ABSTRACT.- Effective planning and decision-making for rice (Oryza sativa L.) cultivation require precise yield predictions. Thus, new prediction strategies that incorporate climatic effects and management variables are essential to bridge the gap between actual and potential yields. This study aimed to evaluate the predictive accuracy of rice yield under real production conditions, considering weekly climatic information. The specific focus was on identifying which factors contribute to improved predictive performance and when they play a critical role in the production cycle. To do so, data from six harvest years of 390 rice farms located in Uruguay were used. Weekly climate data were obtained from the POWER Project of the NASA Langley Research Center. The weekly joint contribution approach reduced prediction error by more than 12% by the third week after sowing. This same accuracy level was achieved through the individual weekly analysis of the precipitation variable after week 14. Simultaneous and sequential inclusion of climatic and management variables in the predictive model shortens decision-making time, resulting in significant economic and environmental cost savings related to crop management, logistics, mill storage, and future sales. ------------ RESUMO.- O planejamento eficaz e a tomada de decisões para o cultivo de arroz (Oryza sativa L.) requerem previsões precisas de rendimento. Para reduzir a lacuna entre os rendimentos reais e os potenciais, são necessárias novas estratégias de previsão que incorporem os efeitos climáticos e as variáveis de manejo. Este estudo teve como objetivo avaliar a precisão preditiva do rendimento de arroz em condições reais de produção, com base em informações climáticas semanais. Especificamente, buscouse identificar quais fatores contribuempara um melhor desempenho predictivo e em que momento eles desempenham um papel crucial no ciclo produtivo. Foram utilizados dados de seis anos de colheita de 390 propriedades produtoras de arroz localizadas no Uruguai. Os dados climáticos semanais foram obtidos do Projeto POWER do NASA Langley Research Center. A abordagem de contribuição conjunta semanal reduziu o erro de previsão em mais de 12% até a terceira semana após a semeadura. Esse mismo nível de precisão foi alcançado por meio da análise semanal individual da variável precipitação após a 14ª semana. A inclusão simultânea e sequencial das variáveis climáticas e de manejo no modelo preditivo antecipa o tempo de tomada de decisão, resultando em economias significativas nos custos econômicos e ambientais relacionados ao manejo da lavoura, logística, armazenamento em moinhos e vendas futuras. © 2025 Universidade Federal Rural de Pernambuco. All rights reserved.