Syftet med denna studie har varit att utvärdera hur upplösningen på höjdmodellen inverkade på brandriskkartor som togs fram genom multikriterieanalys (MKA) och vilka upplösningar på höjdmodellen som gav bäst avvägning mellan tidsåtgång och tillförlitliga resultat. Studien avgränsades till ett område runt Kårböle, Gävleborgs län. Valet av kriterier baserades på vilka faktorer tidigare studier har använt för att skapa brandriskkartor genom MKA. För viktning av faktorerna användes analytisk hierarkisk process. Viktningen baserades på studier som genomförts i områden med liknande klimat. För att hitta svagheter i viktningen genomfördes känslighetsanalysen One-Factor-At-A-Time. En höjdmodell med 2 m upplösning omsamplades till upplösningar på 20, 50, 150 och 300 m. Det skapades därefter fem olika brandriskkartor baserade på dessa upplösningar genom MKA och tidsåtgången för att skapa varje karta noterades. För att utvärdera hur tillförlitliga dessa kartor är validerades dem genom FA-statistik där referensbranden var en tidigare skogsbrand som brunnit i området. Resultatet av känslighetsanalysen visade att vegetationstyp och närhet till bebyggelse var de två känsligaste faktorerna. Detta kan ha berott på svagheter i viktningen. Förändringar av dessa vikter gjorde dock ingen skillnad för var de högsta cellvärdena uppstod, vilket indikerade att viktningen var robust. Valideringen gav olika resultat beroende på vilken ekvation som användes, men F2U gav en medelmåttig korrelation med referensbranden, vilket är ett acceptabelt värde. Det fanns endast marginella skillnader i hur väl de olika brandriskkartorna korrelerade med referensbranden. Tidsmässigt var 2 m upplösning långsammare än övriga upplösningar medan de övriga upplösningarna hade liknande tidsåtgång. Slutsatserna av denna studie var att höjdmodellens upplösning endast har marginella effekter på hur tillförlitliga brandriskkartorna blir. Tidsmässigt var det ingen skillnad mellan de olika upplösningarna, med undantag för 2 m upplösning som var betydligt långsammare än övriga. För brandriskkartering genom multikriterieanalys rekommenderas det att använda en upplösning på 20 eller 50 m på höjdmodellen enligt resultaten av denna studie.

Software testing is an essential part of any development, ensuring the validity and verification of projects. As the usage and footprint of JavaScript expand, new testing frameworks in its community have made statements about being the best overall solution using minimal intervention from developers. The statements from these frameworks about being the greatest can make it difficult for JavaScript beginners to pick a framework that could affect current and future projects. By comparing different types of frameworks and establishing a guideline for others to do the same, it becomes easier for beginners and others to choose a framework according to their own required needs. The overall method uses Mario Bunge’s scientific method via stages, which helps validate the thesis as scientific. Research, empirical data from a qualitative, and objective data from a survey decide the criteria, their priority (to determine their impact and hierarchy), what frameworks to include, and how to compare them. The frameworks Jest, AVA, and Node TAP are compared based on the main criteria of simplicity, documentation, features, and their sub-criteria. Evaluating the frameworks and ranking their performance in each criterion was done through an experiment conducted on a pre-made website without any testing included. The analytic hierarchy process is the primary method used to combine the information gathered and output a result. It makes it possible to create a priority hierarchy for each criterion and subsequently makes it possible to evaluate the choices available on their fulfillment of those criteria. One of these choices will eventually be an overall more suitable fit as the optimal framework for the research question. Combining the survey and experiment data into the analytic hierarchy process revealed that Jest fit the previous criteria better than AVA and Node TAP because of Jest’s better learning curve and Stack overflow presence. AVA was just behind in those areas, while Node TAP had a poor fit for all sub-criteria compared to the other two. AVA’s almost similar evaluation to Jest shows how the open-source community and small development teams can keep up with solutions from big corporations. / Programvarutestning är en viktig del av all utveckling, för att säkerställa giltigheten och verifieringen av projekt. Tack vare JavaScripts expandering och användning, så har nya testramverk dykt upp som anser sig vara den bästa lösningen för utvecklare. Dessa påståenden kan göra det svårt för nybörjare inom JavaScript-utveckling att bestämma sig för vilket ramverk de borde använda, vilket kan påverka deras arbete och framtida projekt. Genom att jämföra dessa ramverk och etablera riktlinjer för andra nybörjare, blir det simpelt för olika demografiska grupper att välja rätt testramverk enligt deras egna åsikter. Den övergripande metoden använder Mario Bunges vetenskapliga metod, vilken använder flera steg för att omvandla hypotesen inom arbetet till en vetenskaplig rapport. Forskning och empirisk information från kvalitativa undersökningar, samt objektiva insamlingar från undersökningar, har använts för att bestämma enligt vilka kriterier dessa ramverk ska jämföras, vilken prioritering dessa kriterier har för nybörjare, vilka testramverk som ska användas och hur ramverken ska jämföras. Testramverken Jest, AVA och Node TAP har jämförts baserat på huvudkriterierna enkelhet, dokumentation och funktionalitet, dessa kriterier innehåller även underkriterier. Evalueringen av dessa ramverk och deras grad av prestanda inom dessa kriterier gjordes genom experimentellt utförande och användning inom en förhandsgjord hemsida utan någon form av testning inkluderad. Den analytiska hierarkiska processen var den primära metoden som användes för att kombinera den insamlade informationen till ett slutgiltigt resultat. Detta för att en prioriteringshierarki kan skapas för all kriterier, och gör det även möjligt att evaluera all ramverk inom dessa kriterier. Ett av dessa ramverk kommer eventuellt beräknas som det bästa alternativet, och på så sätt hjälpa besvara huvudfrågan. Kombinationen av resultaten från undersökningen och experimenten gav att Jest passar bäst till nybörjare, baserat på kriterierna och deras prioriteringsrang, detta tack vare att Jest har bättre inlärningskurva och Stack Overflow-närvaro jämfört med AVA och Node TAP. AVA ligger precis efter inom dessa kriterier, medan Node TAP har betydligt sämre prestanda inom alla kriterier. AVA:s närliggande kapacitet till Jest bevisar att mindre grupper av utvecklare kan komma upp med bra lösningar precis som större företag.