Фитнес центр Crocus Fitness Первый в ТЦ Вегас
Это первый фитнес-клуб сети Crocus Fitness, сочетающий полный набор фитнес- и wellness- услуг. Более 4000 кв. метров, суперпрофессиональный тренерский состав, индивидуальный подход, авторские программы, роскошный дизайн интерьера, 50-метровый бассейн, тренажерный зал, инновационное спортивное оборудование от ведущего мирового бренда Life Fitness, беговая дорожка по кругу зала и зона релаксации.
В клубе представлен отдельный зал функционального тренинга — 400 м2. Просторная зона боевых искусств включает в себя восьмиугольный ринг – октагон. Также в клубе находится 7 залов групповых и персональных занятий: 4 групповых зала, из которых один 250 м2, отдельная танцевальная студия, зал для занятия пилатес и сайкл-театр.
Роскошная Recovery-зона доступна для владельцев клубных карт, и включает в себя хаммам, соляную комнату, джакузи, ледяной фонтан, бочку-душ и зону отдыха.
Просторные раздевалки оснащены инфракрасными саунами и банными принадлежностями в свободном доступе.
Для детей действует уникальное предложение – занятия в клубе Crocus Fitness проводятся без клубной карты. Родители могут выбрать любую понравившуюся секцию или персональную тренировку.
Отдельное место в клубе занимает SPA-салон, в котором представлено инновационное оборудование по уходу за лицом и телом. Высококвалифицированный персонал — косметологи, стилисты, массажисты, банщики, врачи-диетологи, мастера маникюра и педикюра предложат полный комплекс для восстановления здоровья и красоты. SPA-салон открыт как для членов клуба, так и для гостей без клубных карт.
ОПЦИИ КЛУБА
Бассейн 50мБольшой выбор групповых программ
Программы Les Mills
Различные виды массажа
Зона релаксации и обновления
Танцевальные программы
Зона функционального тренинга
Сайкл студия
Отдельные VIP-раздевалки
Все опцииРестораны в Крокус Сити в Москве — Restoclub.
ruНедалеко от МКАДа расположен масштабный центр «Крокус», рестораны и магазины которого постоянно привлекают посетителей. Он является крупнейшим центром во всей России и объединяет торговые, выставочные и деловые площадки. Всевозможные кафе можно найти в «Крокус Сити Молл», «Крокус Сити Холл» и «Вегас Крокус Сити». Здесь сосредоточены места разного формата:
- популярные сетевые заведения с классическими блюдами;
- пиццерии, гастробары;
- рестораны премиум-класса;
- кафе с необычной кухней;
- уютные кофейни, кальянные, лаунж-бары;
- караоке-бары и пабы.
Банкетный зал в Крокус Сити Холл
Торгово-выставочный комплекс располагает множеством мест для проведения разноформатных мероприятий. Банкетные залы в Крокус-Сити Холле подойдут для:
- бизнес-конференций;
- презентаций;
- деловых мероприятий и корпоративов;
- фуршетов;
- свадьбы, дня рождения и других торжеств.
«Крокус» — хороший выбор для больших и маленьких компаний, так как здесь расположены банкетные залы разные по площади и с возможностью зонирования пространства.
Большинство из них имеет танцпол и оборудованную сцену с профессиональным светом и звуком. Важное преимущество банкетных залов в Крокус Сити Холл — возможность организовать мероприятия разной сложности (по техническим, организационным и декоративным характеристикам). Бесплатная парковка и станция метро «Мякинино» прямо на территории центра — приятный бонус.
Крокус Сити: рестораны и кафе
После посещения выставочного центра или концерта музыкальной группы в Крокусе всегда можно найти хорошее кафе. Здешние заведения подойдут и для деловой встречи, и для спокойного обеда с семьей, и для свидания. Меню ресторанов Крокуса космополитичны. В них собраны блюда разных гастрономических традиций:
- европейских;
- русских;
- американских;
- кавказских;
- паназиатских и других.
Особенности, тип и средний чек кафе в «Крокусе» также различны. Полный список заведений вы найдете на нашем сайте со всей необходимой информацией: типом кухни, точным местоположением, временем работы, актуальными телефонами.
Чтобы выбрать лучшее место в «Крокусе» изучите меню, описания и отзывы о конкретных ресторанах.
Крокус-Банк в Красногорске, адреса филиалов и отделений банка на карте, режим работы дополнительных и центральных офисов, контакты головных и дежурных отделений
г. Московская обл., г. Красногорск, ул. Международная, д. 18 Мякинино (495) 228-12-04, (495) 228-12-41, (495) 228-12-44
Обслуживание физических лиц:
пн.-чт.: 09:00—18:00
пт.: 09:00—16:45
Обслуживание юридических лиц:
пн.
-чт.: 09:00—18:00
пт.: 09:00—16:45
Московская обл., г. Красногорск, ул. Международная, д. 8 Мякинино (495) 727-07-55, (495) 942-95-37
пн.—вс.: 09:45—22:00
перерывы: 15:00—15:45, 16:00—16:45
Обслуживание физических лиц:
пн.-чт.: 10:00—19:00
пт.: 10:00—17:45
Обслуживание юридических лиц:
пн.-чт.: 10:00—19:00
пт.
: 10:00—17:45
Московская обл., г. Красногорск, ул. Международная, д. 4 Мякинино (495) 727-07-55
Обслуживание физических лиц: пн.-вс.: 10:00—21:45 перерыв: 14:00—14:45 Обслуживание юридических лиц: пн.-вс.: 10:00—21:45 перерыв: 14:00—14:45
817146″ data-longitude=»37.388237″ data-name=»Операционная касса «Твой дом»» data-address=»Московская обл., г. Красногорск, ул. Международная, д. 6″ data-type=»cash»>Московская обл., г. Красногорск, ул. Международная, д. 6 Мякинино (495) 942-94-52
Обслуживание физических лиц: пн.-вс.: 10:00—21:45 перерыв: 14:00—14:45 Обслуживание юридических лиц: пн.-вс.: 10:00—21:45 перерыв: 14:00—14:45
адрес в Москве, телефоны, маршруты
Страна*
АвстралияАвстрияАзербайджанАлбанияАлжирАмериканские Виргинские островаАнгильяАнголаАндорраАнтарктидаАнтигуа и БарбудаАнтильские островаАрабские ЭмиратыАргентинаАрменияАрубаАфганистанБагамские островаБангладешБарбадосБахрейнБеларусьБелизБельгияБенинБермудские островаБолгарияБоливияБосния и ГерцеговинаБотсванаБразилияБританские Виргинские островаБританские территории в Индийском ОкеанеБрунейБуркина ФасоБурундиБутанВануатуВатиканВеликобританияВенгрияВенесуэллаВосточный ТиморВьетнамГабонГаитиГамбияГанаГваделупаГватемалаГвианаГвинеяГвинея-БиссауГерманияГибралтарГондурасГонконгГренадаГренландияГрецияГрузияГуанаДанияДемократическая республика КонгоДжибутиДоминикаДоминиканская РеспубликаЕгипетЗамбияЗападная СахараЗимбабвеИзраильИндияИндонезияИорданияИракИранИрландияИсландияИспанияИталияЙеменКабо-ВердеКазахстанКаймановы островаКамбоджаКамерунКанадаКатарКенияКипрКиргизияКирибатиКитайКокосовые островаКолумбияКоморосКонгоКорея (Северная)Корея (Южная)Коста РикаКот-Д`ивуарКубаКувейтЛаосЛатвияЛесотоЛиберияЛиванЛивияЛитваЛихтенштейнЛюксембургМаврикийМавританияМадагаскарМайоттаМакаоМакедонияМалавиМалайзияМалиМальдивыМальтаМартиникаМаршалские островаМексикаМикронезияМозамбикМолдавияМонакоМонголияМонтсерратМороккоМьянмаНамибияНауруНепалНигерНигерияНидерландыНикарагуаНиуэНовая ЗеландияНовая КаледонияНорвегияОманОстров БувеОстров НорфолкОстров ПиткэрнОстров РождестваОстров Св.
Elevation of Chaffin Dr, Нашвилл, Теннесси, США — Топографическая карта
На этой неделе у озера — Часть 1/52
Wild Radnor
Canada Goose on Radnor Lake
Slipping Away (в исследование! Спасибо!)
Wild Radnor 2
Williamson County, TN Здание суда — Франклин, TN
Каменная сова в садах
На этой неделе у озера — 15/52
Другой вид на замок Карлаверок — как его мог бы нарисовать Дж.
М. В. Тернер. @tintedsteam @MrTurnerFilm @historicscotland @welovehistory @visitscotland @GreatBritain @TwitterUK Instagram действительно не делает этого справедливо … #Medieval #medievaleuro
Другой вид на замок Карлаверок, как его нарисовал JMW Turner.@tintedsteam @MrTurnerFilm @historicscotland @welovehistory @visitscotland @GreatBritain @TwitterUK Инстаграм действительно не оправдывает себя… #Medieval #medievaleuro
Видео с прудом с кои!
The Carter House
Mellow Yellow Fellow
Buzzing By
Запад и солнце садится
20120324-IMG_8978_79_80_81_82_83_tonemapped-Edit.jpg
Fishy Faces на озере
520002 Fishy Faces на озере Clever
На этой неделе у озера — 29/52
Натчез Трейс Бридж-Бридж IMG_3926a
С сердечной благодарностью…
Цвета осени в Тенесси
Цвета весны в Среднем Теннесси.
Follow the Light
Восход луны на озере Раднор (HDR / панорама)
Панорама озера Раднор — 18 сентября 2014 г.
Государственный природный заповедник озера Раднор — 2 октября 2014 г.
Панорама заката на озере Раднор — 6 ноября 2014 г.
Зимний закат на озере Рэднор
Двойной арочный мост
На этой неделе у озера — 46/52
Percy Warner Park
Красивый поход в парк #bellsbend.#hikenashville #nashville
Дорога, по которой не ездили
20150412-0077.jpg
На этом снимке она оказалась посреди лужайки. #rolltidesituations #ncaawomensgolf @hjcollier
На лунке 2. Использование фильтра Нэшвилла. Потому что мы в Нэшвилле.
Radnor Reflection
Эдвин Уорнер Парк Закат — 9 октября 2014 г.
Реальная история о маяке Харбор-Таун | Посетите Блаффтон, SC
«Он был вдохновлен на создание сдержанного, неприхотливого, особенного сообщества, уважающего природу», — начал Джим Чаффин из уважаемой девелоперской группы Chaffin-Light и одного из первых агентов по недвижимости Sea Pines.«В то время только пляж считался ценным для застройки, но Чарльз хотел, чтобы сообщество было чем-то большим, чем просто пляж.
Он хотел повысить ценность всего района ».
Помимо того, что Фрейзер был провидцем, он был ученым и веселым человеком — двумя качествами, которые заложили основу для Маяка.
«Чарльз начал думать, как лучше всего создать место для встреч, где можно было бы покататься на лодке, и начал изучать пристань для яхт по всему миру», — сказал Чаффин.«Он действительно хотел, чтобы это место было веселым и праздничным. Когда он впервые расставил кресла-качалки вокруг Харбор-Тауна, люди смеялись и спрашивали его, что он делает. Он отвечал: «Это место, где люди могут просто посидеть». Даже сейчас вы видите, как люди в креслах-качалках читают газету и наслаждаются ощущением места ».
Фрейзер также предвидел достопримечательность. Символический маяк, привлекающий людей не только к Си Пайнс, но и на остров. То, что объединяет прошлое, настоящее и будущее нашего острова.
«Первый маяк на Хилтон-Хед был не знакомым маяком в Харбор-Тауне, а тем, который был построен в 1863 году с помощью войск Союза», — пояснила Нелли Смит, которая была одним из первых продавцов в Харбор-Таун и владела магазином Nell’s Harbour Shop.
. Фрейзер почтил этот маяк не только созданием нового, но и перемещением пары домов смотрителей маяка в Харбор-Таун в 1969 году. «Говорили, что в них обитают привидения, и из них родилась моя любимая история — Синяя леди», — сказал он. Смит.
Смит также вспоминает строительство маяка Харбор-Таун.«Я помню, что на ранних этапах планирования Харбор-Тауна все дети из нашего района были расстроены тем, что что-то собирались построить на их любимом месте сбора устриц. Они обычно ездили в этот район на велосипедах с мешками из крокусов, наполняли свои сумки устрицами и ехали домой, чтобы отведать семейного жаркого ».
У Чаффина тоже есть несколько замечательных историй того времени. «Питер Ламотт был настоящей снежной птицей, которая летает вверх и вниз по водному пути. Друг посоветовал ему найти маяк, строительство которого еще не закончено.Он нашел его и почувствовал вдохновение, чтобы заехать в гавань Харбор-Тауна. В конце концов он купил недвижимость в качестве второго дома, пошел на коктейльную вечеринку, и Чарльз подошел к нему и сказал: «Эй, Питер, ты знаешь, что на самом деле нужно этому острову? Ему нужна больница ».
Так появилась больница Hilton Head».
| Название школы | Адрес | Город | Штат | Классы | Почтовый индекс | |
|---|---|---|---|---|---|---|
| Balboa Elementary | 1844 Bel Aire Dr. | Глендейл | Калифорния | КГ-6 | ||
| Cerritos Elementary | 120 E. Cerritos Ave. | Glendale | Калифорния | КГ-6 | ||
| College View Center | 1700 E. Mountain St. | Glendale | Калифорния | КГ-12 | ||
| Columbus Elementary | 425 W. Milford St. | Glendale | Калифорния | КГ-6 | ||
| Daily (Аллан Ф.) Высокая (продолжение) | 220 N. Kenwood | Glendale | Калифорния | 9-12 | ||
| Эдисон (Томас) Начальная школа | 440 W. Lomita Ave. | Glendale | Калифорния | КГ-6 | ||
| Франклин (Бенджамин) Начальная школа | 1610 Лейк-Стрит | Глендейл | Калифорния | КГ-6 | ||
| Фремонт (Джон К.) Элементарный | 3320 Las Palmas Ave. | Glendale | Калифорния | КГ-6 | ||
| Glendale Senior High | 1440 E. Broadway | Glendale | Калифорния | 9-12 | ||
| Glenoaks Elementary | 2015 E. Glenoaks Blvd. | Глендейл | Калифорния | КГ-6 | ||
| Гувер (Герберт) Старшая школа | 651 Glenwood Rd. | Глендейл | Калифорния | 9-12 | ||
| Джефферсон (Томас) Начальная школа | 1540 Пятая улица | Глендейл | Калифорния | КГ-6 | ||
| День сообщества Джуэл-Сити | 223 N Jackson St | Glendale | Калифорния | 7-10 | ||
| Keppel (mark) Elementary | 730 Glenwood Rd. | Глендейл | Калифорния | КГ-6 | ||
| Mann (horace) Elementary | 501 E. Acacia Ave. | Glendale | Калифорния | КГ-6 | ||
| Маршалл (Джон) Начальная школа | 1201 Э. Бродвей | Глендейл | Калифорния | КГ-6 | ||
| Мьюир (Джон) Начальная школа | 912 С. Чеви Чейз Др. | Глендейл | Калифорния | КГ-6 | ||
| Рузвельт (Теодор) Мидл | 1017 S. Glendale Ave. | Glendale | Калифорния | 6-8 | ||
| Плата за проезд (Элеонор Дж.) Средний H | 700 Glenwood Rd. | Глендейл | Калифорния | 7-8 | ||
| Verdugo Academy | 220 N. Kenwood Street | Glendale | Калифорния | КГ-12 | ||
| Verdugo Woodlands Elementary | 1751 N. Verdugo Rd. | Глендейл | Калифорния | КГ-6 | ||
| Белый (правый) Элементарный | 744 E. Doran St. | Glendale | Калифорния | КГ-6 | ||
| Уилсон (Вудроу) Средний | 1221 Монтерей Роуд. | Глендейл | Калифорния | 6-8 | ||
| Средняя школа Ист-Хардин | 129 College St | Glendale | Кентукки | 6-8 | 42740 | |
| Glen Hills Mid | 2600 W Mill Rd | Glendale | Висконсин | 5-8 | 53209 | |
| Nicolet Hi | 6701 N Jean Nicolet Rd | Glendale | Висконсин | 9-12 | 53217 | |
| Parkway El | 5910 N Milwaukee River Pkwy | Glendale | Висконсин | PK-4 | 53209 | |
| Terra Nova Academy | 1118 W. Glendale Ave. | Glendale | Аризона | 1-8 | 85021 | |
| Melvin E Sine School | 4932 West Myrtle | Glendale | Аризона | PK-8 | 85301 | |
| Начальная школа Кэрол Г. Пек | 5810 N. 49th Ave. | Glendale | Аризона | КГ-3 | 85301 | |
| Средняя школа Барселоны | 6130 N.44-я авеню | Глендейл | Аризона | PK-8 | 85301 | |
| Школа Гарольда Смита | 6534 N 63rd Ave | Glendale | Аризона | КГ-8 | 85301 | |
| William C Jack School | 6600 West Missouri Avenue | Glendale | Аризона | КГ-3 | 85301 | |
| Isaac E Imes School | 6625 N 56th Ave | Glendale | Аризона | PK-8 | 85301 | |
| Homebound | 7301 N 58th Ave | Glendale | Аризона | UG-UG | 85301 | |
| Sahuaro Ranch School | 10401 N 63rd Ave | Glendale | Аризона | PK-8 | 85302 | |
| Дома и другие лица с ограниченными возможностями здоровья | 4508 W Northern Ave | Glendale | Аризона | 9-12 | 85302 | |
| Альтернативный кампус | 4508 Западная Северная | Глендейл | Аризона | UG-UG | 85302 | |
| Sunset School | 4626 W Mountain View Rd | Glendale | Аризона | PK-6 | 85302 | |
| Heritage School | 5312 W Mountain View | Glendale | Аризона | КГ-8 | 85302 | |
| Средняя школа Аполлона | 8045 N. 47-я авеню | Глендейл | Аризона | 9-12 | 85302 | |
| Horizon School | 8520 N. 47th Ave | Glendale | Аризона | КГ-8 | 85302 | |
| Средняя школа Независимости | 6602 Н. 75-я авеню | Глендейл | Аризона | 9-12 | 85303 | |
| Средняя школа Challenger | 6905 W Maryland Ave | Glendale | Аризона | 6-8 | 85303 | |
| Начальная школа Desert Garden | 7020 W.Ocotillo Road | Glendale | Аризона | PK-8 | 85303 | |
| Bicentennial North School | 7237 W Missouri Avenue | Glendale | Аризона | 2-8 | 85303 | |
| Двухсотлетняя Южная школа | 7240 W Colter St | Glendale | Аризона | ПК-2 | 85303 | |
| Desert Spirit | 7355 W. Orangewood | Glendale | Аризона | КГ-8 | 85303 | |
| Camelback Academy | 7634 West Camelback Road | Glendale | Аризона | КГ-6 | 85303 | |
| Койот Ридж | 7677 W.Бетани | Глендейл | Аризона | PK-8 | 85303 | |
| Чартерная школа Аризоны Монтессори — Глендейл | 10620 N. 43rd Ave | Glendale | Аризона | КГ-8 | 85304 | |
| Copperwood School | 11232 North 65th Ave | Glendale | Аризона | КГ-8 | 85304 | |
| Начальная школа Desert Palms | 11441 N.55-я авеню | Глендейл | Аризона | PK-8 | 85304 | |
| Начальная школа Marshall Ranch | 12995 N Marshall Ranch Dr | Glendale | Аризона | КГ-8 | 85304 | |
| Школа Арройо | 4535 Вт Чолла | Глендейл | Аризона | PK-6 | 85304 | |
| Sweetwater School | 4602 W Sweetwater | Glendale | Аризона | КГ-8 | 85304 | |
| Средняя школа Айронвуда | 6051 W. Sweetwater Ave. | Glendale | Аризона | 9-12 | 85304 | |
| Cholla Annex | 6625 West Cholla | Glendale | Аризона | UG-UG | 85304 | |
| Начальная школа Desert Mirage | 8605 W. Maryland Avenue | Glendale | Аризона | PK-8 | 85305 | |
| Успех в карьере — Глендейл | 8632 West Northern Bld # 3 | Glendale | Аризона | 9-12 | 85305 | |
| Чартерная средняя школа Intelli-School — Глендейл | 13806 N.51st Ave 205 | Глендейл | Аризона | 9-12 | 85306 | |
| Sunburst School | 14218 N 47th Ave | Glendale | Аризона | PK-6 | 85306 | |
| Школа Качина | 5304 Вест Крокус | Глендейл | Аризона | КГ-8 | 85306 | |
| Начальная школа Каньон | 5490 West Paradise Lane | Glendale | Аризона | PK-8 | 85306 | |
| Чартерная школа Desert Heights | 5821 West Beverly Lane | Glendale | Аризона | КГ-8 | 85306 | |
| Школа пионеров | 6315 W Порт-о-Пренс | Глендейл | Аризона | КГ-8 | 85306 | |
| Cactus High School | 6330 West Greenway | Glendale | Аризона | 9-12 | 85306 | |
| Начальная школа Sonoran Sky | 10150 W. Миссури авеню | Глендейл | Аризона | PK-8 | 85307 | |
| Luke School | 7300 N. Dysart Road | Glendale | Аризона | PK-8 | 85307 | |
| Crossroads School | 18400 N. 51st Ave. | Glendale | Аризона | 7-12 | 85308 | |
| Средняя школа Дир-Вэлли | 18424 N. 51st Ave. | Glendale | Аризона | 9-12 | 85308 | |
| Highland Lakes School | 19000 N.63rd Avenue | Glendale | Аризона | КГ-8 | 85308 | |
| Начальная школа Mountain Shadows | 19602 N. 45th Ave. | Glendale | Аризона | PK-6 | 85308 | |
| Начальная школа Park Meadows | 20012 N. 35th Avenue | Glendale | Аризона | PK-6 | 85308 | |
| Legend Springs Elementary | 21150 North Arrowhead Loop Roa | Glendale | Аризона | КГ-6 | 85308 | |
| Начальная школа Мираж | 3910 W. Гроверс | Глендейл | Аризона | PK-6 | 85308 | |
| Начальная школа Беллар | 4701 W. Grovers Ave. | Glendale | Аризона | PK-6 | 85308 | |
| Начальная школа Карден в Пеории | 4744 W. Grovers Ave. | Glendale | Аризона | КГ-8 | 85308 | |
| Академия международных исследований | 4744 W.Grovers Ave. | Glendale | Аризона | 7-12 | 85308 | |
| North Pointe Academy | 4941 W. Union Hills Drive | Glendale | Аризона | КГ-6 | 85308 | |
| Средняя школа Desert Sky | 5130 West Grovers Avenue | Glendale | Аризона | 7-8 | 85308 | |
| Challenge Charter School | 5801 West Greenbriar Drive | Glendale | Аризона | КГ-6 | 85308 | |
| Начальная школа Гринбриера | 6150 W. Гринбрайар Доктор | Глендейл | Аризона | PK-6 | 85308 | |
| Sierra Verde Elementary | 7241 W Rose Garden Lane | Glendale | Аризона | PK-8 | 85308 | |
| Arrowhead Elementary School | 7490 W Union Hills Dr | Glendale | Аризона | PK-6 | 85308 | |
| Mountain Ridge High School | 22800 N 67th Avenue | Glendale | Аризона | 9-12 | 85310 | |
| Средняя школа Хиллкрест | 22833 N.71st Ave. | Glendale | Аризона | 7-8 | 85310 | |
| Средняя школа Сандры Дэй О’Коннор | 25250 Н. 35-я авеню | Глендейл | Аризона | 9-11 | 85310 | |
| Stetson Hills Elementary | 25475 N. Stetson Hills Loop | Glendale | Аризона | PK-8 | 85310 | |
| Начальная школа Desert Sage | 4035 W. Аламеда | Глендейл | Аризона | КГ-6 | 85310 | |
| Северо-западный образовательный центр | 5727 W. Happy Valley Road | Glendale | Аризона | UG-UG | 85310 | |
| Начальная школа Лас-Брисас | 5805 W. Alameda | Glendale | Аризона | PK-6 | 85310 | |
| Pinnacle Pointe Academy | 6753 West Pinnacle Peak Raod | Glendale | Аризона | КГ-5 | 85310 | |
| Copper Creek Elementary | 7071 W.Hillcrest Blvd. | Глендейл | Аризона | PK-6 | 85310 | |
| Ps 91 Школа Ричарда Аркрайта | 60-10 Central Ave | Glendale | Нью-Йорк | KG-5 | 11385 | |
| Is 119 Glendale Is | 74-01 78th Ave | Glendale | Нью-Йорк | 6-8 | 11385 | |
| Ps 113 Isaac Chauncey School | 87-21 79th Ave | Glendale | Нью-Йорк | KG-5 | 11385 | |
| Начальная школа Глендейла | Po Box E | Glendale | Орегон | KG-6 | 97442 | |
| Средняя школа Глендейла | Почтовый ящик E | Глендейл | Орегон | 7-12 | 97442 |
Исследование динамики объемной плотности снега в сухих и влажных условиях с использованием одномерной модели Академическая исследовательская работа по теме «Земля и связанные с ней науки об окружающей среде»
Криосфера, 7, 433-444, 2013 www.
the-cryosphere.net/7/433/2013/ doi: 10.5194 / tc-7-433-2013 © Автор (ы) 2013. Лицензия CC Attribution 3.0.
Криосфера
Исследование динамики насыпной плотности снега в сухих и влажных условиях с помощью одномерной модели
К. Де Микеле1, Ф. Аванзи1, А. Геззи1 и К. Джомми1,2
1 Кафедра гражданской и экологической инженерии — Миланский политехнический институт, Милан, Италия 2 Кафедра геолого-геофизических исследований и инженерии — Технологический университет Делфта, Делфт, Нидерланды
Для корреспонденции: C.Де Микеле ([email protected])
Поступило: 6 июня 2012 г. — Опубликовано в The Cryosphere Discuss: 4 июля 2012 г. Доработано: 5 декабря 2012 г. — Принято: 13 февраля 2013 г. — Опубликовано: 7 марта 2013 г.
Аннотация. Снежный покров представляет собой сложную многофазную смесь с механическими, гидравлическими и термическими свойствами, которые сильно меняются в течение года в зависимости от климатических воздействий.
Объемная плотность — это макроскопическое свойство снежного покрова, которое вместе с высотой снежного покрова используется для количественной оценки запаса воды.В сезонных снежных покровах объемная плотность характеризуется сильно нелинейным поведением из-за наличия как сухих, так и влажных условий. В литературе оценки объемной плотности снега получают в основном с помощью множественных регрессий, а модели снежного покрова обращают внимание главным образом на высоту снежного покрова и водный эквивалент снега. Здесь была предложена одномерная модель временной динамики снежного покрова с особым вниманием к объемной плотности снега, учитывающая как сухие, так и влажные условия.Модель представляет снежный покров как смесь двух компонентов: сухой части, включающей структуру льда, и воздуха; и влажная часть, состоящая из жидкой воды. Он описывает динамику трех переменных: глубины и плотности сухой части и глубины жидкой воды. Модель была откалибрована и проверена на почасовых данных, зарегистрированных на трех станциях SNOTEL на западе США, со средними значениями коэффициента Нэша-Сатклиффа «0,73–0,97 за период валидации.
1 Введение
Снежные покровы и ледники обеспечивают водой более шестой части населения мира (Barnett et al., 2005). В западной части США снежный покров является основным источником водоснабжения, поскольку около 50-70% годовых осадков в горных регионах выпадает в виде снега и хранится в
человека.снежный покров. Динамика снежного покрова сильно зависит от изменчивости температуры. Гидроклиматологические данные, относящиеся к периоду 1950–1999 годов, указывают на уменьшение снежного покрова на большей части западной части Соединенных Штатов (Pierce et al., 2008). Недавние исследования показывают, что будущие сценарии потепления температуры неизбежно изменят распределение и величину снежного покрова во многих областях (Barnett et al., 2005).
Как следствие всех этих элементов, моделирование динамики снежного покрова имеет первостепенное значение в управлении текущим использованием ресурсов и является одной из наиболее важных научных тем для будущих сценариев доступности ресурсов в холодных регионах.
Снежный покров представляет собой многофазную смесь трех компонентов — льда, жидкой воды и воздуха, — подверженных климатическим воздействиям. Кристаллы льда организованы в ячеистые структуры или пористые матрицы, которые являются каркасом снежного покрова и в основном отвечают за его механические свойства.Жидкая вода, образующаяся в результате таяния и выпадения дождя, занимает доступные пространства в снежном покрове и изменяет свойства твердой структуры (DeWalle and Rango, 2008). Снежные покровы характеризуются постоянным чередованием сухих и влажных условий, особенно в период таяния снегов, из-за термических фазовых переходов. Эти изменения фазы усложняют теоретическое описание и практическую реконструкцию динамики массы.
В литературе модели, представляющие динамику снежного покрова, можно разделить на категории в соответствии с типом энергетического описания (Hock, 2003).Некоторые модели снежного покрова (например, Anderson, 1976; Kondo and Yamazaki, 1990; Bartelt and Lehning, 2002; Ohara and Kavvas, 2006) реализуют явный энергетический баланс для прогнозирования температуры и таяния снега, тогда как другие модели используют температуру воздуха в качестве
. Единственный индексдля описания теплообмена между снежным покровом и атмосферой, калибруемый по этим целевым параметрам для конкретных участков (см., Например, Ohmura, 2001). Первые модели предоставляют подробное описание динамики снегонакопления и абляции, но они характеризуются сильной параметризацией и требуют ряда входных данных.Последние, безусловно, проще, но также дают приблизительное описание явлений, обычно требуя меньшего количества исходных данных. Однако при переносе модели в другие области требуется повторная калибровка параметров. Этот факт представляет собой главное ограничение данного подхода (Bales et al., 2006).
Моделиснежного покрова также можно разделить по количеству рассматриваемых слоев (Vionnet et al., 2012) на: (1) однослойные модели (см., Например, Tarboton and Luce, 1996; Jansson and Karlberg, 2004; Ohara and Каввас, 2006), (2) двухслойные модели (Marks et al., 1998; Koivusalo et al., 2001) и (3) многослойные модели (см., Например, Anderson, 1976; Jordan, 1991; Bartelt and Lehning, 2002; Zhang et al., 2008; Rutter et al., 2008; Kelleners et al. , 2009). Выбор однослойной, а не многослойной модели зависит от конкретной проблемы, которую нужно решить. Для моделирования схода лавин важно подробное описание снежного покрова, слой за слоем, поэтому предпочтение отдается многослойной модели. С другой стороны, для оценки воды, хранящейся в снежном покрове, может быть достаточно общего описания, и, следовательно, однослойная или двухслойная модель может быть удовлетворительной для этой цели.
Чтобы помочь лицам, принимающим решения в управлении и прогнозировании водных ресурсов, необходимо надежное описание динамики снежного покрова. Как видно, к этому запросу можно обратиться с помощью разных моделей разной сложности. Типичными входными данными для сложной модели снежного покрова являются осадки, температура воздуха, радиация, скорость ветра и влажность (Anderson, 1976; Lehning et al., 2002). Эти данные обычно получают с помощью ручных измерений или автоматических метеостанций (Lehning et al., 2002; Фирц и др., 2009). Однако пространственная частота гидрометрических станций зависит от интересующей области. Этот факт ограничивает использование сложных моделей динамики снежного покрова на ограниченных территориях. Следовательно, очень желательны простые модели с меньшими входными требованиями. С этой целью прямая характеристика динамики SWE для региональных применений гидролоя довольно затруднительна, особенно в масштабе водосбора (Bavera and De Michele, 2009), поскольку экспериментальных данных SWE обычно меньше, чем, например, данных о высоте снежного покрова (Mizukami и Perica, 2008).
Альтернативным решением является оценка объемной плотности снега, которая вместе с высотой снежного покрова дает оценку SWE. Однако временная динамика насыпной плотности снега характеризуется сильно нелинейным поведением, особенно в начале сезона накопления и в конце сезона таяния снега (Mizukami and Perica, 2008), в зависимости от состояния снежного покрова. , сухой или влажный. Первый статус имеет место в основном во время сезона накопления, а второй — во время сезона таяния.Оценки объемной плотности снежного покрова часто производятся через
.множественных регрессий по таким переменным, как высота снежного покрова, температура, высота площадки, скорость ветра (Meloysund et al., 2007; Bavera and De Michele, 2009; Jonas et al., 2009; Bavera et al., 2012), со значениями коэффициент детерминации до «0,70.
Кроме того, усилия по моделированию были сконцентрированы в основном на сухих снежных покровах, а не на мокрых снежных покровах, как указали Бартельт и Ленинг (2002).Пример некоторых простых подходов приведен в Essery et al. (1999).
Таким образом, основная цель данной статьи — представить формулировку простой точечной модели, которая представляет динамику объемной плотности снега, высоты снежного покрова и, как производное значение, SWE. Он основан на почасовых вводных данных об осадках и температуре воздуха. Чтобы смоделировать эволюцию снежного покрова во время его присутствия на земле, жидкое и твердое содержание воды в снежном покрове необходимо прогнозировать отдельно (Kerkez et al., 2010). С этой целью мы вводим простую одномерную модель, в которой снежный покров представлен в виде двухкомпонентной смеси: сухой части, включающей структуру льда, и воздуха; и влажная часть, состоящая из жидкой воды. Модель включает уравнения баланса массы для сухой и влажной составляющих, уравнения баланса количества движения и реологические уравнения для сухой части, а также упрощенное энергетическое описание снежного покрова. Это приводит к системе трех дифференциальных уравнений в переменных состояния: глубина и плотность сухой части и глубина жидкой воды.Что касается существующей литературы, модель может быть сопоставлена с однослойным подходом, когда снежный покров сухой, и с двухслойной моделью, когда снежный покров влажный, с насыщенным слоем внизу, как в представлении Колбека. (1974). С конца 1990 года сеть SNOTEL (SNOwpack TELemetry) на западе США проводит систематические измерения объемной плотности снега с использованием технологии снежной подушки. Данные доступны в суточном и почасовом масштабе. Мы тестируем характеристики модели по данным трех станций SNOTEL как на этапе калибровки, так и на этапе проверки.
Модель может быть адаптирована для прогнозирования доступности SWE по балльной шкале или для проверки качества данных автоматических метеостанций (т. Е. Высоты снежного покрова, плотности снега и SWE). Результаты показывают, как модель может прогнозировать среднее объемное содержание жидкой воды в снежном покрове без прямых экспериментальных измерений или использования сложных модельных формулировок. Кроме того, моделируемые переменные представляют интерес также для подтверждения данных дистанционного зондирования (Dietz et al., 2011).Физическая формулировка модели в сочетании с необходимыми исходными данными делает модель легко применимой к другим объектам, даже без оценки, преодолевая нехватку данных SWE.
2 Методы 2.1 Определения
В период накопления жидкой воды мало, и снежный покров обычно называют сухим. И наоборот, в течение
г.Рис. 1. Снежный покров в сухом состоянии (а) и во влажном состоянии (б).
сезон таяния, присутствует жидкая вода и снежный покров называют влажным (Fierz et al., 2009). Учитывая, что снежный покров состоит только из двух компонентов: сухой части, включающей структуру льда и воздух, и влажной части, включающей жидкую воду, мы сможем проследить динамику снежного покрова во влажных и сухих условиях.
Рассмотрим контрольный объем снежного покрова V единичной площади и высоты h. Пусть VS — объем, занимаемый пористой матрицей высотой hS, VW — объем жидкой воды высотой hW, а VP — объем пор внутри ледяной матрицы.Пусть n = VP / VS обозначает пористость, а
VS.Тогда, с общей точки зрения, контрольный объем можно выразить как V = VS +
Пусть 0 = VW / V указывает объемное содержание жидкой воды. Пусть MD будет сухой массой снежного покрова, включая лед и воздух, а MW — жидкой массой воды. Ясно, что масса снежного покрова M = MD + MW. Обозначим насыпную плотность сухой массы pD = MD / VS, плотность
воды с pW = MW / VW = 1000 (кгм-3) и насыпной плотностью снежного покрова с p = M / V.Следовательно, p можно рассчитать как p = (pDhS + pWhW) / h. В качестве диапазона изменчивости pF
2.2.1 Уравнения баланса массы снежного покрова
Уравнения баланса массы в интегральной форме относительно V для MD и MW имеют следующий вид:
дМВт ди
= Ps + F — M — S = Pr — F + M — O — E.
(1) (2)
В формуле. (1), PS — приходящий поток массы из-за снежных явлений; F, M и S — массовые потоки из-за явления смены фаз, соответственно повторного замораживания, плавления и сублимации; а t — время в часах. F и M — термины обмена между MD и MW. Все потоки измеряются в (кгм-2 ч-1). В модели не учитывается массовый поток снега из-за ветра.
В формуле. (2) PR — входящий поток массы из-за дождя, O и E — исходящие потоки массы, соответственно, из-за истечения и испарения воды.Мы рассмотрим случай снежного покрова, перекрывающего непроницаемую границу, горизонтальную или с небольшим уклоном. Это потому, что оно представляет собой условие, исследованное в тематическом исследовании: динамика снежного покрова над снежной подушкой. Следовательно, в качестве оттока воды мы будем рассматривать только движение воды в горизонтальном направлении или параллельно непроницаемой границе (наклонный поток). Предположим также, что жидкая вода скапливается в нижней части снежного покрова. В этом случае снежный покров характеризуется двумя слоями, насыщенным и сухим, как показано на рис.1b. Просачивание воды сверху вниз снежного покрова не моделируется, поскольку это внутренний поток, не влияющий на интегральный баланс массы. Кроме того, в первом приближении мы не будем учитывать условия повторного замораживания, сублимации и испарения.
Срок снежных осадков может быть записан как PS = pfs, где s — это количество снеговых осадков, обычно выражаемое в (mh-1). Следуя Андерсону (1976), pf будет считаться функцией только температуры воздуха TA в начале снежного явления, pf = 50 + 1.7 (TA + 15) 15 (кгм-3), если -15 ° C Член плавления может быть выражен, следуя подходу температурного индекса (Ohmura, 2001), как M = pDI (TA, MD) [a + b (TA — TT)], где I (-) — произведение a двоичная функция, равная 1, если {TA> TT}, и функции MD, которая стремится к 0 с MD. a (mh-1) и b (mh-1 ° C-1) — два параметра, а TT — температурный порог.TT обычно принимается равным 0 ° C. Динамику снежного покрова можно было бы лучше представить, приняв различные пороговые значения для воспроизведения тепловой инерции снежного покрова, которая обычно определяется как содержание холода (например, van den Broeke et al., 2010 или DeWalle and Rango, 2008). Тем не менее, в первом приближении мы принимаем TT = 0 ° C. Физически a — коэффициент плавления при TA = TT, а b — увеличение абляции с температурой. Параметр b также известен как градусо-час.В литературе широко применяется метод температурного индекса. Примеры включают Андерсон (1976) и Хок (1999). Многие обзоры литературы демонстрируют, что методы обучения на уровне дня хорошо работают в течение длительных периодов времени, Hock (2003). Отток воды, O, зависит от гидравлических свойств снежного покрова, которые значительно меняются во время сезона таяния (DeWalle and Rango, 2008). Когда вода движется через тающий снежный покров, многие наблюдения показали наличие преимущественных каналов потока в горизонтальном и вертикальном направлениях (Гердел, 1954; Марш и Ву, 1984; Шнебели, 1995).Таким образом, гидравлическое движение воды через снежный покров представляет собой как «матричный поток», так и «предпочтительный поток» (Waldner et al., 2004) в пропорциях, которые зависят от содержания жидкой воды. Однако, поскольку это все еще нерешенный вопрос, здесь, как первое представление , мы моделируем отток воды с помощью приближения кинематических волн, следуя Номуре (1994) и Сингху (2001). В частности, мы предполагаем, что O = cpW0hw для 0> 0r, в противном случае 0, где c (m-1 h- (d-1)) и d — две константы, а 0r — остаточное содержание воды (значение, ниже которого остаточное количество жидкой воды задерживается в ледяной матрице и происходит только парообмен).Остаточное содержание воды рассчитывается как 0r = FCpD / pW, где FC — масса воды, которая может удерживаться на массу сухого снега, принятая равной 0,02, согласно Tarboton, Luce (1996) и Kelleners et al. (2009). Коэффициент c — это параметр для конкретного участка, зависящий от таких факторов, как уклон и высота участка. = P + — I (Ta, hs) (a + b (Ta — Tt)) — c0hw.(4) dt pW I (TA, hS) — это произведение двоичной функции, равной 1, если {TA> TT}, и функции hS, которая стремится к 0 с hS, 2.2.2 Импульсный баланс и реологические уравнения снежного покрова Уравнение баланса количества движения в интегральной форме для сухой фазы высотой hS имеет следующий вид: а — pdghs = 0, , где a — вертикальное напряжение в нижней части ледяной матрицы, а g — ускорение свободного падения.Уравнение (5) получено в предположении квазистатических условий снежного покрова. Предполагается, что закон Максвелла описывает реологическое уравнение, связывающее вертикальное напряжение a со скоростью вертикальной вязкой деформации è, n = f, где n — коэффициент вязкости (Mel-lor, 1975). Скорость вертикальной деформации может быть выражена как функция плотности ледяной матрицы (Кодзима, 1967), т.е. f = ¡1 ddtD. Подставляя эти последние уравнения в уравнение. (5) получаем: dpD di пД ghs Уравнение (6) моделирует динамику насыпной плотности сухого компонента из-за уплотнения, пренебрегая вкладом метаморфизмов, эффекты которых трудно проследить с использованием одно- или двухслойного подхода.ekoPD, где k0 — константа. Точно так же, следуя Меллору (1975), nT можно выразить как nT ae [k ‘(Tr-Ts)], где k1 — константа, а TS (° C) — температура снежного покрова, полученная с использованием простого описания, приведенного выше. до. Следовательно, уравнение. (6) можно написать после Kongoli and Bland (2000), Ohara and Kav-vas (2006) и Zhang et al. (2008), а именно: dpD dt = cipD Ase (0,08 (Ц-7Т) -0. ° 21PD), , где c1 = 0.001 (м2 ч-1 кг-1). Уравнение (7) представляет изменение pD во времени в результате уплотнения. В этом подходе не учитывается влияние поровой жидкой воды на уплотнение, хотя многие публикации в литературе показывают, что конститутивное поведение снега изменяется с увеличением содержания жидкости (см., Например, Marshall et al., 1999; Izumi and Aki-taya, 1985). Тем не менее, данные о снежной подушке не позволяют различить влияние насыщения пор и уплотнения на p. Временную производную pD можно записать следующим образом: dpD d (Md / Vs) 1 dMD MDdVs vs2 di Из уравнения.Из уравнения (8) можно увидеть, как временная изменчивость pD складывается из двух членов: первого, зависящего от изменения сухой массы, а второго — от изменения сухого объема. Если = 0, то ddtD = — M2 dVa и происходит только из-за изменения объема сухого компонента, как это происходит при уплотнении, когда не происходит снегопада. Уравнение (8) включает в качестве частного случая уравнение. (7). Снежные явления влекут за собой изменения как массы, так и объема сухого компонента.Из уравнения. (8) можно показать, что временная изменчивость pD из-за снежного события составляет ddtD = hf’s — pf s. Аналогичный результат также сообщается в Ohara and Kavvas (2006). Здесь мы предполагаем, что явление плавления происходит при pD = const, т.е. вариации массы уравновешивают вариации объема. Следовательно, уравнение. (8) можно записать так: dpD = C1hSpD e (0-08 (TS-Tr) -0.021pD) + (pF — pd) s. (9) dt D hS Уравнения (3), (4), (9) представляют собой систему трех дифференциальных уравнений в трех переменных состояния hS, hW и pD, навязанных метеорологическими переменными (p, s, TA) и с скупой параметризацией: необходимо откалибровать три параметра: a, b и c.Остальные параметры (c1, d, TT, FC) фиксированы. После решения системы уравнений Используя уравнения (3), (4) и (9), мы можем получить динамику других представляющих интерес переменных и, в частности, объемной плотности снежного покрова p. 2.3 Численное интегрирование Система уравнений. Уравнения (3), (4) и (9) были решены численно с использованием прямой конечно-разностной схемы Эйлера. Фиксированный временной шаг At в один час (соответствует данным ).Смоделированные значения переменных состояния в момент времени t + 1 были рассчитаны с использованием значений на предыдущем временном шаге t и с учетом того, что производные по времени вычисляются как (f (t + 1) — f (t)) / At , где f = hS, hW, pD. В качестве начальных значений мы устанавливаем переменные состояния hS и hW равными нулю, если в начале первого водного года снежный покров отсутствует, как в случае сезонных снежных покровов, и расчет сухой плотности был обусловлен наличие снежного покрова, т.е. hS> 0.sf (t ‘) +; pD) AA) t) s (t). Обратите внимание, что таким образом, с одной стороны, можно оценить влияние нового снежного события на динамику плотности с обновленной высотой снежного покрова, а с другой стороны, можно сохранить преимущества явной конечно-разностной схемы. . Очевидно, что неявная схема могла бы обеспечить более точную оценку динамики, но с более длительным временем вычислений. Таким образом, мы получаем смоделированные временные ряды переменных hS, hW и pD. Исходя из этого, мы рассчитываем временные ряды h, p и SWE, которые можно сравнить с наблюдаемыми данными. 3 Данные и результаты 3.1 Сеть SNOTEL SNOTEL (SNOwpack TELemetry) — это сеть из примерно 750 автоматических снежных станций, которая охватывает 13 штатов на западе США, от Аляски до южных штатов Калифорния, Аризона и Нью-Мексико. Эта сеть была установлена и обслуживается Службой охраны природных ресурсов (NRCS) с начала двадцатого века. Мы решили протестировать модель на данных SNOTEL из-за большого количества доступной информации и широкого распространения станций и рядов данных.Вся используемая здесь информация была проверена на сайте http://www.wcc.nrcs.usda.gov/snow/ и при непосредственном контакте с сотрудниками SNOTEL. Каждая станция обеспечивает измерения водного эквивалента снега, высоты снежного покрова, температуры воздуха и общего количества осадков. Кроме того, иногда собираются многие другие представляющие интерес переменные, такие как влажность и давление воздуха, температура почвы, направление и скорость ветра. К сожалению, на манометрах SNOTEL невозможно измерение содержания жидкой воды. Каждый участок сети SNOTEL оборудован снежной подушкой для измерения SWE и ультразвуковым прибором для измерения высоты снежного покрова.Температура воздуха измеряется термистором, а общее количество осадков удерживается в автоматическом осадкомере. Датчик высоты снежного покрова также снабжен дополнительным датчиком температуры, который измеряет температуру воздуха и, следовательно, регулирует измеренное расстояние до цели, компенсируя изменение скорости звука, вызванное колебаниями температуры. Разрешение данных составляет 0,1 дюйма (т.е. 2,45 мм) для SWE и осадков данных, 1 дюйм (т.е.е. 2,45 см) для высоты снежного покрова и 0,1 ° C для температуры воздуха. Ежедневные данные о SWE и осадках систематически проходят проверку качества техническими специалистами SNOTEL, и многие работы продемонстрировали хорошее качество этих данных (см., Например, Serreze et al., 1999). С другой стороны, почасовые данные не подвергаются какой-либо систематической проверке качества (сотрудники SNO-TEL, личные сообщения, 2011 г.). Следовательно, ошибки могут повлиять на последний тип рядов данных: они включают недостающие данные, колебания из-за температурных эффектов (как для измерений на основе датчиков давления, так и для данных о высоте снежного покрова) или ошибки из-за утечек приборов, которые ограничивают их использование в мимо.Однако, поскольку почасовое разрешение более адекватно, чем суточное, для представления временной изменчивости процессов и воздействий снежного покрова, мы будем рассматривать почасовые данные. 3.2 Практический пример В качестве примера мы рассмотрели три метеостанции сети SNOTEL: (S1) станция Thunder Basin (ID = 817) в Вашингтоне, 48 ° 31 ‘северной широты, 120 ° 59’ западной долготы, с высотой 1300 метров над уровнем моря; (S2) Станция Бруклин-Лейк в Вайоминге (ID = 367), 41 ° 22 ‘северной широты, 106 ° 14’ западной долготы, высота 3100 м над уровнем моря.s.l .; и (S3) станция Мидл-Форк Кэмп (ID = 1014) в Колорадо, 39 ° 36 ‘северной широты, 106 ° 31’ западной долготы, на высоте 2700 метров над уровнем моря. В этих местах режим осадков характеризуется зимним максимумом и летним минимумом с максимумом накопления снега весной. Доступны почасовые данные температуры воздуха TA, накопленных осадков, h и SWE. Мы выбрали данные, охватывающие период с 1 октября 2007 г. по 30 сентября 2011 г. для S1, с 1 октября 2006 г. по 30 сентября 2011 г. для S2 и с 1 октября 2001 г. по 30 сентября 2007 г. для S3 (см. Http: // www.wcc.nrcs.usda.gov/snow/). Что касается S3, Water Year (WY) 2005 был исключен из-за наличия большого количества шума в данных. Мы выбрали эти интервалы наблюдения, потому что в эти годы отсутствуют технические проблемы, такие как (1) наличие периодов, когда данные доступны, но только с более грубым разрешением, или (2) значительный процент отсутствия данных. Что касается S3, некоторые проблемы возникли в рядах данных WY 2002, что было подтверждено обращением к персоналу SNOTEL. Интерпретация этого интервала данных довольно проблематична, поскольку Колорадо испытал пространственно нерегулярную засуху во время Водного Года 2002 (Pielke et al., 2005). Тем не менее, этот сайт интересен тем, что на нем представлены ежечасные данные об интересующих переменных как в 2002, так и в 2003 году, когда данные о содержании жидкой воды (0) были собраны в окрестностях в рамках эксперимента НАСА по процессам холодной земли (CLPX 2002 / 2003), (Elder et al., 2008). Эти данные могут позволить подтвердить наши результаты. Поэтому мы решили также рассмотреть водный год 2002 из-за трудности поиска данных с почасовым разрешением за этот период на других станциях, близких к CLPX. В рассматриваемые периоды средняя зимняя температура равна 0,17 ° C на S1, -3,34 ° C на S2 и -3,8 ° C на S3, в то время как максимальная наблюдаемая высота снежного покрова и SWE равны — соответственно, 2,72 м и 970 мм на S1, 2,9 м и 1087 мм на S2 и 1,65 м и 1170 мм на S3. 3.3 Редактирование данных В модели (уравнения 3, 4 и 9) используются входы TA и P. Температура воздуха используется для определения температуры снега, а P редактируется для получения ряда входных данных. Данные подверглись процессу редактирования, чтобы удалить любые недостающие или неправильные данные, которые могут повлиять на моделирование. Что касается температуры воздуха, то все отсутствующие данные были удалены, их заменили значением, зарегистрированным за предыдущий час. Данные о высоте снежного покрова также были отфильтрованы: (i) отрицательные значения h были исключены, (ii) были удалены абсолютные почасовые вариации h, превышающие 60 см, (iii) положительные (отрицательные) приращения h, за которыми следовали отрицательные (положительные) значения. одинаковых объектов были сочтены ошибочными и удалены, (iv) любое приращение высоты снежного покрова в период с июня по октябрь (не включено) было сочтено ошибочным и удалено, и (v) для устранения явления флаттера был применен температурный фильтр.Эта операция фильтрации предназначена для удаления частых небольших инструментальных колебаний данных о высоте снежного покрова (в почасовой шкале), вызванных быстрыми изменениями температуры воздуха. Как следствие, фильтр основан на гипотезе, что колебания температуры и колебания высоты снежного покрова связаны. Таким образом, исключаются любые колебания высоты снежного покрова, происходящие одновременно с резким скачком температуры. Операция фильтрации привела к сбросу 10% данных на S1, 7% на S2 и 7% на S3.Что касается общего количества осадков, любые отрицательные значения и любые отрицательные отклонения были исключены, в то время как любое отрицательное значение SWE было заменено значением, зарегистрированным в предыдущий час. Входные данные об осадках получают из временных рядов совокупных осадков, измеренных в мм водного эквивалента, для дождя (p) и из временных рядов высоты снежного покрова для снега (ов). Что касается сплошных явлений, мы предположили, что каждая положительная разница в часах в данных о высоте снежного покрова соответствует сплошному событию.Что касается дождя, суточные приросты общего количества осадков были рассчитаны и сопоставлены с общими дневными поступлениями (в мм водного эквивалента) твердых осадков. Любая положительная разница между двумя данными считалась дождем и вводилась в модель в конце дня. Здесь мы рассмотрели данные об осадках в суточной шкале времени как контрольный объем поступлений осадков (твердых и жидких), рассчитанных на основе данных почасовой шкалы времени, что позволяет избежать ложных событий, вызванных колебаниями датчика из-за колебаний температуры.Однако, поскольку данные о твердых и общих осадках получены из двух разных рядов данных, несоответствия все же могут возникать даже в суточном масштабе. Как типичный случай, приращения общего количества твердых осадков могут быть больше, чем соответствующие приращения общего количества осадков. Чтобы гарантировать, что общая масса, вводимая в систему, равна величине, измеренной кривой кумулятивного количества осадков, мы предположили, что дождь может происходить только в том случае, если смоделированное кумулятивное количество осадков за один день равно измеренному или меньше.В этом состоянии правильная реконструкция дождевых явлений может быть немного искажена, но ввод массы вводится для согласования с измеренным. Мы нашли соотношение дождя / общего количества осадков 40% для S1, 3% для S2 и 30% для S3 в течение года калибровки. На рис. 2 (3, 4) представлены данные о среднесуточной температуре воздуха за два года для S1 (S2, S3) на панели (a) и данные об осадках на панели (b) с точки зрения кумулятивного общего количества осадков, измеренных с помощью дождемер — черный, кумулятивно смоделированные твердые осадки — красным, а кумулятивно смоделированные жидкие осадки — синим.Что касается панели (а), данные представлены как среднесуточные по причинам визуализации. 3.4 Калибровка модели Параметры модели (a, b, c) калибруются с использованием метода наименьших квадратов для первого года данных на S1 и S2 (т.е. 2007-2008 для S1 и 2006-2007 для S2), а также для последнего года данных. на S3 (т.е. 2006-2007 гг.). Остальные годы (т. Е. 3 для S1, 4 для S2 и 4 для S3) учитываются на этапе проверки. В частности, данные о высоте снежного покрова используются для калибровки a и b, а данные о плотности снега используются для калибровки c.Мы нашли следующие оценки a = 0,00011 (mh-1), b = 0,00043 (mh-1 ° C-1) и c = 0,17 (m-1 h-1 d-1) для S1; a = 0,0001 (mh-1), b = 0,00052 (mh-1 ° C-1) и c = 1 (m-1 h-1 d-1) для S2; и a = 0,0001 (mh-1), b = 0,00026 (mh-1 ° C-1) и c = 1 (m-1 h-1 d-1) для S3. Оценки a и b широко представлены в литературе (WMO, 1965; Braith-waite, 1995; DeWalle and Rango, 2008), тогда как для значений c это не так. Как правило, a и b выражаются соответственно в (md-1) и (md-1 ° C-1), и их преобразование в почасовую шкалу времени может быть выполнено с учетом 12 часов в качестве эффективного дневного времени.Для снежного покрова ДеВалль и Ранго (2008) дали для b диапазон 0,0002-0004 (mh-1 ° C-1), в то время как WMO (1965) интервал 0,000083-0,00058 (mh-1 ° C-1). Для ледников Брейтуэйт (1995) оценил a = 0,00025 (mh-1), b = 0,00067 (mh-1 ° C-1). Наши оценки очень близки к данным, приведенным в литературе для снежных покровов, и меньше, чем оценки, предоставленные для ледников, как и ожидалось. Оценка c дана Номура (1994), который дал значение 1/6. 3.5 Результаты На рисунках 2, 3 и 4 показано сравнение данных и модели для S1, S2 и S3 в зависимости от года калибровки и одного года проверки.В частности, панель (c) сообщает h, панель (d) p и панель (e) SWE. Для ясности мы также указали hW на панели (c) и pD на панели (d). Мы рассчитали коэффициент эффективности модели Нэша-Сатклиффа, R2, для каждого года и для каждой из трех переменных: h, SWE и p. Для года калибровки мы обнаружили, что для S1 коэффициент Нэша-Сатклиффа для высоты снежного покрова равен R2 = 0,95, для SWE R | we = 0,98, а для pRp = 0,88 Рис. 2. Метеорологические воздействия и динамика глубины, плотности и SWE для S1 и двух гидрологических лет: 2007-2008 (калибровка) и 2010-2011 (валидация).(a) Температура воздуха, (b) кумулятивные осадки, общее количество наблюдалось черным цветом, жидкость смоделирована синим, а твердое тело смоделировано красным цветом, (c) смоделирована глубина h красным цветом, а наблюдаемая черным цветом и hw синим цветом, (d) плотность p в красном смоделированном и черном наблюдаемом и pd синем, и (e) SWE в красном смоделированном и черном наблюдаемом. лет валидации, мы вычислили среднее значение коэффициента Нэша-Сатклиффа: R = 0,89, R? 2WE = 0,92 и Rp = 0,82 для S1; R2 = 0.84 rswe = a73 для S2; и RR2 = 0,85 r2we = 0,93, а RS = 0,97 и R2 = 0,80 для S3. , а для S2 R2 = 0,91, r2we = 0,93 и Rp = 0,97, и для S3 R2 = 0,87, = 0,85 и RS = 0,73. Для Обратите внимание, что эти значения коэффициента Нэша-Сатклиффа получены с сохранением постоянных значений параметров в течение всего периода моделирования. Рис. 3. Метеорологические воздействия и динамика глубины, плотности и SWE для S2 и двух гидрологических лет: 2006-2007 (калибровка) и 2010-2011 (валидация). (a) Температура воздуха, (b) кумулятивные осадки, общее количество наблюдалось черным цветом, жидкость смоделирована синим, а твердое тело смоделировано красным цветом, (c) смоделирована глубина h красным цветом, а наблюдаемая черным цветом и hw синим цветом, (d) плотность p в красном смоделированном и черном наблюдаемом и pd синем, и (e) SWE в красном смоделированном и черном наблюдаемом. Рис.4. Метеорологические воздействия и динамика глубины, плотности и SWE для S и двух гидрологических лет: 2002-2003 гг. (Проверка) и 2006-2007 гг. (Калибровка). (a) Температура воздуха, (b) кумулятивные осадки, общее количество наблюдалось черным цветом, жидкость смоделирована синим, а твердое тело смоделировано красным цветом, (c) смоделирована глубина h красным цветом, а наблюдаемая черным цветом и hw синим цветом, (d) плотность p красным смоделировано, черным — наблюдаемое, pd — синим; (e) SWE — красным смоделировано и черным — наблюдаемое. 4 Обсуждение 4.1 Характеристики модели Модель демонстрирует хорошие характеристики как на этапе калибровки, так и на этапе проверки на всех трех объектах. Что касается S1, интересно отметить, что характеристики модели на этапах калибровки и проверки вполне эквивалентны, хотя в период валидации можно наблюдать небольшое снижение среднего значения коэффициента Нэша-Сатклиффа. Для S2 мы обнаружили, что характеристики в период валидации аналогичны характеристикам в год калибровки, как для SWE и плотности снега, в то время как очевидное снижение среднего значения коэффициента Нэша-Сатклиффа для высоты снежного покрова заметно. .Это можно объяснить тем, что Рис. 5. Сравнение данных измерений (черная линия) и четырех различных подходов к моделированию (A-D) на S1 с точки зрения (a) высоты снежного покрова, (b) плотности снега и (c) SWE. Красным цветом показаны симуляции с использованием модели, разработанной в рамках этого вклада (подход A), синим цветом — симуляции модели сухого снежного покрова, как описано Охара и Каввас (2006) (подход B), красной пунктирной линией — результаты модель неуплотненного снежного покрова, подобная той, что была описана Perona et al.(2007) (подход C), а синей пунктирной линией — результаты только уплотненного снежного покрова, для которого не учитывается влияние на плотность снега из-за новых снежных явлений (подход D). На панели (а) модели подходов A и B совпадают. высота снежного покрова — это переменная состояния, которая больше других страдает от воздействия редактирования данных. Для S3 выполняется обратная проверка в период 2001-2006 гг. Для сравнения прогнозов модели и имеющихся измерений 0.Характеристики модели в этом случае немного хуже, чем у S1 и S2, особенно по SWE и плотности. Очевидно, насколько проблематично редактирование данных и насколько небольшие колебания могут повлиять на правильное моделирование переменных состояния. Однако значения R2 поощряют использование почасовых данных SNOTEL. Из панели (d) мы можем оценить различия между P и pD. Для S2, расположенного на высоте 3100 мА над уровнем моря, кривые p и pD очень близки, за исключением последней части сезона таяния, , что указывает на то, что pD может дать хорошее приближение к p во время накопления и в первой части сезона таяния.Это также подтверждается небольшим значением среднего содержания жидкой воды (за год калибровки), равным 2%, и тем фактом, что условие 0 Результаты показывают, насколько важно содержание жидкости для прогнозов глобальной плотности снежного покрова, вместе с правильным моделированием уплотнения снега и эффекта новых событий. В подтверждение этого утверждения на рис. 5 мы обеспечиваем сравнение данных измерений на S1 и четырех различных подходов к моделированию динамики снежного покрова с точки зрения высоты снежного покрова (верхняя панель), плотности (центральная панель) и SWE (нижняя панель).Красным цветом мы указываем модель, разработанную в этой публикации (подход A), синим цветом — моделирование модели сухого снежного покрова, как сообщили Охара и Каввас (2006) (подход B), красным пунктиром — некомпактный подход, подобный представленному. в Perona et al. (2007) (подход C), а синим пунктиром обозначен только уплотненный снежный покров, для которого не учитывается влияние на плотность снега из-за новых снежных явлений (подход D). Очевидно, что эффекты этих упрощений будут разными, если мы рассмотрим глубину снежного покрова, плотность снега или SWE.Что касается высоты снежного покрова, результаты подходов A и B совпадают, поскольку разница между этими двумя формулировками касается динамики влажной фазы. Напротив, для подхода C наблюдается соответствующая переоценка. Это довольно очевидное размышление о последствиях пренебрежения уплотнением. Что касается подхода D, интересно показать, что результаты моделирования вполне сопоставимы с подходом A в начале периода накопления, а затем он терпит неудачу. Что касается плотности снега, важность учета жидкой воды в динамике плотности снега подчеркивается при наблюдении разницы между подходами A и B, в то время как подходы C и D оказываются неадекватными при моделировании сложности динамики плотности снега.Кроме того, хотя результаты подхода C неприемлемы, подход D обеспечивает широкий прогноз плотности снега. Это соображение частично объясняет приемлемые результаты подхода D в прогнозировании динамики высоты снежного покрова. С точки зрения SWE, подход D обеспечивает прогноз, сравнимый с прогнозом, предоставляемым A и B, только в самом начале периода накопления, а затем он терпит неудачу. Это можно объяснить, обратившись к предыдущим соображениям о плотности снега. Что касается подхода C, очевидно, как учет постоянной плотности снега (как это происходит после первых дней сезона) приводит к завышению SWE.Таким образом, это сравнение демонстрирует, что одновременное моделирование сухой и влажной фаз вместе с моделированием уплотнения и Рис. 6. Сравнение между смоделированным 0 на S3 в течение трех периодов моделирования в 2002 и 2003 годах (синяя линия) и измеренными вручную значениями 0 на сайте LSOS, полевой эксперимент NASA CLPX (черные точки). новых событий, необходим для правильного прогнозирования динамики массы, плотности и глубины снега. равно 8000 м2.Данные о влажности снега доступны на http://nsidc.org/data/clpx/. Данные были собраны в различных снежных ямах с помощью измерителя Denoth (Denoth, 1994). Ямы вырыты как в сосновом бору, так и на поляне. Грубые данные были отредактированы путем исключения любого отрицательного значения и усреднения значений точек в той же снежной яме, но на разных глубинах, чтобы получить значение, которое можно сравнить со значениями 0, вычисленными с использованием формул. (3), (4) и (9). Как следствие, каждая точка на рис. 6 указывает на другую снежную яму со средним значением 0.С первого взгляда видно, что данные и смоделированные значения 0 всегда имеют один и тот же порядок величины. Максимальная абсолютная разница составляет примерно 2,5%. Различия между экспериментальными данными и результатами модели можно, во-первых, объяснить, если учесть, что измерения относятся к разным снежным ямам, которые характеризуются разными условиями покрытия, и что участки S3 и LSOS находятся на довольно большом расстоянии. Во-вторых, эти различия также могут быть вызваны повторным замораживанием, которое не учитывается в этой формулировке, и которое уменьшит смоделированное значение 0 в ночное время.Это соображение объясняет, почему прогнозы модели на 0 обычно переоценивают измеренные данные на панелях (b) и (c). Что касается февраля 2002 г., панель (а), рассматриваемый период наблюдения слишком ограничен, чтобы сделать однозначный вывод. Как утверждают Элдер и др. (2008) данные относятся к снежному покрову, который можно считать засушливым в феврале и в начале влажного периода в марте. Следовательно, можно утверждать, что модель обеспечивает хорошие предсказания 0 в этих условиях. Это соображение подкрепляется тем фактом, что на рис.6. Это сравнение представляет собой лишь предварительную попытку подтвердить наши результаты, поскольку настоятельно необходимы непрерывные во времени данные, особенно для последней части сезона таяния снегов. Его разработка — обязательный элемент для будущего нашей работы. 4.2 Подтверждение содержания жидкой воды 5 Выводы Для подтверждения наших результатов необходимы измерения содержания жидкой воды (0). Согласно Techel и Pielmeier (2011), надежная и автоматическая процедура измерения влажности снега, альтернативная ручной, не доступна, поэтому трудно найти почасовые данные, равные 0, что, в свою очередь, могло бы привести нас к калибровке и проверке мокрой влажности. динамика на реальных данных.Фактически, сеть SNOTEL не предоставляет конечному пользователю автоматические измерения нуля. Поэтому в качестве первой попытки мы рассмотрим здесь некоторые ручные данные о влажности снега, собранные в Колорадо в рамках эксперимента НАСА по процессам холодной земли. Мы использовали 0 данных, собранных на Месте наблюдений местного масштаба (LSOS), 39 ° 57 ‘северной широты, 105 ° 54’ западной долготы в течение февраля 2002 г., марта 2002 г. и марта 2003 г. Эти периоды частично совпадают с данными на S3, которая составляет 50 км от площадки LSOS и на аналогичной высоте (примерно 2700 м).Участок характеризуется ровным рельефом, состоящим из пятнистого соснового леса и небольшой поляны. Общая площадь около Мы представили одномерную модель динамики снежного покрова, уделяя особое внимание динамике объемной плотности снега в сухих и влажных условиях. Снежный покров представлен в виде двухкомпонентной смеси: сухой части, включающей структуру льда, и воздуха, и влажной части, состоящей из жидкой воды. Модель включает уравнения баланса массы для сухой и влажной составляющих, уравнения баланса импульса и реологические уравнения для сухой части, а также упрощенное энергетическое описание снежного покрова.Модель приводит к системе трех дифференциальных уравнений в переменных, глубине и плотности сухой части и глубины жидкой воды, вызванной осадками и вводом данных температуры воздуха, с скупой параметризацией; необходимо откалибровать только три параметра. Модель была протестирована на почасовых данных, зарегистрированных на трех станциях SNOTEL: станция Thunder Basin за период 2008-2011 гг., Станция Brooklyn Lake в период 2007-2011 гг. И Middle Fork Camp за период 2002-2007 гг. Модель показывает хорошее согласие с данными плотности снега, высоты снежного покрова и SWE не только на этапе калибровки, но и на этапе проверки, со средними значениями коэффициента Нэша-Сатклиффа в диапазоне (0.73, 0,97). Улучшение характеристик может быть достигнуто путем включения в модель условий повторного замораживания, сублимации и испарения. Модель кажется подходящей для прогнозирования динамики снежного покрова, исходя из гидроклиматических данных. В целом хорошая способность моделирования воспроизводить измеренную плотность снега подтверждает наше предпочтение интегральной одномерной модели, которая позволяет избежать локальных несоответствий при моделировании плотности снега во время сезона таяния снега, как было указано Койвусало и др. (2001).Этот анализ будет распространен на другие станции сети SNOTEL, чтобы провести другие испытания характеристик модели и исследовать изменчивость параметров калибровки, особенно для параметра c для конкретного объекта. Кроме того, необходима более обширная проверка динамики содержания жидкой воды, которая будет предметом будущих исследований. Благодарности. Выражаем искреннюю благодарность всем техническим специалистам SNOTEL, внесшим существенный вклад в эту работу.В частности, мы хотели бы поблагодарить Джули Коберл, Магдалину Скордал, Ричарда МакКлюра, Мелиссу Уэбб, Джима Маррона, Скотта Патти, Рэндалла Джуландера, Дино Де Симона, Майка Гиллеспи, Брайана Домонкоса, Остина Берда, Кеннета фон Беттнера, Майкла Брикко, Скотта Овиатта. , Дэниел Фишер, Джефф Андерсон и Фил Морриси. Мы также хотели бы поблагодарить Национальный центр данных по снегу и льду за их готовность и помощь в обмене данными CLPX. Мы благодарим редактора Мартина Шнебели, Ричарда Эссери и двух анонимных рецензентов за их полезные комментарии. Отредактировал: М. Шнебели Список литературы Андерсон, Э. А .: Точечная модель баланса энергии и массы снежного покрова, Технический отчет NOAA NWS, 19, 150 стр., 1976. Бейлс, Р. К., Молотч, Н. П., Пейнтер, Т. Х., Деттингер, М. Д., Райс, Р. и Дозье, Дж .: Горная гидрология западной части США, Water Resour. Res., 42, W08432, DOI: 10.1029 / 2005WR004387, 2006. Барнетт, Т.П., Адам, Дж. К. и Леттенмайер, Д. П .: Потенциальные воздействия потепления климата на доступность воды в регионах с преобладанием снега, Nature, 438, 303-309, 2005. Bartelt, P. и Lehning, M .: Физическая модель SNOWPACK для швейцарского предупреждения о сходе лавин — Часть I: Числовая модель, Cold Reg. Sci. Technol., 35, 123-145, 2002. Бавера, Д. и Де Микеле, К.: Оценка водного эквивалента снега в бассейне Маллеро с использованием данных снегомеров и изображений MODIS, а также проверки полевых исследований, Hydrol.Proc. 23, 1961-1972, 2009. Бавера, Д., Де Микеле, К., Пепе, М., и Рампини, А .:, Управление объемом талого снега в модели стока талого снега с использованием статистически обоснованной модели водного эквивалента снега, Hydrol. Proc., 26, 3405-3415, DOI: 10.1002 / hyp.8376, 2012. Брейтуэйт, Р. Дж .: Положительные градусно-дневные факторы абляции на ледниковом щите Гренландии изучены с помощью моделирования энергетического баланса, J. Glaciol., 41, 153-159, 1995. Colbeck, S.C .: Поток воды через снег, перекрывающий непроницаемую границу, Водные ресурсы. Res., 10, 119-123, 1974. Denoth, A .: Электронное устройство для долговременной регистрации влажности снега, Ann. Glaciol., 19, 104-106, 1994. ДеВалле, Д. Р. и Ранго, А.: Принципы снежной гидрологии, Издательство Кембриджского университета, Нью-Йорк, 2008. Дитц, А. Дж., Кюнцер, К., Гесснер, У., И Деч, С .: Дистанционное зондирование снега — обзор доступных методов, Int.J. Remote Sens., 33,4094-4134,2011. Элдер, К., Клайн, Д., Листон, Дж. Э. и Армстронг, Р.: Эксперимент по процессам холодной земли НАСА (CLPX 2002/03): полевые измерения свойств снежного покрова и влажности почвы, J. Hydrome-teorol., 10 , 320-329,2008. Essery, R., Martin, E., Douville, H., Fernandez, A., and Brun, E .: Сравнение четырех моделей снега с использованием наблюдений с альпийского участка, Clim. Dynam., 15, 583-593, 1999. Фирц, Д.М., Армстронг, К., Дюран, Р.Л., Этчеверс, Р.Л., Грин, П., МакКланг, Э., Нишимура, К., Сатьявали, П.К., и Сократов, С.А.: Международная классификация сезонного снега на земле, Технические документы МГП-VII по гидрологии №83, Вклад №1, ЮНЕСКО-МГП, Париж, 2009 г. Гердел Р. В .: Передача воды через снег, Пер. Являюсь. Geophys. Union, 35,475-485, 1954. Hock, R .: Модель распределенного температурного индекса льда и таяния снега, включая потенциальную прямую солнечную радиацию, J.Glaciol., 45, 101111, 1999. Hock, R .: Моделирование температурного индекса таяния в горных районах, J. Hydrol., 282, 104-115, 2003. Идзуми, К. и Акитая, Э .: Твердость мокрого снега, Ann. Glaciol., 6, 267-268, 1985. Келленерс, Т. Дж., Чандлер, Д. Г., Макнамара, Дж. П., Грибб, М. М., и Сейфрид, М. С. Моделирование водно-энергетического баланса покрытых растительностью территорий со снегонакоплением, Вадос Зона Дж., 8, 1013-1030,2009. Керкез, Б., Глейзер, С. Д., Дракап, Дж. А., и Бейлз, Р. Ч .: Модель гибридной системы сезонного водного баланса снежного покрова, Гибридные системы: вычисление и контроль, 13-я Международная конференция, Стокгольм, Швеция, Proceedings of the ACM, 2010. Койвусало Х., Хейкинхеймо М. и Карвонен Т .: Тест простой двухслойной параметризации для моделирования энергетического баланса и температуры снежного покрова, Теор. Прил. Климатол., 70, 65-79, 2001. Кодзима, К .: Уплотнение сезонного снежного покрова, Тр.Междунар. Конф. Physics Snow Ice, 1, 929-952, 1967. Кондо, Дж. и Ямадзаки, Т .: Модель прогнозирования таяния снега, температуры поверхности снега и глубины промерзания с использованием метода теплового баланса, J. Appl. Метеорология, 29, 375-384, 1990. Kongoli, C. E. и Bland, W. L .: Долгосрочное моделирование высоты снежного покрова с использованием модифицированной модели обмена атмосферой и сушей, Agr. Лесная метеорология, 104, 273-287, 2000. Янссон, П. Э. и Карлберг, Л.: Совместная модель тепломассопереноса для систем почва-растение-атмосфера, Р. Ин-т. Technol., Деп. Civil Environ. Eng., Стокгольм, Швеция, 2004. Йонас Т., Марти К. и Магнуссон Дж .: Оценка водного эквивалента снега на основе измерений высоты снежного покрова в Швейцарских Альпах, J. Hydrol., 378, 161-167, 2009. Jordan, R .: Одномерная температурная модель снежного покрова: Техническая документация для SNTHERM.89, Spec. Rep. 91-16, армейский корпус США, англ., Холодные регионы Res. Англ. Lab., Ганновер, 1991. Lehning, M., Bartelt, P., Brown, B., and Fierz, C .: Физическая модель SNOWPACK для швейцарского предупреждения о лавинах. Часть III: метеорологическое воздействие, формирование тонкого слоя и оценка, Cold Reg. Sci. Technol., 35, 169-184, 2002. Маркс Д., Кимбалл Дж., Тинги Д. и Линк Т .: Чувствительность процессов таяния снега к климатическим условиям и лесному покрову во время дождя на снегу: тематическое исследование наводнения на северо-западе Тихого океана в 1996 г., Hydrol.Proc., 12, 1569-1587, 1998. Марш П. и Ву М. К .: Продвижение фронта увлажнения и замерзание талой воды в снежном покрове: 1. Наблюдения в канадской Арктике, водные ресурсы. Res., 20, 1853-1864, 2004. Маршалл, Х. П., Конвей, Х. и Расмуссен, Л. А .: Уплотнение снега во время дождя, Холодная рег. Sci. Technol., 30, 35-41, 1999. Mellor, M .: Обзор основ механики снега. Симпозиум по механике снега (Материалы симпозиума Гриндельвальда, апрель 1974 г.) Публикация IAHS, 114, 251-291, 1975. Meleysund, V., Leira, B., Heiseth, K., and Lise, K. R .: Обзор: Прогнозирование плотности снега с использованием метеорологических данных, Meteorol. Appl., 14,413-423,2007. Мизуками Н. и Перика С.: Пространственно-временные характеристики плотности снежного покрова в горных регионах на западе США, J. Hydrometeorol., 9, 1416-1426, 2008. Номура, М .: Исследования механизма задержки оттекания снега до таяния снегов. Вклады Института низкотемпературных наук, Университет Хоккайдо, 39, 1-49, 1994. Охара Н. и Каввас М. Л .: Полевые наблюдения и эксперименты с численной моделью процесса таяния снега на полевом участке, Adv. Водные ресурсы, 29, 194-211, 2006. Ohmura, A .: Физические основы метода определения индекса расплава на основе температуры, J. Appl. Meteorol., 40, 753-761, 2001. Перона П., Порпорато А. и Ридольфи Л.: Стохастический процесс для межгодовой динамики хранения и таяния снега, J. Geophys-icalRes., 112, D08107, DOI: 10.1029 / 2006JD007798,2007. Пилке, Р. А., Докен, Н., Блисс, О., Грин, Т., Чаффин, К., Салас, Д. Д., Вудхаус, Калифорния, Лукас, Д. Дж., И Уолтер, К.: Засуха 2002 г. в Колорадо: беспрецедентный засуха или обычная засуха ?, Pure Geophys., 162, 1455-1479, 2005. Пирс, Д.У., Барнетт, Т.П., Идальго, Х.Г., Дас, Т., Бонфилс, К., Сантер, Б.Д., Бала, Г., Деттингер, М.Д., Кайан, Д.Р., Мирин, А., Вуд, А.В., и Нодзава, Т .: Приписывание уменьшения снежного покрова в западной части США человеческим воздействиям, Дж.Клим., 21, 6425-6444, 2008. Раттер Н., Клайн Д. и Ли Л.: Оценка модели снега NOHRSC (NSM) в одномерном режиме, J. Hydrometeorol., 9,695-711,2008. Шнебели, М .: Развитие и устойчивость предпочтительных путей потока в слоистом снежном покрове, в: Биогеохимия сезонно заснеженных водосборов, Боулдер, июль, Vol. 228, под редакцией: Tonnessen, K. A., Williams, M. W., and Tranter, M., Int. Доц. Hydrol. Sci., Wallingford, 89–95, 1995. Серрез, М. К., Кларк, М. П., Армстронг, Р. Л., МакГиннис, Д. А. и Пулварти, Р. С. Характеристики снежного покрова на западе США по данным телеметрии снежного покрова (SNOTEL), Water Re-sour. Res., 35, 2145-2160, 1999. Сингх В. П .: Кинематическое моделирование волн в водных ресурсах: историческая перспектива, Hydrol. Proc., 15, 671-706, 2001. Tarboton, D. G. и Luce, C.H .: Энергетический баланс штата Юта, модель накопления и таяния снега (UEB): техническое описание компьютерной модели и руководство пользователя, Utah Water Res.Lab., Логан, 1996. Techel, F. и Pielmeier, C.: Точечные наблюдения за содержанием жидкой воды во влажном снегу — исследование методических, пространственных и временных аспектов, Криосфера, 5, 405-418, DOI: 10.5194 / tc-5-405-2011, 2011 г. van den Broeke, M., Bus, C., Ettema, J., and Smeets, P .: Температурные пороги для градусно-дневного моделирования скорости таяния ледяного покрова Гренландии, Geophys. Res. Lett., 37, L18501, DOI: 10.1029 / 2010GL044123, 2010. Вионнет, В., Брам, Э., Морен, С., Бун, А., Фару, С., Ле Муань, П., Мартин, Э. и Виллеме, Ж.-М .: Подробная схема снежного покрова Crocus и ее реализация в SURFEX v7.2, Geosci. Model Develop., 5, 773-791, 2012. Вальднер П. А., Шнебели М., Шульце-Циммерман У. и Флюлер Х .: Влияние структуры снега на поток воды и перенос растворенных веществ, Hydrol. Proc., 18, 1271-1290, 2004. ВМО: Руководство по гидрометеорологической практике, 168, TP82, 281 стр., 1995. Чжан, Т .: Влияние сезонного снежного покрова на термический режим земли: Обзор, Rev. Geophys., 43, 23 стр., 2005. Чжан Ю., Ван С., Барр А. Г. и Блэк Т. A .: Влияние снежного покрова на температуру почвы и его моделирование в бореальном осиновом лесу, Cold Reg. Sci. Технол., 52, 355-370, 2008. Авторские права Криосферы являются собственностью Copernicus Gesellschaft mbH, и ее содержимое не может быть скопировано или отправлено по электронной почте на несколько сайтов или размещено в рассылке без письменного разрешения правообладателя.Однако пользователи могут распечатывать, загружать или отправлять по электронной почте статьи для индивидуального использования. Делавэр 43017 43021 43035 43061 43065 43074 43082 43240 43334 Fairfield 43105 43110 43112 43130 43136 43147 43150 43154 Франклин 43004 43016 43017 43026 43054 43065 43068 43081 43085 43110 43119 43123 43125 43137 43201 43202 43203 43204 43205 43207 87 Амстердам авеню; $ 125 000 43209 43211 43212 43213 43214 43215 43219 43220 43222 43223 43224 43227 43228 43229 43230 43231 43232 43235 Лизинг 43023 43025 43031 43055 43056 43062 43068 43071 43739 Мэдисон 43140 43143 43151 43162 Pickaway 43113 43116 43146 Юнион 43040 43045 43061 43064 43067 Знаменитая гавань для яхт на южной оконечности острова Хилтон-Хед обретает новый облик. В то время как полосатый маяк из леденцов остается на месте, ресторан Quarterdeck рядом с одной из самых известных достопримечательностей Хилтон-Хед будет реконструирован, чтобы отразить новый опыт Харбор-Тауна, согласно объявлению курорта Sea Pines Resort в четверг вечером. Ресторан с большим внутренним двориком для сидения на открытом воздухе будет перестроен, чтобы из него открывался панорамный вид на 18-ю лужайку поля для гольфа Harbour Town Golf Links, бассейн для яхт и залив Калибога. Реконструкция Quarterdeck также будет включать строительство устричного бара на крыше с гибкими стеклянными стенами, открывающимися на улицу. Из бара открывается вид на 270 градусов на окружающий Харбор-Таун. Обычный рынок для прогулок на первом этаже послужит местом, где можно быстро перекусить или запастись местными креветками, морепродуктами и мороженым в течение дня. Он откроется к входу в пирс Харбор-Таун, который был восстановлен после разрушения ураганом Мэтью в 2016 году. Подрядчик для проекта будет выбран на следующей неделе, сообщил The Island Packet директор по развитию курорта Клифф МакМакин. «Мы собираемся изменить его расположение на территории и сосредоточиться на основных видах на пристань для яхт, 18-ю лунку и закаты над заливом Калибог», — сказал он.«Это был критический момент в процессе проектирования». Комментаторы Facebook были взволнованы, увидев планы, которые были обнародованы в четверг вечером. «Как классно!» написал один пользователь. «Из бара на крыше будет лучший вид на закат на HHI», — вмешался другой человек. Ожидается, что строительство начнется этой весной, согласно сообщению в Facebook, опубликованному сайтом Sea Pines Resort. Завершение строительства планируется на весну 2022 года, говорится в сообщении. «Этот новый ресторан станет краеугольным камнем Харбор-Тауна и призван стать самым желанным местом для ужина на острове Хилтон-Хед-Айленд», — сказал в пресс-релизе Стив Бердвелл, президент курорта Sea Pines Resort. Когда посетители думают о Хилтон-Хед, первое, что часто приходит на ум, — это маяк Харбор-Таун. Летом 1950 года Чарльз Фрейзер работал в лесозаготовке своего отца на острове и влюбился в этот остров. По данным Торговой палаты Хилтон-Хед-Айленд-Блаффтон, ему настолько понравился этот район, что он убедил своего отца разрабатывать Sea Pines. «Он был вдохновлен на создание сдержанного, неприхотливого, особенного сообщества, уважающего природу», — сказал Джим Чаффин, один из первых агентов по недвижимости Sea Pines. «В то время только пляж считался ценным для застройки, но Чарльз хотел, чтобы сообщество было чем-то большим, чем просто пляж.Он хотел повысить ценность всего района ». Фрейзер хотел создать место сбора, где можно было бы покататься на лодке. «Он действительно хотел, чтобы это место было веселым и праздничным.Когда он впервые расставил кресла-качалки вокруг Харбор-Тауна, люди смеялись и спрашивали его, что он делает », — сказал Чаффин. «Он отвечал:« Это место, где люди могут просто посидеть ». Даже сейчас вы видите, как люди в креслах-качалках читают газету и наслаждаются ощущением места». Нелл Смит рассказала торговой палате о строительстве Харбор-Тауна. «Я помню, что на ранних этапах планирования Харбор-Тауна все дети нашего района были расстроены тем, что на их любимом месте сбора устриц собирались что-то построить», — сказал Смит.«Они обычно ездили в этот район на велосипедах с мешками из крокусов, наполняли свои сумки устрицами и ехали домой, чтобы отведать семейного жаркого». В Харбор-Тауне Фрейзер задумал достопримечательность, которая привлечет людей не только к Си Пайнс, но и к острову. Дома смотрителей маяка, которые находились на территории современного Лимингтона, были перенесены в Харбор-Таун, а строительство 90-футового маяка было завершено в 1970 году. Кэтрин Кокал окончила школу журналистики Университета Миссури и присоединилась к отделу новостей The Island Packet в 2018 году.До переезда в Лоукратри она работала интервьюером и переводчиком в некоммерческой организации в Барселоне и на двух станциях-членах NPR. В The Island Packet Кэтрин рассказывает о правительстве острова Хилтон-Хед, окружающей среде, развитии, пляжах и важнейшей морской черепахе Логгерхед. Она получила награды Ассоциации прессы Южной Каролины за подробные репортажи, отчеты о результатах деятельности правительства, отчеты о деловых успехах, отчеты о росте и развитии, написание продуктов питания и использование социальных сетей. % PDF-1.6
%
2 0 obj
>
эндобдж
688 0 объект
> поток
2011-06-16T15: 03: 22-05: 002011-06-16T15: 19: 48-05: 002011-06-16T15: 19: 48-05: 00 Подключаемый модуль Adobe Acrobat 8.26 Paper Capture Application / pdfuuid: b51d0660-efca -4ddd-9289-2163e9d03982uuid: 4a56e59f-b5e5-4938-8216-28941f548d4e конечный поток
эндобдж
1 0 объект
>
эндобдж
8 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
13 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
18 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
23 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
28 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
33 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
38 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
43 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
48 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
53 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
58 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
63 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
68 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
73 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
78 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
83 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
88 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
93 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
98 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
103 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
108 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
113 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
118 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
123 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
128 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
133 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
138 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
143 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
148 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
153 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
158 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
163 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
168 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
173 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
178 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
183 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
188 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
193 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
198 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
203 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
208 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
213 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
218 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
223 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
228 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
233 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
238 0 объект
> / Font> / ProcSet [/ PDF / Text / ImageB] >> / Type / Page >>
эндобдж
687 0 объект
> поток
HWmo7_om1kQqV پ 🙁 ޫ UVR ^
Y) V! 9yg> ̘ͬs] 0LY W ٫ Ŗ ߴ gf ~ ͖ ~ fI = 2} 41zUi == d [i | n) dzzLIEc 쏷 G’hYɣmVp) S16pG1. Последние продажи домов в центре Огайо. — Развлечения и жизнь — The Columbus Dispatch
43015
335 Amelia Ln .; $ 200 285
339 Amelia Ln .; $ 239 000
412 Blaise Ln .; $ 250 970
543 Brickstone Dr .; $ 169 900
223 Bristol Dr .; $ 200 000
925 Brittany Dr .; $ 234,000
Центральный проспект, 98; $ 309 900
2841 Чешир Роуд; $ 321 000
871 Clear Brook Ln.; $ 680 000
577 Крытый мост Dr .; $ 498 000
846 Executive Blvd .; $ 245 000
732 Fern Dr .; $ 118 500
13 Glen Mawr Cir .; $ 266 500
136 Грандвью авеню; $ 160 000
101 озера в графстве Чешир; $ 265 952
52 Lantern Chase Dr .; $ 199 900
166 Liberty St .; 144 000 долл. США
90 Rheem St .; $ 229 000
93 Scottwood Ct .; $ 150 000
7151 Sunrise Way; 590 800 долл. США
12 Timmons Woods Dr .; $ 244 900
2794 Troy Rd .; $ 200 000
1155 Village Dr .; $ 171 000
444 Wheatfield Dr.; 214 000 долл. США
1730 Yorklyn Ln .; 220 000 долл. США
9159 Muirkirk Dr .; $ 273 641
9200 Muirkirk Dr .; $ 107 350
13401 Duncan Run Rd .; $ 295 000
10175 Hoover Woods Rd .; $ 627 900
10381 Hoover Woods Rd .; 525 000 долл. США
6752 Lewis Center Rd .; $ 221 900
6596 Mahogany Dr .; $ 673 500
2239 Медоушир Роуд; $ 340 000
10701 White Fir Ln .; $ 150 000
13056 Woodtown Rd .; 215 000 долл. США
2175 Beaumont St .; $ 397 000
5911 Blackbird Way; $ 238 000
6158 Cheyenne Creek Dr.; $ 384 900
256 Olentangy Meadows Dr .; $ 315 500
5149 Polar Dr .; $ 300 900
1438 Summersweet Cir .; $ 375 000
1763 Summersweet Cir .; 425 000 долл. США
8878 Sweetshade Dr .; $ 307 500
2471 Tulane Ct .; 326 500 долл. США
2481 Twin Pines Loop; $ 442 000
5858 Yellowfin Ln .; $ 223 500
160 River Rd .; $ 203 500
1590 Abbotsford Green Dr .; 862 000 долл. США
282 Bear Woods Dr .; $ 239 000
5237 Brust Dr .; $ 405 000
2048 Bryton Dr .; 410 600 долл. США
390 Delaney’s Cir.; $ 426 500
25 Fawn Meadow Ct .; 265 000 долл. США
3804 Foresta Grand Dr .; $ 399 000
402 Скрытые овраги Dr .; $ 255 000
485 Highmeadows Village Dr .; 215 000 долл. США
79 Liberty St .; $ 350 000
8722 Linksway Dr .; $ 270 000
212 McCreary Ct .; $ 369 850
193 Muladore Dr .; 420 000 долл. США
352 Northview Dr .; $ 238 000
3893 Орчард-Уэй; $ 260 000
6725 Rocky Ridge Dr .; $ 409 730
2800 Schoen Lake Dr .; 421 380 долларов США
7439 Scioto Parkway; $ 302 500
7778 Spring Garden Ln.; 505 000 долларов США
2851 Summerland Loop; $ 470 090
128 Дуб пиломатериал Dr .; $ 350 000
6524 Дуб Вэлли Dr .; $ 359 370
4463 Village Club Dr .; 481 000 долл. США
8774 Birkdale Dr .; $ 365 000
252 Butterfly Dr .; $ 296 900
202 Columbus St .; $ 175 900
Крокус, 117 ул .; $ 341 900
14000 Perfect Rd .; $ 340 000
603 Raccoon Ln .; $ 240 100
5317 Ainsley Dr .; 415 000 долларов США
7254 Clancy Way; 260 000 долл. США
6226 Langton Cir .; $ 327 000
5447 Langwell Dr.; $ 350 000
6868 Meadow Glen Dr .; $ 512 500
5532 Meadowood Ln .; $ 235 000
5721 Medallion Dr .; $ 522 900
512 Mill Wind Dr .; 335 000 долл. США
6383 Mission Hills Pl .; $ 220 000
582 Peach St .; $ 286 500
7505 Красный клен Пл .; $ 265 000
415 Rockbourne Dr .; $ 250 000
7006 Сандерс Уэй; 265 900 долл. США
5464 Slater Rdg; 475 000 долл. США
5533 проспект Святого Георгия; $ 365 000
6900 Stillwater Cv; $ 662 500
473 Westgreen Ln .; $ 252 950
1318 Allington Ln.; $ 245 500
9012 Табернаш Др .; 265 000 долл. США
8021 Lott Rd .; 410 000 долл. США
43076
13298 Grove Rd. NE; $ 173 500
401 S. Walnut St .; $ 127 700
515 W. Washington St .; $ 204 900
557 W. 5th Ave .; 50 000 долл. США
601-603 E. 5-я авеню; $ 110 500
2890 Bauman Hill Rd. SE; $ 126 000
9351 Slough Rd. NW; 170 000 долл. США
6585 Lockville Rd. NW; 210 000 долл. США
8353 Alspach Rd.NW; 425 000 долл. США
2036 Amber Wood Pl .; $ 340 000
7646 E. Bowling Green Ln. NW; $ 239 500
2705 Boving Rd. SW; $ 194 900
923 S. Broad St .; $ 68 000
1007 N. Columbus St .; $ 130 000
1166 Creekview Ct .; $ 105 000
1944 Grove Ave .; 105 000 долл. США
2305 Hawk St .; $ 190 000
956 Джеймс Роуд; $ 124 000
340 Knollwood Ct. NE; $ 167 500
125 N. Mt. Pleasant Ave .; $ 155 000
Дуб, 238 ул .; $ 92 000
692 Olive Ln .; $ 81 000
163 Pershing Dr .; $ 118 000
2370 Scenic Dr.NE; 144000 долларов США
1137 Шерри Лун. NE; $ 185 000
362 Tarkiln Rd. SE; $ 124 000
250 Trace Dr .; $ 114 000
151 Union St .; $ 150 000
127 Faulkner Dr .; $ 238 000
241 Александр Лоуренс Dr .; 148 900 долл. США
13208 Эшли Крик доктор Н.В. 330 000 долл. США
12313 Bentwood Farms Dr. NW .; $ 259 900
12318 Brook Forest Cir NW .; 420 000 долл. США
9784 Camelot St. NW; $ 350 000
8823 Chateau Dr. NW; $ 365 000
8888 Chateau Dr. NW; $ 252 900
636 Exeter St.; $ 306 000
969 Gray Dr .; 290 000 долларов США
148 Найтс Бридж Доктор Э; $ 218 500
224 Mackenzie Dr .; $ 241 100
786 Manchester Ct .; $ 272 000
7388 Olympic Club Ct .; $ 208 000
341 Pagoda Ct .; $ 274 900
13000 Сильвербрук Доктор Н.В. $ 370 000
9470 Timberbank Cir. NW; 420 000 долл. США
7710 Richland Rd. NE; $ 250,000
10050 Dozer Rd. SW; $ 197 000
8633 Aconite Dr .; $ 268 900
836 Дуб Бент Dr.; 305 000 долл. США
7847 Blacklick View Dr .; $ 249 900
601 Cedar Run Dr .; $ 221 000
7365 Clark State Rd .; $ 368 000
1364 Hepatica St .; $ 154 500
1294 Морнингсайд-стрит; 220 000 долл. США
1670 Morrison Farms Dr .; $ 287 500
1041 Preble Dr .; $ 214 500
641 Риддлер Ридж Др .; $ 253 000
150 E. Королевская ферма; $ 349 900
8230 Sugar Magnolia Dr .; 92 000 долл. США
7537 Wolli Creek Dr .; $ 479 900
6548 Ballantrae Pl .; 535 000 долл. США
6868 Beltain Ln .; $ 359 000
5284 Бертольд Пасс Др.; $ 173 000
5593 Bow Falls Blvd .; $ 147 000
2676 Copperhill Dr .; $ 300 000
5417 Crossing Ln .; 220 000 долл. США
5619 Игл-Ривер Dr .; $ 250 000
6263 Хэмптон Грин Пл .; $ 250 000
5809 Марбл-Крик-стрит; $ 245 000
7777 Shermont Rd .; 330 000 долл. США
5717 Stockton Way; $ 350 000
5828 Trail Creek Dr .; $ 240 000
5038 Vinington Pl .; $ 249 900
5144 Виннингтон Пл .; $ 248 500
5724 Adventure Dr .; $ 401 500
6771 Carson Ct .; $ 476 579
7405 Coventry Woods Dr.; $ 423 500
6312 Emberwood Rd .; $ 223 600
164 Grandview Dr .; 279 000 долл. США
6200 Gray Friar Way; $ 590 000
6341 Memorial Dr .; $ 380 000
6991 Мескит Ct .; $ 297 000
5702 Apricot Ln .; 85 000 долл. США
5761 Belmore Dr .; $ 114 900
5653 Brickstone Pl .; $ 192 500
5067 Calhoon Dr .; $ 205 588
4723 Clubpark Dr .; $ 249 900
3587 Crandon St .; $ 145 000
6315 Debidare Ct .; $ 374 900
3036 Fawn Crossing Dr .; $ 315 000
5560 Fescue Dr .; $ 200 000
6174 Glade Run Rd.; $ 310 000
3165 Heather Meadow Pl .; $ 275 000
5276 Heritage Ln .; $ 199 900
2328 Highlandtown Dr .; $ 240 000
5431 Hyde Park Dr .; $ 292 000
4977 Linkous Ct .; 169 000 долл. США
5672 Mango Ln .; $ 153 000
6521 Marshview Dr .; $ 640 000
4539 Moraine Ave .; $ 167 000
3996 E. Park Cr .; $ 178 000
4480 Paxton Dr .; 100 000 долл. США
5477 Пирсон Корт; 260 000 долл. США
2812 Quailview Ln .; $ 244 900
5783 Redsand Rd .; $ 194 000
5418 Richlanne Dr .; $ 290 000
6975 Дуб Алый Dr.; $ 454 735
7038 Дуб Алый Dr .; $ 368 083
5873 Scioto Hill Ln .; $ 195 000
5733 Timber Top Dr .; $ 339 900
3054 Walkerview Dr .; $ 329 900
3495 Wenwood Dr .; $ 265,000
6151 Albany Crest Ave .; $ 203 000
7171 Alma Terrace Dr .; 265 000 долларов США
5872 Aristides Way; $ 109 900
7156 Billy Goat Dr .; 179 000 долл. США
5084 Blackstone Edge Dr .; $ 405 000
7531 Central College Rd .; $ 136 500
8146 Griswold Dr .; 413 000 долл. США
6088 Phar Lap Dr .; $ 163 000
7971 Scarborough Hall Dr.; $ 405 000
5125 Stonhope Rd .; 380 000 долл. США
5026 Straits Link; $ 588 000
1351 White Oak Ln .; 320 000 долл. США
2269 Worthingwoods Blvd .; $ 235 000
6544 Benjamin Dr .; $ 145 000
7620 Burkey Ave .; $ 93 000
7542 Черри Брук Пл .; 214 000 долл. США
7585 Черри Брук Пл .; $ 222,000
8055 Eliot Dr .; $ 166 100
1670 Ланкастер авеню; $ 159 900
7280 Марлан пр.; 129 000 долл. США
6572 Merringer Ave .; $ 187 000
695 Осеннее дерево Пл.; $ 289 900
Авеню Барселоны, 197; $ 238 750
6036 Bitterroot Dr .; $ 204 000
1256 Blacksmith Dr .; $ 338 000
6124 Braet Rd .; $ 245 000
5627 Buxley Dr .; 245 000 долл. США
5455 Камлин Пл Восток; $ 471 395
5472 Камлин Пл Запад; $ 376 831
688 Collingwood Dr .; 303 000 долл. США
1215 Э. Колледж авеню; $ 287 000
162 Crowles Ave .; 279 000 долл. США
96 Gibson Pl .; 334 900 $
6400 Паутинка Ct .; $ 347 500
110 N. Hempstead Rd .; $ 340 000
265 Leighway Dr .; $ 275 000
645 W.Главная ул .; $ 282 500
1100 Мари Лу Dr .; $ 321 500
1557 Park Place Dr .; 122 000 долл. США
4782 Powderhorn Ln .; $ 120 000
5846 Slane Loop; $ 383 045
697 Spring Rd .; $ 180 000
287 S. Spring Rd .; $ 254 000
562 Susan Ave .; $ 261 747
286 Tallowwood Dr .; 348 000 долл. США
8033 Worthington Galena Rd .; $ 172 500
1496 Deer Crossing Ln .; $ 276 600
1132 Farmlane Dr .; 115 000 долл. США
82 Glen Dr .; 215 000 долл. США
206 Халлиган авеню; $ 372 300
306 Kenbrook Dr.; $ 269 900
554 Loveman Ave .; $ 280 000
6860 McCord St .; $ 465 000
431 E. North St .; $ 170 000
1637 Six Point Ct .; $ 146 000
831 Stalywood Ct .; $ 122 900
380 Whitney Ave .; $ 400 000
5262 Algean Dr .; $ 210 000
5374 Blackmer Ridge Blvd .; $ 168 000
3902 Boyer Ridge Dr .; $ 121 000
3944 Winding Path Dr .; 214 900 долл. США
1123 Amity Rd .; 415 000 долл. США
5985 Bausch Rd .; $ 225 000
5902 Baytree Ct .; $ 163 000
8669 Brookcrest Ct.; $ 160 000
1611 Bucksglen Dr .; $ 132 500
333 Charing Cross St .; $ 140 000
6058 Chidley St .; 167 000 долл. США
6309 Гринхейвен авеню; $ 245,000
5931 Ratification Dr .; $ 130 500
8457 Squad Dr .; $ 239 900
4188 Alkire Rd .; 142 000 долл. США
2444 Amethyst Ln .; $ 150 000
5008 Apple Glen Trail; $ 280 000
5992 Aquamarine Dr .; $ 198 000
1991 Bald Eagle Dr .; $ 314 000
5166 Beatty Rd .; $ 280 000
3208 Belstead Dr .; $ 197 000
3251 Belstead Dr.; $ 229 900
2528 Bloxom St .; $ 194 900
3827 Breck Ave .; $ 113 500
3480 Brookspring Dr .; $ 190 000
3879 Casa Blvd .; $ 156 600
6138 Catawba Dr .; $ 255 200
2480 Creek Willow Pl .; $ 154 900
5852 Донаванс Блафф; $ 300 000
1787 Epic Way; $ 230 000
3078 Escott St .; $ 179 900
3554 Grant Ave .; $ 189 900
2388 Maribeth Pl .; $ 171 000
3898 Monterey Dr .; 179 000 долл. США
4706 W. Newport Loop; $ 390 000
2375 Parkview Dr .; $ 40 000
3116 Pratt Ln.; $ 172 660
1519 River Trail Dr .; $ 240 000
4306 Робин Стрит; 129 900 долл. США
3081 Thomas Ave .; $ 154 900
5061 Winter Creek Dr .; $ 290 000
3032 Wynridge Ct .; $ 285 000
4832 Bay Grove Ct .; 134 000 долл. США
3339 Bixby Rd .; $ 242 500
4427 Harrods St .; $ 123 500
4464 Landings Rd .; 230 000 долл. США
169 ул. 75 000 долл. США
772-774 E. 2nd Ave .; $ 56,000
306-308 16th Ave .; 335 000 долл. США
981 Delaware Pl .; 330 000 долл. США
1010 Эвинг Аллея; 332 000 долл. США
1145 N.Высокая ул .; 315 000 долл. США
2116 Н. Индиана авеню; $ 227 500
364 W. Lane Ave .; $ 142 500
364 W. Lane Ave .; 142 500 долл. США
1183 Орегон авеню; 269 900 долл. США
2251 Индиана авеню; $ 125 000
2894-2896 Indianola Ave .; $ 336,000
78-80 W. Maynard Ave .; 325 000 долл. США
2586 Medary Ave .; $ 251 000
3366 N. Riverside Dr .; $ 301,000
1620 E. Broad St .; $ 86 900
473 N. Ohio Ave .; 52 500 долл. США
215 С. Берджесс авеню; $ 55 000
3938 Cidermill Dr.; 217 250 долл. США
462 проспект С. Эврика; 36 000 долл. США
632 проспект С. Эврика; 43 000 долл. США
609-609 пр. С. Эврика; $ 44 000
2929 Fremont St .; 205 000 долл. США
411 Josephine Ave .; $ 65 000
1304 Lowland Ct .; $ 73 500
3024 Olive St .; 168 000 долл. США
265-267 С. Пауэлл авеню; 60 000 долл. США
396-398 С. Пауэлл авеню; $ 60 000
275 С. Саутгемптон авеню; 215 000 долл. США
2736 Steele Ave .; $ 59 900
3400 Timber Run Dr .; 210 500 долл. США
Авеню С. Уитленда, 146; 147 000 долл. США
3005 Уиклоу Роуд; 147000 долларов США
262 S.17-я улица; $ 378 000
650 Bulen Ave .; $ 45 000
1602 Франклин авеню; $ 370 000
504 Lilley Ave .; $ 35 000
687 Lilley Ave .; $ 94 900
884-886 Э. Ливингстон авеню; $ 150 000
730 Miller Ave .; $ 85 000
725 E. Mound St .; $ 55 000
1245 E. Mound St .; $ 230 000
43206
1456 4-я ул .; $ 40,000
1821 S. 6th St .; $ 55 000
661-663 Beech St .; $ 200 000
736-738 Beech St .; 399 000 долл. США
774 Карпентер-стрит; $ 199 900
1364-1366 S. Champion Ave .; 70 000 долл. США
484-488 E.Columbus St .; $ 322,000
565-567 Deshler Ave .; 81 000 долл. США
711 Frebis Ave .; $ 54 900
31 Gates St .; 390 000 долл. США
582 Gates St .; $ 82 500
1465 Линвуд авеню; $ 85,000
900-902 Oakwood Ave .; $ 80 000
1271 Оуквуд авеню; $ 130 000
1283-1285 Oakwood Ave .; $ 225 000
699-701 Stewart Ave .; $ 68 000
716 Siebert St .; $ 200 000
проспект Турмана, 107; $ 256 900
1276 Wager St .; 85 000 долл. США
681 Bartfield Dr.; $ 119 000
670 Colton Rd .; $ 88 000
1335 Evergreen Rd .; $ 122 500
3119 Houston Dr .; 83 000 долл. США
3123 Houston Dr .; $ 55 000
2299 Лондейл авеню; $ 199 000
227 E. Moler St .; $ 255 252
274 Э. Моррилл авеню; 325 000 долл. США
2577 Nona Rd .; 62 000 долл. США
2790 проспект Патрика Генри; $ 113 615
3975 Poppyseed Ct .; $ 135 000
3381 Quaker Rd .; $ 71 550
882 Radbourne Dr .; $ 175 500
1273 Roberts Pl .; $ 40 000
158 Southgate Dr .; $ 62 500
1514-1518 Wilson Ave.; $ 87 000
98 E. Woodrow Ave .; $ 160 000
355 N. Ardmore Rd .; $ 292 000
125 Эшборн Роуд; 1 100 000 долл. США
2490 Floribunda Dr .; $ 260 000
40 S. Merkle Rd .; 525 000 долл. США
484 Н. Парквью авеню; 720 000 $
2417 Плимут авеню; 459 000 долл. США
161 проспект С. Рузвельта; 652 000 долл. США
784 проспект С. Рузвельта; $ 251 000
1405 Severn Rd .; $ 61 767
159 S. Stanwood Rd .; 422 000 долл. США
2246 Атвуд Тер .; $ 47 000
2737 N. Atwood Ter .; $ 61 000
2465 Азельда ул.; 66 500 долл. США
1440–1442 Э. Корделл авеню; $ 40 000
2150 Danby Dr .; 59 000 долл. США
1615–1617 E. Kenmore Rd .; $ 40 000
2754 McGuffey Rd .; $ 115 500
2448 Парквуд авеню; $ 57 000
2236-2240 Проспект Ранкина; 85 000 долл. США
2552 Renwood Pl .; $ 55,000
2041 Republic Ave .; $ 42,000
1467 W. 3rd Ave .; 505 000 долл. США
828 Bobcat Ave .; 530 800 долл. США
1976 Coventry Rd .; 620 000 долл. США
825 Gladden Rd .; 345 000 долл. США
1808 Kenny Rd .; $ 103 000
1300 Северо-Западный бульвар; $ 420,000
1845 Северо-западный Кт.; $ 209 900
1000 Urlin Ave .; $ 235,000
5049 N. Dimson Dr .; 45 500 долл. США
4458 Etna Rd .; $ 67 500
11 Ironclad Dr .; $ 207 500
4653 Jae Ave .; $ 65 000
297 S. James Rd .; $ 190 000
6244 McNaughten Place Ln .; $ 170 000
5670 Notre Dame Pl .; $ 269,000
26 Weyant Ave .; 49 000 долл. США
296 Arden Rd .; $ 355 000
88 W. Beaumont Rd .; 307 500 долл. США
252 Blenheim Rd .; 269 000 долл. США
686 Чаффин Ридж; 510 000 долл. США
629 Chase Rd .; $ 180 000
328 Chatham Rd.; $ 329 900
508 Fallis Rd .; $ 255 000
145 Garden Rd .; $ 375 000
582 Garden Rd .; $ 320 000
590 Garden Rd .; $ 279,000
3485 Indianola Ave .; $ 270 000
326 Northridge Rd .; $ 315 000
319 Окленд Парк Авеню; $ 507 000
125 W. Северный Бродвей; $ 310 000
242 E. Schreyer Pl .; $ 279 000
106 Н. Хай Стрит; $ 174 000
1 Миранова 1705 Пл .; 640 000 долларов США
1 Миранова 2220 пл .; $ 500 000
432 E. Rich St .; $ 202 950
250 W. Spring St .; $ 650,000
4105 Adalric Dr.; 275 000 долл. США
1984 Бар-Харбор-роуд; $ 53 000
1828 Блейк-авеню; 50 000 долл. США
1678 Блейк-авеню; 95 000 долл. США
1964 Брентнелл-авеню; $ 50 000
3118 Джейк Пл .; 232 000 долл. США
105-107 N. Nelson Rd .; $ 140 000
2079-2081 Уилламонт авеню; $ 130 000
4425 Clearbrook Ct .; $ 585 100
2233 Hedgerow Rd .; $ 114 000
986 Kennington Ave .; $ 292 000
2691 Лир Роуд; 815 000 долл. США
4090 Oxford Dr .; 750 000 долл. США
1595 Rayne Ln .; $ 316 000
4094 Ruxton Ln .; $ 255 000
43221
959 Afton Rd.; $ 229 900
3155 Ainwick Rd .; $ 339 900
5031 Calais Dr .; $ 223 000
5074 Calais Dr .; $ 166 000
922 Chatham Ln .; $ 147 000
2596 Chester Rd .; 565 000 долларов США
5080 Динарский путь; $ 252 000
5103 Dinard Way; $ 169 000
3671 Замок Динсмор Dr .; $ 220 000
2668 Edgevale Rd .; $ 339 900
3619 Pinwherry Ct .; $ 233 500
3038 Shadywood Rd .; $ 230 000
34 Cypress Ave .; 210 000 долл. США
904-906 W. Rich St .; $ 50 000
510 Belvidere Ave.; $ 56 000
1360 Birch Dr .; $ 90 400
250 Brehl Ave .; $ 40 520
251 Кларендон авеню; $ 49 200
1701 Creekside Dr .; $ 94 900
1831 Hollow Run Dr .; $ 142,000
1932 W. Mound St .; 95 000 долл. США
1632 Regents Hill Dr .; $ 116 999
1640 Regents Hill Dr .; $ 60 000
1433 Tall Meadows Dr .; 75 000 долл. США
1935 г. N. Westfield Dr .; $ 55 100
618 Wrexham Ave .; 49 000 долл. США
4179 Arbury Ln .; 64 000 долл. США
2185 E. Belcher Dr .; $ 92 750
1080 E. Dunedin Rd .; $ 165 000
2127 Eden Ave.; $ 55 000
1909 Ferris Rd .; $ 117 500
967 скрытых акров Ct .; $ 40 000
3075 Howey Rd .; $ 35 000
4138 Jonquil St .; $ 81 500
3939 Karl Rd .; $ 35 000
2365 Lindale Rd .; 45 000 долл. США
3407 Maize Rd .; $ 175 000
833 Norris Dr .; $ 124 000
2445 Winding Hills Ct .; $ 50 000
1298 Beechwood Rd .; 52 000 долл. США
1461 Benson Dr .; $ 125 000
4917 Betsy Dr .; $ 124 000
1641-1643 Carstare Dr .; 105 000 долл. США
1679–1681 Carstare Dr .; $ 75 000
1313 Coburg Rd.; $ 120 000
4307 Conover Pl .; 82 000 долл. США
812 Elizabeth Ave .; 72 000 долл. США
1492 Garywood Ave .; 138 200 долл. США
1030 С. Джеймс Роуд; $ 49 000
3531 Roswell Dr .; $ 113 500
3399 Сибрук авеню; 67 600 долл. США
1576 Wilton Dr .; 66 000 долл. США
5536 Brackenridge Ave .; $ 66 500
4692 Cadmus Dr .; $ 118 000
3691 Cannongate Dr .; $ 226 000
5434 Сидар Спрингс Роуд; $ 79 900
5447 Сидар Спрингс Роуд; $ 75 500
349 Celina Rd .; $ 114 900
ул. Длин, 630; 100 000 долл. США
454 Evergreen Te; $ 68 000
4707 Shalers Dr.; $ 110 900
3596 Silverado Dr .; $ 190 000
3910 Trail Ridge Dr .; $ 306 000
1931 Westbrook Villag Dr .; $ 180 000
6057 Woodsboro Dr .; $ 240 500
4819 Karl Rd .; 93 900 долл. США
6053 Karl Rd .; $ 154 000
6620 Kennerdown St .; 213 000 долл. США
2266 Laurelwood Dr .; 56 000 долл. США
1887 г. E. Northcliff Dr .; 147 000 долл. США
2238 Perkins Ct .; 52 000 долл. США
6046 Троубридж-Уэй; 54 000 долл. США
2101 Tupsfield Rd .; $ 135 000
1363 N. Whitby Sq .; $ 141 000
5149 Woodside Dr.; $ 186 630
1261 W. Amberlea Dr .; $ 231 100
4034 Blueberry Hollow Rd .; 147 500 долл. США
4657 Коллингвилл-Уэй; 177 000 долл. США
3722 Ellerdale Dr .; $ 92,000
150 Empire Dr .; 129 000 долл. США
471 Flintwood Dr .; $ 122 000
761 Hager Ct .; $ 219 900
4984 Honeysuckle Blvd .; $ 255 000
6195 Норвегия Глен авеню; $ 213 000
468 Old Mill Dr .; $ 373 000
3768 Pendlestone Dr .; $ 126 000
4075 Peregrine Pass Dr .; $ 250 000
5348 Primrose Hill Dr .; 192 000 долл. США
197 Prince Of Wales Dr.; $ 175 000
1219 Sanctuary Pl .; $ 374 500
4503 Саян пл. $ 180 000
4944 Strawberry Glade Dr .; $ 205 900
1389 Underwood Farms Blvd .; $ 161 500
5277 Wagon Wheel Ln .; $ 225 000
1273 W. Наветренный путь; $ 236,000
3231 Parklane Ave .; $ 92 750
3291 Rakeford Dr .; $ 65 000
5371 E. Valley Ln .; $ 125 000
3034 Wolfbirch Dr .; $ 296 159
3102 Wolfbirch Dr .; $ 341 660
2701 Woodley Rd .; $ 243 000
3836 Bonita Rd .; $ 138 500
3903 Bonita Rd.; $ 135 000
5368 Brayton Ave .; $ 113 000
5352 Carbondale Dr .; 115 000 долл. США
2241 Cardston Dr .; $ 117 000
3663 Clearwater Dr .; $ 111 000
3930 Evanston Rd .; 115 000 долл. США
3309 Faycrest Rd .; 65 000 долл. США
5299 Fullerton Dr .; 58 000 долл. США
2137 Гейлорд Пл .; $ 131 500
5247 Kornwal Dr .; $ 135 000
2788 Stavely Ct .; $ 108 000
1902 Stetson Rd .; $ 51 000
5185 Torwood Ct .; 75 000 долл. США
2968 Tracer Rd .; $ 110 000
8307 Bruntsfield Rd .; 176 000 долл. США
8320 Bruntsfield Rd.; $ 175 900
1338 Buttermilk Ave .; $ 289 000
1210 Churchbell Way; $ 266 000
1177 Cross Country Dr .; 325 000 долл. США
5404 Холлистер Стрит; $ 285 000
5397 Hostas Ln .; $ 134 000
1320 переулок на озере; 83 100 долл. США
7168 Linworth Rd .; $ 395 000
2323 Littleleaf Ln .; $ 197 000
363 Meditation Ln .; $ 550 000
6847 Merwood St .; $ 309 000
603 Olentangy Woods Dr .; 227 000 долл. США
5245 Портленд-стрит; 69 000 долл. США
5353 Портленд-стрит; $ 87,000
43008
225 East St.; 58 000 долл. США
516 Broadway W; $ 449 000
230 Bryn Du Dr .; 415 000 долл. США
101 W. 1st Ave .; $ 58 000
1121 Лейк-Шор Доктор В; $ 329 500
6265 Lancaster Rd .; $ 365 000
5510 Clover Valley Rd .; 462 500 долл. США
8513 Crouse-Willison Rd .; 229 000 долл. США
8371 Northridge Rd .; $ 301 000
102 Parkdale Dr .; $ 275 000
417 11-я ул .; $ 112 000
200 21-я Северная ул .; $ 134 000
48 25-я Северная ул .; $ 141,000
48 25-я северная широта.Ул .; 141 000 долл. США
76 26-я Северная ул .; $ 124 900
90 31-я Н. ул .; $ 172 500
1636 Abby Dr .; $ 171 000
1791 Ashford Ln .; $ 380 000
448 Ballard Ave .; $ 114 900
74 Bolton Ave .; $ 114 000
100 Carlee Cir. S; $ 269 900
13 Clearview Dr .; $ 182 900
625 Country Club Dr .; $ 42 000
625 Country Club Dr .; 95 000 долл. США
545 Derby Downs Rd .; 136 500 долларов США
1540 Дитмурская прогулка; $ 115 900
667 Euclid Ave .; 138 000 долл. США
1015 Granville Rd .; 244 000 долл. США
244 Green Meadow Dr.; $ 132 500
480 Jackson Blvd .; $ 119 900
1290 Kreider Blvd .; $ 105 000
67 Monroe Ave .; $ 102 845
71 Монро авеню; $ 102 845
236 Park Ridge Ln .; $ 337 500
237 Park Ridge Ln .; $ 338 000
6532 Parr Rd .; $ 31 000
46 Rosebud Ave .; $ 89 900
755 Smithfield Dr .; $ 130 000
1420 Суррей Даунс Роуд; $ 155 000
2100 Taylor Ln .; 210 000 долл. США
795 Crescent Dr .; $ 209 900
166 Fieldpoint Rd .; $ 118 000
231 Fieldpoint Rd .; $ 89 000
105 Брэндон Др.; 312 000 долл. США
14692 Cleveland Rd .; $ 208 000
4881 Columbia Rd .; $ 188 000
165 Deer Path Ct. S; $ 319 900
58 Habersac Ave .; $ 302 900
129 Halcyon Dr .; $ 283,000
326 Haystack Ave .; $ 140 300
240 Джон Риз Паркуэй; $ 270 000
1315 Wagy Sq .; $ 219 700
1339 Криксайд Пл .; $ 226 000
1049 Lupine Ct .; $ 285 400
398 Summit Ridge Dr .; 173 000 долл. США
14025 Санладен Д-р С.В. $ 325 140
746 Триколор Dr .; 211 000 долл. США
38 Harris St.; $ 124 000
43080
1950 Homer Rd .; $ 145 000
8800 Cooks Hill Rd .; $ 180,000
43064
221 Central Ave .; 142 000 долл. США
13450 Danville Rd .; $ 250 000
244 Jacqueline Dr .; $ 115 000
68 Mill Rd .; $ 160 000
364 Puleo Dr .; $ 239 900
104 Valleyview Dr .; $ 40 770
13920 Main St .; $ 111 813
839 Brookdale Dr .; $ 161,000
43103
12637 Lockbourne Eastern Rd.; $ 325 000
180 N. Long; $ 123 000
90 Ричард; $ 184,000
4443 Rt. 316; 285 000 долл. США
2179 Н. Суд; $ 73 000
156 W. High St .; 71 000 долл. США
108 W. Mill St .; $ 129 900
507 E. Mound St .; $ 40 000
8083 Stout Rd .; $ 200 000
7635 Tarlton Rd .; 115 000 долл. США
379 Уолнат-Крик; 204 000 долл. США
214 Кавано; 271 900 долларов США
193 Cherrytree; 254 000 долл. США
5755 Буше; 245 000 долл. США
5261 Франклин-стрит; 149 900 долларов США
7098 Lane Rd.; $ 329 900
5586 Патриот; $ 169 900
9132 Water St .; 64 600 долл. США
43016
6972 Post Preserve Blvd .; $ 499,000
232 W. 8th St .; $ 189 000
428 Bent Tree Dr .; $ 186 000
18211 Браун Скул Роуд; 350 000 долл. США
702 Клайдсдейл-Уэй; $ 300 000
554 Corbel Dr .; 215 000 долл. США
200 Emmaus Rd .; $ 283 000
825 Hickory Hill Dr .; $ 225 000
657 Milcrest Dr .; $ 107 000
1290 Mill Park Dr .; 207 500 долл. США
1603 Милингтон-Уэй; 205 000 долл. США
2093 Shetland St.; 245 000 долл. США
21758 Спрингдейл-роуд; $ 196 900
964 Walker Woods Ln .; $ 432 200
8855 Homer Road; $ 174 000
7407 Watkins Rd .; $ 370 000
10384 Джером Роуд; $ 268 800
9029 Ketch Rd .; 480 000 долл. США
9861 Rt. 736; 335 000 долл. США
28420 Стормс-роуд; 224 000 долл. США Hilton Head’s Sea Pines для переделки ресторана Harbour Town
История Харбор-Таун
Связанные истории из Hilton Head Island Packet