Torrecillas Lozano, CristinaRamos Sánchez, Francisco JesúsMartínez Gómez, Natalia2025-10-202025-10-202025Martínez Gómez, N. (2025). Uso de la IA en la actualización del estado de edificaciones aisladas incluidas en el Nomenclátor Geográfico de Andalucía. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/177830El Nomenclátor Geográfico de Andalucía (NGA) es una base de datos toponímica que recoge más de 245.000 entidades geográficas del territorio andaluz. En los últimos años, un estudio ha evidenciado que muchas edificaciones rurales aisladas han experimentado un deterioro progresivo en su uso, siendo abandonadas, demolidas o sustituidas por otras con denominaciones distintas, sin que estos cambios se reflejen de forma ágil y precisa en el campo relativo al estatus del inmueble en el registro. En un contexto de creciente integración entre inteligencia artificial (IA) y Sistemas de Información Geográfica (SIG), este estudio propone una metodología innovadora para optimizar los procesos de actualización del NGA mediante automatización inteligente. La investigación se ha desarrollado en dos fases: una prueba piloto sobre una muestra de 285 edificaciones rurales registradas en el NGA, y una validación sobre una muestra independiente de 959 entidades. Como datos de entrada se han empleado ortofotografías aéreas del Plan Nacional de Ortofotografía Aérea (PNOA) y la información alfanumérica del propio NGA. La metodología se ha implementado en entornos SIG mediante automatización de tareas en Python asistida por IA. Se han aplicado tres enfoques diferenciados, dos basados en IA, y otro convencional: i) análisis de imágenes mediante modelos de lenguaje de gran tamaño (LLMs); ii) detección de huellas de edificación mediante modelos de aprendizaje profundo preentrenados; y iii) geoprocesamiento SIG sobre información catastral. Los resultados, evaluados según la tasa de acierto y la desviación estándar por categorías, muestran un rendimiento significativamente superior de los métodos basados en IA frente a las técnicas tradicionales. El análisis multicriterio y la validación sobre una muestra independiente confirman la eficacia de la combinación de enfoques, con tasas de acierto por categoría superiores al 93,2%, una desviación estándar del 2,7% y una tasa global de acierto del 97,8%. Estos resultados refuerzan el potencial de la IA para desarrollar soluciones más escalables y transferibles a otros contextos del NGA.The Andalusian Geographical Gazetteer (NGA) is a toponymic database comprising over 245,000 geographic entities across the Andalusian territory. In recent years, a study has revealed that many isolated rural buildings have undergone progressive degradation in their use, being abandoned, demolished, or replaced by others with different names, without these changes being promptly or accurately reflected in the database field corresponding to the building’s status. In a context of increasing integration between Artificial Intelligence (AI) and Geographic Information Systems (GIS), this study proposes an innovative methodology to optimize NGA update processes through intelligent automation. The research was conducted in two phases: a pilot test involving a sample of 285 rural buildings registered in the NGA, and a validation stage using an independent sample of 959 entities. Input data included aerial orthophotographs from the Spanish National Aerial Orthophotography Plan (PNOA) and the alphanumeric information stored in the NGA. The proposed methodology was implemented in GIS environments through task automation in Python, supported by AI. Three distinct approaches were applied, two AI-based and one conventional: i) image analysis using Large Language Models (LLMs); ii) detection of building footprints using pretrained deep learning models; and iii) GIS-based geoprocessing of cadastral information. The results, assessed by accuracy rate and standard deviation across categories, demonstrate a significantly superior performance of AI-based methods over traditional techniques. Multicriteria analysis and validation on an independent dataset confirm the effectiveness of the combined approaches, achieving category-wise accuracy rates above 93.2%, a standard deviation of 2.7%, and an overall accuracy rate of 97.8%. These findings reinforce the potential of AI to deliver more scalable and transferable solutions to support NGA updates in other contexts.application/pdf80 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Nomenclátor geográficoactualización cartográficaIALLMdetección de huellas edificadasGeographical Gazetteercartographic updateAIbuilding footprint detectioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess