Det är ofta ett svårt beslut för en kommun att ur ett ekonomiskt perspektiv bestämma om gamla skolor ska renoveras eller om det ska byggas nya. Om kommunen väljer att bygga en ny skola är det många olika kriterier och intressen som ska beaktas. Utbildning är även en mänsklig rättighet och det är av stor vikt att alla barn har tillgång till grundskoleutbildning. Därför är placeringen av skolan ett av de viktigaste besluten en myndighet ska fatta. Geografisk informationsteknik (GIT) är ett snabbt, behändigt och ekonomiskt verktyg för att analysera den variation av problem som kan uppstå inom samhällsplanering. GIT kan även hantera stora mängder av rumsliga och attributdata som är hämtade från flera olika källor. Kombinationen av geografiska informationssystem (GIS) med multikriterieanalyser (MKA) används ofta för att lösa problem inom flera olika områden. Denna studie har som mål att lokalisera en plats i Mora tätort där det är lämpligt att uppföra en högstadieskola. Studien strävar efter att exemplifiera hur MKA kan användas av kommuner för att lokalisera lämpliga områden för nya skolor inom småstäder. För att kunna genomföra studien har intervjuer med lärare och en sakkunnig genomförts för att få olika synvinklar på rangordningen av för studien relevanta kriterier. Detta har sedan legat som grund för viktningen av samtliga faktorkartor för att kunna identifiera vilka som har en större eller mindre betydelse för skolans plats i staden. Resultatet från intervjuerna och MKA visar att de tillfrågade generellt ger demografiska förhållanden en stor betydelse och samtidigt ger jordarter samt marklutning en lägre prioritering. Vad gäller övriga kriterier varierar prioriteringen mellan respondenterna, men resultatet från MKA utpekar trots meningsskiljaktigheterna ut samma område som det mest lämpliga för en högstadieskola. Förutom den mest lämpliga platsen presenteras även två alternativa lokaliseringar för en ny skola i varje resultatkarta. Den ena alternativa platsen lokaliseras till samma område oavsett individuell viktning, det andra alternativet lokaliseras till olika platser beroende på vilken viktning som använts i MKA. En känslighetsanalys har genomförts i studien för att undersöka om resultatet kan anses vara robust. Detta har genomförts genom att invertera vikterna som inhämtats från intervjuerna och sedan genomföra ytterligare MKA. Känslighetsanalysen visade att resultatet är robust eftersom områdena med högsta värdet i resultat kartan även har högsta värdena i känslighetsanalysen. / It is common that municipalities find it difficult to decide if an old school should be renovated or if it is more economically sustainable to build a new school. If the municipality decides to build a new school, several different criteria and interests must be considered. Education is a human right and children's access to primary education is very important. Therefore, the decision of where to locate a school is one of the most important decisions authorities can make. Geographical information technology (GIT) is a fast, convenient and economical tool that can be used to analyse a variation of different problems that may occur in spatial planning. GIT can store great numbers of spatial and attribute data that are collected from different sources. The combination of geographical information systems (GIS) and multi-criteria decision analysis (MCDA) is often used to solve different kind’s problems that occur in many fields. GIS-based MCDA can be applied to the planning of garbage disposal and transports. The aim of this study is to locate an area within the urbanarea of Mora that is suita- ble for a new school. The study strives to set an example of how MCDA can be used by municipalities to find suitable locations for schools in a small city. To implement this study interviews with teachers and an expert was performed. This resulted in different perspectives on the ranking of relevant criteria. The answers from the interviews have then been used to the weighting of every factor map to identify which should have a greater or less importance for the school's location in the city. The result from the interviews and MCDA shows that generally the respondents give the demographical relations a great importance meanwhile soils and ground elevation usually receive a lesser importance. The priority of the other factors differed between the respondents, but the resulting MCDA still identifies the same area as most suitable for a new school. Also, two alternative localizations were located and presented. The first alternative location was located to the same area even though the weights were different. But the second alternative was located to different areas depending on which weights that were used in the MCDA. A sensitivity analysis was performed in the study to test if the results are robust. This is done by inverting the weights that was obtained from the interviews and doing another MCDA. The sensitivity analysis showed that the result was robust because the same areas as in the main result is presented as appropriate.

Klimatförändringarna och den globala uppvärmningen är ett faktum som kan leda till kraftigare nederbördstillfällen samt öka risken för bland annat översvämningar. Översvämningsrelaterade katastrofer har under de senaste 20 åren ökat och översvämningsrelaterade händelser står för 44 procent av världens naturkatastrofer. Samtidigt ökar tillväxten av många städer och samhällen vilket sätter större krav på beslutsfattare och kommuner att välja lämpliga platser för exploatering. Syftet med studien är att undersöka hur en GIS-baserad multikriterieanalys kan användas för att identifiera översvämningsrisker samt hur karteringen över översvämningsrisker vidare kan användas för att identifiera lämpliga platser för bostadsexploatering. Studien utfördes genom att intervjua översvämningsexperter och samhällsplanerare, samt genom att använda geografiska informationssystems (GIS)-baserade metoder såsom Multikriterieanalys (MKA), Analytisk hieratisk process (AHP) och känslighetsanalys. Intervjuerna gav värdefulla synpunkter på kriterier, rangordning och viktning. Resultaten av översvmningsriskkarteringen visar de områden som har mycket hög till mycket låg risk att exponeras för en översvämning. För att identifiera lämpliga platser för bostadsutveckling användes översvämningsriskkarteringen som ett kriterium tillsammans med andra viktiga komponenter såsom fysiska och sociala faktorer. Resultaten visar att den lämpligaste platsen är lokaliserad i den sydvästra delen av Näringen och har en storlek på 25 737 kvadratmeter (kvm). Den känslighetsanalys som utfördes i studien, genom att ändra rangordningen på kategorierna (översvämningsrisk, fysiska- och sociala faktorer), visade det att den största förändringen skedde när de sociala faktorerna fick en hög rangordning och vikt. Diskussionen och slutsatsen visar hur bland annat valet av kriterier och intervjupersoner kan påverka resultatet och att det finns många osäkerheter med att använda MKA. Resultatet av en MKA bör därför utvärderas om det ska vara möjligt att avgöra om bostäder kan exploateras på Näringen. / Climate change and global warming are some causes that can lead to heavier precipitation and increased risk of floods. Flood-related disasters have increased over the past 20 years and 44 percent of the world's natural disasters are due to flood-related events. At the same time, the growth is increasing in many of the world's cities and communities, which places greater demands on decision-makers and municipalities to choose suitable places for exploitation. The purpose of the study is to investigate how a GIS-based multi-criteria analysis can be used to identify flood risks and how the mapping of flood risks can be used further to identify suitable sites for housing development. The study was conducted by interviewing flood experts and urban planners and implementing Geographic Information Systems (GIS)-based method such as Multi-criteria Analysis (MCA), Analytical Hierarchy Process (AHP) and Sensitivity Analysis to produce the results. The respondents provided valuable views on the criteria, ranking and weighting of criteria. The results of the flood hazard map show the areas that are at high and low risk of being flooded. In finding suitable sites for housing development, the flood hazard map was used as an input together with other important components such physical and social factors. The results show that the most suitable place is in the southwestern part of Näringen, which has a size of 25 737 m2. In the sensitivity analysis that was performed where ranking of the categories was changed (flood risk, physical and social factors), it showed that the biggest change took place when the social factors received high ranking and weight. The discussion and conclusion show how the choice of criteria, weighting and interviews can affect the results and the many uncertainties with using MCA. The results of an MCA should therefore be evaluated if it is to be possible to decide whether housing can be exploited on Näringen.

This study aims to explore the ability of a multi-criteria decision making with analytical hierarchy process (MCDM-AHP) model to emulate the results of a cost benefit analysis (CBA) model in the context of offshore wind farm siting within the Swedish exclusive economic zone (EEZ). The research question addressed is whether the MCDM-AHP analysis produces similar results to the CBA analysis. In addition to this, the strengths and weaknesses of each model is explored. The MCDM-AHP model employs the spatial criteria in a more basic manner compared to the CBA model, simplifying the evaluation process while still explaining 89.5% of the variation in the CBA model and defining similar areas as suitable. Thus, it can be concluded that the MCDM-AHP model adequately emulates the CBA model within the context of offshore wind farm siting within the Swedish EEZ. However, it is crucial to note that the two models produce outputs on different scales. While the CBA model provides levelized cost of energy (LCOE) values that can be thresholded for investment viability comparisons, the suitability score generated by the MCDM-AHP model remains a relative and arbitrary score within the model. Both models entail uncertainties, limiting their usage beyond making general assumptions or identifying areas of interest. The findings reveal that the CBA model demonstrates greater robustness when confronted with changes in spatial input parameters compared to the MCDM-AHP model. This discrepancy is attributed to the iterative computation process and consideration of flat cost inputs in the CBA model, whereas the MCDM-AHP model represents a linear combination of various spatial parameters. However, the calculated LCOE values in the CBA model are highly sensitive to changes in modeling assumptions regarding external parameters, resulting in significant linear variations. The LCOE values obtained from the CBA model baseline case fall within a range of 52.1 - 98.9 EUR/MWh, which aligns with similar studies, validating the CBA model. Nonetheless, caution should be exercised when considering these results as an accurate representation of the real world due to inherent uncertainties in cost inputs and the LCOE measure. The strengths of the MCDM-AHP model lie in its robustness when the order of relative importance remains stable for key spatial evaluators. It is sensitive to significant changes in water depth and wind speed, which heavily influence its output. The model's simplicity allows for a quick overview of the problem, but it requires assumptions that introduce uncertainties. Validation of the MCDM-AHP model using existing and planned offshore wind farms within the Swedish EEZ was possible but limited by the arbitrary scale and limited validation areas. The comparison between the two models could be enhanced with more comprehensive spatial and economic data for an in-depth CBA model, which could serve as a ground truth for the MCDM-AHP model. Nevertheless, the comparison made in this study considers the CBA model to be closer to the truth, acknowledging the underlying assumptions that should be considered during evaluation. In conclusion, within the context of offshore wind farm siting, the MCDM-AHP model produces outputs that are similar to the CBA model.