fa استفاده از روابط مونت کارلو در کاهش عدم اطمینان مقایسات زوجی شاخص های بیابان زایی تخصصی Special پژوهشی اصیل Original Research <div style="text-align: justify;"><span style="font-family:b nazanin;">روش های مونت کارلو یک طبقه از الگوریتم های محاسبه گر می باشند که برای محاسبه نتایج خود بر نمونه گیری های تکرار شونده تصادفی اتکاء می کنند. روش های مونت کارلو برای شبیه سازی پدیده هایی که عدم قطعیت زیادی در ورودی های آنها وجود دارد مفید هستند. هدف از این مطالعه، بررسی عدم اطمینان حاصل از قضاوت ها و عناصر ماتریس تصمیم در ارزیابی شاخص های موثر در بیابان زایی می باشد. به منظور کاهش عدم اطمینان در ماتریس مقایسات زوجی غیر دقیق از شبیه سازی و تکرارهای مونت کارلو بهره گرفته شد. در این مقاله عدم اطمینان ناشی از اطلاعات تصمیم گیرندگان و داده ها و عناصری که محیط تصمیم در اختیار تصمیم گیرنده می گذارد بررسی شده است. در این پژوهش با تکیه بر محاسبات و تکرارهای تصادفی مونت کارلو، برتری گزینه</span><span dir="LTR"> Xi </span><span style="font-family:b nazanin;">موثر در بیابانی شدن را بر</span><span dir="LTR"> Xk </span><span style="font-family:b nazanin;">آزمون شده است. با استفاده از یک انتگرال چند بعدی برنامه مقایسات زوجی شاخص ها به گونه ای که به گزینه</span><span dir="LTR"> Xi </span><span style="font-family:b nazanin;">رتبه پایین تری از</span><span dir="LTR"> Xk </span><span style="font-family:b nazanin;">تعلق گیرد در محیط جاوا</span><span dir="LTR"> (JAVA) </span><span style="font-family:b nazanin;">نوشته و تکرارهای مونت کارلو برای ارزش ها انجام یافت. نتایج شبیه سازی مونت کارلو بازگوکننده آن بود که با افزایش تعداد تکرارهای شبیه سازی، وزن نسبی گزینه های تصمیم به حالت ثبات و پایایی می رسد. نتایج شبیه سازی نشان داد که شاخص های فرسایش بادی، فرسایش آبی، تغییرات کاربری اراضی، کاهش تاج پوشش، کاهش بیومس و تولید، تراکم بالای چرا (چرای بیش از حد)، کاهش کیفیت مراتع (از بین رفتن مراتع خوب) و توسعه اراضی زیر کشت مهم ترین عوامل در بیابانی شدن اراضی ایران می باشند</span><span dir="LTR">.&nbsp;</span></div> <div style="text-align: justify;">Monte Carlo methods designed base on stochastic reiterations and can be useful in uncertainty conditions. The purpose of this research was investigation of uncertainty to rank desertification indicators. In order to decrease uncertainty have been applied Monte Carlo reiterations for each value of indicator<span dir="RTL">، </span>if rank of Xi is higher than rank of Xk constantly. Using multi dimension integrals the Monte Carlo program was run on JAVA environment. The results of simulation indicated that with increasing Monte Carlo reiterations the standard deviation of alternatives was decreasing. Also results showed that wind erosion<span dir="RTL">، </span>water erosion<span dir="RTL">، </span>land use alterations<span dir="RTL">، </span>biomass loss<span dir="RTL">، </span>canopy decreasing<span dir="RTL">، </span>grazing density and loss of rangelands quality were main indicators affecting desertification process.</div> مونت کارلو, عدم قطعیت, شاخص های بیابان زایی, شاخص مقایسه زوجی Monte Carlo, Uncertainty, Desertification Indicators, Pair wise index 83 94 http://georesearch.ir/browse.php?a_code=A-10-398-22&slc_lang=fa&sid=1 Adel Sepehr عادل سپهر adelsepehr@um.ac.ir 10031947532846002342 10031947532846002342 Yes Ferdowsi University of Mashhad, Faculty of Natural and Environmental Sciences دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد