A produção de bovinos é vista de forma negativa, como uma ameaça ao meio ambiente, sendo constantemente apontada como uma das principais responsáveis pelo desmatamento e emissões de gases de efeito estufa (GEE). Os efeitos de sua produção, além de deteriorar o solo e a água pela má condução de práticas relacionadas ao pastejo e pisoteio dos animais, determinam também o aquecimento global pela emissão de CO₂ e NH₄. Desta forma, a sustentabilidade das produções para as gerações futuras ficam incertas. O Brasil possui maior rebanho comercial do mundo e é o primeiro maior exportador de carnes bovina do mundo, com mais de 9,03 milhões de toneladas/carne/ano. Neste contexto o Rio Grande do Sul possui excelência nesta produção mas, possui também grande variabilidade de arranjos produtivos que determinam maior ou menor produção, bem como maior ou menor proteção ao meio ambiente. Neste sentido, somente observar a produção em si não atende aos anseios da produção atual, devendo assim, pontuarem-se quais os fatores e biotecnologias que mais incrementam a produção animal sem agredir o meio ambiente, permitindo assim garantia de produção para as gerações futuras e qualidade de vida. Para isso estão sendo utilizadas propriedades rurais produtoras de bovinos de corte como fonte de variação e, fatores relacionados ao sistema de produção, saúde, reprodução, nutrição e análise de solo como variáveis de resposta. Até o presente momento estes dados estão sendo coletados para obtenção de resultados futuros. Para analisar e compreender os resultados utilizar-se-a o agrupamento de propriedades com menor liberação de gases de efeito estufa através do procedimento FASTCLUS. Para observar os fatores que mais explicam esta variação realizar-se-a o procedimento FACTOR e, para entender os efeitos de um fator sobre outro, o procedimento CANCORR. O objetivo do presente trabalho é identificar propriedades que possuem melhores arranjos produtivos com maior eficiência produtiva e de maior sustentabilidade ambiental. Todas as análises foram realizadas, utilizando-se o programa computacional Statistical Analysis System (SAS).