This study aimed to apply an approach based on fuzzy clustering for the classification of areas associated with soybean yield combined with the following agrometeorological variables: rainfall, average air temperature and average global solar radiation. The study was conducted with 48 municipalities in the western region of Paraná State, Brazil, with data from the crop-year 2007/2008. Through the fuzzy c-means algorithm, it was possible to form groups of municipalities that were similar in soybean yield using the Method of Decision by the Higher Degree of Relevance (MDMGP) and Method of Decision by Threshold β (β MDL). Subsequently, the identification of the appropriate number of clusters was obtained using Modified Partition Entropy (MPE). To measure the degree of similarity for each cluster, the Cluster Similarity Index (ISCl) was constructed and implemented. From the perspective of this study, the method used was adequate, allowing the identification of clusters of municipalities with degrees of similarities between 63 and 94%.Este trabajo tuvo como objetivo aplicar un enfoque basado en el análisis de agrupamiento fuzzy para la clasificación de áreas asociadas con la productividad de la soya, juntamente con las variables meteorológicas: nivel de precipitaciones, temperatura media del aire y la media de la radiación solar. El estudio se llevó a cabo con la participación de 48 municipios de la región oeste del Estado de Paraná, Brasil, con los datos de la temporada de cultivo del año 2007/2008. Mediante el algoritmo Fuzzy C-Means, fue posible formar grupos de municipios similares al rendimiento de la soya, utilizando el método de decisión de mayor grado de relevancia (MDMGP) y el método de decisión por Threshold β (MDL β). Seguidamente, se obtuvo la identificación del número apropiado de conglomerados utilizando la entropía de particiones modificada. Para medir el grado de similitud de cada grupo, se definió el Índice de Similitud de Agrupamiento (ISCl). Dentro de la perspectiva de este estudio, el método utilizado se presentó adecuado, lo que permitió identificar grupos de municipios con grados de similitudes en el orden de 63 a 94%.