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 Xi موثر در بیابانی شدن را بر Xk آزمون شده است. با استفاده از یک انتگرال چند بعدی برنامه مقایسات زوجی شاخص ها به گونه ای که به گزینه Xi رتبه پایین تری از Xk تعلق گیرد در محیط جاوا (JAVA) 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.
