Georeferencing Non-Gazetteered Place Names using Biological Specimen Records

Stellen Sie sich vor, Sie sind ein Detektiv, der einen Fall löst, aber statt eine vermisste Person zu suchen, versucht er, einen Ort zu finden, der auf keiner Landkarte existiert. Dies ist die Welt der Georeferenzierung, ein Zweig der Wissenschaft, der Wörter, die einen Ort beschalten, in tatsächliche Koordinaten (wie Breitengrad und Längengrad) umwandelt, die Computer nutzen können. Normalt ist das einfach: Wenn ein Text „Paris“ erwähnt, schlägt ein Computer diesen Namen in einem digitalen Wörterbuch für Orte namens Gazetteer nach und findet den exakten Punkt. Aber was passiert, wenn der Text einen Ort erwähnt, der nicht im Wörterbuch steht? Vielleicht ist es ein alter Name von vor 100 Jahren, ein lokaler Spitzname, den nur die Nachbarn kennen, oder ein spezifischer Ort wie „die große Eiche am Bach“, der nie einen offiziellen Namen erhalten hat. Dies sind sogenannte nicht-gazetteerierte Ortsnamen. Sie sind wie Geister in der Maschine – reale Orte, die der Computer einfach nicht sehen kann, weil sie in seinen Referenzbüchern fehlen. Dies ist wichtig, denn Millionen historischer Aufzeichnungen, von alten Briefen bis hin zu wissenschaftlichen Protokollen, sind voll von diesen unsichtbaren Namen, die geografisches Wissen einschließen, das wir sonst nicht zugänglich machen oder nutzen könnten.

Diese Arbeit taucht ein in einen Schatz aus solchen verborgenen Orten: biologische Belegexemplar-Datensätze. Betrachten Sie diese als die Feldnotizen von Wissenschaftlern, die über ein Jahrhundert lang Pflanzen, Insekten und Pilze gesammelt haben. Wenn sie eine neue Art fanden, notierten sie genau, wo sie diese fanden, oft unter Verwendung lokaler, inoffizieller Namen für Orientierungspunkte. Die Forscher in dieser Studie stellten eine große Frage: Können wir die Hinweise, die über tausende dieser alten Notizen verstreut sind, nutzen, um herauszufinden, wo sich diese „Geisterorte“ tatsächlich befinden? Sie behandelten die Belegexemplar-Datensätze wie ein riesiges Puzzle. Wenn eine Notiz sagt, eine Pflanze wurde „nördlich von Cabstand“ gefunden und eine andere sagt, sie wurde „südlich von Cabstand“ gefunden, und wir wissen, wo genau diese Pflanzen gepflückt wurden, können wir rückwärts arbeiten, um herauszufinden, wo „Cabstand“ liegen muss. Durch die Kombination dieser Hinweise versuchte das Team, die Standorte dieser fehlenden Orte unter Verwendung von drei verschiedenen Detektivstrategien zu bestimmen: einer streng regelbasierten Methode, einer mathematischen Wahrscheinlichkeitsmethode und einer modernen Methode der Künstlichen Intelligenz (KI).

Das Rätsel der fehlenden Orte

Die Geschichte beginnt mit einer massiven Datensammlung aus dem Allan Herbarium in Neuseeland. Die Forscher untersuchten über 13.000 digitale Datensätze von Pflanzenbelegen. Sie scannten den Text nach Ortsnamen und überprüften diese gegen die offiziellen staatlichen Kartendatenbanken. Wie sie vermuteten, fanden sie hunderte von Namen, die in keinem offiziellen Gazetteer existierten. Dies waren die Nicht-Gazetteerierten Ortsnamen (NGPs). Einige waren historische Farmstationen, andere waren alte Trig-Punkte (Vermessungspunkte), und einige waren einfach lokale Gemeinschaftsplätze wie eine bestimmte Schule oder ein Teehaus.

Das Problem war, dass diese Namen keine Koordinaten hatten. Um dies zu lösen, wurde dem Team klar, dass es eine Geheimwaffe besaß: Redundanz. In der Welt der Feldbiologie sammeln Wissenschaftler oft viele Proben im selben allgemeinen Gebiet. Das bedeutet, dass derselbe verborgene Ortsname in Dutzenden von verschiedenen Notizen auftauchen kann, jedes Mal mit einer anderen Beschreibung. Eine Notiz könnte sagen: „Gefunden in der Nähe von Cabstand“, während eine andere sagt: „1 Meile nördlich von Cabstand“. Obwohl „Cabstand“ nicht auf einer Karte steht, sind die Belege um ihn herum verzeichnet. Indem sie genau wussten, wo die Belege gefunden wurden, konnten die Forscher den Standort dieses fehlenden Ortsnamens rückwärts berechnen.

Drei Wege, das Puzzle zu lösen

Um den Code zu knacken, testete das Team drei verschiedene Ansätze, von denen jeder seine eigene Persönlichkeit hatte.

1. Der strikte Regelbefolger (Deterministische Methode)
Stellen Sie sich einen Roboter vor, der Anweisungen perfekt befolgt, aber verwirrt ist, wenn die Anweisungen etwas vage sind. Diese Methode versuchte, ein striktes „Feld“ um den möglichen Standort des fehlenden Ortes zu zeichnen. Wenn eine Notiz sagte „nördlich von“, zog der Roboter eine Linie und sagte: „Der Ort muss oberhalb dieser Linie liegen.“ Wenn eine andere Notiz „südlich von“ sagte, zog er eine weitere Linie. Die Antwort musste dort liegen, wo sich alle Linien kreuzten.

• Das Ergebnis: Diese Methode war sehr wählerisch. Wenn die Hinweise nicht perfekt übereinstimmten (was oft der Fall war, da alte Notizen vage sein können), gab der Roboter auf und sagte: „Ich kann das nicht lösen.“ Er konnte für 108 der 365 zu lösenden Orte keinen Standort finden. Wenn es funktionierte, war es nicht besonders genau.

2. Der Mathematiker (Probabilistische Methode)
Dieser Ansatz ähnelte eher einem Wettervorhersager. Anstatt harte Linien zu ziehen, nutzte er Mathematik, um die Wahrscheinlichkeit zu berechnen, dass ein Ort an einem bestimmten Punkt liegt. Er betrachtete jeden Hinweis als eine „Stimme“. Eine Notiz, die „1 km östlich“ sagte, gab eine starke Stimme für einen Punkt 1 km östlich ab. Eine Notiz, die „in der Nähe“ sagte, gab eine schwächere, breitere Stimme ab. Der Computer addierte alle Stimmen, um den Punkt mit der höchsten Gesamtpunktzahl zu finden.

• Das Ergebnis: Dies war der Champion. Er fand erfolgreich einen Standort für jeden einzelnen Ort. Er war am präzisesten, mit einem Medianfehler von 1,43 km. Das bedeutet, dass der geschätzte Standort in der Hälfte der Fälle innerhalb von 1,43 km des echten Ortes lag. Er lag auch in 36 % der Fälle innerhalb von 1 km der Wahrheit.

3. Der KI-Detektiv (LLM-Methode)
Diese Methode nutzte ein Large Language Model (ein fortgeschrittenes KI-Modell) und fütterte es mit dem Rohtext der Notizen und den Koordinaten, mit der Aufforderung, es „herauszufinden“. Die KI musste die Hinweise lesen, die Beziehungen verstehen (wie „nördlich von“ oder „nahe“) und die mentale Mathematik betreiben, um den Punkt zu erraten. Die Forscher baten die KI sogar, ihre Argumentation zu erklären, was ihr überraschenderweise half, besser zu werden.

• Das Ergebnis: Die KI war ein starker Kontender. Sie fand Standorte für alle Orte und hatte einen sehr niedrigen Durchschnittsfehler, was darauf hindeutete, dass sie selten riesige, absurde Fehler machte. Sie war jedoch nicht so präzise wie der Mathematiker. Ihr Medianfehler betrug 1,80 km, und sie lag nur in 31 % der Fälle innerhalb von 1 km der Wahrheit.

Was die Hinweise uns verraten

Die Studie fand einige interessante Muster darüber, wie diese Methoden mit verschiedenen Arten von Hinweisen umgehen.

• Distanz spielt eine Rolle: Wenn eine Notiz „1 km nördlich“ sagte, machten alle Methoden bessere Ergebnisse. Die Entfernung bot einen festen Anker.
• Richtung allein ist schwierig: Wenn eine Notiz nur „Norden“ ohne eine Entfernung angab, hatte der Mathematiker etwas mehr Mühe, da „Norden“ alles bedeuten konnte, von wenigen Metern bis hin zu hunderten von Kilometern. Die KI war jedoch überraschend gut darin, die richtige Entfernung auch ohne Zahl zu erraten, indem sie wahrscheinlich auf ihr Training zurückgriff, wie Menschen Dinge normalerweise beschreiben.
• Das „Nähe“-Problem: Der häufigste Hinweis war einfach „in der Nähe“. Das ist vage. Der Mathematiker handhabte dies gut, indem er „in der Nähe“ als einen unscharfen Kreis um das Belegexemplar behandelte. Die KI war ebenfalls gut, verließ sich aber manchmal auf ihr eigenes internes Wissen darüber, wie die Welt funktioniert, was ein zweischneidiges Schwert ist (sie könnte durch Glück richtig raten oder aufgrund einer schlechten Annahme falsch liegen).

Das Urteil

Die Arbeit kommt zu dem Schluss, dass KI zwar unglaublich intelligent und flexibel ist, aber die traditionelle mathematische Modellierung (die probabilistische Methode) immer noch der König der Präzision ist, wenn man einen spezifischen Punkt am Boden finden muss. Die KI ist großartig darin, eine gute Vermutung anzustellen und ihr Denken zu erklären, aber wenn man den präzisesten Standort benötigt, gewinnt der mathematische Ansatz.

Die Forscher betonen vorsichtig, dass dies keine magische Lösung ist, die alles behebt. Die Methoden funktionieren am besten, wenn es mehrere Hinweise gibt (mindestens drei Notizen, die denselben Ort erwähnen) und wenn die Koordinaten der Belegexemplare genau sind. Sie merken auch an, dass ihr Test auf einem „Pseudo-Datensatz“ durchgeführt wurde, bei dem sie die Antworten im Voraus kannten, um ihre Arbeit zu überprüfen, sodass die Anwendung in der realen Welt andere Herausforderungen mit sich bringen könnte.

Letztendlich beweist diese Studie, dass wir alte, unordentliche Feldnotizen nicht wegwerfen müssen, nur weil sie Orte erwähnen, die nicht auf modernen Karten stehen. Indem wir diese Aufzeichnungen als ein Netzwerk von Hinweisen behandeln, können wir diese „Geisterorte“ wieder zum Leben erwecken, die Lücken in unseren digitalen Karten füllen und die geografische Geschichte unserer Welt bewahren. Wenn Sie das nächste Mal eine Notiz sehen, die besagt „gefunden in der Nähe der alten Mühle“, werden Sie wissen, dass wir mit genügend anderen Notizen wahrscheinlich genau finden können, wo diese Mühle einst stand.