Identifiering av optimala platser för återvinningscentral med hjälp av multikriterieanalys och fjärranalys

Sammanfattning: Folk tenderar att flytta till urbana områden för att studera, hitta jobb och få bättre möjligheter. Befolkningen i stora städer har ökat mycket och det kommer även att öka ännu mer. Därför är stadsplanering eller samhällsplanering viktigt och ett av de viktigaste områdena är avfallshantering där avfall från hushåll hanteras. För att bygga avfallshanteringsanläggning som återvinningscentraler behöver man planera noga och miljötänkande är viktigt. För att kunna lokalisera optimala ställen behöver man GIS-teknik. Med hjälp av den tekniken finns det möjlighet att göra analys och även skapa kartor som kan till exempel ingå i översiktsplanen och detaljplanen. Platsbestäm-ningen är det viktigaste att ta fram i planeringsstadiet innan man kan börja med andra processer därför att felplacering kan orsaka problem som miljö, säkerhetspro-blem för invånare och ekonomisk förlust för myndigheten eller staten för justeringar och omplaceringar. I dagsläget finns det inte så mycket tekniska lösningar som skulle underlätta för platsbestämningen.I utvecklingsländer saknas fungerande avfallshantering och många slänger skräp över-allt. Därför har studien mest fokus på utvecklingsländer där återvinningscentraler behöver byggas. Syfte med arbetet är att hitta optimala platser för en återvinnings-central med GIS- lösningar.I studien utfördes fjärranalys och multikriterieanalys för att hitta de optimala plat-serna för återvinningscentraler. Övervakad klassificering användes för extrahering av klasser. Data från Open Street Map hämtades för komplettering av data för saknade faktorer. AHP-metoden utfördes för att vikta faktorerna. Metoden weighted linear combination användes för beräkning av slutresultat. Arbetet gav positivt resultat och lösningen kommer att vara användbar för framtagande av detaljplan och översikts-plan för en återvinningscentral. Metoden kommer att vara användbart vilket är må-let för det här arbetet dock behövs bättre data och mer analys av faktorer.