Achieving land degradation neutrality (LDN) has been proposed as a way to stem the loss of land resources globally. To date, LDN operationalization at the country level has remained a challenge both from a policy and science perspective. Using an approach incorporating cloud‐based geospatial computing with machine learning, national level datasets of land cover, land productivity dynamics, and soil organic carbon stocks were developed. Using the example of Botswana, LDN and proportion of degraded land were assessed. Between 2000 and 2015, grassland lost approximately 17% of its original extent, the highest level of loss for any land category; land productivity decline was highest in artificial surface areas (11%), whereas 36% of croplands show early signs of decline. With the use of national metrics (NM), degraded areas were found to be 32.6% compared to 51.4% of the total land area when global default datasets (DD) were used. Estimates of degraded land computed with NM and DD were validated in Palapye, an agro‐pastoral region in eastern Botswana, where Composite Land Degradation Index (CLDI) field‐based data exists. Comparing land degradation (LD) in the three datasets (NM, DD, and CLDI), NM estimates were closest to the field data. The extra efforts put into developing national level data for LD assessment in this study is, thus, well‐justified. Beyond demonstrating remote sensing viability for LD assessment, the study developed procedures for generating and validating national level datasets. Using these procedures, LD monitoring will be enhanced in Botswana and elsewhere since these remote sensing datasets can be updated using freely available satellite datasets.

中文翻译：

---

使用基于遥感的国家一级指标评估联合国关于博茨瓦纳土地退化中性和退化土地比例的指标

提出了实现土地退化中立性（LDN）作为阻止全球土地资源流失的一种方法。迄今为止，从政策和科学的角度来看，LDN在国家一级的运营仍然是一个挑战。通过将基于云的地理空间计算与机器学习相结合的方法，开发了国家级的土地覆盖，土地生产力动态和土壤有机碳储量数据集。以博茨瓦纳为例，评估了土地退化零增长和退化土地的比例。在2000年至2015年期间，草原损失了其原始范围的大约17％，是所有土地类别中损失最高的水平；土地生产力的下降在人工表层地区最高（11％），而36％的耕地则显示出下降的早期迹象。使用国家指标（NM），发现退化地区为32个。使用全球默认数据集（DD）时，该比例为6％，而总土地面积为51.4％。通过NM和DD计算得到的退化土地的估计值已在博茨瓦纳东部的一个农业牧草区Palapye进行了验证，该土地上存在基于综合土地退化指数（CLDI）的数据。比较三个数据集（NM，DD和CLDI）的土地退化（LD），NM估计值最接近实地数据。因此，在本研究中为开发国家级数据进行LD评估而付出的额外努力是合理的。除了展示用于LD评估的遥感可行性外，该研究还开发了用于生成和验证国家级数据集的程序。使用这些程序，由于可以使用免费提供的卫星数据集更新这些遥感数据集，因此将在博茨瓦纳和其他地方加强LD监测。使用全球默认数据集（DD）时，占土地总面积的4％。通过NM和DD计算得到的退化土地的估计值已在博茨瓦纳东部的一个农业牧草区Palapye进行了验证，该土地上存在基于综合土地退化指数（CLDI）的数据。比较三个数据集（NM，DD和CLDI）的土地退化（LD），NM估计值最接近实地数据。因此，在本研究中为开发国家级数据进行LD评估而付出的额外努力是合理的。除了展示用于LD评估的遥感可行性外，该研究还开发了用于生成和验证国家级数据集的程序。使用这些程序，由于可以使用免费提供的卫星数据集更新这些遥感数据集，因此将在博茨瓦纳和其他地方加强LD监测。使用全球默认数据集（DD）时，占土地总面积的4％。通过NM和DD计算得到的退化土地的估计值已在博茨瓦纳东部的一个农业牧草区Palapye进行了验证，该土地上存在基于综合土地退化指数（CLDI）的数据。比较三个数据集（NM，DD和CLDI）的土地退化（LD），NM估计值最接近实地数据。因此，在本研究中为开发国家级数据进行LD评估而付出的额外努力是合理的。除了展示用于LD评估的遥感可行性外，该研究还开发了用于生成和验证国家级数据集的程序。使用这些程序，由于可以使用免费提供的卫星数据集更新这些遥感数据集，因此将在博茨瓦纳和其他地方加强LD监测。