Propõe-se, nesta tese, o desenvolvimento de uma nova ferramenta baseada em conjuntos fuzzy gerais do tipo-2 para aplicação em processos de classificação digital de dados. O problema de classificação a ser considerado está relacionado à identificação de regiões de floresta em imagens de satélite com o objetivo de auxiliar em tarefas de monitoramento florestal. O classificador digital desenvolvido utiliza um mecanismo de inferência denominado de "inferência escalonada fuzzy geral do tipo-2" para classificar os pixels das imagens de satélite de acordo com sua cobertura vegetal. Tal classificador é inovador pois, além de utilizar conjuntos fuzzy tipo-2 gerais, pode utilizar tanto uma base de regras específica quanto uma base genérica (ambas de forma hierárquica) para reclassificar pontos que, do contrário, permaneceriam sem classificação. Isto permite a obtenção de uma base de regras compacta (composta de poucas regras). A justificativa para o uso de sistemas de inferência do tipo-2 é que estes, apesar do custo computacional maior, apresentam desempenho superior aos sistemas do tipo-1 equivalentes. Os testes realizados mostram que, de fato, o sistema proposto é melhor do que o classificador fuzzy convencional usualmente empregado em aplicações semelhantes e possui desempenho comparável ao classificador estatístico da máxima verossimilhança, sendo uma alternativa viável ao último. / This work proposes the development of a new tool based on general type-2 fuzzy sets to be applied to digital classification of data. The classification problem considered here regards the identification of areas of forest in satellite images. The goal is to assist users in tasks related to monitoring forest. The developed digital classifier employs an inference mechanism called "general type-2 scaled inference" to classify pixels in images according to their vegetation cover. Such classifier is innovative because, besides using general type-2 fuzzy sets, it can use specific and generic rules base (both in a hierarchical way) to reclassify pixels that remain unclassified. Such hierarquical reclassification leads to a compact rule base (with few rules). The reason why one should use type-2 fuzzy inference is that they present better performance than their type-1 counterparts, in spite of their bigger computational cost. The carried out tests showed, for sure, that the proposed system is better than the conventional fuzzy classifier usually employed in similar applications and its performance is comparable to the statistical likelihood classifier, proving to be an alternative choice to this last one.