近日，团队研究生尹文萍和刘子琦作为主要作者在校期间完成的论文“SAGINGeo: A Space-Aerial-Ground Integrated Framework for VGI Geolocalization in Multi-Disaster Scenarios”发表于中科院二区期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》。该研究面向多灾种场景下的志愿者地理信息定位问题，提出了空天地一体化跨视角地理定位框架SAGINGeo，并构建了融合VGI、街景、无人机和遥感影像的多视角灾害数据集。该研究在其导师薛勇教授（国际欧亚科学院院士、国际宇航科学院院士）的指导下，由团队联合其他学者共同完成。

志愿者地理信息（VGI）能够为灾害管理提供重要的地理空间线索。然而，现有地理定位方法往往忽视空天地一体化多视角信息的潜力，通常将街景图像（SVI）作为地面视角，未能充分利用更能反映真实环境状况的VGI数据。本文提出SAGINGeo，一种跨视角地理定位框架，通过引入全景街景图像和无人机（UAV）图像作为VGI与遥感图像（RSI）之间的中间视角，提升VGI地理定位性能。该框架采用基于ViT的统一多视角训练方案，联合建模空间、空中和地面视角的空间信息，以学习共享特征表示，并可选择性地采用锚点引导的重排序策略，根据语义相似性进一步优化检索结果。为评估该框架，我们构建了SAGINDisaster数据集，这是首个融合VGI、SVI、UAV和RSI的多灾种跨视角数据集，涵盖四类灾害，共包含2080组数据、118560幅图像和2080段模拟无人机视频。实验结果表明，无论是否采用重排序策略，SAGINGeo均持续优于基线方法。在每组仅使用一幅信息量较高的SVI图像和一幅UAV图像，并采用8:2数据划分的情况下，SAGINGeo在Recall@1、Recall@5、Recall@10和Recall@1%指标上分别达到48.56%、78.85%、87.26%和76.20%。

论文链接：

https://ieeexplore.ieee.org/document/11603959