La Loi FORECAST de 2025 charge le sous-secrétaire de l'Administration nationale océanique et atmosphérique (NOAA) d'améliorer les prévisions météorologiques de sous-saison à saison (S2S) pour la température, les précipitations et les variables connexes du système terrestre. Elle modifie la législation existante pour exiger des recherches sur les sources et les limites des prévisions, la collecte et l'utilisation des observations du système terrestre, ainsi que le développement de prévisions d'ensemble multi-modèles, d'assimilation de données avancées, de gestion des données et de vérification. Le projet de loi appelle à un transfert plus rapide des modèles de recherche vers les opérations, à l'utilisation de technologies émergentes (y compris l'intelligence artificielle et les systèmes sans pilote), et à un centre de ressources Internet pour partager les prévisions S2S nationales et régionales et les informations connexes sur les liens avec les dangers (par exemple, les tornades, les sécheresses, les ouragans, les incendies, les inondations, les vagues de chaleur, la glace de mer, l'enneigement et le dégel du permafrost).
Le projet de loi autorise également le financement des activités de modélisation de la NOAA et ajoute un nouveau programme d'innovation pour la main-d'œuvre en modélisation météorologique et du système terrestre et en assimilation de données. Ce programme de main-d'œuvre soutient l'éducation, les bourses, les stages, le recrutement et la planification des ressources humaines pour l'assimilation de données et la modélisation du système terrestre. Il exige des plans de main-d'œuvre annuels, des mises à jour des autorités de recrutement, la capacité de faire des prix et des accords avec des établissements d'enseignement supérieur et des organismes à but non lucratif, et un rapport aux comités du Congrès sur l'efficacité du programme.
Le projet de loi, tel qu'écrit, vise à renforcer la capacité de recherche et d'opération de la NOAA pour les prévisions de sous-saison à saison, à accélérer la transformation de la recherche en modèles opérationnels, à élargir l'utilisation des technologies avancées (comme l'IA et les systèmes sans pilote), à créer un centre de ressources public pour les prévisions et à développer la main-d'œuvre qualifiée nécessaire pour la modélisation moderne du système terrestre et l'assimilation de données.
Aucune information disponible publiquement.