Successful engraftment is highly dependent on the quality and quantity of stem cells and nucleated cells in cord blood. Storage of umbilical cord blood is expensive and it will be very useful if factors that influence cell count and viability could be identified to aid in the decision to process and store cord blood collections for the ultimate aim of successful engraftment. This study determined the standards for laboratory parameters of haematopoietic potential, such as collection volume, post processing volume, CD34+/45+ cell counts and viability of stem cells and leukocytes and cell ratios for the cord blood bank. In this research we determined whether maternal age and infant gender have an effect on laboratory parameters. We studied the effect of 4°C and room temperature (RT) as well as the period of storage on the same laboratory parameters. The quality and recovery of stem cells and leukocytes after laboratory manipulation was determined. Established standards for leukocyte count, stem cell count and collection volume compare well with other international UCB banks. Maternal age and infant gender have no influence on laboratory parameters and could therefore not be used as a measure of cell quantity and quality prior to processing. Cell count and cell viability of stem cells is not significantly influenced by 4°C or RT temperature or 24h and 48h storage. Leukocyte cell count and viability is not affected by storage temperature, but increased storage periods showed high levels of leukocyte cell count deterioration and decreased leukocyte cell viability. Processing of UCB causes significant cell loss in stem cells and leukocytes. Processing or no processing of UCB has showed no affect on the viability of stem cells stored at different storage periods and temperature. Temperature has no affect on leukocyte cell counts and viability of either processed or unprocessed leukocytes but increased storage periods dramatically decrease leukocyte count and viability. The information generated by this study will assist in the process of optimizing the storage of UCB. Copyright / Dissertation (MSc)--University of Pretoria, 2010. / Immunology / unrestricted

Cette thèse étudie les techniques de gestion intelligente du spectre et de topologie des réseaux via une approche radio intelligente dans le but d’améliorer leur capacité, leur qualité de service (QoS – Quality of Service) et leur consommation énergétique. Les techniques d’apprentissage par renforcement y sont utilisées dans le but d’améliorer les performances d’un système radio intelligent. Dans ce manuscrit, nous traitons du problème d’accès opportuniste au spectre dans le cas de réseaux intelligents sans infrastructure. Nous nous plaçons dans le cas où aucune information n’est échangée entre les utilisateurs secondaires (pour éviter les surcoûts en transmissions). Ce problème particulier est modélisé par une approche dite de bandits manchots « restless » markoviens multi-utilisateurs (multi-user restless Markov MAB -multi¬armed bandit). La contribution principale de cette thèse propose une stratégie d’apprentissage multi-joueurs qui prend en compte non seulement le critère de disponibilité des canaux (comme déjà étudié dans la littérature et une thèse précédente au laboratoire), mais aussi une métrique de qualité, comme par exemple le niveau d’interférence mesuré (sensing) dans un canal (perturbations issues des canaux adjacents ou de signaux distants). Nous prouvons que notre stratégie, RQoS-UCB distribuée (distributed restless QoS-UCB – Upper Confidence Bound), est quasi optimale car on obtient des performances au moins d’ordre logarithmique sur son regret. En outre, nous montrons par des simulations que les performances du système intelligent proposé sont améliorées significativement par l’utilisation de la solution d’apprentissage proposée permettant à l’utilisateur secondaire d’identifier plus efficacement les ressources fréquentielles les plus disponibles et de meilleure qualité. Cette thèse propose également un nouveau modèle d’apprentissage par renforcement combiné à un transfert de connaissance afin d’améliorer l’efficacité énergétique (EE) des réseaux cellulaires hétérogènes. Nous formulons et résolvons un problème de maximisation de l’EE pour le cas de stations de base (BS – Base Stations) dynamiquement éteintes et allumées (ON-OFF). Ce problème d’optimisation combinatoire peut aussi être modélisé par des bandits manchots « restless » markoviens. Par ailleurs, une gestion dynamique de la topologie des réseaux hétérogènes, utilisant l’algorithme RQoS-UCB, est proposée pour contrôler intelligemment le mode de fonctionnement ON-OFF des BS, dans un contexte de trafic et d’étude de capacité multi-cellulaires. Enfin une méthode incluant le transfert de connaissance « transfer RQoS-UCB » est proposée et validée par des simulations, pour pallier les pertes de récompense initiales et accélérer le processus d’apprentissage, grâce à la connaissance acquise à d’autres périodes temporelles correspondantes à la période courante (même heure de la journée la veille, ou même jour de la semaine par exemple). La solution proposée de gestion dynamique du mode ON-OFF des BS permet de diminuer le nombre de BS actives tout en garantissant une QoS adéquate en atténuant les fluctuations de la QoS lors des variations du trafic et en améliorant les conditions au démarrage de l’apprentissage. Ainsi, l’efficacité énergétique est grandement améliorée. Enfin des démonstrateurs en conditions radio réelles ont été développés pour valider les solutions d’apprentissage étudiées. Les algorithmes ont également été confrontés à des bases de données de mesures effectuées par un partenaire dans la gamme de fréquence HF, pour des liaisons transhorizon. Les résultats confirment la pertinence des solutions d’apprentissage proposées, aussi bien en termes d’optimisation de l’utilisation du spectre fréquentiel, qu’en termes d’efficacité énergétique. / Future cellular network technologies are targeted at delivering self-organizable and ultra-high capacity networks, while reducing their energy consumption. This thesis studies intelligent spectrum and topology management through cognitive radio techniques to improve the capacity density and Quality of Service (QoS) as well as to reduce the cooperation overhead and energy consumption. This thesis investigates how reinforcement learning can be used to improve the performance of a cognitive radio system. In this dissertation, we deal with the problem of opportunistic spectrum access in infrastructureless cognitive networks. We assume that there is no information exchange between users, and they have no knowledge of channel statistics and other user's actions. This particular problem is designed as multi-user restless Markov multi-armed bandit framework, in which multiple users collect a priori unknown reward by selecting a channel. The main contribution of the dissertation is to propose a learning policy for distributed users, that takes into account not only the availability criterion of a band but also a quality metric linked to the interference power from the neighboring cells experienced on the sensed band. We also prove that the policy, named distributed restless QoS-UCB (RQoS-UCB), achieves at most logarithmic order regret. Moreover, numerical studies show that the performance of the cognitive radio system can be significantly enhanced by utilizing proposed learning policies since the cognitive devices are able to identify the appropriate resources more efficiently. This dissertation also introduces a reinforcement learning and transfer learning frameworks to improve the energy efficiency (EE) of the heterogeneous cellular network. Specifically, we formulate and solve an energy efficiency maximization problem pertaining to dynamic base stations (BS) switching operation, which is identified as a combinatorial learning problem, with restless Markov multi-armed bandit framework. Furthermore, a dynamic topology management using the previously defined algorithm, RQoS-UCB, is introduced to intelligently control the working modes of BSs, based on traffic load and capacity in multiple cells. Moreover, to cope with initial reward loss and to speed up the learning process, a transfer RQoS-UCB policy, which benefits from the transferred knowledge observed in historical periods, is proposed and provably converges. Then, proposed dynamic BS switching operation is demonstrated to reduce the number of activated BSs while maintaining an adequate QoS. Extensive numerical simulations demonstrate that the transfer learning significantly reduces the QoS fluctuation during traffic variation, and it also contributes to a performance jump-start and presents significant EE improvement under various practical traffic load profiles. Finally, a proof-of-concept is developed to verify the performance of proposed learning policies on a real radio environment and real measurement database of HF band. Results show that proposed multi-armed bandit learning policies using dual criterion (e.g. availability and quality) optimization for opportunistic spectrum access is not only superior in terms of spectrum utilization but also energy efficient.

General Game Playing (GGP) deals with the design of players that are able to play any discrete, deterministic, complete information games. For many games like chess, designers develop a player using a specially designed algorithm and tune all the features of the algorithm to play the game as good as possible. However, a general game player knows nothing about the game that is about to be played. When the game begins, game description is given to the players and they should analyze it and decide on the best way to play the game. In this thesis, we focus on two-player constant-sum simultaneous move games in GGP and how this class of games can be handled. Rock-paper-scissors can be considered as a typical example of a simultaneous move game. We introduce the CFR algorithm to the GGP community for the first time and show its effectiveness in playing simultaneous move games. This is the first implementation of CFR outside the poker world. We also improve the UCT algorithm, which is the state of the art in GGP, to be more robust in simultaneous move games. In addition, we analyze how UCT performs in simultaneous move games and argue that it does not converge to a Nash equilibrium. We also compare the usage of UCT and CFR in this class of games. Finally, we discuss about the importance of opponent modeling and how a model of the opponent can be exploited by using CFR.

Cette thèse traite des domaines suivant en Apprentissage Automatique: la théorie des Bandits, l'Apprentissage statistique et l'Apprentissage par renforcement. Son fil rouge est l'étude de plusieurs notions d'adaptation, d'un point de vue non asymptotique : à un environnement ou à un adversaire dans la partie I, à la structure d'un signal dans la partie II, à la structure de récompenses ou à un modèle des états du monde dans la partie III. Tout d'abord nous dérivons une analyse non asymptotique d'un algorithme de bandit à plusieurs bras utilisant la divergence de Kullback-Leibler. Celle-ci permet d'atteindre, dans le cas de distributions à support fini, la borne inférieure de performance asymptotique dépendante des distributions de probabilité connue pour ce problème. Puis, pour un bandit avec un adversaire possiblement adaptatif, nous introduisons des modèles dépendants de l'histoire et traduisant une possible faiblesse de l'adversaire et montrons comment en tirer parti pour concevoir des algorithmes adaptatifs à cette faiblesse. Nous contribuons au problème de la régression en montrant l'utilité des projections aléatoires, à la fois sur le plan théorique et pratique, lorsque l'espace d'hypothèses considéré est de dimension grande, voire infinie. Nous utilisons également des opérateurs d'échantillonnage aléatoires dans le cadre de la reconstruction parcimonieuse lorsque la base est loin d'être orthogonale. Enfin, nous combinons la partie I et II : pour fournir une analyse non-asymptotique d'algorithmes d'apprentissage par renforcement; puis, en amont du cadre des Processus Décisionnel de Markov, pour discuter du problème pratique du choix d'un bon modèle d'états.

No description available.

Cette thèse étudie les techniques de gestion intelligente du spectre et de topologie des réseaux via une approche radio intelligente dans le but d’améliorer leur capacité, leur qualité de service (QoS – Quality of Service) et leur consommation énergétique. Les techniques d’apprentissage par renforcement y sont utilisées dans le but d’améliorer les performances d’un système radio intelligent. Dans ce manuscrit, nous traitons du problème d’accès opportuniste au spectre dans le cas de réseaux intelligents sans infrastructure. Nous nous plaçons dans le cas où aucune information n’est échangée entre les utilisateurs secondaires (pour éviter les surcoûts en transmissions). Ce problème particulier est modélisé par une approche dite de bandits manchots « restless » markoviens multi-utilisateurs (multi-user restless Markov MAB -multi¬armed bandit). La contribution principale de cette thèse propose une stratégie d’apprentissage multi-joueurs qui prend en compte non seulement le critère de disponibilité des canaux (comme déjà étudié dans la littérature et une thèse précédente au laboratoire), mais aussi une métrique de qualité, comme par exemple le niveau d’interférence mesuré (sensing) dans un canal (perturbations issues des canaux adjacents ou de signaux distants). Nous prouvons que notre stratégie, RQoS-UCB distribuée (distributed restless QoS-UCB – Upper Confidence Bound), est quasi optimale car on obtient des performances au moins d’ordre logarithmique sur son regret. En outre, nous montrons par des simulations que les performances du système intelligent proposé sont améliorées significativement par l’utilisation de la solution d’apprentissage proposée permettant à l’utilisateur secondaire d’identifier plus efficacement les ressources fréquentielles les plus disponibles et de meilleure qualité. Cette thèse propose également un nouveau modèle d’apprentissage par renforcement combiné à un transfert de connaissance afin d’améliorer l’efficacité énergétique (EE) des réseaux cellulaires hétérogènes. Nous formulons et résolvons un problème de maximisation de l’EE pour le cas de stations de base (BS – Base Stations) dynamiquement éteintes et allumées (ON-OFF). Ce problème d’optimisation combinatoire peut aussi être modélisé par des bandits manchots « restless » markoviens. Par ailleurs, une gestion dynamique de la topologie des réseaux hétérogènes, utilisant l’algorithme RQoS-UCB, est proposée pour contrôler intelligemment le mode de fonctionnement ON-OFF des BS, dans un contexte de trafic et d’étude de capacité multi-cellulaires. Enfin une méthode incluant le transfert de connaissance « transfer RQoS-UCB » est proposée et validée par des simulations, pour pallier les pertes de récompense initiales et accélérer le processus d’apprentissage, grâce à la connaissance acquise à d’autres périodes temporelles correspondantes à la période courante (même heure de la journée la veille, ou même jour de la semaine par exemple). La solution proposée de gestion dynamique du mode ON-OFF des BS permet de diminuer le nombre de BS actives tout en garantissant une QoS adéquate en atténuant les fluctuations de la QoS lors des variations du trafic et en améliorant les conditions au démarrage de l’apprentissage. Ainsi, l’efficacité énergétique est grandement améliorée. Enfin des démonstrateurs en conditions radio réelles ont été développés pour valider les solutions d’apprentissage étudiées. Les algorithmes ont également été confrontés à des bases de données de mesures effectuées par un partenaire dans la gamme de fréquence HF, pour des liaisons transhorizon. Les résultats confirment la pertinence des solutions d’apprentissage proposées, aussi bien en termes d’optimisation de l’utilisation du spectre fréquentiel, qu’en termes d’efficacité énergétique. / Future cellular network technologies are targeted at delivering self-organizable and ultra-high capacity networks, while reducing their energy consumption. This thesis studies intelligent spectrum and topology management through cognitive radio techniques to improve the capacity density and Quality of Service (QoS) as well as to reduce the cooperation overhead and energy consumption. This thesis investigates how reinforcement learning can be used to improve the performance of a cognitive radio system. In this dissertation, we deal with the problem of opportunistic spectrum access in infrastructureless cognitive networks. We assume that there is no information exchange between users, and they have no knowledge of channel statistics and other user's actions. This particular problem is designed as multi-user restless Markov multi-armed bandit framework, in which multiple users collect a priori unknown reward by selecting a channel. The main contribution of the dissertation is to propose a learning policy for distributed users, that takes into account not only the availability criterion of a band but also a quality metric linked to the interference power from the neighboring cells experienced on the sensed band. We also prove that the policy, named distributed restless QoS-UCB (RQoS-UCB), achieves at most logarithmic order regret. Moreover, numerical studies show that the performance of the cognitive radio system can be significantly enhanced by utilizing proposed learning policies since the cognitive devices are able to identify the appropriate resources more efficiently. This dissertation also introduces a reinforcement learning and transfer learning frameworks to improve the energy efficiency (EE) of the heterogeneous cellular network. Specifically, we formulate and solve an energy efficiency maximization problem pertaining to dynamic base stations (BS) switching operation, which is identified as a combinatorial learning problem, with restless Markov multi-armed bandit framework. Furthermore, a dynamic topology management using the previously defined algorithm, RQoS-UCB, is introduced to intelligently control the working modes of BSs, based on traffic load and capacity in multiple cells. Moreover, to cope with initial reward loss and to speed up the learning process, a transfer RQoS-UCB policy, which benefits from the transferred knowledge observed in historical periods, is proposed and provably converges. Then, proposed dynamic BS switching operation is demonstrated to reduce the number of activated BSs while maintaining an adequate QoS. Extensive numerical simulations demonstrate that the transfer learning significantly reduces the QoS fluctuation during traffic variation, and it also contributes to a performance jump-start and presents significant EE improvement under various practical traffic load profiles. Finally, a proof-of-concept is developed to verify the performance of proposed learning policies on a real radio environment and real measurement database of HF band. Results show that proposed multi-armed bandit learning policies using dual criterion (e.g. availability and quality) optimization for opportunistic spectrum access is not only superior in terms of spectrum utilization but also energy efficient.

No description available.

A Bacia do Alto rio Coxim (BAC) tem uma área de aproximadamente 1.375 km² distribuídos na porção norte do Estado de Mato Grosso do Sul em parte dos municípios de São Gabriel do Oeste-MS e Camapuã-MS. O rio Coxim está instalado na Bacia Sedimentar do Paraná, porém pertence à Bacia Hidrográfica do Alto Rio Paraguai. O objetivo desta pesquisa foi propor um modelo de ordenamento físicoterritorial para a BAC, por meio da elaboração de um zoneamento ambiental, utilizando dados de sensoriamento remoto e técnicas de geoprocessamento. A base teórico-metodológica constituiu-se na realização de análises integradas do ambiente sob a perspectiva sistêmica do conceito de unidade ecodinâmica. Os dados espaciais utilizados foram organizados em um banco de dados geográfico implementados num Sistema de Informação Geográfica (SIG) composto por cartas topográficas na escala de 1:100.000, imagens dos satélites LANDSAT 5 e 7, imagem do RADAR interferométrico SRTM, mapas temáticos pré-existentes e dados de campo. A geração do modelo de ordenamento físico-territorial da BAC passou pela elaboração do mapeamento do relevo, potencial natural à erosão, fragilidade ambiental, legislação ambiental e avaliação das transformações no uso da terra e cobertura vegetal durante os anos de 1966, 1986 e 2006. Os resultados indicaram uma expressiva relação entre as formas de relevo e seus respectivos usos: agricultura mecanizada na Chapada de São Gabriel e o desenvolvimento da pecuária nos morros e colinas do Planalto do Taquari. As áreas de maior degradação ambiental foram identificadas no baixo curso associadas à atividade pecuária que corresponde à porção mapeada como de maior potencial à erosão e elevada fragilidade ambiental. O mapeamento da legislação ambiental apresentou um elevado índice de incompatibilidade entre o uso da terra e a legislação ambiental vigente, agravada, principalmente na década de 1980. Foram identificadas quatro zonas ambientais: a) Zona de Restrições Legais; b) Zona Produtiva Rural; c) Zona Urbana; e, d) Zona de Incongruências. As diretrizes estabelecidas pelo modelo de ordenamento territorial propostas foram: a) Áreas prioritárias à preservação permanente (manutenção da vegetação natural e das áreas de preservação permanente); b) Área prioritária à recuperação e preservação (nas zonas de incongruências executar o reflorestamento com espécies nativas do cerrado); e, c) Áreas destinadas ao uso sustentável (destinação à exploração agrícola, agropecuária e agroflorestal ou silvicultura). / The upper Coxim River Basin (UCB) has an area of approximately 1375 km² distributed in the northern portion of Mato Grosso do Sul in São Gabriel do Oeste-MS and Camapuã-MS cities. The Coxim River is inserted in the Paraná River Sedimentary Basin, but it belongs to the Upper Paraguay River Basin. The main goal of this research is to propose a model of physical-territorial management for the UCB through the preparation of an environmental zoning using remote sensing and geoprocessing techniques. The theoretical and methodological basis consisted of environmental integrated analyses starting from the systemic perspective of the concept ecodynamics unities. Spatial data used were arranged in a database implemented in a Geographic Information System (GIS). It consists in topographic maps at 1:100.000 scale, satellite images, Landsat 5 and 7, SRTM interferometric radar image, thematic maps existing and field data. The generation of the of physicalterritorial management model was carried out considering preparation of UCB relief mapping, potential natural erosion, environmental fragility, environmental legislation and evaluation of land-use and land-cover changes during the years 1966, 1986 and 2006. Results indicated a significant relationship between landforms and their uses: mechanized agriculture in the Chapada of the São Gabriel and livestock development on the Plateau Taquari hills. The major areas of environmental degradation were identified in the lower course associated with livestock activity mapped as the highest potential erosion and high fragility area. The mapping of environmental legislation presented strong incompatibility between land use and environmental regulations especially aggravated in the 1980s. We identified four environmental areas: a) Area of Legal Restrictions, b) Productive Rural Area, c) urban area, and d) Zone of incongruities. The guidelines set out by the type of land use proposals were: a) Priority areas for permanent preservation (maintenance of natural vegetation and permanent preservation areas), b) priority area for rehabilitation and preservation (in areas of inconsistencies run the reforestation with native species savanna), c) Areas for sustainable use (allocation of farming, agriculture and agroforestry or forestry).

Nous nous intéressons à la sélection de modèle en apprentissage automatique, sous deux angles différents. La première partie de la thèse concerne les méthodes à noyau relationnel. Les méthodes à noyau permettent en principe de s'affranchir de la représentation des instances, et de combler le fossé entre apprentissage relationnel et apprentissage propositionnel. Cette thèse s'intéresse à la faisabilité de cet objectif dans un cas particulier : les problèmes à instances multiples, qui sont considérés comme un intermédiaire entre les problèmes propositionnels et les problèmes relationnels. Concrètement, nous déterminons sous quelles conditions le noyau-somme, utilisé sur des problèmes à instances multiples, est en mesure de reconstruire le concept-cible. Cette étude suit le schéma standard des études de transition de phase et s'appuie sur un critère nouveau pour caractériser l'efficacité de la propositionnalisation induite par le noyau-somme. La deuxième partie de la thèse porte sur la sélection d'attributs. Une solution pour résoudre les problèmes à instances multiples, tels que présentés en première partie, passe par une propositionnalisation associant un attribut à chaque instance présente dans le problème. Le nombre d'attributs ainsi construits étant gigantesque, il est alors nécessaire de sélectionner un sous-ensemble d'attributs ne contenant que des attributs pertinents. La deuxième partie de la thèse propose donc une nouvelle approche pour la sélection d'attributs. La sélection d'attributs est réécrite comme un problème d'apprentissage par renforcement, conduisant ainsi à une politique de sélection optimale mais non-calculable en un temps raisonnable. Cette politique est approchée en se fondant sur une approche de jeu à un joueur et en utilisant la méthode Monte-Carlo pour les arbres UCT (Upper Confidence bound applied to Trees), qui a été proposée par Kocsis et Szepesvari (2006). L'algorithme FUSE (Feature Uct SElection) étend UCT pour gérer (1) l'horizon fini mais inconnu, et (2) le facteur de branchement élevé de l'arbre de recherche reflétant la taille de l'ensemble d'attributs. Finalement, une fonction de récompense frugale est proposée en tant qu'estimation grossière mais non-biaisée de la pertinence d'un sous-ensemble d'attributs. Une preuve de concept de FUSE est fournie sur des bases de données de référence.

A Bacia do Alto rio Coxim (BAC) tem uma área de aproximadamente 1.375 km² distribuídos na porção norte do Estado de Mato Grosso do Sul em parte dos municípios de São Gabriel do Oeste-MS e Camapuã-MS. O rio Coxim está instalado na Bacia Sedimentar do Paraná, porém pertence à Bacia Hidrográfica do Alto Rio Paraguai. O objetivo desta pesquisa foi propor um modelo de ordenamento físicoterritorial para a BAC, por meio da elaboração de um zoneamento ambiental, utilizando dados de sensoriamento remoto e técnicas de geoprocessamento. A base teórico-metodológica constituiu-se na realização de análises integradas do ambiente sob a perspectiva sistêmica do conceito de unidade ecodinâmica. Os dados espaciais utilizados foram organizados em um banco de dados geográfico implementados num Sistema de Informação Geográfica (SIG) composto por cartas topográficas na escala de 1:100.000, imagens dos satélites LANDSAT 5 e 7, imagem do RADAR interferométrico SRTM, mapas temáticos pré-existentes e dados de campo. A geração do modelo de ordenamento físico-territorial da BAC passou pela elaboração do mapeamento do relevo, potencial natural à erosão, fragilidade ambiental, legislação ambiental e avaliação das transformações no uso da terra e cobertura vegetal durante os anos de 1966, 1986 e 2006. Os resultados indicaram uma expressiva relação entre as formas de relevo e seus respectivos usos: agricultura mecanizada na Chapada de São Gabriel e o desenvolvimento da pecuária nos morros e colinas do Planalto do Taquari. As áreas de maior degradação ambiental foram identificadas no baixo curso associadas à atividade pecuária que corresponde à porção mapeada como de maior potencial à erosão e elevada fragilidade ambiental. O mapeamento da legislação ambiental apresentou um elevado índice de incompatibilidade entre o uso da terra e a legislação ambiental vigente, agravada, principalmente na década de 1980. Foram identificadas quatro zonas ambientais: a) Zona de Restrições Legais; b) Zona Produtiva Rural; c) Zona Urbana; e, d) Zona de Incongruências. As diretrizes estabelecidas pelo modelo de ordenamento territorial propostas foram: a) Áreas prioritárias à preservação permanente (manutenção da vegetação natural e das áreas de preservação permanente); b) Área prioritária à recuperação e preservação (nas zonas de incongruências executar o reflorestamento com espécies nativas do cerrado); e, c) Áreas destinadas ao uso sustentável (destinação à exploração agrícola, agropecuária e agroflorestal ou silvicultura). / The upper Coxim River Basin (UCB) has an area of approximately 1375 km² distributed in the northern portion of Mato Grosso do Sul in São Gabriel do Oeste-MS and Camapuã-MS cities. The Coxim River is inserted in the Paraná River Sedimentary Basin, but it belongs to the Upper Paraguay River Basin. The main goal of this research is to propose a model of physical-territorial management for the UCB through the preparation of an environmental zoning using remote sensing and geoprocessing techniques. The theoretical and methodological basis consisted of environmental integrated analyses starting from the systemic perspective of the concept ecodynamics unities. Spatial data used were arranged in a database implemented in a Geographic Information System (GIS). It consists in topographic maps at 1:100.000 scale, satellite images, Landsat 5 and 7, SRTM interferometric radar image, thematic maps existing and field data. The generation of the of physicalterritorial management model was carried out considering preparation of UCB relief mapping, potential natural erosion, environmental fragility, environmental legislation and evaluation of land-use and land-cover changes during the years 1966, 1986 and 2006. Results indicated a significant relationship between landforms and their uses: mechanized agriculture in the Chapada of the São Gabriel and livestock development on the Plateau Taquari hills. The major areas of environmental degradation were identified in the lower course associated with livestock activity mapped as the highest potential erosion and high fragility area. The mapping of environmental legislation presented strong incompatibility between land use and environmental regulations especially aggravated in the 1980s. We identified four environmental areas: a) Area of Legal Restrictions, b) Productive Rural Area, c) urban area, and d) Zone of incongruities. The guidelines set out by the type of land use proposals were: a) Priority areas for permanent preservation (maintenance of natural vegetation and permanent preservation areas), b) priority area for rehabilitation and preservation (in areas of inconsistencies run the reforestation with native species savanna), c) Areas for sustainable use (allocation of farming, agriculture and agroforestry or forestry).