5
7
.
5

8
3
.
4

9
3
.
6

3
0
.
7

1
.
0
6

1
.
0
1

9
7
.
4

9
8
.
8

8
9
.
8

1
0
.
2

8
5
.
0

9
6
.
3

B
e

H
e
d
j
e

6
3
.
1

7
4
.
8

4
0
.
8

6
9
.
0

4
2
.
0

7
4
.
4

8
7
.
0

3
0
.
4

1
.
0
9

0
.
7
8

9
4
.
4

9
6
.
8

8
3
.
4

5
.
5

7
9
.
9

9
7
.
7

A
k
o
d
e
s
s
e
w
a

7
2
.
3

7
4
.
4

4
2
.
0

8
0
.
0

5
4
.
1

8
0
.
1

9
3
.
0

2
7
.
5

1
.
0
6

0
.
7
7

9
0
.
5

9
6
.
8

8
9
.
0

9
.
9

8
6
.
7

9
9
.
0

W
e
t
e

7
0
.
7

7
4
.
1

4
1
.
9

8
2
.
0

5
6
.
2

8
0
.
0

8
9
.
6

2
2
.
3

1
.
0
8

0
.
8
6

9
5
.
3

9
9
.
5

8
7
.
1

5
.
3

8
4
.
1

9
8
.
8

G
b
e
n
y
e
d
j
i

6
8
.
7

7
2
.
9

4
0
.
6

8
2
.
2

5
9
.
1

8
4
.
5

9
3
.
6

2
5
.
9

1
.
1
2

0
.
9
2

9
5
.
7

9
8
.
9

8
4
.
4

8
.
5

8
7
.
2

9
8
.
8

A
b
l
o
g
a
m
e

6
8
.
1

6
7
.
3

4
1
.
2

8
1
.
9

5
7
.
3

7
9
.
9

9
2
.
0

2
3
.
8

1
.
0
7

0
.
8
9

8
6
.
8

9
3
.
2

8
4
.
9

8
.
0

8
8
.
2

9
7
.
9

Z
o
n
e

P
o
r
t
u
a
i
r
e

7
8
.
5

6
8
.
5

4
1
.
8

7
1
.
1

2
7
.
0

4
8
.
2

6
3
.
0

1
8
.
0

0
.
8
6

0
.
7
4

3
8
.
4

7
5
.
7

2
5
.
8

4
.
4

6
4
.
4

8
8
.
5

A
n
t
o
n
i
o

N
e
t
i
m
e

6
5
.
8

6
5
.
2

3
9
.
8

8
8
.
9

6
1
.
5

8
6
.
4

9
7
.
6

4
7
.
0

1
.
0
1

1
.
1
9

9
4
.
4

9
9
.
0

9
1
.
6

2
5
.
2

9
1
.
3

9
8
.
2

S
o
u
z
a

N
e
t
i
m
e

6
8
.
8

7
6
.
2

4
0
.
2

8
0
.
1

5
7
.
1

8
2
.
3

9
4
.
4

3
6
.
0

1
.
1
3

0
.
9
6

9
7
.
2

9
9
.
1

8
9
.
2

1
0
.
1

8
7
.
8

9
8
.
5

B
e

A
p
e
y
e
m
e

7
0
.
9

8
0
.
7

4
2
.
3

7
4
.
8

4
1
.
0

6
7
.
0

7
8
.
2

2
2
.
9

1
.
0
9

0
.
8
1

9
7
.
2

9
9
.
2

7
8
.
7

2
.
3

8
0
.
6

9
8
.
2

L
o
m

I
V

6
7
.
1

6
7
.
0

3
9
.
4

8
1
.
6

5
9
.
7

8
5
.
2

9
4
.
3

3
7
.
9

1
.
1
1

0
.
9
5

9
4
.
9

9
7
.
9

8
6
.
7

1
2
.
2

8
5
.
3

9
8
.
7

K
o
d
j
o
v
i
a
k
o
p
e

6
8
.
0

6
4
.
5

3
9
.
6

7
8
.
8

5
6
.
4

8
4
.
9

9
2
.
9

3
9
.
7

1
.
0
9

0
.
9
3

9
1
.
0

9
8
.
0

8
5
.
8

1
3
.
9

8
4
.
6

9
9
.
1

N
y
k
o
n
a
k
p
o
e

6
6
.
8

6
8
.
7

3
9
.
3

8
3
.
0

6
2
.
0

8
6
.
7

9
5
.
2

3
5
.
5

1
.
0
6

0
.
9
3

9
6
.
6

9
7
.
8

8
7
.
5

1
0
.
9

8
5
.
9

9
8
.
2

O
c
t
a
v
i
o
n
o

N
e
t
i

6
3
.
9

6
4
.
7

3
7
.
6

8
3
.
2

5
9
.
8

8
2
.
3

9
5
.
8

4
2
.
7

1
.
2
0

1
.
1
1

9
8
.
7

9
7
.
0

8
7
.
7

1
4
.
5

8
7
.
8

9
9
.
4

H
a
n
o
u
k
o
p
e

7
1
.
8

7
2
.
7

4
3
.
2

8
4
.
2

6
1
.
2

8
1
.
0

9
1
.
6

3
5
.
5

1
.
4
1

0
.
8
9

9
6
.
8

9
9
.
8

8
3
.
6

8
.
2

7
8
.
7

9
9
.
0

L
o
m

V

6
0
.
8

6
0
.
9

3
7
.
8

8
0
.
6

5
8
.
0

8
2
.
9

9
3
.
4

3
8
.
0

1
.
1
5

0
.
9
4

9
8
.
2

9
6
.
7

8
8
.
1

1
5
.
5

8
9
.
9

9
7
.
4

T
o
k
o
i
n

S
o
l
i
d
a
r

6
0
.
1

5
9
.
0

3
7
.
4

8
5
.
8

6
0
.
7

8
5
.
6

9
6
.
1

3
8
.
8

1
.
1
3

0
.
9
4

9
6
.
8

9
9
.
4

8
9
.
6

1
8
.
6

9
0
.
4

9
7
.
8

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
o
k
o
i
n

O
u
e
s
t

6
4
.
5

6
6
.
3

3
7
.
4

7
8
.
1

5
9
.
3

8
3
.
6

9
4
.
2

3
7
.
7

1
.
0
7

0
.
8
8

9
7
.
3

9
3
.
0

8
4
.
4

1
3
.
7

8
6
.
9

9
6
.
2

T
o
k
o
i
n

H
o
p
i
t
a
l

6
5
.
2

6
2
.
6

3
8
.
6

7
8
.
1

6
3
.
5

8
4
.
2

9
4
.
5

3
9
.
5

1
.
2
1

0
.
8
9

9
8
.
0

9
6
.
9

8
9
.
2

1
5
.
8

8
8
.
9

9
8
.
3

D
o
g
b
e
a
v
o
u

6
6
.
2

6
4
.
5

3
9
.
7

8
3
.
5

5
8
.
6

8
2
.
5

9
1
.
5

3
1
.
4

1
.
1
2

0
.
8
4

9
8
.
9

9
8
.
3

8
6
.
1

9
.
6

8
7
.
3

9
8
.
4

G
b
a
d
a
g
o

6
6
.
0

6
9
.
4

3
9
.
4

8
1
.
3

5
3
.
8

7
8
.
3

9
0
.
4

2
7
.
9

1
.
0
9

0
.
8
7

9
8
.
1

9
6
.
7

8
7
.
8

9
.
1

8
7
.
2

9
8
.
8

T
o
k
o
i
n

E
l
a
v
a
g
n

6
7
.
1

6
3
.
1

4
1
.
9

8
0
.
1

5
0
.
5

7
6
.
1

8
7
.
2

2
4
.
9

1
.
0
8

0
.
8
3

9
8
.
3

8
9
.
0

8
6
.
7

6
.
9

8
9
.
3

9
8
.
8

T
o
k
o
i
n

L
y
c
e
e

6
1
.
6

5
6
.
5

4
1
.
0

7
3
.
4

5
7
.
3

7
7
.
4

9
0
.
4

4
1
.
0

0
.
9
6

0
.
8
6

9
7
.
4

9
8
.
4

9
3
.
2

1
7
.
5

9
0
.
1

9
7
.
7

G
b
o
n
v
i
e

6
4
.
3

6
2
.
2

3
8
.
9

8
3
.
8

5
9
.
1

8
1
.
2

9
2
.
2

4
0
.
5

1
.
2
5

0
.
9
4

9
7
.
5

9
9
.
9

9
0
.
0

2
1
.
3

9
3
.
3

9
7
.
7

D
o
u
m
a
s
s
e
s
s
e

6
0
.
2

5
6
.
9

3
7
.
5

7
7
.
5

5
5
.
2

7
8
.
9

9
0
.
4

3
7
.
7

1
.
1
7

0
.
9
6

9
8
.
7

9
5
.
6

8
8
.
5

1
3
.
5

9
1
.
2

9
7
.
8

A
b
o
v
e

6
1
.
5

5
9
.
6

4
0
.
2

7
8
.
4

5
4
.
8

8
4
.
2

9
0
.
9

3
8
.
1

1
.
2
7

1
.
0
2

9
8
.
6

9
9
.
6

9
1
.
0

1
5
.
5

9
0
.
5

9
8
.
6

B
e

K
l
i
k
a
m
e

5
6
.
5

6
0
.
0

3
6
.
6

8
4
.
7

5
5
.
3

8
3
.
7

9
4
.
5

3
5
.
5

1
.
1
7

0
.
9
0

9
8
.
9

8
9
.
6

8
2
.
8

1
1
.
2

8
8
.
1

9
7
.
3

C
a
s
a
b
l
a
n
c
a

6
1
.
9

5
9
.
1

3
6
.
8

8
4
.
1

5
7
.
7

8
6
.
1

9
6
.
0

4
4
.
3

1
.
0
3

0
.
9
6

9
7
.
7

9
5
.
6

8
5
.
7

1
3
.
5

7
9
.
3

9
6
.
1

A
k
o
s
s
o
m
b
o

5
9
.
3

6
8
.
8

3
4
.
6

8
2
.
8

5
3
.
8

8
2
.
1

9
0
.
5

3
8
.
2

0
.
9
6

0
.
9
7

9
8
.
1

9
3
.
8

8
4
.
9

1
6
.
4

8
7
.
4

9
6
.
0

A
f
l
a
o

G
a
k
l
i

5
8
.
4

5
6
.
0

3
5
.
5

7
9
.
0

5
7
.
5

8
4
.
6

9
6
.
0

4
3
.
9

1
.
2
0

1
.
0
0

9
9
.
6

9
8
.
2

9
0
.
9

2
1
.
5

9
2
.
8

9
6
.
2

A
g
b
a
l
e
p
e
d
o
g

5
6
.
2

5
9
.
7

3
6
.
5

7
9
.
7

5
7
.
7

8
5
.
2

9
4
.
9

4
0
.
3

1
.
1
5

0
.
9
6

9
9
.
6

9
6
.
8

8
8
.
9

1
8
.
6

9
0
.
2

9
7
.
1

T
o
t
s
i

6
0
.
6

6
0
.
3

3
7
.
5

8
3
.
0

6
0
.
1

8
3
.
5

9
4
.
3

3
9
.
4

1
.
2
1

0
.
9
8

9
8
.
3

9
8
.
9

8
7
.
6

1
6
.
7

9
0
.
3

9
7
.
1

S
o
v
i
e
p
e

5
9
.
2

6
2
.
3

3
8
.
4

7
6
.
3

6
5
.
4

8
7
.
4

9
6
.
4

3
8
.
0

1
.
1
5

1
.
0
0

9
3
.
5

9
8
.
3

8
8
.
4

1
4
.
8

9
1
.
4

9
6
.
8

A
v
e
n
o
u

B
a
t
o

5
6
.
4

5
5
.
5

3
6
.
0

8
0
.
4

6
2
.
9

8
5
.
6

9
4
.
4

4
0
.
4

1
.
1
3

1
.
0
9

9
7
.
8

9
8
.
1

8
7
.
9

2
4
.
5

9
2
.
3

9
6
.
9

M
a
r
i
t
i
m
e

6
8
.
0

7
9
.
2

4
9
.
9

8
2
.
3

4
6
.
4

7
6
.
5

9
0
.
0

2
4
.
0

0
.
9
3

0
.
6
8

5
5
.
4

5
9
.
7

3
9
.
4

5
.
2

6
4
.
4

4
9
.
8

G
o
l
f
e

6
3
.
1

6
8
.
4

4
3
.
6

7
9
.
3

5
6
.
2

8
1
.
5

9
2
.
3

2
7
.
0

1
.
0
5

0
.
8
6

8
0
.
3

8
8
.
2

6
8
.
8

1
0
.
5

8
6
.
7

9
0
.
5

S
a
g
b
a
d
o

(
S
a
g
)

6
3
.
3

6
7
.
4

4
3
.
4

8
3
.
5

5
9
.
2

8
8
.
3

9
2
.
9

3
0
.
4

1
.
1
0

0
.
9
5

8
9
.
8

9
3
.
0

7
1
.
1

1
6
.
8

8
8
.
8

9
0
.
9

109
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

G
b
l
e
n
k
o
m
e
g
a
n

(
S
a
g
)

6
1
.
5

6
5
.
2

4
0
.
0

8
1
.
8

6
2
.
6

8
7
.
7

9
3
.
8

2
7
.
6

1
.
0
7

0
.
9
4

8
7
.
0

9
7
.
5

8
1
.
2

1
2
.
8

9
0
.
5

9
7
.
3

Y
o
k
o
e

K
o
p

(
S
a
g
)

6
4
.
0

6
8
.
9

4
3
.
1

7
5
.
2

5
8
.
9

8
1
.
9

9
1
.
6

2
5
.
0

1
.
0
9

0
.
8
9

7
3
.
8

9
6
.
5

6
3
.
7

1
1
.
3

8
8
.
0

9
2
.
6

Y
o
k
o
e

A
g
b
l
e
g
a
n

(
S
a
g
)

6
8
.
3

6
8
.
5

4
1
.
5

7
7
.
4

5
2
.
1

8
2
.
6

9
2
.
6

3
8
.
3

1
.
0
9

0
.
7
5

8
3
.
3

9
7
.
2

7
1
.
3

1
0
.
3

9
0
.
3

9
2
.
7

A
b
l
o
g
o
m
e

(
S
a
g
)

5
4
.
3

7
4
.
1

3
7
.
3

7
9
.
9

6
2
.
5

8
3
.
5

9
0
.
2

4
2
.
1

1
.
2
4

1
.
0
1

9
5
.
5

9
9
.
7

9
1
.
7

1
6
.
5

9
0
.
0

9
6
.
7

W
o
n
y
o
m
e

(
S
a
g
)

5
9
.
6

6
3
.
2

3
8
.
2

8
6
.
6

6
8
.
3

8
6
.
1

9
7
.
2

3
7
.
3

1
.
0
4

0
.
9
0

9
3
.
6

9
8
.
3

9
0
.
4

2
0
.
0

9
4
.
4

9
7
.
5

L
o
g
o
t
e

(
S
a
g
)

6
9
.
6

7
7
.
1

4
8
.
1

8
2
.
1

5
2
.
6

7
9
.
1

8
9
.
8

2
4
.
3

0
.
9
7

0
.
8
6

7
0
.
6

8
1
.
9

4
3
.
6

7
.
4

8
3
.
0

7
7
.
6

A
w
a
t
a
m
e

(
S
a
g
)

5
9
.
6

6
7
.
7

4
0
.
2

7
8
.
9

5
9
.
5

8
3
.
3

9
3
.
3

3
2
.
0

0
.
9
8

0
.
9
2

9
3
.
4

9
8
.
5

8
7
.
8

1
3
.
8

8
8
.
9

9
7
.
3

A
g
o
t
i
m
e

(
S
a
g
)

4
8
.
0

7
9
.
6

4
7
.
2

5
4
.
8

3
1
.
0

5
2
.
0

6
6
.
3

3
2
.
6

0
.
9
7

0
.
9
9

7
2
.
5

7
4
.
1

3
5
.
8

5
.
1

8
0
.
5

6
8
.
8

L
a
n
k
o
u
v
i

(
S
a
g
)

6
8
.
7

7
0
.
6

4
5
.
1

8
2
.
3

5
0
.
6

9
0
.
9

9
8
.
7

2
6
.
8

1
.
0
3

0
.
8
5

5
3
.
1

8
4
.
9

2
2
.
3

8
.
8

8
6
.
9

7
7
.
2

A
p
e
d
o
k
o
e

G
b
o
m
a
m
e

(
S
a
g
)

6
4
.
5

6
9
.
2

4
6
.
2

7
8
.
7

5
3
.
4

7
0
.
4

8
3
.
9

2
2
.
4

0
.
9
7

0
.
7
4

8
5
.
5

9
2
.
2

3
0
.
7

8
.
8

8
4
.
8

8
2
.
1

A
p
e
d
o
k
o
e

A
g
o
k
p
a
n
o
u

(
S
a
g
)

6
6
.
4

6
6
.
4

4
3
.
8

7
9
.
6

5
7
.
3

8
3
.
8

9
3
.
2

2
9
.
0

1
.
1
4

0
.
8
2

8
7
.
9

9
4
.
2

5
4
.
4

1
1
.
3

8
8
.
9

8
9
.
7

S
a
g
b
a
d
o

A
s
s
i
y
e
y
e

(
S
a
g
)

6
2
.
8

6
7
.
9

4
1
.
9

7
8
.
1

5
6
.
6

8
2
.
2

9
2
.
0

2
9
.
4

1
.
1
3

0
.
8
5

8
9
.
2

9
7
.
6

8
0
.
3

1
2
.
5

8
5
.
1

9
3
.
6

A
f
l
a
o
-
S
a
g
b
a
d
o

R
u
r
a
l

(
S
a
g
)

7
3
.
6

8
1
.
8

5
1
.
4

7
9
.
1

2
9
.
6

6
1
.
5

7
9
.
2

1
5
.
7

0
.
9
4

0
.
5
4

1
9
.
2

6
8
.
3

8
.
8

1
.
6

5
9
.
7

3
3
.
4

A
d
i
d
o
a
d
i
n

(
G
a
k
)

6
2
.
2

6
1
.
3

3
7
.
7

8
5
.
9

6
2
.
4

8
0
.
3

9
3
.
6

3
7
.
0

1
.
1
3

0
.
8
9

9
9
.
7

9
8
.
4

9
0
.
3

1
9
.
1

9
3
.
7

9
7
.
5

A
v
e
d
j
i

T
e
l
e
s
s
o
u

(
G
a
k
)

6
4
.
0

6
4
.
6

4
1
.
2

7
7
.
8

6
1
.
3

8
7
.
6

9
5
.
3

3
3
.
7

1
.
1
3

0
.
9
2

9
9
.
3

9
7
.
5

8
6
.
8

1
4
.
6

9
1
.
9

9
6
.
9

A
m
a
d
a
h
o
m
e

(
G
a
k
)

6
3
.
7

6
6
.
9

4
1
.
9

8
2
.
8

5
9
.
8

8
9
.
4

9
6
.
0

2
9
.
3

1
.
0
4

0
.
8
8

9
7
.
2

9
5
.
6

7
3
.
3

1
0
.
9

8
9
.
8

9
5
.
5

W
e
s
s
o
m
e

(
G
a
k
)

5
8
.
8

6
6
.
5

3
7
.
8

7
8
.
8

6
6
.
6

8
6
.
7

9
4
.
8

2
6
.
8

1
.
0
9

0
.
8
0

9
8
.
4

9
7
.
2

8
6
.
7

1
0
.
1

9
1
.
0

9
4
.
3

T
e
s
h
i

(
G
a
k
)

5
8
.
0

5
8
.
1

4
1
.
3

7
8
.
6

6
1
.
3

8
7
.
0

8
8
.
0

1
5
.
1

1
.
0
3

0
.
7
0

9
7
.
8

8
7
.
0

8
7
.
6

8
.
5

8
6
.
9

9
9
.
2

A
p
e
d
o
k
o
e

(
G
a
k
)

6
7
.
4

7
1
.
2

4
4
.
9

7
9
.
8

5
6
.
4

7
9
.
9

9
1
.
3

3
0
.
5

1
.
0
8

0
.
8
6

9
5
.
5

9
3
.
0

5
9
.
6

8
.
4

8
5
.
6

9
4
.
2

A
n
y
i
g
b
e

(
G
a
k
)

5
9
.
0

6
2
.
7

3
8
.
6

7
6
.
5

6
2
.
0

9
1
.
7

9
7
.
6

3
9
.
9

1
.
1
9

0
.
9
0

8
7
.
0

9
8
.
5

8
7
.
8

1
5
.
4

9
1
.
9

9
3
.
9

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

A
n
f
a
m
e

6
4
.
8

6
8
.
7

4
4
.
1

7
6
.
7

5
5
.
9

8
3
.
5

9
3
.
0

2
1
.
9

1
.
0
6

0
.
8
7

9
7
.
9

9
4
.
7

4
9
.
6

8
.
7

8
8
.
0

9
6
.
0

S
a
n
g
u
e
r
a

R
u
r
a
l

6
6
.
9

7
5
.
8

4
8
.
6

8
0
.
5

4
3
.
9

7
3
.
5

8
8
.
9

1
6
.
0

0
.
9
7

0
.
7
6

6
3
.
5

8
5
.
6

2
0
.
3

5
.
4

7
6
.
8

6
3
.
3

L
e
g
b
a
s
s
i
t
o

6
1
.
9

6
9
.
3

4
8
.
9

7
5
.
0

4
4
.
6

7
2
.
0

8
4
.
4

1
7
.
8

0
.
9
8

0
.
8
7

7
1
.
5

7
6
.
3

2
2
.
2

4
.
6

7
8
.
7

6
6
.
7

V
a
k
p
o
s
s
i
t
o

6
5
.
9

6
5
.
6

4
4
.
1

7
8
.
5

5
2
.
5

7
7
.
9

8
9
.
3

2
5
.
7

1
.
0
0

0
.
8
2

9
9
.
4

9
6
.
7

5
4
.
8

1
0
.
0

8
8
.
6

9
5
.
1

T
o
g
b
l
e
k
o
p
e

5
9
.
8

7
2
.
2

4
7
.
1

7
8
.
1

4
9
.
6

7
4
.
4

8
8
.
7

1
7
.
4

1
.
0
1

0
.
8
0

9
7
.
4

7
8
.
5

7
7
.
8

5
.
8

8
9
.
5

9
7
.
3

T
o
g
b
l
e
k
o
p
e

R
u
r
a
l

6
6
.
6

7
1
.
9

5
0
.
6

8
1
.
7

4
9
.
6

7
5
.
4

9
0
.
7

1
2
.
0

0
.
9
2

0
.
7
6

8
4
.
8

3
0
.
4

3
1
.
4

4
.
3

7
8
.
0

7
2
.
9

P
l
a
n
c
h
e

1

(
A
g
o
)

5
7
.
2

6
3
.
6

4
0
.
5

7
8
.
9

6
0
.
1

7
9
.
6

9
3
.
2

3
2
.
0

1
.
1
6

0
.
9
1

9
9
.
6

9
7
.
8

8
7
.
5

1
4
.
9

9
0
.
7

9
7
.
7

P
l
a
n
c
h
e

2

(
A
g
o
)

6
5
.
4

7
2
.
5

4
0
.
2

7
6
.
2

5
0
.
0

7
5
.
9

9
0
.
5

2
8
.
4

1
.
0
0

0
.
8
6

9
9
.
7

9
6
.
7

8
2
.
4

8
.
2

8
1
.
5

9
7
.
1

P
l
a
n
c
h
e

3

(
A
g
o
)

5
8
.
8

6
0
.
1

3
8
.
9

7
9
.
0

5
8
.
5

8
4
.
4

9
4
.
6

3
3
.
6

1
.
1
3

0
.
9
7

9
9
.
7

9
6
.
9

8
8
.
7

1
6
.
8

9
1
.
2

9
6
.
4

P
l
a
n
c
h
e

4

(
A
g
o
)

5
6
.
8

6
2
.
3

4
4
.
1

7
7
.
3

6
1
.
7

8
2
.
5

9
3
.
7

2
1
.
1

1
.
0
8

0
.
8
7

8
4
.
1

8
7
.
9

5
5
.
1

9
.
1

8
6
.
4

8
9
.
6

P
l
a
n
c
h
e

5

(
A
g
o
)

6
1
.
3

6
7
.
2

4
1
.
3

7
8
.
5

5
6
.
9

8
2
.
2

9
3
.
7

2
7
.
0

1
.
0
8

0
.
8
7

9
7
.
9

9
5
.
0

8
4
.
6

1
0
.
9

8
6
.
0

9
6
.
5

P
l
a
n
c
h
e

6

(
A
g
o
)

6
0
.
9

6
2
.
0

4
1
.
4

8
0
.
6

6
2
.
6

8
7
.
7

9
5
.
2

2
9
.
3

1
.
1
1

0
.
9
5

9
7
.
7

9
8
.
1

8
1
.
3

1
4
.
8

9
2
.
2

9
6
.
9

P
l
a
n
c
h
e

7

(
A
g
o
)

5
5
.
5

6
6
.
3

4
2
.
4

8
0
.
0

6
2
.
1

8
4
.
9

9
5
.
8

2
1
.
3

1
.
0
9

0
.
8
0

8
6
.
6

9
0
.
4

8
4
.
9

1
0
.
6

9
2
.
5

9
5
.
6

P
l
a
n
c
h
e

8

(
A
g
o
)

6
0
.
4

6
0
.
8

4
3
.
0

8
2
.
0

6
0
.
8

9
1
.
4

9
7
.
4

2
2
.
2

1
.
1
3

0
.
9
1

9
9
.
5

9
8
.
0

7
1
.
7

6
.
8

9
1
.
5

9
8
.
6

A
m
o
u
t
i
v
e
-
K
e
l
e
g
o
u
g
a
n

6
7
.
5

6
9
.
7

4
4
.
7

8
0
.
3

5
5
.
0

7
9
.
1

9
2
.
2

2
5
.
8

1
.
0
7

0
.
8
4

9
1
.
8

8
2
.
5

6
5
.
0

1
0
.
2

8
9
.
5

9
6
.
5

B
a
g
u
i
d
a

(
B
a
)

6
6
.
8

7
2
.
2

4
4
.
9

8
2
.
7

5
8
.
8

8
2
.
5

9
1
.
2

2
6
.
5

1
.
0
5

0
.
8
1

2
5
.
4

7
6
.
7

6
9
.
2

9
.
9

8
4
.
2

9
1
.
5

A
d
a
m
a
v
o

(
B
a
)

6
8
.
5

7
4
.
4

4
5
.
0

7
9
.
3

5
8
.
1

8
2
.
3

9
4
.
1

1
9
.
6

1
.
0
5

0
.
8
3

5
1
.
8

9
0
.
7

8
1
.
9

7
.
7

8
6
.
0

9
6
.
4

A
g
o
d
e
k
e

(
B
a
)

6
6
.
4

7
5
.
3

4
7
.
3

8
0
.
4

5
9
.
4

8
3
.
9

9
2
.
0

2
1
.
0

1
.
0
2

0
.
8
4

1
1
.
1

7
1
.
6

6
1
.
1

8
.
2

8
3
.
8

8
7
.
1

K
p
o
g
a
n

(
B
a
)

6
8
.
3

7
6
.
9

4
7
.
3

8
2
.
0

5
6
.
9

7
9
.
6

9
2
.
0

2
2
.
9

1
.
0
8

0
.
8
9

5
.
8

7
7
.
0

6
4
.
1

6
.
3

8
0
.
3

9
0
.
6

A
v
e
p
o
z
o

(
B
a
)

6
8
.
1

7
3
.
9

4
2
.
9

7
9
.
6

5
5
.
4

8
1
.
4

9
1
.
8

2
9
.
3

0
.
9
9

0
.
8
5

2
2
.
5

8
4
.
1

7
8
.
7

1
3
.
3

8
5
.
8

9
4
.
8

111
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e
L
a
c
s

6
9
.
3

8
4
.
1

5
1
.
8

8
4
.
6

4
1
.
0

7
4
.
6

8
9
.
3

1
9
.
0

0
.
8
6

0
.
6
0

2
1
.
7

4
0
.
4

3
2
.
8

2
.
8

6
2
.
9

4
0
.
8

A
n
e
h
o

(
C
o
m
)

7
0
.
4

7
5
.
9

4
6
.
5

8
5
.
4

4
9
.
3

7
9
.
1

8
9
.
7

2
4
.
4

1
.
0
9

0
.
7
6

7
1
.
4

7
0
.
2

7
3
.
8

6
.
2

8
0
.
2

9
0
.
0

A
g
b
o
d
r
a
f
o

6
6
.
7

7
7
.
5

4
9
.
8

8
4
.
1

5
2
.
5

8
0
.
2

9
0
.
6

1
6
.
6

0
.
9
9

0
.
7
7

1
8
.
3

5
8
.
2

4
4
.
6

4
.
6

7
9
.
3

6
8
.
2

G
l
i
d
j
i

6
7
.
9

8
7
.
8

5
2
.
3

8
5
.
0

4
0
.
3

7
2
.
7

9
1
.
6

1
8
.
2

0
.
7
9

0
.
5
1

2
5
.
3

3
5
.
9

2
6
.
0

1
.
8

5
8
.
8

3
1
.
3

A
g
o
u
e
g
a
n

7
3
.
9

9
3
.
3

5
2
.
7

8
0
.
9

2
8
.
6

6
3
.
7

8
5
.
4

2
0
.
0

0
.
8
1

0
.
4
1

5
.
3

2
0
.
8

9
.
3

0
.
6

4
7
.
8

7
.
8

A
n
f
o
i
n

6
9
.
2

8
7
.
6

5
2
.
8

8
3
.
5

2
8
.
3

6
2
.
2

8
4
.
2

1
8
.
8

0
.
8
3

0
.
4
5

1
6
.
2

2
6
.
3

2
9
.
7

1
.
7

4
9
.
6

1
9
.
3

F
i
a
t
a

+

G
a
n
a
v
e

6
6
.
5

9
2
.
2

5
7
.
0

8
4
.
1

2
5
.
5

6
1
.
8

8
4
.
8

1
4
.
8

0
.
7
4

0
.
4
0

4
.
8

5
.
0

1
2
.
6

0
.
8

4
2
.
0

2
.
8

A
k
l
a
k
o
u

7
3
.
7

9
1
.
2

5
4
.
9

8
6
.
6

3
4
.
6

7
4
.
8

9
1
.
7

1
8
.
4

0
.
7
4

0
.
4
3

7
.
2

2
4
.
7

7
.
5

0
.
4

4
8
.
1

6
.
6

B
a
s
-
m
o
n
o

7
3
.
2

9
0
.
2

5
8
.
5

8
5
.
1

4
0
.
3

7
1
.
5

9
0
.
5

1
5
.
5

0
.
8
4

0
.
4
9

7
.
1

2
6
.
0

1
2
.
7

0
.
7

4
3
.
2

6
.
7

A
f
a
g
n
a
g
a
n
+
A
f
a
g
n
a
n

7
3
.
2

8
9
.
0

5
9
.
5

8
5
.
7

4
2
.
1

7
0
.
9

9
0
.
4

1
4
.
1

0
.
8
5

0
.
4
9

3
.
2

2
3
.
1

1
7
.
6

0
.
7

4
1
.
5

4
.
7

A
f
a
g
n
a
g
a
n

(
C
o
m
)

6
9
.
0

7
9
.
5

5
3
.
4

8
6
.
5

5
4
.
8

7
3
.
7

9
0
.
3

2
1
.
7

0
.
8
8

0
.
5
6

2
1
.
6

7
4
.
7

6
0
.
2

1
.
2

6
5
.
6

2
2
.
3

K
p
e
t
s
o
u

8
0
.
8

9
3
.
8

6
1
.
4

7
9
.
8

2
6
.
9

6
4
.
0

8
9
.
0

6
.
3

0
.
7
7

0
.
3
5

0
.
9

1
0
.
6

5
.
1

1
.
0

3
4
.
6

6
.
5

A
g
o
m
e
-
G
l
o
z
o
u

+
A
g
b
e
t
i
k
o

7
5
.
6

9
2
.
5

5
5
.
0

8
8
.
0

3
8
.
2

7
8
.
6

9
3
.
0

1
6
.
2

0
.
8
2

0
.
4
8

0
.
7

3
1
.
9

1
.
1

0
.
8

4
9
.
7

2
.
9

H
o
m
p
o
u

7
6
.
5

9
3
.
5

5
9
.
2

7
9
.
7

3
4
.
1

6
6
.
4

9
0
.
3

1
4
.
3

0
.
8
1

0
.
3
9

2
3
.
5

8
.
5

0
.
9

0
.
2

3
5
.
4

4
.
6

A
t
t
i
t
o
g
o
n

6
9
.
9

9
2
.
0

5
9
.
2

8
6
.
3

4
0
.
4

7
1
.
7

9
0
.
3

1
2
.
2

0
.
8
7

0
.
5
2

8
.
9

1
9
.
6

2
.
3

0
.
4

3
9
.
7

5
.
4

V
o

7
2
.
4

8
9
.
3

5
7
.
3

8
4
.
8

3
7
.
4

7
3
.
7

9
1
.
2

1
3
.
4

0
.
8
7

0
.
4
8

1
7
.
6

2
9
.
3

1
5
.
1

0
.
9

4
6
.
4

1
3
.
9

V
o
g
a
n

7
5
.
0

9
2
.
7

6
0
.
1

8
4
.
9

3
4
.
8

7
1
.
0

8
9
.
7

1
4
.
1

0
.
8
3

0
.
4
2

5
.
3

9
.
5

2
.
1

0
.
3

4
2
.
6

4
.
5

V
o
g
a
n

(
C
o
m
)

6
6
.
3

7
9
.
8

5
0
.
8

8
6
.
0

5
6
.
2

8
1
.
7

9
3
.
3

2
0
.
4

1
.
0
1

0
.
6
0

6
8
.
6

7
5
.
7

5
9
.
9

2
.
1

7
2
.
3

4
5
.
2

V
o
-
K
o
u
t
i
m
e

7
2
.
8

9
2
.
5

5
8
.
3

8
5
.
7

3
2
.
8

7
0
.
8

9
0
.
4

8
.
8

0
.
8
1

0
.
4
2

7
.
3

8
.
5

0
.
9

0
.
3

3
4
.
5

4
.
3

D
z
r
e
k
p
o
/
A
m
e
g
n
r
a
n

7
3
.
1

9
0
.
2

5
7
.
1

8
5
.
9

3
5
.
7

7
5
.
1

9
3
.
7

1
0
.
4

0
.
9
3

0
.
4
5

5
.
3

1
6
.
6

1
1
.
3

0
.
3

4
0
.
3

1
2
.
3

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

M
o
m
e
-
H
o
u
n
k
p
a
t
i

7
3
.
8

9
0
.
0

5
8
.
4

8
6
.
6

3
3
.
6

7
1
.
6

8
9
.
1

9
.
8

1
.
0
4

0
.
4
1

1
0
.
4

2
0
.
5

1
9
.
7

0
.
4

3
2
.
6

7
.
8

D
a
g
b
a
t
i

7
4
.
5

9
3
.
6

6
0
.
5

8
2
.
7

3
0
.
9

7
0
.
8

9
2
.
4

8
.
1

0
.
8
3

0
.
3
9

6
.
4

1
6
.
3

2
.
0

0
.
5

4
1
.
3

7
.
3

A
k
o
u
m
a
p
e

7
4
.
5

9
0
.
9

5
7
.
7

8
4
.
7

3
4
.
7

7
7
.
2

9
3
.
7

1
1
.
1

0
.
8
5

0
.
4
3

9
.
6

5
7
.
7

2
0
.
6

0
.
9

4
8
.
7

1
0
.
9

H
a
h
o
t
o
e

6
7
.
2

7
1
.
1

5
1
.
1

8
1
.
4

5
7
.
5

8
3
.
2

9
4
.
2

1
1
.
2

0
.
9
1

0
.
7
4

7
0
.
8

8
1
.
9

4
8
.
6

4
.
6

6
7
.
4

4
3
.
5

S
e
v
a
g
a
n

7
7
.
2

9
4
.
1

5
7
.
2

8
4
.
6

3
1
.
0

6
3
.
9

8
6
.
3

1
3
.
5

0
.
7
6

0
.
4
0

4
9
.
4

2
3
.
4

1
.
4

0
.
5

4
1
.
8

5
.
0

T
o
g
o
v
i
l
l
e

6
7
.
3

8
8
.
4

5
7
.
0

8
4
.
2

3
5
.
7

6
9
.
1

8
6
.
8

2
0
.
6

0
.
8
2

0
.
4
6

1
.
2

3
6
.
1

2
0
.
3

0
.
9

5
3
.
0

2
1
.
0

A
n
y
r
o
n

K
o
p
e

7
7
.
0

9
4
.
5

5
7
.
6

8
5
.
7

3
1
.
9

6
7
.
9

8
9
.
2

1
2
.
2

0
.
9
6

0
.
4
3

0
.
3

1
9
.
0

0
.
9

0
.
7

5
9
.
3

8
.
2

Y
o
t
o

7
2
.
7

8
7
.
6

5
5
.
6

8
4
.
0

3
6
.
8

7
2
.
5

8
9
.
8

1
2
.
5

0
.
8
6

0
.
4
3

6
3
.
5

3
9
.
8

1
6
.
3

0
.
8

4
1
.
7

1
1
.
3

T
a
b
l
i
g
b
o

7
0
.
9

8
6
.
8

5
3
.
8

7
0
.
9

3
4
.
0

7
4
.
0

8
9
.
6

1
7
.
1

0
.
9
2

0
.
5
5

5
5
.
5

5
5
.
2

2
2
.
1

1
.
9

4
9
.
5

1
3
.
5

T
a
b
l
i
g
b
o

(
C
o
m
)

6
4
.
1

6
4
.
7

4
8
.
7

8
4
.
7

5
5
.
8

8
5
.
8

9
6
.
7

9
.
2

0
.
9
9

0
.
5
4

9
0
.
4

8
5
.
7

7
1
.
7

2
.
7

7
4
.
0

5
6
.
3

K
i
n
i
-
K
o
n
d
j
i

7
2
.
4

9
1
.
0

5
7
.
8

8
2
.
4

3
2
.
9

6
3
.
1

8
9
.
4

1
.
2

0
.
8
9

0
.
4
4

5
8
.
5

4
4
.
1

6
.
0

0
.
3

3
9
.
4

1
.
0

T
o
k
p
l
i

7
9
.
0

9
2
.
6

6
0
.
5

8
5
.
5

2
9
.
4

7
4
.
2

9
2
.
6

6
.
6

0
.
8
0

0
.
3
9

3
7
.
9

2
9
.
2

0
.
7

0
.
2

3
7
.
4

1
.
7

A
m
o
u
s
s
i
m
e

7
4
.
6

9
2
.
3

5
9
.
5

8
5
.
6

3
6
.
5

5
9
.
1

8
9
.
1

2
.
9

0
.
8
5

0
.
2
9

5
6
.
0

4
5
.
2

1
.
6

0
.
3

3
8
.
1

0
.
3

G
b
o
t
o

7
3
.
5

9
0
.
5

5
7
.
3

8
4
.
4

4
0
.
5

6
9
.
7

8
8
.
2

1
3
.
2

0
.
8
4

0
.
3
8

8
8
.
2

3
7
.
1

0
.
9

0
.
6

3
3
.
6

5
.
3

E
s
s
e
-
G
o
d
j
i
n

7
5
.
4

9
4
.
5

5
9
.
1

8
5
.
5

2
7
.
7

5
6
.
4

8
2
.
2

6
.
7

0
.
8
5

0
.
3
9

2
6
.
1

2
4
.
6

0
.
2

1
.
0

3
0
.
8

1
.
4

T
o
m
e
t
y

K
o
n
d
j
i

8
1
.
1

9
4
.
5

6
0
.
0

8
1
.
8

2
7
.
0

5
9
.
4

8
8
.
5

9
.
2

0
.
8
4

0
.
3
4

0
.
4

1
7
.
4

1
.
4

0
.
3

3
4
.
6

1
.
9

S
e
d
o
m
e

8
1
.
5

9
5
.
2

5
6
.
8

8
0
.
7

2
0
.
9

3
8
.
3

7
2
.
4

8
.
9

0
.
7
8

0
.
3
1

0
.
3

1
1
.
9

0
.
8

0
.
5

3
4
.
2

1
.
8

Z
a
f
i

7
6
.
2

9
3
.
3

5
5
.
4

8
1
.
0

3
0
.
5

6
6
.
8

8
4
.
3

1
9
.
4

0
.
8
6

0
.
3
9

5
6
.
8

1
7
.
5

1
.
0

0
.
1

3
0
.
3

4
.
0

K
o
u
v
e

6
9
.
2

8
9
.
0

5
4
.
2

8
4
.
5

3
9
.
5

8
0
.
9

9
0
.
9

2
6
.
1

0
.
8
5

0
.
4
6

8
6
.
0

3
1
.
1

2
8
.
1

0
.
5

4
1
.
6

6
.
2

A
h
e
p
e

7
1
.
5

8
8
.
6

5
4
.
4

8
6
.
3

3
7
.
7

8
1
.
9

9
2
.
6

2
1
.
9

0
.
9
1

0
.
4
4

9
2
.
9

4
4
.
9

1
7
.
4

0
.
6

3
7
.
1

6
.
2

113
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
c
h
e
k
p
o

7
2
.
1

8
9
.
3

5
5
.
0

8
6
.
3

3
2
.
7

7
3
.
2

8
9
.
7

1
6
.
1

0
.
8
6

0
.
4
4

7
0
.
3

3
8
.
7

0
.
8

1
.
0

3
8
.
5

8
.
0

Z
i
o

7
2
.
5

8
6
.
2

5
2
.
2

8
2
.
4

4
1
.
7

6
7
.
7

8
4
.
5

1
8
.
8

0
.
9
0

0
.
5
9

5
4
.
1

4
6
.
4

1
7
.
7

1
.
9

4
9
.
0

2
6
.
7

T
s
e
v
i
e

7
8
.
9

9
3
.
8

5
3
.
6

8
2
.
5

3
0
.
4

4
2
.
0

6
7
.
7

8
.
5

0
.
8
0

0
.
4
4

2
4
.
1

1
1
.
2

0
.
4

0
.
9

4
7
.
0

2
.
9

T
s
e
v
i
e

(
C
o
m
)

6
5
.
6

7
4
.
5

4
6
.
9

8
2
.
3

6
1
.
0

8
1
.
8

9
2
.
9

2
4
.
9

1
.
0
4

0
.
7
2

9
8
.
1

9
2
.
8

6
0
.
4

5
.
3

7
3
.
1

7
0
.
7

G
b
a
t
o
p
e

7
4
.
3

9
1
.
9

5
5
.
1

8
3
.
0

3
4
.
2

6
3
.
1

8
1
.
4

1
6
.
2

0
.
8
9

0
.
4
4

6
4
.
0

3
0
.
8

0
.
5

0
.
8

3
0
.
0

4
.
8

D
a
l
a
v
e

7
6
.
3

8
6
.
5

5
3
.
0

8
6
.
0

3
8
.
0

6
6
.
7

8
5
.
6

1
7
.
0

0
.
8
6

0
.
6
5

5
0
.
1

3
4
.
9

3
.
7

0
.
8

5
6
.
0

1
9
.
9

K
p
o
m
e

7
2
.
7

8
7
.
2

5
4
.
5

8
1
.
3

3
3
.
1

6
6
.
3

8
4
.
1

1
0
.
6

0
.
8
3

0
.
5
0

6
9
.
5

4
9
.
2

1
.
3

1
.
4

4
8
.
8

1
1
.
4

A
b
o
b
o

7
7
.
8

9
0
.
5

5
6
.
3

8
3
.
8

3
1
.
6

6
0
.
4

8
2
.
1

1
3
.
4

0
.
7
9

0
.
4
8

3
0
.
9

4
0
.
6

2
.
9

0
.
6

5
7
.
5

1
5
.
9

D
j
a
g
b
l
e

6
9
.
4

8
6
.
5

5
1
.
1

8
4
.
0

4
6
.
0

6
3
.
4

8
2
.
2

1
4
.
2

0
.
9
2

0
.
7
1

5
5
.
5

5
9
.
2

8
.
3

1
.
4

6
8
.
8

5
1
.
4

D
a
v
i
e

7
1
.
6

8
5
.
7

4
9
.
3

8
5
.
9

3
8
.
1

7
6
.
3

8
8
.
5

1
9
.
5

0
.
8
3

0
.
5
7

8
5
.
6

5
4
.
6

3
0
.
5

2
.
3

5
6
.
1

2
4
.
6

A
d
e
t
i

K
o
p
e

6
3
.
6

6
8
.
7

5
0
.
1

8
1
.
9

5
9
.
2

7
9
.
9

9
2
.
7

1
6
.
6

1
.
1
1

0
.
7
9

2
1
.
6

6
1
.
5

3
2
.
1

4
.
8

7
9
.
3

6
7
.
2

M
i
s
s
i
o
n
-
T
o
v
e

8
0
.
3

9
1
.
7

5
3
.
3

8
3
.
0

2
7
.
0

6
6
.
8

8
4
.
1

1
2
.
9

0
.
8
9

0
.
4
7

3
0
.
7

6
8
.
1

1
.
5

0
.
4

4
2
.
1

9
.
5

K
o
v
i
e

8
0
.
5

9
2
.
9

5
2
.
9

8
2
.
1

2
5
.
9

5
3
.
8

7
5
.
3

1
3
.
5

0
.
8
2

0
.
5
3

3
.
1

6
2
.
1

0
.
7

0
.
1

3
6
.
7

6
.
3

W
l
i

8
2
.
8

9
2
.
0

5
3
.
0

8
6
.
1

3
7
.
1

5
5
.
9

8
2
.
1

1
8
.
2

0
.
8
6

0
.
5
3

1
8
.
5

5
2
.
3

0
.
5

0
.
3

3
7
.
1

1
.
3

B
o
l
o
u
k
p
e
t
a

7
7
.
4

9
1
.
8

5
3
.
4

8
6
.
0

3
4
.
3

6
6
.
7

8
3
.
8

1
3
.
3

0
.
9
0

0
.
4
2

8
.
4

1
5
.
2

0
.
8

0
.
8

3
1
.
8

3
.
0

G
b
l
a
i
n
v
i
e

6
9
.
2

9
2
.
3

5
3
.
7

8
7
.
2

2
9
.
4

6
0
.
5

7
9
.
6

1
1
.
8

0
.
9
0

0
.
4
1

6
6
.
8

4
3
.
5

0
.
6

0
.
3

3
1
.
2

4
.
2

G
a
p
e
-
K
p
o
d
j
i

8
0
.
7

9
4
.
2

5
2
.
5

8
4
.
2

3
4
.
4

6
0
.
3

7
4
.
2

9
.
4

0
.
8
8

0
.
4
6

4
1
.
1

1
4
.
4

0
.
4

1
.
1

2
5
.
2

1
.
7

G
a
p
e
-
C
e
n
t
r
e

7
7
.
1

9
2
.
7

5
4
.
5

8
5
.
4

3
5
.
3

6
5
.
7

8
4
.
2

1
2
.
5

0
.
8
5

0
.
4
4

6
9
.
4

2
6
.
3

0
.
9

0
.
9

2
3
.
1

3
.
0

A
g
b
e
l
o
u
v
e

7
4
.
6

9
0
.
2

5
3
.
8

7
7
.
7

3
4
.
1

5
4
.
8

7
9
.
0

1
5
.
4

0
.
9
0

0
.
4
8

3
6
.
8

1
4
.
7

1
2
.
6

0
.
4

3
2
.
7

9
.
6

G
a
m
e

7
4
.
9

9
4
.
0

5
5
.
2

7
5
.
2

2
5
.
8

4
5
.
1

6
7
.
8

1
0
.
0

0
.
8
3

0
.
3
0

2
3
.
0

1
1
.
1

7
.
1

0
.
3

3
6
.
8

4
.
0

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e
A
v

7
5
.
0

8
9
.
6

5
3
.
2

8
4
.
4

3
8
.
7

7
0
.
6

8
3
.
7

1
9
.
2

0
.
9
2

0
.
5
4

4
3
.
4

5
1
.
1

1
2
.
5

0
.
9

4
3
.
7

1
2
.
6

K
e
v
e

7
6
.
1

9
1
.
7

5
6
.
8

8
4
.
8

4
0
.
1

7
4
.
9

9
0
.
6

1
6
.
9

0
.
9
5

0
.
4
7

7
8
.
1

5
6
.
0

0
.
9

1
.
6

3
0
.
4

1
.
7

K
e
v
e

(
C
o
m
)

6
4
.
9

7
8
.
1

5
0
.
4

8
7
.
5

6
2
.
7

9
0
.
4

9
6
.
3

2
5
.
3

0
.
8
9

0
.
5
9

6
3
.
2

7
9
.
5

4
1
.
9

3
.
1

6
4
.
8

3
3
.
9

A
s
s
a
h
o
u
n

+
A
n
d
o

7
4
.
1

8
8
.
9

5
2
.
7

8
3
.
6

3
8
.
7

7
1
.
2

8
1
.
3

1
9
.
4

0
.
9
1

0
.
6
3

3
2
.
5

4
9
.
2

1
6
.
9

1
.
0

4
5
.
1

1
7
.
9

T
o
v
e
g
a
n

8
5
.
0

9
4
.
0

5
4
.
6

8
2
.
0

2
9
.
8

5
6
.
2

7
6
.
3

1
9
.
3

0
.
8
9

0
.
4
5

3
4
.
7

1
6
.
6

0
.
3

0
.
4

3
1
.
0

2
.
5

D
z
o
l
o

7
2
.
2

9
2
.
9

5
2
.
6

8
6
.
2

4
5
.
2

8
0
.
3

9
1
.
6

1
6
.
5

1
.
0
2

0
.
4
7

5
7
.
2

4
0
.
4

0
.
2

0
.
2

4
3
.
4

2
.
9

B
a
d
j
a

7
9
.
0

9
0
.
8

5
3
.
6

8
4
.
5

3
4
.
3

6
9
.
0

8
3
.
1

1
5
.
9

0
.
9
5

0
.
4
5

3
6
.
5

6
2
.
3

6
.
6

0
.
6

4
3
.
5

4
.
9

N
o
e
p
e

6
2
.
0

8
3
.
1

5
0
.
1

8
8
.
0

4
0
.
9

6
1
.
3

7
9
.
2

1
8
.
4

0
.
8
8

0
.
5
1

5
3
.
9

7
4
.
0

3
1
.
4

1
.
6

5
2
.
3

2
5
.
5

A
k
e
p
e

7
6
.
2

8
7
.
4

5
3
.
6

8
5
.
7

3
0
.
8

6
9
.
2

8
6
.
5

2
0
.
4

0
.
8
8

0
.
5
7

5
2
.
9

7
3
.
6

1
8
.
0

0
.
4

5
7
.
2

1
9
.
9

P
l
a
t
e
a
u
x

7
0
.
8

8
8
.
2

5
4
.
1

7
7
.
4

3
9
.
4

6
1
.
6

8
1
.
4

1
9
.
2

0
.
8
9

0
.
5
3

2
7
.
3

3
1
.
5

2
0
.
0

1
.
2

4
2
.
2

2
0
.
6

O
g
o
u

7
1
.
9

8
6
.
9

5
3
.
6

7
4
.
4

3
9
.
0

5
6
.
3

7
9
.
7

2
2
.
3

0
.
9
0

0
.
5
5

2
8
.
7

2
1
.
9

3
1
.
8

1
.
9

4
9
.
7

3
3
.
3

D
j
a
m
a

7
5
.
3

9
5
.
2

5
5
.
1

7
3
.
8

1
4
.
2

3
8
.
0

7
0
.
2

1
0
.
0

0
.
8
0

0
.
3
3

1
7
.
4

1
.
6

1
.
1

0
.
5

3
1
.
2

1
.
4

A
n
i
e

(
C
o
m
)

6
0
.
5

7
2
.
4

4
8
.
0

8
2
.
9

6
1
.
1

8
1
.
5

9
4
.
1

2
5
.
2

1
.
1
0

0
.
6
2

4
6
.
3

6
1
.
7

7
8
.
7

4
.
8

7
8
.
3

8
5
.
2

W
o
u
d
o
u

6
7
.
9

9
3
.
7

5
4
.
7

8
5
.
1

3
1
.
3

6
7
.
0

8
9
.
3

1
4
.
5

0
.
7
8

0
.
4
1

1
2
.
1

5
.
4

1
.
4

0
.
3

3
1
.
0

3
.
5

G
n
a
g
n
a

6
7
.
3

8
4
.
1

5
2
.
9

8
9
.
5

4
9
.
8

6
5
.
9

9
0
.
0

1
8
.
4

1
.
0
4

0
.
6
3

2
8
.
9

2
5
.
0

1
8
.
1

1
.
9

5
8
.
5

3
4
.
2

D
a
t
c
h
a

7
4
.
9

8
7
.
8

5
3
.
5

8
4
.
0

4
3
.
4

6
2
.
9

8
2
.
8

2
0
.
7

0
.
9
3

0
.
5
4

1
7
.
3

9
.
4

4
1
.
2

1
.
0

4
7
.
6

1
8
.
0

G
l
e
i

7
0
.
7

9
1
.
2

5
4
.
4

7
8
.
9

3
2
.
7

5
5
.
7

7
9
.
6

1
7
.
2

0
.
9
2

0
.
4
5

2
1
.
4

5
.
6

2
5
.
7

0
.
8

3
8
.
0

1
8
.
8

K
a
t
o
r
e

8
2
.
0

9
5
.
8

5
5
.
3

7
0
.
9

1
5
.
6

2
4
.
4

5
1
.
2

1
1
.
4

0
.
8
4

0
.
3
4

2
6
.
5

0
.
3

1
.
0

0
.
6

2
7
.
4

0
.
9

O
u
n
t
i
v
o
u

8
7
.
9

9
5
.
8

6
0
.
0

6
3
.
1

1
6
.
1

2
0
.
1

5
3
.
8

9
.
7

0
.
7
0

0
.
4
1

1
3
.
9

3
.
0

2
.
7

0
.
5

2
9
.
3

3
.
6

A
k
p
a
r
e

7
7
.
8

9
2
.
0

5
4
.
8

7
4
.
4

2
6
.
7

4
2
.
8

6
9
.
8

1
7
.
3

0
.
8
4

0
.
3
9

3
0
.
4

3
.
7

3
.
6

0
.
6

3
8
.
7

1
2
.
1

115
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

G
l
i
t
o

8
7
.
1

9
4
.
2

5
9
.
5

5
4
.
2

1
1
.
2

1
7
.
0

4
5
.
0

1
4
.
6

0
.
7
9

0
.
3
8

2
3
.
7

1
.
1

1
.
1

0
.
2

4
0
.
7

7
.
7

A
t
c
h
i
n
e
d
j
i

8
5
.
5

9
6
.
0

5
6
.
9

5
6
.
6

1
4
.
3

2
6
.
3

4
9
.
9

9
.
1

0
.
6
9

0
.
3
8

1
7
.
0

1
.
6

1
.
4

0
.
5

3
7
.
1

2
.
1

A
n
i

7
5
.
9

8
7
.
5

5
4
.
3

7
2
.
9

3
2
.
3

4
7
.
8

7
3
.
6

1
2
.
5

0
.
8
6

0
.
4
7

8
.
9

1
0
.
6

1
7
.
9

0
.
7

4
4
.
8

3
1
.
8

A
n
i
e

8
2
.
6

9
4
.
0

5
5
.
5

7
5
.
6

2
0
.
2

4
7
.
5

7
1
.
5

1
0
.
0

0
.
8
1

0
.
3
6

1
.
5

0
.
9

1
.
9

0
.
4

3
0
.
0

2
.
3

A
t
a
k
p
a
m
e

(
C
o
m
)

6
7
.
2

7
7
.
5

5
0
.
5

8
3
.
1

4
8
.
6

6
5
.
8

8
7
.
3

1
3
.
3

1
.
0
1

0
.
5
2

2
.
1

2
4
.
9

4
3
.
3

1
.
2

7
0
.
6

7
4
.
4

P
a
l
l
a
k
o
k
o

8
3
.
5

9
5
.
5

5
4
.
9

7
4
.
9

2
8
.
1

6
3
.
6

8
3
.
8

7
.
5

0
.
8
5

0
.
4
1

8
.
1

1
.
8

0
.
2

0
.
7

1
8
.
3

4
.
3

K
o
l
o

K
o
p
e

7
1
.
6

9
2
.
2

5
5
.
2

7
2
.
5

2
2
.
2

3
2
.
1

6
0
.
0

5
.
8

0
.
7
5

0
.
3
5

8
.
5

1
.
7

2
.
2

0
.
2

2
8
.
1

5
.
5

A
d
o
g
b
e
n
o
u

8
8
.
3

9
3
.
9

5
8
.
6

5
9
.
4

1
1
.
8

1
8
.
6

4
7
.
3

1
6
.
0

0
.
7
3

0
.
3
0

2
2
.
0

1
.
0

1
.
4

0
.
4

3
0
.
0

4
.
3

E
s
t
-
M
o
n
o

7
2
.
1

9
1
.
1

5
6
.
3

7
5
.
1

2
7
.
5

4
8
.
6

7
1
.
1

1
3
.
4

0
.
8
8

0
.
4
4

4
3
.
6

1
1
.
4

4
.
3

0
.
4

3
7
.
4

7
.
5

E
l
a
v
a
g
n
o
n

7
2
.
7

9
4
.
4

5
4
.
6

8
0
.
5

2
0
.
8

5
8
.
8

7
5
.
0

8
.
3

0
.
9
2

0
.
4
4

5
7
.
3

5
.
0

1
.
7

0
.
1

3
6
.
5

1
.
4

E
l
a
v
a
g
n
o
n

(
C
o
m
)

5
0
.
8

7
0
.
7

5
0
.
4

8
4
.
8

6
2
.
6

7
8
.
5

9
1
.
1

2
1
.
7

1
.
0
0

0
.
5
0

3
0
.
8

2
9
.
5

5
1
.
7

1
.
8

6
2
.
2

4
2
.
6

G
b
a
d
j
a
h
e

6
0
.
1

9
2
.
8

5
3
.
7

7
9
.
6

2
8
.
0

5
7
.
8

7
7
.
4

1
1
.
8

0
.
7
9

0
.
3
1

5
9
.
2

2
5
.
9

1
.
3

0
.
6

3
0
.
9

4
.
1

K
p
e
s
s
i

7
3
.
7

9
5
.
4

5
7
.
5

7
5
.
2

2
3
.
1

5
2
.
9

6
8
.
5

9
.
0

0
.
9
8

0
.
4
7

5
1
.
4

9
.
8

0
.
2

0
.
3

3
0
.
8

3
.
4

K
a
m
i
n
a

8
2
.
5

8
9
.
7

5
8
.
0

7
3
.
0

1
9
.
9

3
2
.
8

6
3
.
0

8
.
2

0
.
8
4

0
.
4
1

5
8
.
4

3
.
4

1
.
7

0
.
4

3
0
.
2

1
.
9

B
a
d
i
n

7
8
.
8

9
2
.
7

5
7
.
4

7
1
.
9

2
2
.
1

3
8
.
3

6
7
.
5

1
2
.
8

0
.
8
1

0
.
4
3

4
0
.
0

7
.
9

1
.
0

0
.
3

2
6
.
0

2
.
3

M
o
r
e
t
a
n

7
2
.
3

9
1
.
1

5
7
.
5

7
2
.
9

2
4
.
8

4
1
.
1

6
3
.
4

9
.
9

0
.
8
8

0
.
4
0

3
1
.
0

1
2
.
3

1
.
8

0
.
3

4
3
.
0

8
.
8

N
y
a
m
a
s
s
i
l
a

6
9
.
5

9
1
.
2

5
5
.
7

7
4
.
2

3
3
.
5

6
1
.
9

8
1
.
5

1
8
.
2

0
.
9
4

0
.
4
6

3
7
.
6

1
3
.
7

2
.
3

0
.
3

4
4
.
1

1
2
.
9

A
k
b
o
u

8
1
.
3

9
2
.
3

5
5
.
0

7
9
.
3

3
0
.
2

3
9
.
8

6
9
.
7

9
.
0

0
.
8
3

0
.
3
2

3
.
2

2
3
.
4

4
.
1

0
.
2

2
0
.
8

4
.
5

K
o
u
g
n
o
h
o
u

8
3
.
1

9
5
.
1

5
3
.
9

7
8
.
9

6
.
9

2
8
.
7

5
2
.
1

4
.
7

0
.
8
4

0
.
5
1

0
.
4

5
0
.
3

0
.
6

0
.
2

1
6
.
7

0
.
4

K
o
u
g
n
o
h
o
u

(
C
o
m
)

6
1
.
2

7
4
.
1

5
0
.
7

8
0
.
1

5
8
.
9

5
8
.
5

8
5
.
6

1
2
.
4

0
.
9
4

0
.
3
7

4
.
8

3
4
.
3

3
5
.
4

0
.
5

5
1
.
1

2
7
.
8

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

A
m
l
a
m
e

(
C
o
m
)

5
9
.
1

7
3
.
6

4
9
.
3

8
5
.
3

6
5
.
4

9
5
.
9

9
8
.
9

1
9
.
8

0
.
9
6

0
.
6
2

5
4
.
0

7
9
.
4

8
0
.
7

2
.
3

6
6
.
8

4
3
.
3

A
m
o
u
-
O
b
l
o

6
8
.
8

8
8
.
6

5
2
.
8

8
8
.
8

4
3
.
3

8
8
.
5

9
2
.
9

1
7
.
3

0
.
9
2

0
.
5
1

2
8
.
7

3
4
.
0

3
7
.
8

2
.
0

4
0
.
7

2
1
.
7

S
o
d
o

7
4
.
3

9
1
.
3

5
3
.
8

9
0
.
9

4
9
.
1

7
9
.
8

9
0
.
7

2
5
.
4

0
.
9
8

0
.
4
3

1
4
.
0

6
6
.
8

2
7
.
6

0
.
3

4
5
.
7

7
.
5

E
k
p
e
g
n
o
n

7
8
.
5

9
6
.
3

5
5
.
3

8
3
.
8

2
9
.
1

7
3
.
5

8
8
.
5

7
.
2

0
.
8
5

0
.
4
3

3
9
.
5

1
3
.
4

0
.
5

0
.
3

2
2
.
1

1
.
3

K
p
a
t
e
g
a
n

8
3
.
1

9
6
.
0

5
4
.
8

7
9
.
5

3
2
.
2

5
8
.
0

7
8
.
7

9
.
0

0
.
9
0

0
.
5
3

9
.
6

3
.
0

0
.
4

0
.
0

2
7
.
0

1
.
9

A
v
e
d
j
e

8
6
.
3

9
5
.
7

5
3
.
6

8
5
.
3

3
0
.
8

7
3
.
7

8
7
.
9

1
0
.
3

1
.
0
1

0
.
4
7

0
.
6

0
.
9

1
.
3

0
.
0

2
6
.
5

0
.
8

I
m
l
e

7
7
.
5

9
1
.
5

5
4
.
1

8
6
.
5

4
1
.
4

8
0
.
0

9
2
.
0

3
1
.
6

1
.
0
3

0
.
5
9

5
0
.
1

2
9
.
5

1
8
.
2

0
.
6

3
4
.
9

4
.
9

A
d
i
v
a

7
1
.
0

9
2
.
0

5
2
.
9

8
2
.
6

4
7
.
8

8
2
.
7

9
0
.
1

1
5
.
4

0
.
9
7

0
.
4
1

7
8
.
4

2
0
.
8

2
7
.
9

0
.
5

4
4
.
4

6
.
9

E
v
o
u

5
2
.
1

8
2
.
3

5
1
.
8

8
2
.
2

6
5
.
4

8
9
.
7

9
5
.
0

7
.
0

0
.
9
9

0
.
5
6

1
0
.
8

2
0
.
1

3
5
.
0

1
.
1

5
5
.
1

9
.
3

T
e
m
e
d
j
a

6
8
.
8

8
0
.
3

4
9
.
0

8
5
.
2

6
0
.
5

9
2
.
0

9
7
.
1

6
.
3

1
.
0
2

0
.
6
4

1
0
.
3

2
3
.
2

5
1
.
5

1
.
3

5
3
.
2

2
1
.
2

H
i
h
e
a
t
r
o

6
5
.
9

8
2
.
7

4
9
.
3

8
6
.
2

6
0
.
9

9
1
.
7

9
6
.
2

1
6
.
9

0
.
9
1

0
.
6
1

2
9
.
0

5
3
.
7

4
9
.
2

3
.
5

5
2
.
3

4
1
.
1

O
k
p
a
h
o
u
e

7
8
.
3

9
7
.
4

5
5
.
9

8
4
.
0

7
3
.
1

9
3
.
3

9
8
.
7

6
.
7

0
.
8
1

0
.
4
0

0
.
0

3
0
.
8

0
.
2

0
.
3

1
4
.
9

1
.
0

O
t
a
d
i

8
4
.
8

9
5
.
2

5
5
.
8

8
4
.
8

2
5
.
6

8
4
.
6

9
1
.
0

1
1
.
4

0
.
9
8

0
.
3
5

2
.
9

1
2
.
5

0
.
6

0
.
5

2
0
.
4

0
.
8

G
a
m
e

8
9
.
0

9
6
.
9

5
5
.
8

8
1
.
7

1
7
.
0

5
7
.
8

8
3
.
5

1
0
.
9

0
.
8
1

0
.
2
3

1
.
8

0
.
8

0
.
9

0
.
5

2
1
.
7

0
.
4

D
a
n
y
i

6
9
.
5

8
6
.
6

5
2
.
6

8
0
.
9

5
2
.
9

8
2
.
5

8
9
.
4

1
9
.
1

0
.
8
5

0
.
5
5

1
1
.
2

7
5
.
3

7
.
8

0
.
6

3
6
.
8

7
.
2

D
a
n
y
i
-
A
t
i
g
b
a
+
E
l
a
v
a
n
y
o
n

6
9
.
3

8
4
.
5

5
3
.
3

7
9
.
9

5
3
.
4

7
6
.
8

8
7
.
8

1
5
.
1

0
.
8
3

0
.
5
9

1
1
.
6

8
0
.
9

1
.
7

0
.
4

3
6
.
4

4
.
3

A
d
e
t
a

(
C
o
m
)

5
8
.
2

7
6
.
2

4
8
.
3

7
6
.
8

6
8
.
5

9
1
.
6

9
4
.
6

2
4
.
1

0
.
9
5

0
.
5
6

9
.
7

5
3
.
1

4
3
.
8

1
.
8

5
9
.
9

2
8
.
1

D
a
n
y
i
-
K
a
k
p
a

7
4
.
7

9
2
.
3

5
3
.
4

8
0
.
9

4
8
.
0

8
3
.
7

8
9
.
3

2
1
.
3

0
.
9
0

0
.
5
0

2
3
.
8

6
9
.
7

0
.
9

0
.
2

2
8
.
5

3
.
0

Y
i
k
p
a

7
6
.
6

8
8
.
7

4
9
.
4

8
3
.
9

4
3
.
2

9
7
.
5

9
7
.
8

1
4
.
3

0
.
7
2

0
.
3
4

0
.
6

7
5
.
5

0
.
9

1
.
0

3
0
.
4

2
.
3

A
h
l
o
n

7
3
.
6

9
0
.
8

5
4
.
2

8
6
.
3

4
4
.
7

8
4
.
3

9
0
.
5

1
4
.
5

0
.
8
4

0
.
4
9

0
.
5

8
6
.
0

1
.
2

0
.
1

2
6
.
9

3
.
1

117
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

D
a
n
y
i

K
p
e
t
o
-
E
v
i
t
a

7
1
.
8

9
1
.
3

5
4
.
4

8
2
.
9

4
1
.
7

7
4
.
0

7
8
.
6

1
3
.
9

0
.
8
4

0
.
5
2

0
.
5

8
6
.
9

1
.
7

0
.
9

3
6
.
0

2
.
2

K
p
e
l
e

6
4
.
2

8
7
.
4

5
2
.
6

8
3
.
0

4
5
.
1

7
2
.
3

8
3
.
2

1
9
.
4

0
.
9
0

0
.
5
2

8
.
9

3
4
.
1

2
6
.
3

1
.
2

4
0
.
5

1
7
.
2

K
p
e
l
e
-
N
o
v
i
v
e

7
0
.
6

8
9
.
4

5
3
.
0

8
4
.
9

3
6
.
9

7
0
.
8

8
2
.
1

2
0
.
7

0
.
9
1

0
.
5
5

6
.
1

3
0
.
8

1
9
.
3

1
.
4

3
7
.
2

1
1
.
5

D
a
n
y
i

(
C
o
m
)

6
1
.
7

7
2
.
6

4
6
.
8

8
5
.
5

6
1
.
0

8
7
.
5

9
3
.
4

3
0
.
5

0
.
9
6

0
.
6
2

1
1
.
6

7
3
.
6

6
3
.
2

3
.
3

6
3
.
9

6
9
.
1

K
p
e
l
e

D
a
w
l
o
t
o
u

6
9
.
5

9
3
.
2

5
4
.
6

8
3
.
0

2
7
.
1

6
2
.
6

7
6
.
8

1
1
.
3

0
.
8
3

0
.
5
6

8
.
5

2
7
.
5

9
.
0

0
.
4

3
6
.
7

6
.
9

A
k
a
t
a

6
0
.
8

8
9
.
2

5
3
.
5

8
6
.
3

4
1
.
2

6
6
.
4

7
9
.
0

1
1
.
3

0
.
9
0

0
.
4
7

6
.
6

4
2
.
6

1
5
.
9

1
.
4

3
3
.
4

6
.
4

K
p
e
l
e
-
G
o
v
i
e

6
2
.
6

8
4
.
0

5
1
.
3

8
2
.
8

5
2
.
9

8
4
.
8

8
9
.
7

1
4
.
5

0
.
9
6

0
.
8
0

0
.
3

5
9
.
5

4
2
.
9

0
.
7

4
7
.
6

1
7
.
0

K
p
e
l
e
-
C
e
n
t
r
e

6
4
.
2

8
8
.
3

5
3
.
3

7
0
.
4

4
1
.
5

7
7
.
8

8
9
.
8

1
6
.
8

0
.
8
9

0
.
4
8

1
.
9

1
6
.
1

2
2
.
2

0
.
9

3
0
.
5

1
1
.
6

K
p
e
l
e
-
G
b
a
l
a
d
j
e

7
2
.
5

8
8
.
2

5
2
.
0

8
6
.
2

5
7
.
0

8
0
.
2

9
3
.
5

1
6
.
1

0
.
9
8

0
.
6
3

0
.
5

2
5
.
8

4
5
.
2

2
.
1

4
4
.
6

1
0
.
6

K
p
e
l
e

K
a
m
e

5
6
.
2

9
2
.
0

5
5
.
4

8
3
.
4

5
2
.
9

7
0
.
3

8
1
.
9

9
.
1

0
.
9
5

0
.
5
0

1
1
.
0

2
6
.
4

1
7
.
1

0
.
7

3
0
.
1

5
.
8

K
p
e
l
e
-
D
u
t
o
e

4
7
.
5

8
8
.
8

5
1
.
9

8
8
.
4

5
4
.
3

6
4
.
6

7
1
.
6

1
4
.
1

0
.
8
5

0
.
3
5

1
4
.
4

4
.
8

3
3
.
2

0
.
2

3
9
.
4

1
3
.
4

K
p
e
l
e
-
N
o
r
d

6
4
.
7

8
6
.
4

5
2
.
1

8
2
.
8

4
9
.
5

5
9
.
5

7
9
.
7

1
4
.
6

0
.
8
8

0
.
4
3

2
4
.
9

2
8
.
5

3
0
.
3

0
.
6

4
9
.
6

1
9
.
4

K
l
o
t
o

6
3
.
1

7
8
.
7

4
9
.
1

8
6
.
3

5
7
.
5

8
7
.
3

9
4
.
2

2
5
.
8

0
.
9
8

0
.
6
8

4
9
.
4

8
2
.
2

4
5
.
3

3
.
6

6
2
.
9

4
7
.
7

K
p
a
l
i
m
e

(
C
o
m
)

6
0
.
9

7
1
.
3

4
6
.
6

8
5
.
5

6
1
.
5

8
8
.
4

9
5
.
1

2
8
.
3

1
.
0
5

0
.
7
3

6
5
.
7

9
2
.
2

7
0
.
6

5
.
3

8
1
.
3

8
1
.
1

A
g
o
m
e

6
1
.
7

8
1
.
9

5
3
.
1

9
0
.
3

5
3
.
5

8
4
.
2

8
5
.
9

2
1
.
6

0
.
9
0

0
.
6
0

2
0
.
4

9
0
.
0

3
1
.
3

4
.
3

6
6
.
1

1
1
.
0

A
g
o
m
e
-
T
o
m
e
g
b
e

6
8
.
4

9
0
.
9

5
1
.
5

7
9
.
6

4
9
.
7

8
7
.
8

9
0
.
6

3
0
.
0

0
.
8
8

0
.
5
7

3
2
.
9

7
6
.
4

3
.
6

1
.
4

3
2
.
5

8
.
8

K
o
u
m
a

6
5
.
0

8
8
.
1

5
1
.
7

8
8
.
3

5
6
.
6

8
8
.
8

9
2
.
3

2
0
.
3

0
.
9
4

0
.
7
2

2
3
.
1

8
8
.
1

4
.
1

0
.
7

3
8
.
2

2
.
6

K
p
i
m
e

6
6
.
3

9
0
.
9

5
4
.
6

9
0
.
3

4
4
.
8

8
3
.
1

9
1
.
2

1
0
.
3

0
.
8
6

0
.
5
6

1
7
.
1

5
9
.
1

1
7
.
1

0
.
6

3
3
.
5

4
.
2

L
a
v
i
e

+

A
p
e
d
o
m
e

6
1
.
1

8
3
.
6

5
3
.
5

8
6
.
0

5
8
.
8

8
5
.
7

9
4
.
3

1
4
.
1

0
.
9
8

0
.
6
0

6
4
.
3

6
9
.
3

2
5
.
1

3
.
9

3
2
.
6

1
2
.
1

Y
o
k
e
l
e

7
1
.
6

8
4
.
0

5
2
.
7

8
7
.
6

5
1
.
4

8
5
.
0

9
4
.
4

2
0
.
7

0
.
9
0

0
.
6
2

5
4
.
9

5
7
.
2

3
1
.
0

2
.
3

6
1
.
1

1
8
.
0

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
o
v
e

7
2
.
2

8
7
.
0

5
1
.
0

8
6
.
9

5
2
.
9

8
6
.
1

9
5
.
4

1
8
.
8

1
.
0
2

0
.
6
8

4
6
.
7

5
9
.
8

3
8
.
9

1
.
5

4
8
.
9

1
0
.
4

A
t
s
a
v
e

7
1
.
8

9
1
.
5

5
1
.
8

9
0
.
5

5
3
.
8

9
1
.
8

9
1
.
9

2
1
.
4

0
.
8
9

0
.
6
9

2
.
0

5
9
.
0

2
.
0

0
.
0

3
9
.
6

1
.
8

T
o
m
e

5
8
.
5

9
1
.
4

5
4
.
0

8
5
.
7

4
9
.
3

9
1
.
5

9
6
.
7

1
9
.
4

0
.
8
6

0
.
5
1

4
4
.
5

5
2
.
2

0
.
8

0
.
6

3
9
.
5

3
.
4

N
y
i
v
e

7
3
.
5

9
1
.
0

5
2
.
4

8
2
.
4

1
8
.
6

7
3
.
7

9
1
.
5

1
7
.
1

0
.
9
4

0
.
3
7

1
0
.
7

9
2
.
4

0
.
3

0
.
6

5
9
.
1

2
.
1

Y
e
v
i
e
f
e

7
1
.
3

9
0
.
6

5
0
.
6

9
3
.
2

4
9
.
5

7
3
.
6

8
6
.
0

8
.
0

0
.
8
3

0
.
4
7

1
.
1

9
5
.
5

1
.
1

0
.
4

4
3
.
2

6
.
7

K
l
o

M
a
y
o
n
d
i

7
8
.
9

9
4
.
1

5
0
.
4

8
5
.
6

4
4
.
6

9
4
.
1

9
1
.
9

1
6
.
7

0
.
7
5

0
.
5
3

0
.
1

9
3
.
1

0
.
0

0
.
7

4
1
.
5

9
.
0

W
o
m
e

6
1
.
3

8
6
.
7

4
8
.
4

8
2
.
1

5
3
.
2

7
9
.
8

9
2
.
1

2
1
.
0

1
.
0
1

0
.
4
9

0
.
5

6
8
.
5

0
.
8

1
.
0

4
0
.
3

7
.
8

K
p
a
d
a
p
e

6
4
.
5

8
9
.
5

5
0
.
2

8
8
.
4

5
4
.
8

8
9
.
7

9
3
.
4

2
2
.
1

0
.
9
0

0
.
6
2

1
.
5

7
2
.
8

1
.
0

0
.
4

5
3
.
3

1
2
.
9

G
b
a
l
a
v
e

7
0
.
0

8
7
.
0

4
7
.
1

9
0
.
0

4
0
.
8

7
9
.
3

8
8
.
5

1
5
.
0

0
.
7
7

0
.
5
4

0
.
0

4
9
.
7

0
.
0

1
.
1

3
7
.
7

4
.
5

H
a
n
y
i
g
b
a

6
5
.
6

8
8
.
5

4
9
.
8

8
7
.
9

5
6
.
8

8
4
.
1

9
2
.
7

3
0
.
8

0
.
9
5

0
.
5
5

0
.
9

7
5
.
1

2
5
.
2

0
.
4

3
5
.
0

6
.
1

A
g
o
u

7
4
.
7

8
9
.
7

5
2
.
0

8
1
.
3

3
9
.
0

6
8
.
4

8
1
.
4

1
8
.
2

0
.
8
7

0
.
5
1

3
4
.
6

3
9
.
3

1
3
.
6

1
.
0

4
0
.
1

1
0
.
5

A
g
o
u
-
T
a
v
i
e

6
6
.
6

8
2
.
3

5
0
.
7

8
6
.
4

5
9
.
1

8
1
.
1

9
1
.
0

2
3
.
9

0
.
9
6

0
.
5
2

1
2
.
6

5
7
.
3

4
2
.
4

2
.
4

5
5
.
7

1
7
.
0

A
g
o
u

G
a
d
z
e
p
e

(
C
o
m
)

5
8
.
0

6
9
.
9

4
6
.
6

8
4
.
7

6
8
.
2

8
4
.
7

9
4
.
6

2
5
.
1

1
.
0
5

0
.
6
0

3
0
.
4

7
9
.
7

5
5
.
8

3
.
9

6
5
.
5

5
2
.
8

A
g
o
u

K
e
b
o

7
6
.
8

8
8
.
3

5
2
.
5

7
3
.
9

3
3
.
4

8
1
.
8

8
4
.
8

2
9
.
1

0
.
9
0

0
.
6
5

4
7
.
7

5
9
.
9

1
7
.
9

0
.
8

4
3
.
3

2
.
7

N
y
o
g
b
o

D
z
i
d
j
o
l
e

+

A
g
b
e
t
i
k
o

6
9
.
0

8
8
.
5

5
2
.
3

8
6
.
5

4
9
.
2

8
6
.
2

9
3
.
5

2
9
.
8

0
.
8
2

0
.
6
0

3
5
.
6

6
2
.
1

3
4
.
9

2
.
1

4
4
.
2

1
8
.
9

A
g
o
u

A
k
p
l
o
l
o

8
3
.
5

9
3
.
9

4
9
.
4

8
6
.
2

2
9
.
2

8
1
.
6

8
1
.
3

1
7
.
1

0
.
7
3

0
.
4
5

2
1
.
5

4
2
.
8

2
.
3

0
.
8

3
5
.
7

3
.
1

A
g
o
u

Y
i
b
o
e

+

K
a
t
i

7
9
.
7

9
0
.
2

5
0
.
2

8
5
.
0

3
2
.
2

6
1
.
5

7
5
.
7

1
4
.
3

0
.
9
7

0
.
4
8

6
0
.
5

1
2
.
5

0
.
9

0
.
3

2
9
.
4

1
2
.
6

G
a
d
j
a

7
2
.
6

8
9
.
8

5
3
.
4

8
0
.
0

4
0
.
5

5
9
.
3

8
0
.
4

1
2
.
5

0
.
8
6

0
.
4
3

4
4
.
2

3
0
.
1

1
4
.
8

0
.
8

3
7
.
5

9
.
1

A
m
o
u
s
s
o
u
k
o
p
e

7
9
.
0

9
0
.
1

5
3
.
0

8
1
.
8

3
7
.
6

6
9
.
8

7
9
.
1

6
.
4

0
.
8
6

0
.
6
2

3
6
.
7

2
5
.
8

2
.
2

0
.
5

3
7
.
8

6
.
8

A
d
z
a
k
p
a

8
5
.
7

9
5
.
7

5
4
.
3

7
1
.
3

1
1
.
6

5
1
.
9

6
4
.
2

7
.
1

0
.
8
3

0
.
4
2

2
4
.
0

4
1
.
5

2
.
0

0
.
4

3
6
.
3

2
.
0

117
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

A
g
o
t
i
m
e

N
o
r
d

7
5
.
4

9
2
.
3

5
1
.
9

8
1
.
4

2
8
.
1

6
5
.
6

7
3
.
8

1
7
.
2

0
.
8
2

0
.
5
0

1
1
.
0

3
5
.
9

4
.
7

0
.
9

3
5
.
6

2
.
8

A
s
s
a
h
o
u
n

F
i
a
g
b
e

7
8
.
9

9
2
.
8

5
1
.
9

8
0
.
3

3
4
.
0

6
8
.
3

8
3
.
9

1
9
.
3

0
.
7
9

0
.
4
6

2
2
.
0

5
0
.
3

0
.
0

0
.
6

4
4
.
8

3
.
1

A
g
o
u
-
A
t
i
g
b
e

7
4
.
2

9
1
.
0

5
1
.
7

8
2
.
3

4
5
.
3

8
6
.
9

8
8
.
3

1
5
.
8

0
.
7
8

0
.
4
8

0
.
5

4
3
.
9

1
0
.
6

0
.
7

5
9
.
2

4
.
6

A
g
o
u

K
l
o
n
o
u

7
3
.
0

9
3
.
8

4
9
.
3

8
9
.
7

5
4
.
4

7
1
.
1

8
6
.
4

2
9
.
2

1
.
0
7

0
.
5
3

4
9
.
1

6
5
.
8

0
.
1

0
.
0

3
6
.
8

2
.
0

H
a
h
o

6
7
.
4

9
0
.
9

5
6
.
4

7
1
.
1

3
1
.
8

4
8
.
6

7
4
.
7

1
7
.
6

0
.
8
6

0
.
4
9

3
1
.
1

1
4
.
0

1
4
.
2

0
.
9

3
6
.
3

1
4
.
9

N
o
t
s
e

7
9
.
9

9
5
.
4

5
7
.
0

7
3
.
8

2
2
.
1

3
8
.
3

6
5
.
6

8
.
2

0
.
8
4

0
.
3
7

1
1
.
1

5
.
7

0
.
4

0
.
3

2
7
.
9

1
.
8

N
o
t
s
e

(
C
o
m
)

5
3
.
8

7
2
.
8

4
9
.
5

8
2
.
9

6
1
.
5

7
9
.
4

9
3
.
4

2
2
.
5

1
.
0
4

0
.
6
0

8
0
.
2

6
2
.
1

6
9
.
6

3
.
5

6
8
.
7

7
4
.
8

K
p
e
d
o
m
e

6
2
.
7

9
3
.
6

5
6
.
8

7
0
.
7

2
5
.
1

4
1
.
0

6
7
.
7

1
2
.
1

0
.
8
4

0
.
4
1

3
4
.
8

5
.
1

4
.
9

0
.
4

2
8
.
5

6
.
0

K
p
e
g
n
o
n

(
H
a
i
t
o
)

6
7
.
5

9
4
.
5

5
8
.
4

8
7
.
0

4
2
.
7

6
8
.
8

8
4
.
8

1
0
.
8

0
.
9
5

0
.
5
4

4
0
.
3

1
4
.
5

1
.
1

0
.
6

2
7
.
1

2
.
8

W
a
h
a
l
a

6
2
.
8

9
0
.
4

5
5
.
3

7
7
.
6

3
2
.
9

6
0
.
0

8
4
.
3

1
9
.
6

0
.
8
8

0
.
4
2

3
5
.
9

1
0
.
1

1
6
.
1

0
.
4

3
6
.
2

1
1
.
9

A
s
r
a
m
a

7
6
.
1

9
4
.
2

5
8
.
8

5
5
.
9

2
0
.
4

3
0
.
9

5
9
.
8

1
3
.
4

0
.
7
8

0
.
4
2

3
.
8

3
.
9

1
.
7

0
.
5

3
3
.
8

4
.
6

D
j
e
m
e
g
n
i

7
2
.
9

9
4
.
8

5
9
.
6

6
3
.
1

1
4
.
1

2
2
.
8

5
3
.
5

1
6
.
7

0
.
7
5

0
.
5
1

1
4
.
8

3
.
3

0
.
4

0
.
6

2
8
.
3

1
.
8

D
a
l
i
a

6
4
.
3

9
2
.
3

5
5
.
1

7
6
.
6

3
3
.
9

5
2
.
3

7
7
.
4

1
1
.
5

0
.
9
2

0
.
4
7

3
0
.
4

1
0
.
9

1
7
.
6

0
.
7

3
6
.
3

6
.
3

A
t
s
a
v
e

7
7
.
5

9
4
.
7

5
9
.
5

7
2
.
3

2
0
.
6

3
8
.
2

6
7
.
5

1
0
.
6

0
.
8
2

0
.
3
7

2
6
.
9

4
.
9

0
.
7

0
.
3

2
8
.
3

2
.
2

M
o
y
e
n
-
M
o
n
o

8
2
.
2

9
2
.
9

5
9
.
5

7
3
.
4

2
8
.
2

3
4
.
6

6
8
.
7

1
4
.
3

0
.
8
4

0
.
5
0

1
9
.
6

8
.
3

6
.
1

0
.
3

3
5
.
4

1
0
.
0

T
o
h
o
u
n

8
0
.
1

9
5
.
5

5
9
.
0

7
9
.
0

2
6
.
5

3
2
.
9

6
3
.
5

1
6
.
4

0
.
8
9

0
.
4
2

2
8
.
5

1
.
7

1
.
1

0
.
2

3
1
.
6

1
.
7

T
o
h
o
u
n

(
C
o
m
)

6
4
.
6

8
2
.
1

5
2
.
7

8
3
.
2

4
9
.
4

5
7
.
6

8
0
.
3

1
4
.
8

0
.
9
1

0
.
5
6

2
7
.
2

3
3
.
2

4
7
.
1

0
.
6

5
3
.
8

3
5
.
2

T
a
d
o

8
1
.
0

9
3
.
4

5
9
.
8

7
5
.
1

3
0
.
7

4
6
.
4

7
4
.
1

1
4
.
7

0
.
8
3

0
.
6
0

1
1
.
6

1
1
.
7

1
.
1

0
.
2

3
3
.
7

1
2
.
5

S
a
l
i
g
b
e

8
9
.
2

9
3
.
8

6
1
.
2

6
0
.
2

1
2
.
4

1
2
.
2

5
3
.
7

7
.
0

0
.
6
6

0
.
2
4

1
2
.
8

1
.
3

2
.
8

0
.
2

2
7
.
8

2
.
3

A
h
a
s
s
o
m
e

8
9
.
2

9
6
.
6

5
9
.
8

6
6
.
7

1
5
.
5

2
2
.
5

5
6
.
3

1
7
.
0

0
.
7
6

0
.
3
8

3
0
.
3

1
.
8

0
.
9

0
.
2

2
2
.
6

2
.
8

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

K
p
e
k
p
l
e
m
e

8
4
.
5

9
1
.
8

6
0
.
1

7
4
.
5

3
3
.
5

3
8
.
4

7
3
.
6

1
6
.
3

0
.
9
2

0
.
5
0

1
5
.
8

7
.
0

4
.
6

0
.
2

4
3
.
1

1
2
.
8

K
a
t
o
m
e

8
4
.
2

9
5
.
2

6
1
.
8

7
8
.
6

2
0
.
9

2
4
.
1

6
1
.
7

2
.
9

0
.
8
6

0
.
4
9

2
7
.
4

7
.
2

0
.
6

0
.
6

3
2
.
0

3
.
3

C
e
n
t
r
a
l
e

6
2
.
6

8
7
.
4

5
4
.
4

8
1
.
6

4
5
.
6

6
9
.
7

8
5
.
1

2
1
.
1

0
.
9
0

0
.
5
3

3
0
.
8

2
8
.
1

2
5
.
4

1
.
7

5
2
.
1

2
1
.
5

T
c
h
a
o
u
d
j
o

5
7
.
2

8
3
.
0

5
2
.
7

8
4
.
5

5
2
.
1

7
5
.
2

8
8
.
0

2
4
.
3

0
.
9
2

0
.
5
8

3
1
.
1

4
2
.
5

4
6
.
8

3
.
9

6
7
.
0

3
8
.
8

K
p
a
n
g
a
l
a
m

5
8
.
0

9
0
.
2

5
6
.
5

8
2
.
3

4
3
.
2

6
2
.
0

7
9
.
1

2
9
.
4

0
.
9
5

0
.
5
3

1
2
.
4

7
.
5

1
0
.
3

1
.
4

5
4
.
9

1
1
.
5

S
o
k
o
d
e

(
C
o
m
)

5
2
.
7

7
4
.
8

4
7
.
9

8
6
.
6

6
2
.
7

8
4
.
6

9
3
.
7

2
5
.
6

1
.
0
1

0
.
6
4

4
9
.
2

6
8
.
5

8
2
.
4

6
.
9

8
3
.
4

7
2
.
1

K
o
m
a
h

6
4
.
3

8
6
.
0

5
7
.
9

7
7
.
2

3
4
.
9

5
1
.
4

7
3
.
8

8
.
3

0
.
8
6

0
.
4
6

1
2
.
9

3
3
.
2

0
.
4

1
.
2

5
8
.
3

5
.
7

T
c
h
a
l
o

6
3
.
3

8
9
.
6

5
7
.
7

8
4
.
3

4
2
.
0

5
9
.
0

7
9
.
2

2
6
.
2

0
.
8
2

0
.
4
8

2
.
7

2
0
.
6

1
.
0

0
.
5

5
5
.
9

2
.
4

K
a
d
a
m
b
a
r
a

5
8
.
9

8
6
.
0

5
7
.
7

8
7
.
4

4
3
.
1

6
5
.
5

8
8
.
1

2
8
.
5

0
.
8
1

0
.
4
3

3
.
9

1
9
.
6

3
3
.
3

2
.
4

7
0
.
3

1
4
.
3

L
o
m
b
o

6
8
.
7

9
4
.
8

5
4
.
5

7
7
.
8

2
3
.
8

4
4
.
8

6
0
.
9

1
3
.
6

0
.
7
6

0
.
4
5

2
.
3

4
.
6

0
.
9

0
.
6

3
1
.
5

2
.
1

L
a
m
a
-
T
e
s
s
i

5
9
.
2

9
0
.
7

5
5
.
8

8
5
.
0

4
2
.
1

6
9
.
5

8
4
.
9

1
4
.
5

0
.
8
7

0
.
4
8

1
8
.
9

8
.
9

1
5
.
8

0
.
5

4
6
.
3

6
.
3

K
p
a
r
a
t
a
o

6
0
.
5

9
1
.
7

5
9
.
0

8
0
.
5

3
5
.
5

5
7
.
5

7
6
.
2

2
0
.
4

0
.
8
6

0
.
4
0

1
6
.
8

2
9
.
2

3
6
.
3

1
.
3

5
6
.
9

8
.
4

W
a
s
s
a
r
a
b
o

5
4
.
1

9
1
.
6

6
2
.
2

8
4
.
3

3
8
.
0

5
6
.
8

8
3
.
6

2
0
.
8

0
.
7
4

0
.
3
1

6
.
3

3
2
.
3

0
.
0

0
.
6

5
2
.
1

3
.
0

K
p
a
s
s
o
u
a
d
e

5
9
.
3

9
4
.
6

5
9
.
6

9
2
.
1

5
4
.
8

7
7
.
5

9
3
.
8

7
.
7

0
.
9
5

0
.
4
5

3
6
.
6

2
2
.
2

0
.
0

0
.
6

4
6
.
5

1
.
5

A
g
o
u
l
o
u

7
3
.
6

9
4
.
6

5
8
.
9

7
8
.
7

3
5
.
5

4
4
.
3

7
1
.
1

1
3
.
9

0
.
7
2

0
.
3
6

3
.
0

1
2
.
3

0
.
8

0
.
9

4
7
.
5

2
.
5

K
e
m
e
n
i

7
0
.
5

9
5
.
4

5
7
.
6

7
5
.
5

4
3
.
5

6
7
.
7

8
1
.
1

1
2
.
0

0
.
9
7

0
.
4
7

1
4
.
6

2
.
0

0
.
0

0
.
2

4
4
.
2

1
.
3

A
l
h
e
r
i
d
e

6
6
.
0

9
1
.
5

5
8
.
0

8
5
.
0

4
7
.
6

7
1
.
0

8
0
.
9

1
2
.
6

0
.
9
2

0
.
6
5

2
1
.
4

3
1
.
3

1
.
4

0
.
4

4
9
.
4

1
.
6

K
o
l
i
n
a

5
7
.
4

9
4
.
8

6
0
.
1

8
4
.
1

4
6
.
1

7
1
.
9

8
9
.
2

2
5
.
0

0
.
9
6

0
.
5
9

3
5
.
7

1
3
.
0

0
.
9

0
.
5

4
8
.
6

1
.
6

T
c
h
a
m
b
a

6
4
.
4

8
8
.
8

5
6
.
8

7
9
.
2

3
6
.
4

6
1
.
9

8
1
.
3

2
0
.
8

0
.
8
8

0
.
4
8

3
4
.
2

3
3
.
5

2
2
.
0

1
.
0

5
4
.
7

1
7
.
9

T
c
h
a
m
b
a

7
6
.
9

9
4
.
9

5
9
.
2

7
1
.
1

2
4
.
5

4
1
.
4

7
2
.
6

1
5
.
8

0
.
8
1

0
.
3
4

1
7
.
7

5
.
5

1
.
1

0
.
2

4
0
.
4

2
.
4

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
c
h
a
m
b
a

(
C
o
m
)

5
8
.
2

8
2
.
5

5
3
.
8

8
8
.
5

4
6
.
2

6
3
.
9

8
5
.
8

2
3
.
6

0
.
8
6

0
.
4
5

5
8
.
5

6
8
.
0

8
4
.
8

2
.
6

7
3
.
7

5
8
.
6

L
a
r
i
n
i

6
2
.
2

8
6
.
1

6
1
.
2

7
9
.
6

3
9
.
0

6
5
.
6

8
5
.
9

2
2
.
4

0
.
8
2

0
.
3
3

7
.
9

3
4
.
4

1
7
.
6

1
.
1

5
6
.
6

1
3
.
7

A
f
f
e
m

6
4
.
3

9
2
.
1

5
6
.
7

7
7
.
6

3
4
.
3

6
2
.
1

8
0
.
7

2
0
.
0

0
.
8
8

0
.
6
7

5
0
.
3

1
9
.
4

0
.
2

0
.
4

5
6
.
9

1
.
7

K
r
i
k
r
i

6
5
.
9

9
4
.
4

5
7
.
5

6
9
.
3

3
8
.
9

4
5
.
2

7
1
.
5

1
8
.
0

0
.
8
0

0
.
3
7

3
.
9

4
9
.
9

2
.
6

0
.
6

6
6
.
5

2
.
7

A
l
i
b
i

I

6
7
.
2

9
3
.
0

5
7
.
4

7
9
.
1

3
0
.
0

6
8
.
8

8
4
.
3

1
8
.
8

0
.
9
4

0
.
4
4

2
2
.
3

2
0
.
8

1
1
.
6

1
.
2

3
8
.
9

4
.
8

K
o
u
s
s
o
u
n
t
o
u

5
8
.
0

8
9
.
0

5
7
.
2

7
6
.
4

3
4
.
6

6
1
.
7

8
0
.
9

1
2
.
2

0
.
8
6

0
.
5
0

3
0
.
6

2
6
.
5

3
.
2

0
.
4

5
1
.
0

7
.
4

B
a
l
a
n
k
a

6
9
.
5

8
7
.
8

5
7
.
7

7
1
.
6

2
8
.
3

4
6
.
3

7
3
.
6

4
0
.
8

0
.
8
0

0
.
4
4

1
6
.
9

5
8
.
9

4
.
4

1
.
3

6
6
.
0

3
.
9

K
a
b
o
l
i

6
2
.
7

8
7
.
8

5
5
.
9

7
8
.
8

3
8
.
7

7
0
.
0

8
4
.
6

2
1
.
2

0
.
9
5

0
.
5
5

3
1
.
6

2
2
.
4

2
1
.
5

0
.
5

5
2
.
1

1
9
.
6

G
o
u
b
i

7
7
.
0

9
2
.
0

5
7
.
8

8
1
.
9

3
1
.
9

6
0
.
0

7
8
.
2

1
4
.
1

0
.
9
7

0
.
6
2

4
3
.
8

3
2
.
9

1
.
2

0
.
2

4
7
.
2

1
0
.
1

B
a
g
o

6
9
.
5

9
0
.
4

5
7
.
4

8
0
.
6

3
1
.
5

6
1
.
4

7
6
.
7

9
.
8

0
.
8
8

0
.
4
8

4
1
.
3

1
7
.
2

2
.
1

0
.
4

4
2
.
3

4
.
8

S
o
t
o
u
b
o
u
a

6
1
.
5

8
6
.
5

5
3
.
0

8
5
.
1

5
2
.
5

8
4
.
8

9
2
.
3

1
8
.
3

0
.
9
3

0
.
5
3

2
5
.
8

1
9
.
9

2
4
.
2

1
.
1

4
5
.
8

1
8
.
0

S
o
t
o
u
b
o
u
a

7
0
.
5

9
2
.
8

5
7
.
2

8
5
.
2

3
3
.
7

6
0
.
4

8
0
.
0

4
.
9

0
.
8
8

0
.
4
7

2
9
.
3

9
.
2

0
.
9

0
.
0

2
7
.
0

1
.
3

S
o
t
o
u
b
o
u
a

(
C
o
m
)

5
2
.
1

7
3
.
3

4
7
.
1

8
3
.
9

6
7
.
3

8
8
.
5

9
5
.
1

2
4
.
1

1
.
0
1

0
.
6
0

1
4
.
5

4
4
.
5

6
3
.
7

2
.
9

6
6
.
7

5
3
.
4

T
c
h
e
b
e
b
e

6
1
.
5

8
8
.
6

5
1
.
7

8
4
.
9

5
2
.
9

8
2
.
7

9
0
.
9

1
4
.
4

0
.
9
3

0
.
4
9

2
7
.
5

1
6
.
0

1
.
6

0
.
7

4
6
.
0

1
1
.
5

B
o
d
j
o
n
d
e

5
4
.
4

9
2
.
8

5
8
.
5

8
2
.
1

5
5
.
2

9
1
.
4

9
8
.
0

2
1
.
4

0
.
9
3

0
.
5
0

8
2
.
6

6
8
.
2

0
.
0

0
.
0

2
9
.
2

3
.
7

K
a
z
a
b
o
u
a

6
9
.
7

9
2
.
0

5
6
.
4

8
8
.
8

3
7
.
6

8
4
.
8

8
8
.
8

1
2
.
1

0
.
8
9

0
.
4
4

2
3
.
3

7
.
0

0
.
6

0
.
8

2
9
.
9

3
.
2

T
a
b
i
n
d
e

6
0
.
3

9
3
.
6

5
4
.
8

8
6
.
2

3
5
.
8

8
8
.
4

9
3
.
6

3
.
3

0
.
8
4

0
.
4
6

3
1
.
5

1
5
.
7

0
.
5

0
.
0

2
5
.
5

0
.
8

S
e
s
s
a
r
o

7
5
.
5

9
2
.
2

5
6
.
0

8
8
.
3

3
9
.
9

6
8
.
8

8
6
.
5

7
.
4

0
.
8
6

0
.
4
3

3
5
.
8

1
1
.
8

0
.
9

0
.
5

2
4
.
2

5
.
1

T
i
t
t
i
g
b
e

6
7
.
3

9
2
.
6

5
5
.
1

8
6
.
4

4
5
.
6

7
7
.
7

9
0
.
1

1
3
.
0

0
.
9
6

0
.
4
1

2
8
.
4

5
.
9

1
.
6

0
.
3

3
1
.
1

4
.
2

K
a
n
i
a
m
b
o
u
a

6
5
.
7

8
9
.
2

5
0
.
7

8
5
.
4

6
4
.
5

9
8
.
5

9
8
.
9

2
0
.
9

0
.
8
7

0
.
5
8

7
9
.
3

3
1
.
3

5
5
.
0

0
.
8

5
8
.
5

5
.
8

119
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

A
d
j
e
n
g
r
e

6
0
.
0

8
5
.
1

5
2
.
7

8
4
.
7

5
3
.
4

8
8
.
7

9
3
.
1

1
8
.
9

0
.
9
5

0
.
5
4

2
3
.
6

1
6
.
6

3
5
.
8

1
.
3

5
2
.
0

2
0
.
4

A
o
u
d
a

6
6
.
4

9
0
.
5

5
5
.
6

8
3
.
2

5
2
.
4

8
7
.
6

9
2
.
1

1
2
.
7

0
.
9
2

0
.
5
9

2
0
.
5

7
.
2

2
2
.
4

0
.
4

4
5
.
2

5
.
2

F
a
z
a
o

4
9
.
2

8
6
.
4

6
0
.
2

8
1
.
4

4
3
.
4

7
4
.
8

9
2
.
0

4
.
8

0
.
8
5

0
.
3
8

1
8
.
4

2
.
2

1
.
5

0
.
1

6
0
.
9

6
.
7

M
o

(
s
p
r
e
f
)

6
4
.
1

9
3
.
9

5
8
.
4

6
1
.
4

2
1
.
2

2
6
.
6

5
3
.
3

2
8
.
7

0
.
7
3

0
.
3
2

6
5
.
6

2
.
2

1
.
5

0
.
1

3
0
.
5

2
.
9

D
j
a
r
k
p
a
n
g
a

(
R
)

5
8
.
4

9
5
.
1

5
9
.
9

5
2
.
4

1
0
.
6

1
5
.
1

3
8
.
1

1
1
.
8

0
.
6
3

0
.
2
6

6
1
.
3

0
.
3

0
.
4

0
.
1

2
4
.
5

0
.
3

D
j
a
r
k
p
a
n
g
a

(
U
)

6
2
.
7

9
0
.
2

5
7
.
3

7
6
.
6

3
4
.
6

4
7
.
4

7
2
.
7

5
1
.
1

0
.
7
8

0
.
3
9

9
3
.
4

3
.
7

2
.
3

0
.
0

4
6
.
2

4
.
1

K
a
g
n
i
g
b
a
r
a

6
4
.
7

9
4
.
1

6
0
.
0

6
6
.
0

1
6
.
1

2
7
.
6

4
7
.
2

1
3
.
6

0
.
8
8

0
.
3
8

7
3
.
1

0
.
5

1
.
1

0
.
1

2
0
.
3

0
.
3

B
o
u
l
o
h
o
u

5
6
.
8

9
2
.
9

5
7
.
7

6
9
.
7

3
5
.
5

3
2
.
5

6
2
.
5

1
2
.
8

0
.
7
3

0
.
3
0

9
1
.
4

1
.
3

0
.
8

0
.
1

2
8
.
5

5
.
2

T
i
n
d
j
a
s
s
e

7
2
.
2

9
4
.
4

5
7
.
6

5
4
.
4

1
6
.
4

2
5
.
9

4
6
.
6

2
0
.
6

0
.
7
3

0
.
3
6

6
5
.
6

4
.
6

2
.
8

0
.
2

2
8
.
7

5
.
4

S
a
b
o
u
d
e

6
1
.
7

9
6
.
1

5
8
.
3

6
0
.
3

1
7
.
6

1
9
.
4

5
3
.
4

1
1
.
1

0
.
7
0

0
.
1
4

1
6
.
7

0
.
3

0
.
7

0
.
0

3
5
.
8

0
.
5

B
l
i
t
t
a

6
9
.
5

9
0
.
8

5
4
.
7

8
3
.
2

4
3
.
8

6
6
.
3

8
3
.
7

1
5
.
6

0
.
9
3

0
.
5
1

2
1
.
9

1
7
.
4

6
.
9

0
.
5

4
0
.
6

9
.
5

B
l
i
t
t
a
-
G
a
r
e

8
6
.
7

9
6
.
0

5
5
.
6

7
8
.
5

1
4
.
6

6
1
.
9

8
2
.
6

7
.
4

0
.
9
6

0
.
5
8

4
3
.
5

2
1
.
9

0
.
5

0
.
0

3
5
.
4

0
.
8

B
l
i
t
t
a

(
C
o
m
)

4
8
.
4

7
6
.
2

4
8
.
2

8
2
.
9

6
9
.
7

8
4
.
9

9
3
.
8

2
2
.
9

1
.
0
4

0
.
5
2

5
.
2

3
4
.
4

5
6
.
4

3
.
0

6
6
.
8

3
5
.
2

B
l
i
t
t
a

V
i
l
l
a
g
e

7
0
.
0

8
9
.
9

5
2
.
9

8
9
.
9

3
9
.
3

5
6
.
4

7
4
.
7

1
7
.
6

0
.
9
9

0
.
5
5

1
4
.
1

9
.
7

3
3
.
7

0
.
9

5
1
.
9

1
6
.
9

Y
a
l
o
u
m
b
e

7
1
.
0

9
1
.
7

5
5
.
8

8
4
.
4

4
8
.
0

6
5
.
0

8
1
.
3

1
5
.
1

0
.
8
5

0
.
5
0

2
5
.
6

2
.
8

3
.
4

0
.
3

4
6
.
2

3
.
1

W
a
r
i
g
n
i

7
5
.
6

9
2
.
2

5
7
.
4

8
6
.
4

4
8
.
3

8
0
.
2

9
5
.
3

1
5
.
1

0
.
9
2

0
.
4
8

4
5
.
1

4
2
.
0

0
.
3

0
.
6

2
3
.
0

0
.
6

T
c
h
a
l
o
u
d
e

5
8
.
7

8
9
.
2

5
5
.
1

8
7
.
2

4
4
.
4

7
2
.
8

8
3
.
7

9
.
0

0
.
9
7

0
.
4
6

1
6
.
3

2
5
.
4

1
.
4

0
.
5

4
7
.
9

7
.
6

A
g
b
a
n
d
i

6
8
.
8

9
1
.
3

5
3
.
9

8
5
.
8

4
3
.
6

6
3
.
6

7
9
.
0

1
5
.
8

0
.
9
1

0
.
5
7

1
2
.
8

1
2
.
2

4
.
2

0
.
3

4
5
.
3

1
7
.
1

L
a
n
g
a
b
o
u

7
3
.
5

9
1
.
2

5
6
.
5

8
2
.
0

3
5
.
3

5
7
.
1

7
7
.
8

1
1
.
9

0
.
9
3

0
.
4
8

2
9
.
9

6
.
4

1
.
2

0
.
4

3
4
.
6

5
.
8

K
o
f
f
i
t
i

7
3
.
5

9
3
.
6

5
6
.
8

8
0
.
8

3
3
.
1

5
3
.
5

7
6
.
5

1
7
.
6

0
.
9
8

0
.
4
1

3
5
.
1

1
.
4

0
.
9

0
.
1

3
5
.
1

1
.
8

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
c
h
a
r
e
-
B
a
o
u

7
9
.
6

9
5
.
4

5
3
.
1

8
3
.
1

4
1
.
8

7
4
.
8

8
5
.
1

7
.
8

0
.
9
3

0
.
5
0

5
0
.
7

1
2
.
4

0
.
3

0
.
0

3
4
.
9

3
.
4

P
a
g
a
l
a
-
G
a
r
e

5
6
.
9

8
5
.
8

5
4
.
0

8
3
.
1

5
0
.
7

7
1
.
4

8
6
.
4

1
8
.
6

0
.
9
4

0
.
5
5

1
9
.
9

1
4
.
5

3
.
3

0
.
5

4
3
.
2

1
8
.
2

W
e
l
l
y

7
0
.
2

9
4
.
7

5
7
.
4

8
2
.
5

2
7
.
9

5
4
.
8

7
2
.
4

6
.
2

0
.
9
4

0
.
4
2

3
2
.
5

1
0
.
1

1
.
2

0
.
1

2
8
.
9

1
.
7

T
i
n
t
c
h
r
o

8
6
.
0

9
4
.
4

5
5
.
3

7
4
.
6

3
1
.
1

5
2
.
0

7
1
.
8

6
.
8

0
.
9
1

0
.
5
0

0
.
3

4
6
.
8

0
.
9

0
.
1

3
4
.
7

1
.
6

A
t
c
h
i
n
t
s
e

7
4
.
1

8
8
.
9

5
4
.
8

8
6
.
4

4
4
.
4

7
8
.
4

8
8
.
6

1
1
.
7

0
.
8
6

0
.
6
1

1
8
.
2

4
1
.
1

2
.
0

0
.
8

4
9
.
8

2
.
1

D
i
g
u
e
n
g
u
e

8
5
.
7

9
3
.
5

5
2
.
9

8
4
.
0

2
8
.
2

5
2
.
7

8
2
.
7

1
1
.
1

0
.
8
9

0
.
4
0

0
.
0

4
4
.
6

0
.
4

0
.
0

3
5
.
1

0
.
2

Y
e
g
u
e

8
6
.
0

9
5
.
7

5
5
.
6

8
0
.
5

2
9
.
9

6
6
.
0

8
2
.
6

4
.
0

0
.
9
0

0
.
4
1

1
.
0

4
2
.
2

0
.
5

0
.
5

3
5
.
3

1
.
9

D
i
k
p
e
l
e
o
u

8
7
.
8

9
4
.
3

5
4
.
7

8
2
.
1

1
7
.
4

6
9
.
6

9
0
.
3

9
.
1

0
.
9
0

0
.
2
8

0
.
3

1
5
.
7

0
.
2

0
.
7

3
1
.
3

1
.
9

K
a
t
c
h
e
n
k
e

8
7
.
1

9
5
.
4

5
5
.
5

8
0
.
7

2
6
.
4

5
0
.
2

8
1
.
4

1
1
.
1

0
.
8
8

0
.
5
4

0
.
1

1
2
.
0

0
.
0

0
.
2

2
2
.
7

1
.
5

M
'
p
o
t
i

7
0
.
8

9
1
.
0

5
5
.
2

8
2
.
1

5
0
.
4

5
8
.
5

8
2
.
7

1
6
.
1

0
.
9
8

0
.
4
8

3
.
0

7
.
1

0
.
8

0
.
1

4
1
.
8

8
.
5

T
c
h
i
f
a
m
a

7
4
.
4

8
7
.
8

5
6
.
3

8
3
.
0

5
4
.
8

6
9
.
4

9
0
.
6

8
.
5

0
.
9
1

0
.
4
9

2
3
.
5

2
1
.
4

1
.
5

0
.
9

4
7
.
1

1
0
.
9

P
a
g
a
l
a
-
V
i
l
l
a
g
e

8
0
.
2

9
6
.
8

5
4
.
2

8
4
.
6

4
4
.
0

6
1
.
9

8
2
.
4

6
.
3

0
.
9
1

0
.
4
5

2
0
.
1

2
.
7

3
.
4

0
.
0

2
9
.
1

1
.
3

D
o
u
f
o
u
l
i

6
2
.
4

9
5
.
5

5
5
.
1

8
0
.
3

2
8
.
6

5
7
.
0

7
7
.
1

9
.
1

0
.
8
5

0
.
6
4

5
8
.
9

1
3
.
7

0
.
3

0
.
0

2
2
.
6

1
.
2

K
a
r
a

6
4
.
5

8
7
.
6

5
5
.
1

7
4
.
0

4
4
.
9

6
4
.
0

8
1
.
2

2
1
.
9

0
.
9
0

0
.
5
6

4
7
.
5

1
4
.
3

2
2
.
3

1
.
6

4
4
.
1

2
0
.
5

K
o
z
a
h

5
2
.
8

7
6
.
8

5
0
.
0

7
9
.
9

6
2
.
2

8
8
.
7

9
5
.
0

2
5
.
3

1
.
0
1

0
.
7
1

5
0
.
8

2
8
.
7

3
9
.
3

3
.
9

6
1
.
3

4
1
.
3

L
a
m
a

5
3
.
8

7
9
.
8

5
4
.
3

7
9
.
9

6
2
.
7

9
4
.
4

9
8
.
1

1
3
.
1

0
.
9
7

0
.
6
1

3
3
.
2

8
.
2

1
3
.
9

1
.
5

5
0
.
8

1
5
.
8

K
a
r
a

(
C
o
m
)

4
9
.
7

6
4
.
6

4
2
.
5

7
8
.
8

6
9
.
1

9
0
.
8

9
6
.
9

2
9
.
2

1
.
1
1

0
.
9
0

8
0
.
2

5
5
.
6

7
2
.
1

7
.
4

8
5
.
1

8
3
.
2

L
a
n
d
a
-
P
o
z
e
n
d
a
/
K
p
i
n
z
i
n
d
e

5
4
.
9

9
2
.
0

5
6
.
8

7
8
.
0

4
8
.
8

8
3
.
8

8
8
.
7

1
1
.
3

1
.
0
1

0
.
5
6

3
5
.
2

2
.
2

0
.
7

0
.
1

3
9
.
2

2
.
1

A
w
a
n
d
j
e
l
o

5
3
.
9

8
9
.
5

5
9
.
0

7
8
.
5

4
5
.
3

7
2
.
1

8
6
.
3

1
6
.
2

0
.
9
0

0
.
5
2

2
1
.
4

4
.
3

4
.
9

1
.
2

4
6
.
0

3
.
8

A
t
c
h
a
n
g
b
a
d
e

5
7
.
7

9
0
.
3

5
8
.
3

8
1
.
6

5
1
.
2

8
6
.
1

9
4
.
7

1
5
.
8

0
.
8
9

0
.
4
5

4
3
.
4

3
.
5

4
.
5

0
.
4

3
7
.
0

4
.
5

121
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

D
j
a
m
d
e

7
1
.
0

9
2
.
9

5
7
.
7

7
9
.
7

3
7
.
5

6
7
.
2

7
2
.
5

1
1
.
1

1
.
0
5

0
.
4
3

2
9
.
3

2
.
0

6
.
2

0
.
7

2
7
.
5

3
.
1

S
a
r
a
-
K
a
w
a

5
9
.
5

9
3
.
5

5
4
.
6

7
4
.
3

3
3
.
5

6
5
.
8

8
0
.
7

4
.
3

0
.
8
4

0
.
4
1

3
6
.
5

0
.
7

0
.
2

0
.
7

1
9
.
2

3
.
6

P
y
a

5
2
.
6

7
7
.
0

4
9
.
4

8
1
.
0

7
2
.
1

9
2
.
6

9
7
.
3

1
5
.
2

1
.
0
7

0
.
5
5

4
4
.
3

3
2
.
8

4
4
.
2

4
.
9

6
1
.
3

2
9
.
0

T
c
h
i
t
c
h
a
o

5
2
.
2

7
7
.
4

5
4
.
4

7
7
.
9

6
3
.
9

9
1
.
1

9
3
.
7

1
2
.
8

0
.
9
7

0
.
6
1

1
7
.
6

1
0
.
2

3
1
.
4

2
.
5

5
0
.
9

1
7
.
1

Y
a
d
e

4
7
.
7

7
7
.
3

5
3
.
5

8
1
.
3

7
0
.
5

9
2
.
4

9
6
.
4

1
4
.
2

1
.
0
9

0
.
6
2

3
3
.
5

1
3
.
8

3
1
.
1

2
.
1

5
4
.
5

1
5
.
7

B
o
h
o
u

4
7
.
2

7
6
.
9

5
0
.
4

8
0
.
7

6
9
.
5

9
7
.
0

9
8
.
3

2
2
.
6

1
.
1
0

0
.
6
6

2
1
.
8

1
4
.
7

2
8
.
2

2
.
9

4
8
.
8

3
1
.
2

T
c
h
a
r
e

6
0
.
6

9
4
.
3

5
5
.
6

8
0
.
6

5
7
.
9

9
5
.
6

9
5
.
2

1
5
.
0

0
.
8
6

0
.
6
4

5
7
.
4

3
.
7

2
9
.
1

1
.
3

3
5
.
3

4
.
2

K
o
u
m
e
a

5
4
.
8

9
0
.
6

5
6
.
1

8
2
.
2

5
9
.
2

8
5
.
4

9
1
.
9

1
6
.
3

1
.
0
2

0
.
5
5

1
7
.
7

6
.
6

1
0
.
4

0
.
7

3
9
.
4

1
0
.
7

L
a
n
d
a

6
0
.
7

9
0
.
4

5
5
.
1

8
4
.
1

5
0
.
3

8
2
.
8

9
0
.
2

1
5
.
5

0
.
9
2

0
.
5
2

3
2
.
0

6
.
9

8
.
8

0
.
6

4
7
.
8

5
.
7

S
o
u
m
d
i
n
a

6
0
.
7

9
1
.
1

5
7
.
4

8
1
.
6

6
2
.
1

8
7
.
4

9
4
.
5

1
5
.
7

1
.
0
4

0
.
5
9

1
6
.
0

5
.
9

1
5
.
3

0
.
8

4
0
.
8

8
.
0

L
a
s
s
a

5
6
.
7

8
8
.
6

5
5
.
0

8
2
.
2

5
5
.
4

8
5
.
3

9
4
.
1

1
7
.
0

0
.
9
6

0
.
6
0

1
5
.
5

1
2
.
3

1
5
.
8

0
.
8

4
3
.
1

9
.
4

B
i
n
a
h

6
6
.
1

9
0
.
0

5
5
.
4

8
1
.
3

4
3
.
5

7
1
.
6

8
5
.
7

1
9
.
4

0
.
9
0

0
.
4
9

2
4
.
4

1
2
.
1

2
3
.
4

0
.
8

4
7
.
2

1
8
.
4

P
a
g
o
u
d
a

6
6
.
0

9
3
.
8

5
5
.
9

8
1
.
5

4
1
.
1

7
5
.
7

8
8
.
9

1
5
.
5

0
.
9
3

0
.
4
5

3
0
.
2

3
.
9

3
.
2

0
.
0

3
9
.
7

2
.
2

P
a
g
o
u
d
a

(
C
o
m
)

5
5
.
0

6
9
.
3

4
7
.
7

8
3
.
3

7
0
.
1

9
2
.
3

9
7
.
2

2
0
.
9

1
.
0
8

0
.
4
7

3
8
.
2

3
2
.
2

5
0
.
2

2
.
8

6
6
.
3

3
3
.
4

B
o
u
f
a
l
e

6
9
.
0

9
5
.
1

5
8
.
2

8
3
.
4

3
4
.
8

5
9
.
3

7
9
.
6

1
1
.
9

0
.
8
2

0
.
3
9

6
.
4

3
.
5

0
.
3

0
.
3

2
9
.
7

1
.
6

S
o
l
l
a

7
2
.
8

9
3
.
7

6
1
.
0

7
0
.
9

3
0
.
8

5
3
.
0

7
0
.
2

1
4
.
6

0
.
7
2

0
.
3
1

1
1
.
5

3
.
6

0
.
7

0
.
1

4
7
.
0

5
.
6

P
i
t
i
k
i
t
a

7
9
.
7

9
6
.
0

6
1
.
0

8
4
.
8

1
9
.
2

4
6
.
5

7
4
.
4

0
.
0

0
.
8
9

0
.
2
8

8
.
5

1
.
8

0
.
0

0
.
2

1
2
.
3

1
3
.
0

P
e
s
s
a
r
e

7
4
.
2

9
6
.
3

5
9
.
4

7
5
.
6

3
2
.
3

6
5
.
7

7
7
.
0

1
0
.
6

0
.
8
4

0
.
4
9

1
0
.
6

1
.
2

0
.
6

0
.
1

1
2
.
7

5
.
7

L
a
m
a
-
T
e
s
s
i

7
3
.
1

9
2
.
8

5
6
.
5

8
0
.
0

5
7
.
7

9
1
.
7

9
5
.
9

2
2
.
0

0
.
8
5

0
.
5
2

1
.
0

1
0
.
9

0
.
3

0
.
2

3
2
.
6

2
2
.
2

K
e
t
a
o

6
3
.
3

8
5
.
1

5
1
.
8

8
5
.
3

4
6
.
0

7
0
.
8

8
8
.
5

2
5
.
1

1
.
0
0

0
.
5
8

3
7
.
4

2
6
.
2

6
7
.
6

1
.
6

7
2
.
1

4
7
.
5

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

K
e
m
e
r
i
d
a

7
1
.
0

9
3
.
6

5
3
.
1

8
3
.
3

4
1
.
3

5
8
.
0

7
8
.
7

1
1
.
1

1
.
0
3

0
.
5
1

4
8
.
6

8
.
7

2
1
.
4

0
.
8

4
6
.
4

3
.
8

S
i
r
k
a

5
5
.
3

9
2
.
6

5
7
.
4

8
6
.
4

4
4
.
9

7
6
.
0

8
4
.
7

1
0
.
3

0
.
8
4

0
.
4
8

1
0
.
4

3
.
4

0
.
8

0
.
3

4
0
.
0

2
.
0

D
o
u
f
e
l
g
o
u

6
6
.
8

8
9
.
5

5
4
.
6

7
9
.
0

4
4
.
3

6
4
.
6

8
0
.
5

1
7
.
4

0
.
9
1

0
.
5
2

3
8
.
3

9
.
0

1
4
.
1

1
.
0

3
1
.
8

1
3
.
0

N
i
a
m
t
o
u
g
o
u

(
C
o
m
)

6
1
.
2

7
8
.
8

5
0
.
5

8
0
.
8

6
3
.
5

9
0
.
0

9
4
.
2

1
7
.
5

1
.
0
0

0
.
6
5

5
1
.
2

1
8
.
6

3
8
.
8

2
.
7

5
2
.
9

3
0
.
2

K
o
k
a

7
5
.
9

9
2
.
6

5
1
.
8

9
1
.
2

5
4
.
7

6
6
.
7

7
8
.
8

0
.
0

0
.
9
5

0
.
7
4

0
.
9

1
.
6

0
.
0

0
.
0

3
0
.
9

1
.
6

A
g
b
a
n
d
e
-
Y
a
k
a

7
9
.
3

9
5
.
2

5
8
.
3

6
7
.
7

2
7
.
9

4
1
.
4

7
5
.
7

0
.
0

0
.
9
4

0
.
3
0

1
.
6

2
.
2

0
.
0

0
.
0

2
5
.
1

0
.
2

L
e
o
n

8
5
.
6

9
6
.
8

5
5
.
9

7
1
.
9

7
.
4

3
2
.
5

4
6
.
4

3
.
8

0
.
9
1

0
.
4
8

3
7
.
3

0
.
6

0
.
6

0
.
0

1
3
.
4

1
.
1

A
l
l
o
u
m

7
7
.
5

9
3
.
5

5
5
.
2

7
4
.
3

3
1
.
8

4
4
.
3

6
8
.
5

1
3
.
8

0
.
9
1

0
.
4
1

5
3
.
9

3
.
5

1
.
1

0
.
2

2
3
.
1

8
.
8

K
a
d
j
a
l
l
a

8
2
.
6

9
6
.
3

5
9
.
2

7
5
.
9

2
5
.
4

3
1
.
6

5
9
.
5

6
.
1

0
.
8
6

0
.
2
3

3
0
.
1

0
.
7

0
.
3

0
.
1

1
6
.
2

3
.
5

T
c
h
o
r
e

6
7
.
2

9
6
.
6

5
6
.
7

7
5
.
5

6
.
0

1
2
.
1

4
4
.
4

1
1
.
1

0
.
7
7

0
.
3
4

1
2
.
9

0
.
5

0
.
0

0
.
1

1
1
.
0

0
.
3

B
a
g
a

6
6
.
1

8
6
.
4

5
4
.
4

7
6
.
7

3
9
.
6

8
3
.
9

8
9
.
9

0
.
0

0
.
7
5

0
.
5
0

8
5
.
6

4
.
9

0
.
0

0
.
0

4
0
.
4

0
.
8

T
e
n
e
g
a

5
5
.
4

9
0
.
9

5
3
.
7

8
8
.
0

5
8
.
0

5
9
.
0

8
1
.
2

1
6
.
7

0
.
9
9

0
.
4
8

4
5
.
2

4
.
4

7
.
1

1
.
2

3
2
.
0

2
0
.
6

D
e
f
a
l
e

6
3
.
4

8
7
.
5

5
2
.
6

8
5
.
4

5
0
.
3

7
7
.
9

9
1
.
2

2
6
.
1

0
.
8
7

0
.
4
7

2
4
.
9

2
2
.
0

1
4
.
9

0
.
9

3
4
.
7

1
4
.
8

K
p
a
h
a

6
7
.
4

9
7
.
4

5
7
.
1

7
6
.
3

2
7
.
1

3
8
.
4

7
4
.
3

1
1
.
1

0
.
7
3

0
.
3
4

1
2
.
3

1
.
0

0
.
0

0
.
1

1
1
.
9

1
.
1

S
i
o
u

5
8
.
5

9
1
.
0

5
4
.
8

8
5
.
5

5
1
.
3

8
1
.
1

9
0
.
7

2
2
.
9

0
.
9
6

0
.
4
9

4
0
.
6

8
.
9

1
4
.
3

0
.
8

3
4
.
0

6
.
6

P
o
u
d
a

7
0
.
6

9
5
.
0

6
1
.
8

7
3
.
8

2
5
.
9

4
7
.
4

7
0
.
9

1
3
.
3

0
.
9
8

0
.
4
7

3
4
.
6

0
.
7

0
.
5

0
.
0

1
5
.
6

2
.
4

M
a
s
s
e
d
e
n
a

5
9
.
6

9
4
.
2

5
7
.
8

7
6
.
2

2
5
.
3

3
2
.
5

5
4
.
9

1
3
.
9

0
.
8
0

0
.
4
2

2
5
.
0

1
.
9

0
.
0

0
.
0

2
6
.
4

2
.
2

K
r
a
n

7
7
.
1

9
3
.
4

5
8
.
0

7
0
.
6

2
9
.
7

3
7
.
1

6
7
.
7

1
6
.
4

0
.
8
2

0
.
3
6

2
6
.
8

6
.
9

5
.
9

0
.
5

2
4
.
8

9
.
3

K
a
n
d
e

7
7
.
4

9
6
.
7

5
6
.
9

7
5
.
6

2
1
.
1

3
5
.
0

6
4
.
4

1
5
.
7

0
.
8
9

0
.
3
1

1
4
.
3

3
.
8

0
.
7

0
.
0

2
1
.
4

1
.
1

K
a
n
d
e

(
C
o
m
)

5
5
.
1

7
5
.
5

5
0
.
5

7
7
.
0

6
3
.
6

8
0
.
1

9
4
.
5

1
8
.
6

1
.
0
3

0
.
3
9

4
8
.
9

3
4
.
7

3
6
.
3

2
.
6

5
5
.
7

5
3
.
6

123
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

K
o
u
t
o
u
g
o
u

9
2
.
2

9
8
.
0

5
6
.
6

6
7
.
3

1
.
4

1
7
.
8

4
0
.
2

2
8
.
6

0
.
5
4

0
.
2
0

1
8
.
1

0
.
4

0
.
8

0
.
0

2
3
.
6

1
.
0

W
a
r
e
n
g
o

7
2
.
4

9
6
.
4

5
8
.
9

8
3
.
7

2
5
.
9

3
8
.
3

7
2
.
5

1
1
.
4

0
.
8
6

0
.
3
9

2
6
.
1

2
.
8

0
.
2

0
.
0

1
5
.
7

0
.
8

N
a
d
o
b
a

8
2
.
8

9
6
.
6

5
7
.
9

6
2
.
8

2
1
.
2

2
3
.
7

5
4
.
3

1
3
.
6

0
.
7
8

0
.
3
2

1
0
.
5

6
.
4

4
.
6

0
.
5

2
6
.
7

4
.
9

A
k
p
o
n
t
e

9
2
.
9

9
9
.
1

6
0
.
3

5
0
.
4

1
.
8

1
1
.
8

3
5
.
4

7
.
7

0
.
5
7

0
.
5
0

2
0
.
4

1
.
0

0
.
3

0
.
0

1
8
.
5

0
.
6

P
e
s
s
i
d
e

7
9
.
2

9
6
.
2

5
8
.
6

7
9
.
4

2
0
.
8

3
4
.
4

5
5
.
7

1
0
.
0

0
.
9
6

0
.
4
0

3
3
.
8

2
.
7

0
.
4

0
.
1

2
0
.
2

1
.
5

O
s
s
a
c
r
e

7
8
.
7

9
0
.
5

6
1
.
0

7
0
.
8

1
6
.
5

2
8
.
7

6
0
.
0

1
5
.
1

0
.
7
8

0
.
3
7

3
9
.
6

1
.
0

0
.
6

0
.
2

1
7
.
3

1
.
6

H
e
l
o
t
a

8
4
.
0

9
7
.
1

6
0
.
7

6
3
.
9

1
8
.
3

1
9
.
5

4
8
.
5

1
7
.
5

0
.
7
7

0
.
3
1

2
7
.
2

0
.
7

0
.
4

0
.
2

1
7
.
1

1
.
2

A
t
a
l
o
t
e

8
2
.
4

9
6
.
1

5
9
.
7

7
5
.
1

2
9
.
1

2
9
.
8

6
2
.
8

8
.
8

0
.
7
8

0
.
3
0

1
9
.
3

1
.
5

0
.
1

0
.
1

1
7
.
6

4
.
3

D
a
n
k
p
e
n

8
0
.
9

9
4
.
8

6
0
.
2

6
1
.
9

2
3
.
2

2
6
.
1

5
2
.
6

1
5
.
6

0
.
8
0

0
.
3
6

5
7
.
2

2
.
3

3
.
2

0
.
3

2
5
.
5

4
.
7

G
u
e
r
i
n

K
o
u
k
a

7
8
.
4

9
5
.
3

6
0
.
2

6
2
.
7

1
4
.
4

2
1
.
4

4
8
.
5

1
6
.
7

0
.
7
7

0
.
3
0

6
7
.
4

1
.
6

0
.
5

0
.
2

1
9
.
0

1
.
6

G
u
e
r
i
n
-
K
o
u
k
a

(
C
o
m
)

6
0
.
1

7
6
.
4

5
1
.
3

8
2
.
5

6
4
.
6

7
4
.
8

9
1
.
1

2
0
.
6

1
.
0
8

0
.
4
9

9
9
.
2

1
4
.
3

3
8
.
6

1
.
8

6
8
.
8

4
3
.
9

N
a
w
a
r
e

8
5
.
2

9
7
.
4

6
0
.
8

6
0
.
3

1
5
.
6

1
7
.
2

4
5
.
8

6
.
7

0
.
7
7

0
.
3
0

7
5
.
3

0
.
9

0
.
5

0
.
1

2
0
.
9

0
.
9

N
a
n
d
o
u
t
a

9
0
.
0

9
7
.
3

6
3
.
1

4
9
.
9

1
4
.
5

1
8
.
3

3
4
.
6

1
3
.
7

0
.
7
7

0
.
3
4

3
2
.
9

2
.
2

0
.
3

0
.
4

2
7
.
7

1
.
1

B
a
p
u
r
e

8
3
.
5

9
4
.
7

6
0
.
4

6
9
.
2

2
9
.
6

2
4
.
5

5
6
.
3

1
3
.
3

0
.
8
0

0
.
3
0

7
8
.
8

0
.
8

0
.
7

0
.
1

3
1
.
4

1
.
6

K
o
u
t
c
h
i
c
h
e
o
u

7
5
.
1

9
5
.
5

5
8
.
1

6
9
.
6

4
.
9

1
9
.
4

4
6
.
7

2
0
.
8

0
.
8
3

0
.
2
8

3
7
.
3

1
.
5

0
.
8

0
.
0

2
3
.
6

1
.
1

N
a
m
o
n

7
3
.
7

9
5
.
4

5
8
.
6

5
8
.
9

3
2
.
4

2
5
.
4

5
2
.
3

1
8
.
2

0
.
7
5

0
.
2
3

1
6
.
2

0
.
8

0
.
2

0
.
3

1
2
.
1

5
.
0

N
a
t
c
h
i
b
o
r
e

7
3
.
6

9
6
.
4

5
9
.
6

5
7
.
0

2
.
8

9
.
7

3
3
.
7

7
.
5

0
.
7
0

0
.
2
6

3
3
.
9

1
.
0

0
.
4

0
.
6

9
.
1

1
.
1

N
a
t
c
h
i
t
i
k
p
i

8
8
.
4

9
7
.
4

6
0
.
5

6
3
.
8

1
2
.
2

2
3
.
6

4
7
.
6

1
6
.
2

0
.
8
4

0
.
4
1

4
5
.
7

5
.
5

0
.
3

0
.
0

1
5
.
1

0
.
7

N
a
o
m
p
o
c
h

8
4
.
3

9
5
.
6

6
1
.
9

6
0
.
5

2
1
.
2

2
9
.
4

5
6
.
6

7
.
5

0
.
7
8

0
.
2
7

6
7
.
4

1
.
4

0
.
6

0
.
0

1
8
.
7

0
.
9

K
o
u
l
f
i
e
k
o
u

9
3
.
5

9
7
.
9

6
3
.
6

4
5
.
8

0
.
8

9
.
3

1
9
.
1

4
.
2

0
.
8
9

0
.
5
0

2
8
.
4

0
.
0

0
.
2

0
.
0

3
0
.
7

1
.
1

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

K
a
t
c
h
a
m
b
a

9
0
.
3

9
7
.
1

6
1
.
9

5
6
.
2

1
8
.
1

1
7
.
8

4
3
.
6

9
.
1

0
.
7
8

0
.
2
2

4
2
.
1

2
.
2

0
.
1

0
.
2

2
6
.
3

2
.
8

K
i
d
j
a
b
o
u
n

8
5
.
1

9
6
.
4

6
1
.
7

6
4
.
5

1
9
.
6

2
0
.
7

4
8
.
6

1
2
.
5

0
.
7
9

0
.
3
5

4
2
.
7

0
.
7

0
.
4

0
.
0

2
3
.
7

2
.
2

B
a
s
s
a
r

6
4
.
5

8
9
.
3

5
6
.
6

7
2
.
9

3
9
.
6

5
7
.
9

7
6
.
4

1
8
.
0

0
.
8
8

0
.
4
7

6
4
.
5

9
.
4

2
2
.
9

0
.
9

4
4
.
3

1
5
.
4

B
a
s
s
a
r

6
1
.
8

9
2
.
7

5
6
.
1

7
5
.
4

4
0
.
2

5
9
.
4

8
1
.
6

1
2
.
7

0
.
8
6

0
.
4
3

6
6
.
6

7
.
8

2
2
.
5

0
.
7

4
5
.
9

2
.
7

B
a
s
s
a
r

(
C
o
m
)

5
6
.
8

7
4
.
9

5
0
.
2

8
3
.
0

6
1
.
8

8
6
.
9

9
4
.
8

2
0
.
5

1
.
0
3

0
.
5
6

8
8
.
4

3
0
.
3

7
1
.
9

3
.
4

7
5
.
4

4
8
.
2

K
a
l
a
n
g
a

9
1
.
2

9
6
.
8

6
2
.
0

7
1
.
2

2
.
2

3
4
.
1

5
2
.
2

0
.
0

0
.
7
5

0
.
2
9

4
0
.
1

1
.
4

1
.
1

0
.
1

3
1
.
2

1
.
0

B
a
g
h
a
n

7
3
.
8

9
6
.
1

5
9
.
5

5
7
.
1

7
.
3

2
2
.
1

4
1
.
3

1
5
.
1

0
.
7
3

0
.
2
5

4
1
.
7

1
.
2

0
.
8

0
.
1

1
9
.
7

0
.
6

D
i
m
o
r
i

6
5
.
1

9
3
.
4

6
1
.
4

6
3
.
2

1
6
.
6

2
6
.
3

3
9
.
4

6
.
1

0
.
8
2

0
.
3
3

5
6
.
1

3
.
6

0
.
7

0
.
1

2
5
.
8

2
.
4

B
i
t
c
h
a
b
e

6
9
.
5

9
5
.
1

6
0
.
4

8
2
.
1

3
2
.
6

6
7
.
3

7
5
.
2

2
1
.
2

0
.
9
0

0
.
6
0

9
7
.
5

4
.
8

0
.
5

0
.
0

4
2
.
5

1
.
3

B
a
n
d
j
e
l
i

7
0
.
5

9
2
.
3

5
6
.
7

7
2
.
9

3
8
.
4

5
1
.
2

7
4
.
3

1
7
.
6

0
.
8
8

0
.
3
6

7
4
.
0

2
.
3

0
.
9

0
.
4

4
5
.
2

5
.
4

K
a
b
o
u

6
4
.
2

8
9
.
6

5
6
.
2

7
2
.
2

4
1
.
8

5
4
.
7

7
5
.
4

2
0
.
9

0
.
8
8

0
.
4
2

6
5
.
0

7
.
3

2
9
.
2

0
.
4

4
8
.
6

2
3
.
5

M
a
n
g
a

4
6
.
4

9
3
.
2

5
9
.
3

6
8
.
5

1
5
.
8

2
1
.
5

5
7
.
9

4
.
7

0
.
8
0

0
.
1
7

7
0
.
5

1
.
0

0
.
8

0
.
0

1
7
.
8

1
.
4

S
a
n
d
a

K
a
g
b
a
n
d
a

7
3
.
8

9
4
.
1

5
7
.
7

7
2
.
9

3
4
.
8

5
1
.
3

7
3
.
2

1
4
.
3

0
.
8
4

0
.
3
6

3
0
.
6

3
.
9

6
.
0

0
.
6

2
4
.
3

7
.
0

S
a
n
d
a

A
f
o
h
o
u

5
5
.
7

9
1
.
1

5
8
.
7

7
5
.
6

4
2
.
2

6
9
.
1

7
6
.
1

1
2
.
2

0
.
9
8

0
.
5
3

1
8
.
1

2
.
9

1
2
.
8

0
.
9

3
2
.
6

5
.
2

A
s
s
o
l
i

5
7
.
6

8
7
.
8

5
6
.
5

7
6
.
9

4
9
.
2

7
2
.
9

8
8
.
8

2
0
.
3

0
.
8
8

0
.
4
8

5
3
.
1

1
8
.
3

3
6
.
7

1
.
1

6
5
.
5

1
6
.
3

B
a
f
i
l
o

5
0
.
0

9
7
.
2

5
8
.
8

7
9
.
9

3
1
.
5

6
1
.
5

7
8
.
6

0
.
0

0
.
9
1

0
.
4
2

1
8
.
3

4
.
4

1
1
.
5

0
.
8

3
8
.
3

0
.
6

B
a
f
i
l
o

(
C
o
m
)

5
2
.
4

7
7
.
6

5
2
.
9

7
9
.
5

5
8
.
5

8
5
.
7

9
5
.
2

2
0
.
7

0
.
9
1

0
.
5
0

6
8
.
6

3
0
.
1

7
6
.
9

2
.
2

8
1
.
5

4
1
.
5

B
o
u
l
a
d
e

6
4
.
1

9
5
.
8

6
0
.
2

7
2
.
4

3
1
.
8

4
8
.
5

7
7
.
2

1
2
.
5

0
.
8
3

0
.
3
1

2
.
3

1
.
1

2
.
3

0
.
1

4
6
.
3

0
.
9

S
o
u
d
o
u

6
3
.
2

9
3
.
2

5
8
.
4

6
8
.
4

4
4
.
5

5
7
.
0

7
7
.
6

2
0
.
2

0
.
8
4

0
.
4
9

5
9
.
1

1
8
.
5

1
.
2

0
.
5

5
6
.
1

3
.
4

K
o
u
m
o
n
d
e

5
1
.
2

9
1
.
3

5
8
.
1

9
2
.
3

5
6
.
2

7
9
.
1

9
5
.
8

2
6
.
0

0
.
9
7

0
.
5
7

5
1
.
1

3
3
.
5

6
4
.
1

1
.
1

6
5
.
9

6
.
1

125
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

A
l
e
d
j
o

5
5
.
4

8
8
.
8

5
6
.
0

7
7
.
8

5
2
.
5

8
6
.
7

9
6
.
3

2
1
.
0

0
.
9
3

0
.
5
1

6
4
.
7

9
.
1

5
2
.
4

0
.
4

7
3
.
4

5
.
4

D
a
k
o

(
D
a
o
u
d
e
)

6
7
.
7

9
4
.
1

5
9
.
0

8
1
.
3

3
8
.
0

6
8
.
2

8
8
.
8

1
5
.
8

0
.
8
3

0
.
3
9

3
8
.
0

2
.
5

0
.
7

0
.
4

5
5
.
9

1
.
6

S
a
v
a
n
e
s

7
4
.
3

9
0
.
8

6
0
.
1

7
0
.
0

2
7
.
1

3
8
.
9

6
5
.
6

2
1
.
2

0
.
8
3

0
.
4
9

2
7
.
9

1
7
.
5

9
.
7

0
.
9

3
8
.
0

1
6
.
4

T
o
n
e

7
2
.
3

8
6
.
8

5
9
.
7

7
4
.
5

3
3
.
7

4
8
.
1

7
4
.
2

2
2
.
9

0
.
8
3

0
.
5
4

2
2
.
5

2
3
.
5

1
3
.
0

1
.
6

4
3
.
7

2
8
.
6

D
a
p
a
o
n
g

7
0
.
7

8
5
.
4

5
9
.
7

8
3
.
3

4
1
.
1

5
6
.
0

8
0
.
2

1
2
.
2

0
.
9
2

0
.
5
2

8
.
8

1
4
.
1

3
.
3

0
.
4

4
2
.
4

1
8
.
7

D
a
p
a
o
n
g

(
C
o
m
)

6
0
.
8

6
6
.
9

4
8
.
2

8
2
.
4

5
9
.
1

7
6
.
8

9
1
.
3

2
6
.
2

1
.
0
6

0
.
7
4

6
1
.
0

7
4
.
1

6
0
.
5

6
.
6

8
0
.
3

8
0
.
0

N
a
n
e
r
g
o
u

7
7
.
5

9
1
.
1

6
2
.
0

8
1
.
2

3
2
.
4

4
7
.
6

7
9
.
8

2
2
.
7

0
.
8
7

0
.
4
7

2
4
.
8

1
0
.
8

1
.
3

0
.
4

4
1
.
1

1
1
.
5

N
a
m
a
r
e

7
7
.
8

9
2
.
6

6
4
.
2

7
3
.
6

2
1
.
6

3
5
.
1

7
2
.
2

3
0
.
0

0
.
7
5

0
.
3
7

3
4
.
9

2
2
.
5

1
.
3

0
.
0

4
4
.
3

2
8
.
7

N
a
k
i
-
O
u
e
s
t

7
8
.
1

9
3
.
1

6
4
.
2

7
1
.
0

1
6
.
5

3
1
.
1

6
3
.
1

1
5
.
8

0
.
7
0

0
.
3
1

2
3
.
6

1
8
.
2

0
.
9

0
.
4

3
8
.
2

3
.
0

T
a
m
i

8
4
.
7

9
3
.
2

6
4
.
2

7
1
.
0

2
1
.
3

2
7
.
2

6
1
.
4

1
6
.
5

0
.
7
5

0
.
4
6

8
.
5

1
2
.
0

0
.
8

0
.
1

3
3
.
2

8
.
5

L
o
t
o
g
o
u
+
W
a
r
k
a
m
b
o
u

8
1
.
9

9
3
.
6

6
4
.
5

7
1
.
7

2
5
.
4

3
0
.
2

6
4
.
7

1
1
.
5

0
.
7
3

0
.
4
3

1
3
.
2

6
.
1

0
.
7

0
.
2

3
0
.
1

1
.
1

N
i
o
u
k
p
o
u
r
m
a

7
7
.
2

9
2
.
0

6
2
.
4

8
6
.
8

2
4
.
2

3
5
.
4

6
9
.
0

1
8
.
2

0
.
8
2

0
.
3
4

1
4
.
5

8
.
6

0
.
8

0
.
4

3
5
.
9

2
1
.
9

P
a
n
a

8
2
.
3

9
6
.
1

6
3
.
2

7
8
.
4

2
8
.
4

3
8
.
4

7
5
.
2

8
.
3

0
.
7
9

0
.
3
0

2
0
.
7

3
.
4

0
.
1

0
.
4

2
3
.
7

5
.
5

B
i
d
j
e
n
g
a

8
4
.
1

9
6
.
6

6
3
.
8

6
6
.
3

1
6
.
4

2
0
.
1

5
3
.
9

7
.
5

0
.
7
1

0
.
2
7

8
.
0

4
.
7

0
.
3

0
.
0

1
9
.
3

1
1
.
6

T
o
a
g
a

6
2
.
2

8
9
.
9

6
1
.
6

8
0
.
5

2
7
.
5

4
2
.
0

7
5
.
2

9
.
2

0
.
9
0

0
.
3
4

5
.
1

5
.
7

0
.
6

0
.
7

3
6
.
5

1
8
.
3

K
o
r
b
o
n
g
o
u

7
5
.
6

9
2
.
5

6
1
.
8

6
1
.
0

2
1
.
2

2
5
.
9

5
5
.
2

1
9
.
9

0
.
7
1

0
.
3
5

6
.
9

1
0
.
0

0
.
7

0
.
8

3
2
.
5

1
0
.
1

L
o
u
a
n
g
a

7
2
.
5

9
4
.
3

6
3
.
8

6
7
.
0

2
0
.
2

2
5
.
2

6
2
.
0

8
.
7

0
.
6
5

0
.
2
6

1
4
.
3

2
.
1

0
.
5

0
.
2

2
8
.
0

2
5
.
2

K
a
n
t
i
n
d
i

7
8
.
2

9
5
.
2

6
2
.
5

6
8
.
2

2
5
.
7

3
1
.
5

6
1
.
4

2
1
.
4

0
.
7
2

0
.
3
7

4
.
4

1
3
.
0

0
.
4

0
.
2

3
1
.
8

3
1
.
0

S
a
n
f
a
t
o
u
t
e

8
0
.
0

9
3
.
2

6
2
.
7

6
7
.
1

1
9
.
7

2
9
.
5

5
5
.
3

2
3
.
4

0
.
9
3

0
.
4
3

5
.
4

1
8
.
7

0
.
1

0
.
0

3
5
.
2

1
1
.
8

K
o
u
r
i
e
n
t
r
e

8
3
.
2

9
6
.
4

6
2
.
9

6
4
.
2

1
8
.
4

1
8
.
5

4
7
.
5

1
6
.
7

0
.
7
8

0
.
3
1

1
5
.
0

7
.
1

0
.
3

0
.
5

3
5
.
3

2
7
.
7

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

P
o
i
s
s
o
n
g
u
i

5
1
.
8

9
3
.
7

6
4
.
2

6
5
.
9

1
9
.
3

2
7
.
4

5
0
.
2

4
.
8

0
.
8
3

0
.
2
7

2
0
.
0

1
3
.
5

0
.
2

0
.
2

3
4
.
2

7
.
0

N
a
t
i
g
o
u

7
3
.
2

9
5
.
3

6
2
.
8

6
9
.
3

1
5
.
0

2
2
.
1

4
6
.
0

1
6
.
0

0
.
7
8

0
.
4
1

3
.
5

2
.
6

0
.
2

0
.
5

2
5
.
6

3
6
.
6

C
i
n
k
a
s
s

7
1
.
4

8
8
.
3

5
7
.
3

7
4
.
2

2
3
.
1

3
5
.
2

5
9
.
6

2
8
.
3

0
.
8
5

0
.
4
8

4
4
.
4

3
0
.
8

2
2
.
3

1
.
3

6
3
.
0

2
9
.
7

C
i
n
k
a
s
s
e

5
8
.
2

8
5
.
5

5
5
.
8

6
5
.
6

1
6
.
4

3
2
.
0

5
8
.
2

1
6
.
3

0
.
8
6

0
.
3
8

2
3
.
1

2
8
.
2

4
.
0

1
.
1

6
7
.
2

2
3
.
5

C
i
n
k
a
s
s
e

(
C
o
m
)

6
9
.
1

8
0
.
1

5
0
.
9

7
3
.
0

2
3
.
4

3
6
.
4

5
6
.
0

2
9
.
2

0
.
8
6

0
.
6
1

8
1
.
4

5
6
.
5

6
3
.
9

2
.
6

8
4
.
9

6
4
.
1

B
o
a
d
e

8
2
.
4

9
5
.
4

5
5
.
0

6
2
.
7

9
.
5

1
3
.
9

3
5
.
7

1
4
.
3

0
.
6
3

0
.
3
5

1
.
6

3
.
7

0
.
6

0
.
0

6
3
.
3

0
.
7

G
n
o
a
g
a

8
9
.
2

9
5
.
7

6
0
.
0

6
4
.
9

9
.
7

8
.
3

4
2
.
1

2
5
.
0

0
.
9
0

0
.
3
8

1
.
4

2
.
8

0
.
6

1
.
3

5
0
.
6

1
7
.
8

G
o
u
l
o
u
n
g
o
u
s
s
i

7
6
.
4

9
2
.
8

5
8
.
6

7
0
.
0

1
2
.
2

2
2
.
5

4
6
.
0

1
8
.
8

0
.
8
8

0
.
3
4

1
0
.
0

1
2
.
1

0
.
6

0
.
7

7
7
.
1

4
.
4

B
i
a
n
k
o
u
r
i

7
2
.
7

9
1
.
2

6
1
.
6

7
3
.
7

2
8
.
2

4
6
.
2

6
7
.
8

3
0
.
6

0
.
8
6

0
.
5
7

2
9
.
0

4
4
.
1

1
.
6

0
.
7

4
2
.
4

4
7
.
8

T
i
m
b
o
u

7
0
.
7

9
3
.
0

6
1
.
4

7
6
.
4

2
6
.
2

3
7
.
3

7
0
.
4

2
2
.
9

0
.
8
6

0
.
4
0

3
7
.
0

1
6
.
0

0
.
5

0
.
7

4
8
.
3

4
.
2

N
a
d
j
o
u
n
d
i

7
7
.
2

9
5
.
2

6
3
.
8

7
9
.
6

2
9
.
0

4
1
.
0

6
9
.
2

3
5
.
4

0
.
8
2

0
.
4
5

2
2
.
7

1
2
.
8

0
.
3

0
.
5

4
3
.
9

1
2
.
2

S
a
m
-
N
a
b
a

7
0
.
7

9
5
.
5

6
2
.
3

8
0
.
7

2
3
.
2

3
5
.
5

6
7
.
7

2
5
.
6

0
.
8
9

0
.
3
4

2
4
.
7

8
.
7

0
.
0

0
.
0

4
8
.
8

0
.
5

K
p
e
n
d
j
a
l

8
1
.
8

9
6
.
0

6
2
.
8

6
0
.
2

1
7
.
8

1
9
.
2

4
4
.
5

1
6
.
0

0
.
7
7

0
.
3
9

1
4
.
1

6
.
2

1
.
1

0
.
3

2
2
.
8

2
.
4

M
a
n
d
o
u
r
i

8
1
.
1

9
5
.
9

6
2
.
5

6
3
.
2

1
2
.
8

1
3
.
3

3
7
.
9

8
.
6

0
.
7
4

0
.
2
4

6
.
5

9
.
2

0
.
6

0
.
3

2
5
.
0

0
.
9

M
a
n
d
o
u
r
i

(
C
o
m
)

6
5
.
8

8
4
.
7

5
8
.
9

7
9
.
2

3
2
.
7

4
9
.
4

7
4
.
7

1
7
.
6

1
.
0
0

0
.
5
0

6
.
3

2
9
.
8

1
6
.
4

1
.
0

3
7
.
4

1
0
.
0

T
a
m
b
i
g
o
u

8
8
.
3

9
8
.
0

6
0
.
8

5
1
.
4

8
.
3

1
2
.
5

3
8
.
4

1
6
.
7

0
.
7
4

0
.
3
0

7
.
8

2
.
1

3
.
4

0
.
0

2
0
.
9

0
.
4

K
o
u
n
d
j
o
a
r
e

7
7
.
6

9
6
.
2

6
1
.
7

5
5
.
6

1
7
.
0

1
6
.
0

3
8
.
3

2
7
.
1

0
.
7
1

0
.
4
2

2
7
.
6

8
.
8

0
.
5

0
.
2

3
1
.
1

1
.
6

P
o
g
n
o

7
9
.
7

9
5
.
5

6
1
.
2

5
2
.
6

1
7
.
4

2
1
.
4

4
5
.
5

1
3
.
1

0
.
7
4

0
.
3
3

1
0
.
7

3
.
3

0
.
6

0
.
5

2
0
.
6

2
.
6

K
p
e
n
d
j
a
g
a

/
P
a
p
r
i

7
6
.
3

9
5
.
5

6
2
.
3

5
8
.
5

1
8
.
1

2
2
.
3

4
4
.
2

2
5
.
6

0
.
7
4

0
.
5
1

1
9
.
5

6
.
3

0
.
2

0
.
4

2
8
.
3

4
.
3

N
a
m
o
u
n
d
j
o
g
a

7
9
.
7

9
6
.
2

6
3
.
9

6
0
.
2

1
6
.
2

1
7
.
4

4
6
.
1

1
8
.
2

0
.
7
6

0
.
3
4

1
2
.
9

5
.
5

0
.
2

0
.
4

1
8
.
3

1
.
3

127
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

T
a
m
b
o
n
g
a

8
4
.
6

9
6
.
5

6
3
.
1

5
8
.
9

1
7
.
1

1
6
.
4

4
3
.
7

2
1
.
6

0
.
6
3

0
.
3
0

1
0
.
5

6
.
1

0
.
9

0
.
9

2
1
.
2

1
2
.
3

N
a
k
i
-
E
s
t

8
3
.
0

9
6
.
2

6
3
.
7

6
3
.
7

2
1
.
3

2
3
.
0

5
4
.
1

1
0
.
8

0
.
7
9

0
.
3
6

1
8
.
3

4
.
9

0
.
5

0
.
0

2
2
.
0

1
.
7

N
a
y
e
g
a

8
7
.
7

9
7
.
6

6
3
.
1

6
5
.
9

1
9
.
6

2
6
.
0

4
6
.
2

2
3
.
5

0
.
9
1

0
.
6
2

3
0
.
4

8
.
5

0
.
6

0
.
3

1
6
.
9

1
.
5

O
g
a
r
o

8
2
.
8

9
6
.
3

6
5
.
2

6
4
.
0

2
7
.
7

2
4
.
4

5
2
.
5

1
3
.
5

0
.
7
5

0
.
4
9

5
.
3

5
.
1

0
.
4

0
.
0

1
6
.
0

1
.
3

B
o
r
g
o
u

8
7
.
3

9
6
.
6

6
2
.
5

5
7
.
0

1
2
.
0

1
2
.
5

2
9
.
3

1
3
.
0

0
.
7
6

0
.
4
4

1
0
.
8

3
.
5

0
.
5

0
.
3

2
3
.
4

1
.
2

O
t
i

7
4
.
7

9
3
.
0

6
0
.
1

6
3
.
3

2
2
.
0

3
2
.
5

5
8
.
4

1
7
.
6

0
.
8
0

0
.
4
4

4
1
.
6

1
4
.
1

1
1
.
7

0
.
6

3
4
.
2

1
0
.
9

M
a
n
g
o

7
8
.
3

9
6
.
5

5
9
.
7

6
9
.
1

1
1
.
0

3
2
.
0

4
9
.
7

1
0
.
0

0
.
7
6

0
.
3
9

9
.
3

8
.
5

0
.
7

0
.
0

3
2
.
6

3
.
4

M
a
n
g
o

(
C
o
m
)

5
4
.
2

7
8
.
6

5
1
.
2

8
3
.
7

4
9
.
8

7
3
.
5

8
8
.
5

1
8
.
6

0
.
9
7

0
.
5
3

8
4
.
1

6
0
.
4

7
0
.
1

2
.
8

6
7
.
0

5
4
.
1

S
a
d
o
r
i

8
5
.
3

9
6
.
8

6
2
.
3

4
4
.
2

4
.
5

2
1
.
8

4
0
.
9

1
5
.
4

0
.
5
5

0
.
2
3

2
.
3

5
.
5

0
.
0

0
.
3

3
3
.
6

1
.
8

S
a
g
b
i
e
b
o
u

7
0
.
9

9
4
.
3

5
9
.
2

6
5
.
8

1
5
.
7

2
3
.
0

4
5
.
0

1
3
.
8

0
.
7
7

0
.
3
4

5
5
.
0

3
.
3

0
.
4

0
.
3

2
9
.
3

1
.
5

G
a
n
d
o

7
2
.
3

9
2
.
3

5
9
.
9

6
4
.
8

2
3
.
2

3
0
.
7

6
3
.
5

1
5
.
5

0
.
7
2

0
.
3
7

7
3
.
6

1
1
.
6

1
1
.
0

0
.
3

3
0
.
9

1
1
.
1

M
o
g
o
u

8
4
.
1

9
7
.
3

6
3
.
8

4
3
.
1

9
.
6

9
.
0

3
4
.
7

1
2
.
5

0
.
6
9

0
.
1
9

3
9
.
1

3
.
9

0
.
5

0
.
2

1
8
.
0

1
.
6

T
c
h
a
m
o
n
g
a

9
0
.
0

9
7
.
4

6
0
.
5

4
4
.
4

1
.
2

6
.
3

2
9
.
8

6
.
5

0
.
5
1

0
.
2
4

4
2
.
6

1
.
5

0
.
6

0
.
0

1
4
.
0

0
.
9

T
c
h
a
n
a
g
a

8
5
.
8

9
5
.
6

6
0
.
4

6
0
.
1

5
.
9

1
9
.
6

4
2
.
2

2
2
.
6

0
.
7
9

0
.
3
8

1
.
5

2
.
6

0
.
1

0
.
1

2
4
.
0

0
.
5

N
a
g
b
e
n
i

8
1
.
8

9
5
.
2

6
2
.
6

7
2
.
3

1
8
.
9

2
4
.
7

4
9
.
0

2
1
.
4

0
.
9
2

0
.
4
9

1
5
.
1

1
7
.
4

4
.
9

0
.
2

2
6
.
7

3
.
8

B
a
r
k
o
i
s
s
i

7
1
.
5

9
0
.
3

5
8
.
7

7
8
.
7

3
5
.
1

5
0
.
6

7
9
.
0

1
9
.
3

0
.
9
2

0
.
5
2

1
3
.
5

1
8
.
6

7
.
1

0
.
4

4
0
.
7

1
2
.
8

L
o
k
o

6
9
.
4

9
2
.
2

6
0
.
5

7
7
.
5

2
2
.
8

4
3
.
9

6
4
.
1

2
0
.
5

0
.
9
1

0
.
4
9

9
.
4

7
.
9

0
.
5

0
.
4

3
5
.
9

0
.
7

G
a
l
a
n
g
a
s
h
i
e

8
3
.
7

9
5
.
9

6
1
.
9

7
3
.
0

1
4
.
6

2
9
.
1

5
2
.
1

1
4
.
0

0
.
8
3

0
.
3
9

2
8
.
4

7
.
9

0
.
5

0
.
3

3
4
.
8

0
.
8

K
p
e
b
o
n
g
a

8
9
.
6

9
6
.
9

6
5
.
0

6
7
.
1

1
3
.
4

1
4
.
8

5
0
.
1

3
0
.
0

0
.
8
3

0
.
2
3

1
3
.
0

3
.
3

0
.
1

0
.
5

3
0
.
8

0
.
4

F
a
r
e

9
0
.
6

9
7
.
3

6
6
.
0

3
7
.
1

3
.
1

8
.
3

3
0
.
1

1
1
.
1

0
.
5
4

0
.
2
1

4
.
8

0
.
7

1
.
9

0
.
8

4
0
.
3

0
.
2

D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f

- p r i m a i r e
f e m m e
h o m m e
p r i m a i r e
s e c o n d a i r e
p o t a b l e
T a u x d a c c s
l l e c t r i c i t
f i x e
m o b i l e

K
o
u
m
o
n
g
o
u

8
6
.
9

9
6
.
9

6
3
.
5

5
4
.
6

1
5
.
9

1
5
.
0

4
1
.
6

1
2
.
1

0
.
6
8

0
.
3
0

1
1
.
2

2
.
1

0
.
2

0
.
2

3
1
.
8

1
8
.
1

N
a
l
i

7
9
.
3

9
6
.
3

6
3
.
8

4
7
.
0

3
.
2

7
.
9

2
3
.
4

6
.
5

0
.
6
8

0
.
2
7

3
9
.
3

0
.
9

0
.
0

0
.
0

3
8
.
4

1
.
2

T
a
k
p
a
m
b
a

6
9
.
5

9
4
.
5

6
0
.
8

6
0
.
2

2
2
.
1

2
8
.
2

5
3
.
5

9
.
2

0
.
8
4

0
.
3
6

5
5
.
1

0
.
7

1
.
0

0
.
3

2
4
.
7

1
.
6

K
o
u
n
t
o
i
r
e

8
2
.
4

9
5
.
9

6
1
.
0

5
6
.
6

7
.
2

1
7
.
9

3
9
.
2

3
3
.
3

0
.
8
1

0
.
3
6

4
1
.
2

1
.
7

1
.
0

0
.
0

2
7
.
4

1
.
2

T
a
n
d
j
o
a
r

7
1
.
5

9
1
.
8

5
9
.
7

8
1
.
2

3
2
.
0

5
2
.
0

8
0
.
0

1
4
.
2

0
.
9
1

0
.
4
6

2
5
.
8

1
4
.
7

1
.
3

0
.
4

3
3
.
8

4
.
8

B
o
g
o
u

7
1
.
4

9
3
.
0

5
6
.
9

8
1
.
6

4
4
.
5

6
6
.
3

8
5
.
8

1
1
.
8

0
.
9
6

0
.
5
3

2
3
.
0

1
9
.
0

0
.
7

0
.
3

2
9
.
7

3
.
9

T
a
n
d
j
o
a
r
e

(
C
o
m
)

4
6
.
3

6
7
.
4

4
8
.
4

8
3
.
5

8
0
.
8

9
1
.
7

9
9
.
7

1
9
.
4

1
.
1
8

0
.
5
0

7
5
.
2

6
2
.
8

2
2
.
0

5
.
3

6
0
.
2

4
8
.
9

N
a
n
d
o
g
a

6
5
.
1

9
1
.
6

5
8
.
0

8
6
.
0

4
0
.
0

6
2
.
4

8
2
.
1

1
5
.
7

0
.
9
4

0
.
6
1

4
6
.
7

1
5
.
6

1
.
3

0
.
8

3
6
.
9

3
.
9

L
o
k
o

6
9
.
4

9
2
.
1

5
9
.
8

8
3
.
7

2
4
.
6

4
5
.
3

7
1
.
7

1
2
.
0

1
.
0
1

0
.
6
5

3
0
.
7

2
.
8

0
.
4

0
.
2

3
2
.
0

1
.
4

B
o
u
l
o
g
o
u

8
0
.
6

9
4
.
7

6
1
.
4

8
3
.
0

3
2
.
5

4
3
.
1

7
7
.
6

1
0
.
0

0
.
9
7

0
.
4
8

1
4
.
6

1
4
.
3

0
.
5

0
.
6

3
4
.
3

7
.
0

P
l
i
g
o
u

8
0
.
2

9
5
.
0

6
0
.
7

7
5
.
1

2
1
.
9

2
8
.
8

5
5
.
7

2
2
.
9

0
.
7
6

0
.
4
0

9
.
8

1
1
.
9

0
.
4

0
.
2

2
5
.
6

4
.
0

B
o
m
b
o
u
a
k
a

6
1
.
7

8
9
.
4

5
8
.
4

8
3
.
7

4
3
.
0

6
2
.
8

8
5
.
5

1
8
.
4

0
.
9
0

0
.
5
5

3
1
.
3

1
9
.
0

4
.
3

0
.
1

3
3
.
4

8
.
8

G
o
u
n
d
o
g
a

7
2
.
3

9
3
.
3

5
7
.
9

8
2
.
6

3
5
.
7

6
2
.
2

8
8
.
1

3
.
6

0
.
9
4

0
.
4
0

2
5
.
5

8
.
1

0
.
5

0
.
2

2
3
.
2

1
5
.
0

S
i
s
s
i
a
k

7
7
.
1

9
1
.
5

6
1
.
9

8
6
.
8

2
4
.
0

5
0
.
8

8
6
.
8

2
1
.
2

0
.
8
7

0
.
2
9

3
.
6

1
6
.
5

0
.
2

0
.
1

3
5
.
6

2
.
9

N
a
n
o

6
1
.
1

8
8
.
6

5
8
.
0

8
4
.
1

4
6
.
2

5
8
.
7

9
1
.
1

1
3
.
9

0
.
9
4

0
.
3
7

2
7
.
3

2
4
.
6

1
.
3

0
.
7

3
5
.
2

9
.
3

T
a
m
p
i
a
l
i
m
e

8
1
.
1

9
2
.
7

6
4
.
5

7
4
.
6

2
4
.
3

3
5
.
4

6
8
.
0

7
.
8

0
.
7
9

0
.
3
9

1
0
.
3

6
.
5

0
.
3

0
.
4

2
8
.
6

0
.
8

M
a
m
p
r
o
u
g

7
3
.
3

9
3
.
8

6
2
.
7

8
1
.
2

2
3
.
3

5
7
.
5

8
5
.
1

5
.
3

0
.
9
6

0
.
6
2

1
.
5

1
3
.
7

3
.
0

0
.
3

4
9
.
7

1
.
2

B
a
g
o
u

7
7
.
8

9
3
.
3

6
2
.
1

7
8
.
8

2
5
.
7

6
0
.
2

8
7
.
9

4
.
5

1
.
0
0

0
.
5
3

2
6
.
3

3
.
9

1
.
1

0
.
4

3
7
.
1

0
.
8

D
o
u
k
p
e
r
g
o
u

6
7
.
3

9
0
.
9

5
8
.
4

8
4
.
7

2
4
.
7

5
5
.
4

8
3
.
6

1
0
.
8

0
.
9
3

0
.
3
2

3
8
.
8

6
.
6

0
.
2

0
.
1

3
4
.
7

1
.
0

S
a
n
g
o
u

7
4
.
7

9
1
.
1

6
1
.
8

7
0
.
0

1
1
.
4

6
9
.
1

8
6
.
3

2
0
.
0

0
.
8
6

0
.
9
4

5
1
.
3

4
4
.
2

0
.
6

0
.
0

3
8
.
0

1
.
0

129
S
o
u
r
c
e

:

R
G
P
H
4

e
t

Q
U
I
B
B

2
0
1
1
N
o
t
e

:

c
e

t
a
b
l
e
a
u

p
r
s
e
n
t
e

l
e
s

r
s
u
l
t
a
t
s

d
e

l
a

c
a
r
t
e

d
e

p
a
u
v
r
e
t

m
o
n
t
a
i
r
e

a
u
x

n
i
v
e
a
u
x

d
e
s

r
g
i
o
n
s
,

d
e
s

p
r
f
e
c
t
u
r
e
s

e
t

d
e
s

c
a
n
t
o
n
s
/
c
o
m
m
u
n
e
s
/
q
u
a
t
i
e
r
s

;

l
e
s

r
g
i
o
n
s

s
o
n
t

s
u
r
l
i
g
n
e
s

e
n

j
a
u
n
e

;

l
e
s

p
r
f
e
c
t
u
r
e
s

d
u
n
e

r
g
i
o
n

d
o
n
n
e

a
p
p
a
r
a
i
s
s
e
n
t

i
m
m
d
i
a
t
e
m
e
n
t

e
n

d
e
s
s
o
u
s

e
n

c
a
r
a
c
t
r
e
s

g
r
a
s

;

e
t

l
e
s

c
a
n
t
o
n
/
c
o
m
m
u
n
e
s

v
i
e
n
n
e
n
t

e
n
s
u
i
t
e
.
D
c
o
u
p
a
g
e

a
d
m
i
n
i
s
t
r
a
t
i
f


P o u r c e n t a g e d e m p lo i s


- p r i m a i r e


f e m m e
h o m m e


p r i m a i r e

s e c o n d a i r e

p o t a b l e

T a u x d a c c s
l l e c t r i c i t


f i x e


m o b i l e



L
o
k
p
a
n
o

6
7
.
1

9
2
.
0

5
8
.
9

7
8
.
8

2
2
.
7

5
0
.
8

7
7
.
4

7
.
0

0
.
9
5

0
.
4
5

5
0
.
7

1
8
.
6

0
.
2

0
.
2

3
1
.
9

1
.
0

T
a
m
o
n
g
u
e

7
5
.
8

9
2
.
5

5
8
.
7

8
0
.
6

2
3
.
1

4
1
.
2

6
6
.
5

1
7
.
2

0
.
8
9

0
.
5
4

3
5
.
3

1
1
.
1

0
.
8

0
.
1

3
5
.
4

1
.
8

Annexe 5 : Libell des diffrentes
entits administratives
a) Rgions
133
b) Prfectures
d) Cantons et Communes de la rgion Maritime
135
e) Cantons et Communes de la rgion Plateaux
f) Cantons et Communes de la rgion Centrale
137
g) Cantons et Communes de la rgion de Kara
h) Cantons et Communes de la rgion Savanes
139

Cartographie de La Pauvrete

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cartographie de La Pauvrete

Uploaded by

Copyright:

Available Formats

RT

You might also like