論文の概要: Terrain signatures in Welsh settlement names
- arxiv url: http://arxiv.org/abs/2608.26978v1
- Date: Thu, 27 Aug 2026 11:24:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.370588
- Title: Terrain signatures in Welsh settlement names
- Title（参考訳）: ウェールズの居留地名におけるテランの署名
- Abstract要約: 3,757のウェールズ人入植地を,凍結したソース監査24要素語彙の枠組みを用いて分析した。
高地名は2kmの周囲に比べて24.4m高い位置を占めていた。
地理的に保持された平均2乗誤差を4.63%削減した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Landscapes are named, but whether names retain measurable environmental information beyond broad geographic structure is rarely tested. We analysed 3,757 Welsh settlements using a frozen, source-audited 24-element lexical framework, preregistered outcome-specific models and geographically structured validation. The central comparison contrasted 101 settlements carrying high-terrain elements (\textit{bryn} or \textit{mynydd}) with 139 carrying low-terrain elements (\textit{cwm} or \textit{pant}). High-terrain names occupied locations 24.4 m higher relative to their 2-km surroundings (95\% CI, 10.8--38.1 m; Holm-adjusted $p$ = 0.00137). The association remained positive across prespecified 1-, 2- and 5-km neighbourhood definitions and was reproduced using an independently produced elevation source (24.1 m; 95\% CI, 10.6--37.6 m). Adding terrain-name polarity to a non-lexical spatial and settlement baseline reduced geographically held-out mean squared error by 4.63\%, 6.22\% and 7.30\% under 10-, 25- and 50-km spatial blocking, respectively, although improvement varied among held-out regions. River-related names provided weaker, directionally consistent evidence, while the preregistered woodland model was non-estimable. Residual spatial structure, unresolved name language and the absence of independent external replication limit interpretation. Selected Welsh settlement-name categories therefore retain measurable information about present-day terrain within Wales, without establishing individual etymology, causal naming, historical environmental memory or transferability to other naming systems.
- Abstract（参考訳）: ランドスケープは命名されているが、広い地理的構造を超えた測定可能な環境情報を保持しているかどうかはほとんどテストされていない。
我々は,凍結した24要素語彙フレームワーク,事前登録された結果固有モデル,地理的に構造化された検証を用いて,3,757のウェールズ人居住地を分析した。
中心的な比較では、高terrain 要素 (\textit{bryn} または \textit{mynydd}) を持つ 101 と低terrain 要素 (\textit{cwm} または \textit{pant}) を持つ 139 とを比較した。
高地の地名は、2kmの周囲よりも24.4m高い場所(95\% CI、10.8-38.1m、ホルム調整された$p$ = 0.00137)を占めていた。
この協会は1-, 2-, 5-kmの事前定義で肯定的であり、独立した標高源(24.1 m; 95\% CI, 10.6--37.6 m)を用いて再現された。
地理的に有意な2乗誤差を4.63\%, 6.22\%, 7.30\%, 10-, 25-, 50-kmの空間的ブロッキングでは, 地形名極性が低下した。
河川に関する名称は、より弱く、方向整合性のある証拠を提供し、事前登録された森林モデルは推定不可能であった。
残留空間構造、未解決名前言語、独立した外部複製制限解釈がない。
選択されたウェールズの集落名カテゴリーは、個々の語源、因果名、歴史的環境記憶、または他の命名システムへの移動可能性を確立することなく、ウェールズ内の現在の地形に関する測定可能な情報を保持している。
関連論文リスト
- Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。
主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。
SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
論文 参考訳（メタデータ） (2026-09-05T03:11:01Z) - TEMPLAR Wales: A georeferenced environmental and toponymic dataset of Welsh settlements [0.0]
TEMPLAR ウェールズ (TEMPLAR Wales) は、ウェールズ全土で3,757件の入植記録を持つ地球環境トポニーミーデータセットである。
この資源は再現可能な定住枠と決定論的語彙スクリーニングと居住レベルの環境特性を結びつけている。
1,294の集落にまたがる1,350の語彙検出が含まれており、ウェールズの地名24の凍った登録簿から生成された。
論文 参考訳（メタデータ） (2026-08-27T11:14:57Z) - Georeferencing Non-Gazetteered Place Names using Biological Specimen Records [1.9911463513783276]
ニュージーランドのAllan Herbarium(英語版)のデジタルデータを用いて、非ガゼッタ地名(NGP)を識別する。
これらの地名は歴史的、垂直的、あるいは口語的であり、収集時の標本の位置を示すランドマークとして使用された。
異なる検体位置と空間的関係の異なる検体記録間で同じ地名の繰り返し発生を利用して,NGP位置の制約を導出する。
論文 参考訳（メタデータ） (2026-08-07T07:15:38Z) - Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。
衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
論文 参考訳（メタデータ） (2026-07-08T18:14:24Z) - Unintended Effects of Geographic Conditioning in Large Language Models [11.644241437138339]
地理的に中立なユーザプロンプトを受け取っているにもかかわらず、モデルが地理的参照を生成する現象である位置情報リークを評価する。
クリエイティブな書き込みとオープンなQ&Aプロンプトの両方で、最先端のLLMでさえ、ロケーションメタデータに晒された場合の地域固有のアウトプットを体系的に好んでいる。
注入された位置をプレースホルダー「未知」に置き換えることで,ベースラインの最大72倍のリークが増大する。
論文 参考訳（メタデータ） (2026-06-16T16:23:36Z) - Plan2Map: A Multimodal Benchmark for Document-Grounded Geospatial Boundary Reconstruction from Planning Records [47.07029078506607]
Plan2Mapは、イギリスの計画記録から文書化された地理空間境界再構築のための208ケースのベンチマークである。
提案するGeoPlanAgentは,そのタスクをエビデンス抽出,ローカライゼーション,マップ登録,境界セグメンテーション,プロジェクション,検証に分解する。
Plan2Mapでは、GeoPlanAgentが0.736の平均IoUと0.904中央IoUを達成した。
論文 参考訳（メタデータ） (2026-06-01T18:12:16Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - Region Matters: Efficient and Reliable Region-Aware Visual Place Recognition [46.97190804063947]
本稿では,ロバストな識別領域モデリングと適応的再ランク付けを組み合わせたFoL++を提案する。
FoL++は、軽量なメモリフットプリントで最先端のパフォーマンスを実現し、FoLよりも推論速度を40%向上させる。
論文 参考訳（メタデータ） (2026-04-24T09:28:35Z) - Physically Interpretable AlphaEarth Foundation Model Embeddings Enable LLM-Based Land Surface Intelligence [0.0]
環境変数26に対して,Google AlphaEarthの64次元埋め込みを包括的に解析する。
次に、FAISSによる1210万ベクトルの埋め込みデータベース上での検索拡張生成を実装するランドサーフェスインテリジェンスシステムを開発した。
論文 参考訳（メタデータ） (2026-02-10T22:58:50Z) - Utilizing Earth Foundation Models to Enhance the Simulation Performance of Hydrological Models with AlphaEarth Embeddings [48.54230513143053]
本研究は,AlphaEarth Foundationの埋設物が,流域特性を説明するためのより有益な方法であるかどうかを考察する。
トレーニングに使用しない流域内の流れを予測した場合, 精度の高いモデルが得られた。
論文 参考訳（メタデータ） (2026-01-04T15:14:16Z) - Benchmarking Large Language Models for Geolocating Colonial Virginia Land Grants [0.0]
バージニアの17世紀から18世紀の土地特許は、主に物語のメッツ・アンド・バウンドの記述として残っている。
本研究では、これらの散文を地理的に正確な緯度・経度座標に変換する際に、現在世代の大言語モデル(LLM)を体系的に評価する。
論文 参考訳（メタデータ） (2025-07-27T21:49:58Z) - Distortions in Judged Spatial Relations in Large Language Models [45.875801135769585]
GPT-4は55%の精度で優れた性能を示し、GPT-3.5は47%、Llama-2は45%であった。
モデルは、ほとんどの場合において最も近い基数方向を同定し、その連想学習機構を反映した。
論文 参考訳（メタデータ） (2024-01-08T20:08:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。