El arroz es uno de los cultivos más importantes en el mundo y en la producción nacional. El Programa de Mejoramiento Genético de Arroz de INIA (PMGA) tiene entre sus objetivos generar cultivares con alto rendimiento y estabilidad frente a condiciones climáticas. La interacción genotipo por ambiente (IGA) determina que el PMGA evalúe sus materiales durante varios años, en distintas localidades y fechas de siembra. Un estudio exhaustivo de la IGA, así como modelos que permitan hacer predicciones en ambientes no evaluados, posibilitarían desarrollar estrategias que minimicen el número de ensayos y el tiempo necesario para obtener nuevos materiales. El objetivo de este trabajo fue caracterizar la IGA en el PMGA y evaluar modelos de regresión aleatoria (MRA) que incorporen variables climáticas (VC) para la predicción del rendimiento. Se utilizó información fenotípica de 23 años de evaluación en el campo de dos poblaciones de mejoramiento (indica y japonica), 16 VC, pedigrí y marcadores moleculares. La IGA se caracterizó mediante la descomposición de varianza, identificación de megaambientes (ME) y correlaciones entre localidades, fechas de siembra y ME. Se preseleccionaron VC asociadas al rendimiento y a la IGA por mínimos cuadrados parciales y con un procedimiento de selección de variables por pasos, se obtuvieron los MRA con la mejor habilidad predictiva en ambientes evaluados. Estos fueron probados para predecir rendimiento en ambientes no evaluados. La IGA del rendimiento representó más del 10 % de la varianza en ambas poblaciones. Se identificaron cinco ME en indica y tres en japonica. Las fechas de siembra tempranas en indica mostraron importante IGA. Se identificaron VC relacionadas con temperatura, radiación, viento y precipitación afectando el rendimiento y la IGA y variaron para cada población. Los MRA seleccionados mejoraron la habilidad predictiva frente a ambientes evaluados y no evaluados.