A carência de dados de solos estimulou o desenvolvimento de técnicas de modelagem digital para estimar classes ou propriedades dos solos. Este trabalho compara quatro algoritmos de aprendizagem de máquina, três redes neurais (Fuzzy ARTMap, SOM e MLP) e uma árvore de decisão (Gini), na predição de ordens de solos no Vale dos Vinhedos, Rio Grande do Sul, Brasil. O material utilizado inclui um Modelo Numérico do Terreno (MNT) com resolução de 5 metros, uma base cartográfica digital em escala 1:5.000, um mapa convencional detalhado de solos e o software de Sistema de Informação Geográfica (SIG) Idrisi. A partir do MNT e da base foram calculadas sete variáveis topográficas e hidrológicas, cujos valores e a ordem de solo foram lidos em pontos aleatoriamente distribuídos com cinco densidades de amostragem: 0,5, 1, 1,5, 2 e 4 pontos.ha-1. Os dados obtidos nos pontos foram empregados para treinar os algoritmos e classificar as ordens de solos no restante da área de estudo. A avaliação de acurácia foi realizada através de matriz de erros, exatidão geral e índice Kappa, tomando o mapa convencional como referência. A árvore de decisão obteve melhor exatidão geral (71%) e índice Kappa (0,58), com 2 pontos.ha-1, e apresentou menor sensibilidade à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1 ponto.ha-1. A rede neural MLP alcançou desempenho próximo à árvore de decisão, mas foi mais sensível à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1,5 pontos.ha-1. A árvore de decisão Gini e a rede neural MLP mostraram potencial para a predição de ordens de solos em escala de detalhe. / The lack of spatial soil data has stimulated the development of modeling techniques for predicting soil classes or soils properties. This work compares four machine learning algorithms, three neural networks (Fuzzy ARTMap, SOM, and MLP) and a decision tree (Gini), to predict soil classes in the State Rio Grande do Sul, Brazil. A digital elevation model (DEM) with spatial resolution of 5 meters, a digital cartographic base at 1:5,000 scale, and a detailed conventional soil map were used to run the models on Idrisi GIS software. Seven topographic and hydrological variables were derived from the DEM and the cartographic base, and values were read in randomly distributed sampling points with five sampling densities: 0.5, 1, 1.5, 2 and 4 sampling points per hectare. Data read at sample points were used to train the algorithms and to estimate soil classes in the whole study area. Accuracy was evaluated using error matrices, overall accuracy and Kappa Index, using the conventional soil map as reference for comparison. The best overall accuracy (71%) and Kappa Index (0.58) were obtained by the Gini decision tree with sampling density of 2 points per hectare. Decision tree was less sensitive to sampling density, obtaining Kappa Index above 0.5 in all sampling densities equal or higher than 1 point per hectare. Neural network MLP (Multi-layer Perceptron) showed a similar performance, but was more sensitive to sampling density, obtaining Kappa Index above 0.5 only with sampling densities equal or higher than 1.5 points per hectare. Gini decision tree and neural network MLP showed potential to predict soil class at detailed scale.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Filosofia e Ciências Humanas. Programa de Pós-graduação em Sociologia Política / Made available in DSpace on 2012-10-23T02:57:49Z (GMT). No. of bitstreams: 1 242483.pdf: 3128299 bytes, checksum: 7b6ad6fc9e304fbf78b0e578bba03ca9 (MD5) / Esta tese de doutoramento no curso de Sociologia Política da Universidade Federal de Santa Catarina tem como objetivo analisar os fatores favoráveis e os obstáculos à construção de um processo de desenvolvimento territorial sustentável do Vale dos Vinhedos, localizado no Estado do Rio Grande do Sul. Busca-se compreender a trajetória do desenvolvimento da região e as formas das relações entre os diferentes grupos de atores, no que se refere a questões político-institucionais, socioeconômicas, ecológicas e culturais. Como referencial teórico para a análise dos fatores que afetam a busca da sustentabilidade do desenvolvimento foram utilizados conceitos e noções provenientes da ecologia humana, da ecologia política, e da teoria sobre modos de gestão de recursos de uso comum. Essas concepções dão suporte ao ecodesenvolvimento como ideologia científica, em busca do desenvolvimento baseado em princípios como o da equidade social e da prudência ecológica. Concretiza-se o referencial teórico com a perspectiva do desenvolvimento territorial sustentável, como caminho para os desafios socioambientais. A análise da trajetória do desenvolvimento da região e dos conflitos e negociações existentes atualmente, observados através das entrevistas com atores locais, permitiu verificar que, apesar da superação da pobreza rural a partir do fortalecimento da agricultura familiar, a formação de uma nova elite econômica formada pelas famílias proprietárias de vinícolas, oriundas da própria agricultura familiar local, tem estado associada ao enfraquecimento das relações sociais dos demais grupos sociais. As novas relações sociais promovem a redução do papel da vida comunitária na construção do desenvolvimento e da participação desses atores no planejamento e gestão territorial. Os cenários construídos no trabalho apontam para, em se mantendo as estratégias que vêm sendo adotadas nas últimas duas décadas, a perspectiva de consolidação de um desenvolvimento com características territoriais e sustentáveis pouco evidente, ameaçando as conquistas alcançadas até o momento. This Phd dissertation in the Political Sociology course of Santa Catarina Federal University aims to analyze favorable factors and obstacles to the constructions of a sustainable territorial development process of Vale dos Vinhedos. It seeks to comprehend the trajectory of development in the region and the relations between the different groups of actors, concerning political-institutional, socio economical and ecological matters. Concepts and notions proceeding from human ecology, political ecology, and from the theory about means of management of common use resources were used as a theoretical reference for the analysis of factors that affect the search for sustainability of development. These conceptions support eco-development as a scientific ideology, in search of development based on principles such as social equity and ecological prudence. The theoretical reference renders concrete with the perspective of sustainable territorial development, as a way to socio environmental challenges. The analysis of the development trajectory of the conflict area and existing negotiations nowadays, observed through the interviews with local actors, has made it possible to realize that, in spite of the overcoming of rural poverty originated from the strengthening of familiar agriculture, the formation of a new economical elite formed by families that own vineyards, coming from local familiar agriculture itself, has been associated with the weakening of social relations of other social groups. The new social relations promote the reduction of the community life role in the construction of development and participation of these actors in the territorial planning and management. The scenarios built in the work point to the fact that if the strategies that have been adopted in the last two decades are maintained, the perspective of consolidation of a development with very little evident territorial and sustainable characteristics, threaten the achievements reached so far.

O trabalho analisa as mudanças no espaço geográfico da Região Vitivinícola do Vale dos Vinhedos, localizada em parte dos municípios de Bento Gonçalves, Garibaldi e Monte Belo do Sul (RS), relacionadas com a implementação da Indicação Geográfica de Procedência para vinhos da região. As mudanças são consideradas tendo como referência os conceitos de espaço geográfico – território socialmente construído e historicamente localizado - e de região – parte do espaço que contém o todo, e a metodologia derivada destes conceitos. No espaço desta região foram implementadas alterações nos últimos anos relacionadas, sobretudo, a modernização da vitivinicultura pelos produtores locais. A imagem da vitivinicultura tradicional ainda permanece associada à identidade do espaço referida, principalmente, a valores do grupo social de origem italiana. Este espaço moderno/tradicional tem sido utilizado, também, para atrair o enoturista, uma maneira de expandir e consolidar o (re)conhecimento do topônimo Vale dos Vinhedos e o produto a ele associado – o vinho. Porém foi a vitivinicultura moderna que demandou as pesquisas que contribuíram para a implementação da primeira Indicação Geográfica brasileira: a Indicação de Procedência Vale dos Vinhedos. As rugosidades espaciais de tempos passados, o espaço técnicocientífico presente, as novas atividades, entre outros fatores, ao fim e ao cabo têm promovido um certo planejamento territorial regional e um certo desenvolvimento.

A carência de dados de solos estimulou o desenvolvimento de técnicas de modelagem digital para estimar classes ou propriedades dos solos. Este trabalho compara quatro algoritmos de aprendizagem de máquina, três redes neurais (Fuzzy ARTMap, SOM e MLP) e uma árvore de decisão (Gini), na predição de ordens de solos no Vale dos Vinhedos, Rio Grande do Sul, Brasil. O material utilizado inclui um Modelo Numérico do Terreno (MNT) com resolução de 5 metros, uma base cartográfica digital em escala 1:5.000, um mapa convencional detalhado de solos e o software de Sistema de Informação Geográfica (SIG) Idrisi. A partir do MNT e da base foram calculadas sete variáveis topográficas e hidrológicas, cujos valores e a ordem de solo foram lidos em pontos aleatoriamente distribuídos com cinco densidades de amostragem: 0,5, 1, 1,5, 2 e 4 pontos.ha-1. Os dados obtidos nos pontos foram empregados para treinar os algoritmos e classificar as ordens de solos no restante da área de estudo. A avaliação de acurácia foi realizada através de matriz de erros, exatidão geral e índice Kappa, tomando o mapa convencional como referência. A árvore de decisão obteve melhor exatidão geral (71%) e índice Kappa (0,58), com 2 pontos.ha-1, e apresentou menor sensibilidade à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1 ponto.ha-1. A rede neural MLP alcançou desempenho próximo à árvore de decisão, mas foi mais sensível à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1,5 pontos.ha-1. A árvore de decisão Gini e a rede neural MLP mostraram potencial para a predição de ordens de solos em escala de detalhe. / The lack of spatial soil data has stimulated the development of modeling techniques for predicting soil classes or soils properties. This work compares four machine learning algorithms, three neural networks (Fuzzy ARTMap, SOM, and MLP) and a decision tree (Gini), to predict soil classes in the State Rio Grande do Sul, Brazil. A digital elevation model (DEM) with spatial resolution of 5 meters, a digital cartographic base at 1:5,000 scale, and a detailed conventional soil map were used to run the models on Idrisi GIS software. Seven topographic and hydrological variables were derived from the DEM and the cartographic base, and values were read in randomly distributed sampling points with five sampling densities: 0.5, 1, 1.5, 2 and 4 sampling points per hectare. Data read at sample points were used to train the algorithms and to estimate soil classes in the whole study area. Accuracy was evaluated using error matrices, overall accuracy and Kappa Index, using the conventional soil map as reference for comparison. The best overall accuracy (71%) and Kappa Index (0.58) were obtained by the Gini decision tree with sampling density of 2 points per hectare. Decision tree was less sensitive to sampling density, obtaining Kappa Index above 0.5 in all sampling densities equal or higher than 1 point per hectare. Neural network MLP (Multi-layer Perceptron) showed a similar performance, but was more sensitive to sampling density, obtaining Kappa Index above 0.5 only with sampling densities equal or higher than 1.5 points per hectare. Gini decision tree and neural network MLP showed potential to predict soil class at detailed scale.

O Centro Nacional de Pesquisa de Uva e Vinho da Embrapa, cuja sede está em Bento Gonçalves, e em conjunto com outras instituições (Instituto Brasileiro do Vinho, Associação Brasileira de Enologia, e outras) é animador de projetos que visam organizar, otimizar e controlar a qualidade e quantidade da produção de uvas e vinhos no Vale dos Vinhedos, para elaboração de vinhos mais competitivos no mercado nacional e principalmente internacional. O controle da produção de uvas na região tem se mostrado uma tarefa bastante difícil, mesmo com o sistema de cadastro dos produtores e produção desenvolvido para ambiente Web. Para tentar facilitar a manutenção dos dados, é permitido aos próprios proprietários registrarem sua produção, com informações desde a variedade da Vitis spp. cultivada até o volume e destino das mesmas. Freqüentemente isto não tem acontecido, pois os proprietários não informam sua produção ou alterações em suas propriedades para a Embrapa, seja por Internet ou por qualquer outro meio. Outro problema existente é o de mapear as áreas cultivadas. O atual controle dessas áreas é bastante simples, e ainda em grande parte em esboços no papel. Neste trabalho foi desenvolvido um Sistema de Informações Geográficas, integrado ao atual sistema da Embrapa, para que seja possível trabalhar também com dados espaciais. Este SIG traz condições para estruturar o mapeamento digital da região, e possibilita agregar técnicas de Sensoriamento Remoto para a identificação de áreas onde existam vinhedos. As imagens utilizadas foram capturadas pelo sensor ASTER, classificadas pelos métodos de Máxima Verossimilhança Gaussiana e Distância Euclidiana Mínima, onde as bandas espectrais utilizadas na classificação foram selecionadas através de um cálculo do desvio padrão em determinada área das imagens que continha apenas parreiras e outras vegetações, buscando as bandas com maiores variâncias nos valores dos pixels. Os resultados apontam como as melhores classificações dos pixels, para distinguir entre as classes "vegetação" (não incluindo vinhedos) e os "vinhedos" (não incluindo outras vegetações), vêm do classificador de Distância Euclidiana Mínima. A banda espectral 3 (infravermelho próximo) conduz à melhor separação das classes, mesmo se a qualidade do resultado for dependente da época do ano. / The National Center for Research of Grape and Wine, a laboratory of Empresa Brasileira de Pesquisa Agropecuária (Embrapa), based in Bento Gonçalves, Rio Grande do Sul State, Brazil, associated with other institutions (including the Brazilian Institute of the Wine and the Brazilian Association of Enology) is responsible for projects that aim to organize, to optimize and to control the quality and amount of the production of grapes and wines in the Brazilian producing regions, for elaboration of better and more competitive wines in the national and main international markets. The control of the production of grapes in Rio Grande do Sul State is presently made through an inventory of producers and production, developed for Web environment. Updating this database is a lengthy task, and to simplify the process, producers are asked to inform on their vineyards and production through an Internet connection to the inventory. This happens infrequently, and is added to the pressing need of mapping the cultivated areas. The current control of these areas is in fact rudimentary, being still based in sketches on paper. In this work a Geographic Information System (GIS) was developed, integrated to the current system of Embrapa, adding the capability of working with spatial data. The GIS brought structure for the digital mapping of the region, and also include techniques of Remote Sensing that make possible to identify vineyard areas. This study used three images collected by sensor ASTER aboard TERRA satellite, which were classified by the methods of Maximum Likelihood and Minimum Euclidean Distance, where the used spectral bands in the classification had been selected through a calculation of the standard deviation in determined area of the images that contained only vineyards and other vegetations, searching the bands with bigger variances in the values of pixels. Results point that better classifications, to distinguish between classes "Vegetation" (not including vineyards) and "Vineyards" (not including other forms of vegetation), come from the Minimum Euclidean Distance classifier. The spectral band 3 (near infrared) is the one which leads to the best class separation, even if the quality of this result is season-dependent.

O Centro Nacional de Pesquisa de Uva e Vinho da Embrapa, cuja sede está em Bento Gonçalves, e em conjunto com outras instituições (Instituto Brasileiro do Vinho, Associação Brasileira de Enologia, e outras) é animador de projetos que visam organizar, otimizar e controlar a qualidade e quantidade da produção de uvas e vinhos no Vale dos Vinhedos, para elaboração de vinhos mais competitivos no mercado nacional e principalmente internacional. O controle da produção de uvas na região tem se mostrado uma tarefa bastante difícil, mesmo com o sistema de cadastro dos produtores e produção desenvolvido para ambiente Web. Para tentar facilitar a manutenção dos dados, é permitido aos próprios proprietários registrarem sua produção, com informações desde a variedade da Vitis spp. cultivada até o volume e destino das mesmas. Freqüentemente isto não tem acontecido, pois os proprietários não informam sua produção ou alterações em suas propriedades para a Embrapa, seja por Internet ou por qualquer outro meio. Outro problema existente é o de mapear as áreas cultivadas. O atual controle dessas áreas é bastante simples, e ainda em grande parte em esboços no papel. Neste trabalho foi desenvolvido um Sistema de Informações Geográficas, integrado ao atual sistema da Embrapa, para que seja possível trabalhar também com dados espaciais. Este SIG traz condições para estruturar o mapeamento digital da região, e possibilita agregar técnicas de Sensoriamento Remoto para a identificação de áreas onde existam vinhedos. As imagens utilizadas foram capturadas pelo sensor ASTER, classificadas pelos métodos de Máxima Verossimilhança Gaussiana e Distância Euclidiana Mínima, onde as bandas espectrais utilizadas na classificação foram selecionadas através de um cálculo do desvio padrão em determinada área das imagens que continha apenas parreiras e outras vegetações, buscando as bandas com maiores variâncias nos valores dos pixels. Os resultados apontam como as melhores classificações dos pixels, para distinguir entre as classes "vegetação" (não incluindo vinhedos) e os "vinhedos" (não incluindo outras vegetações), vêm do classificador de Distância Euclidiana Mínima. A banda espectral 3 (infravermelho próximo) conduz à melhor separação das classes, mesmo se a qualidade do resultado for dependente da época do ano. / The National Center for Research of Grape and Wine, a laboratory of Empresa Brasileira de Pesquisa Agropecuária (Embrapa), based in Bento Gonçalves, Rio Grande do Sul State, Brazil, associated with other institutions (including the Brazilian Institute of the Wine and the Brazilian Association of Enology) is responsible for projects that aim to organize, to optimize and to control the quality and amount of the production of grapes and wines in the Brazilian producing regions, for elaboration of better and more competitive wines in the national and main international markets. The control of the production of grapes in Rio Grande do Sul State is presently made through an inventory of producers and production, developed for Web environment. Updating this database is a lengthy task, and to simplify the process, producers are asked to inform on their vineyards and production through an Internet connection to the inventory. This happens infrequently, and is added to the pressing need of mapping the cultivated areas. The current control of these areas is in fact rudimentary, being still based in sketches on paper. In this work a Geographic Information System (GIS) was developed, integrated to the current system of Embrapa, adding the capability of working with spatial data. The GIS brought structure for the digital mapping of the region, and also include techniques of Remote Sensing that make possible to identify vineyard areas. This study used three images collected by sensor ASTER aboard TERRA satellite, which were classified by the methods of Maximum Likelihood and Minimum Euclidean Distance, where the used spectral bands in the classification had been selected through a calculation of the standard deviation in determined area of the images that contained only vineyards and other vegetations, searching the bands with bigger variances in the values of pixels. Results point that better classifications, to distinguish between classes "Vegetation" (not including vineyards) and "Vineyards" (not including other forms of vegetation), come from the Minimum Euclidean Distance classifier. The spectral band 3 (near infrared) is the one which leads to the best class separation, even if the quality of this result is season-dependent.

A carência de dados de solos estimulou o desenvolvimento de técnicas de modelagem digital para estimar classes ou propriedades dos solos. Este trabalho compara quatro algoritmos de aprendizagem de máquina, três redes neurais (Fuzzy ARTMap, SOM e MLP) e uma árvore de decisão (Gini), na predição de ordens de solos no Vale dos Vinhedos, Rio Grande do Sul, Brasil. O material utilizado inclui um Modelo Numérico do Terreno (MNT) com resolução de 5 metros, uma base cartográfica digital em escala 1:5.000, um mapa convencional detalhado de solos e o software de Sistema de Informação Geográfica (SIG) Idrisi. A partir do MNT e da base foram calculadas sete variáveis topográficas e hidrológicas, cujos valores e a ordem de solo foram lidos em pontos aleatoriamente distribuídos com cinco densidades de amostragem: 0,5, 1, 1,5, 2 e 4 pontos.ha-1. Os dados obtidos nos pontos foram empregados para treinar os algoritmos e classificar as ordens de solos no restante da área de estudo. A avaliação de acurácia foi realizada através de matriz de erros, exatidão geral e índice Kappa, tomando o mapa convencional como referência. A árvore de decisão obteve melhor exatidão geral (71%) e índice Kappa (0,58), com 2 pontos.ha-1, e apresentou menor sensibilidade à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1 ponto.ha-1. A rede neural MLP alcançou desempenho próximo à árvore de decisão, mas foi mais sensível à densidade de amostragem, obtendo índice Kappa acima de 0,5 a partir de 1,5 pontos.ha-1. A árvore de decisão Gini e a rede neural MLP mostraram potencial para a predição de ordens de solos em escala de detalhe. / The lack of spatial soil data has stimulated the development of modeling techniques for predicting soil classes or soils properties. This work compares four machine learning algorithms, three neural networks (Fuzzy ARTMap, SOM, and MLP) and a decision tree (Gini), to predict soil classes in the State Rio Grande do Sul, Brazil. A digital elevation model (DEM) with spatial resolution of 5 meters, a digital cartographic base at 1:5,000 scale, and a detailed conventional soil map were used to run the models on Idrisi GIS software. Seven topographic and hydrological variables were derived from the DEM and the cartographic base, and values were read in randomly distributed sampling points with five sampling densities: 0.5, 1, 1.5, 2 and 4 sampling points per hectare. Data read at sample points were used to train the algorithms and to estimate soil classes in the whole study area. Accuracy was evaluated using error matrices, overall accuracy and Kappa Index, using the conventional soil map as reference for comparison. The best overall accuracy (71%) and Kappa Index (0.58) were obtained by the Gini decision tree with sampling density of 2 points per hectare. Decision tree was less sensitive to sampling density, obtaining Kappa Index above 0.5 in all sampling densities equal or higher than 1 point per hectare. Neural network MLP (Multi-layer Perceptron) showed a similar performance, but was more sensitive to sampling density, obtaining Kappa Index above 0.5 only with sampling densities equal or higher than 1.5 points per hectare. Gini decision tree and neural network MLP showed potential to predict soil class at detailed scale.

O trabalho analisa as mudanças no espaço geográfico da Região Vitivinícola do Vale dos Vinhedos, localizada em parte dos municípios de Bento Gonçalves, Garibaldi e Monte Belo do Sul (RS), relacionadas com a implementação da Indicação Geográfica de Procedência para vinhos da região. As mudanças são consideradas tendo como referência os conceitos de espaço geográfico – território socialmente construído e historicamente localizado - e de região – parte do espaço que contém o todo, e a metodologia derivada destes conceitos. No espaço desta região foram implementadas alterações nos últimos anos relacionadas, sobretudo, a modernização da vitivinicultura pelos produtores locais. A imagem da vitivinicultura tradicional ainda permanece associada à identidade do espaço referida, principalmente, a valores do grupo social de origem italiana. Este espaço moderno/tradicional tem sido utilizado, também, para atrair o enoturista, uma maneira de expandir e consolidar o (re)conhecimento do topônimo Vale dos Vinhedos e o produto a ele associado – o vinho. Porém foi a vitivinicultura moderna que demandou as pesquisas que contribuíram para a implementação da primeira Indicação Geográfica brasileira: a Indicação de Procedência Vale dos Vinhedos. As rugosidades espaciais de tempos passados, o espaço técnicocientífico presente, as novas atividades, entre outros fatores, ao fim e ao cabo têm promovido um certo planejamento territorial regional e um certo desenvolvimento.

O trabalho analisa as mudanças no espaço geográfico da Região Vitivinícola do Vale dos Vinhedos, localizada em parte dos municípios de Bento Gonçalves, Garibaldi e Monte Belo do Sul (RS), relacionadas com a implementação da Indicação Geográfica de Procedência para vinhos da região. As mudanças são consideradas tendo como referência os conceitos de espaço geográfico – território socialmente construído e historicamente localizado - e de região – parte do espaço que contém o todo, e a metodologia derivada destes conceitos. No espaço desta região foram implementadas alterações nos últimos anos relacionadas, sobretudo, a modernização da vitivinicultura pelos produtores locais. A imagem da vitivinicultura tradicional ainda permanece associada à identidade do espaço referida, principalmente, a valores do grupo social de origem italiana. Este espaço moderno/tradicional tem sido utilizado, também, para atrair o enoturista, uma maneira de expandir e consolidar o (re)conhecimento do topônimo Vale dos Vinhedos e o produto a ele associado – o vinho. Porém foi a vitivinicultura moderna que demandou as pesquisas que contribuíram para a implementação da primeira Indicação Geográfica brasileira: a Indicação de Procedência Vale dos Vinhedos. As rugosidades espaciais de tempos passados, o espaço técnicocientífico presente, as novas atividades, entre outros fatores, ao fim e ao cabo têm promovido um certo planejamento territorial regional e um certo desenvolvimento.

O Centro Nacional de Pesquisa de Uva e Vinho da Embrapa, cuja sede está em Bento Gonçalves, e em conjunto com outras instituições (Instituto Brasileiro do Vinho, Associação Brasileira de Enologia, e outras) é animador de projetos que visam organizar, otimizar e controlar a qualidade e quantidade da produção de uvas e vinhos no Vale dos Vinhedos, para elaboração de vinhos mais competitivos no mercado nacional e principalmente internacional. O controle da produção de uvas na região tem se mostrado uma tarefa bastante difícil, mesmo com o sistema de cadastro dos produtores e produção desenvolvido para ambiente Web. Para tentar facilitar a manutenção dos dados, é permitido aos próprios proprietários registrarem sua produção, com informações desde a variedade da Vitis spp. cultivada até o volume e destino das mesmas. Freqüentemente isto não tem acontecido, pois os proprietários não informam sua produção ou alterações em suas propriedades para a Embrapa, seja por Internet ou por qualquer outro meio. Outro problema existente é o de mapear as áreas cultivadas. O atual controle dessas áreas é bastante simples, e ainda em grande parte em esboços no papel. Neste trabalho foi desenvolvido um Sistema de Informações Geográficas, integrado ao atual sistema da Embrapa, para que seja possível trabalhar também com dados espaciais. Este SIG traz condições para estruturar o mapeamento digital da região, e possibilita agregar técnicas de Sensoriamento Remoto para a identificação de áreas onde existam vinhedos. As imagens utilizadas foram capturadas pelo sensor ASTER, classificadas pelos métodos de Máxima Verossimilhança Gaussiana e Distância Euclidiana Mínima, onde as bandas espectrais utilizadas na classificação foram selecionadas através de um cálculo do desvio padrão em determinada área das imagens que continha apenas parreiras e outras vegetações, buscando as bandas com maiores variâncias nos valores dos pixels. Os resultados apontam como as melhores classificações dos pixels, para distinguir entre as classes "vegetação" (não incluindo vinhedos) e os "vinhedos" (não incluindo outras vegetações), vêm do classificador de Distância Euclidiana Mínima. A banda espectral 3 (infravermelho próximo) conduz à melhor separação das classes, mesmo se a qualidade do resultado for dependente da época do ano. / The National Center for Research of Grape and Wine, a laboratory of Empresa Brasileira de Pesquisa Agropecuária (Embrapa), based in Bento Gonçalves, Rio Grande do Sul State, Brazil, associated with other institutions (including the Brazilian Institute of the Wine and the Brazilian Association of Enology) is responsible for projects that aim to organize, to optimize and to control the quality and amount of the production of grapes and wines in the Brazilian producing regions, for elaboration of better and more competitive wines in the national and main international markets. The control of the production of grapes in Rio Grande do Sul State is presently made through an inventory of producers and production, developed for Web environment. Updating this database is a lengthy task, and to simplify the process, producers are asked to inform on their vineyards and production through an Internet connection to the inventory. This happens infrequently, and is added to the pressing need of mapping the cultivated areas. The current control of these areas is in fact rudimentary, being still based in sketches on paper. In this work a Geographic Information System (GIS) was developed, integrated to the current system of Embrapa, adding the capability of working with spatial data. The GIS brought structure for the digital mapping of the region, and also include techniques of Remote Sensing that make possible to identify vineyard areas. This study used three images collected by sensor ASTER aboard TERRA satellite, which were classified by the methods of Maximum Likelihood and Minimum Euclidean Distance, where the used spectral bands in the classification had been selected through a calculation of the standard deviation in determined area of the images that contained only vineyards and other vegetations, searching the bands with bigger variances in the values of pixels. Results point that better classifications, to distinguish between classes "Vegetation" (not including vineyards) and "Vineyards" (not including other forms of vegetation), come from the Minimum Euclidean Distance classifier. The spectral band 3 (near infrared) is the one which leads to the best class separation, even if the quality of this result is season-dependent.