{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "b517d663",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Préparation commune des TP Python\n",
    "# Le notebook utilise uniquement les ressources fournies dans le dossier codes/.\n",
    "from pathlib import Path\n",
    "import importlib.util\n",
    "import subprocess\n",
    "import sys\n",
    "\n",
    "REQUIRED_PACKAGES = {'numpy': 'numpy', 'pandas': 'pandas', 'matplotlib': 'matplotlib'}\n",
    "missing = [package for module, package in REQUIRED_PACKAGES.items()\n",
    "           if importlib.util.find_spec(module) is None]\n",
    "if missing:\n",
    "    print(\"Installation des paquets manquants :\", \", \".join(missing))\n",
    "    subprocess.check_call([sys.executable, \"-m\", \"pip\", \"install\", *missing])\n",
    "\n",
    "WORKDIR = Path.cwd().resolve()\n",
    "CODES_DIR = WORKDIR.parent if WORKDIR.name == \"correction\" else WORKDIR\n",
    "TOOLBOX_DIR = CODES_DIR / \"toolbox\"\n",
    "DATA_DIR = CODES_DIR / \"data\"\n",
    "if not CODES_DIR.is_dir():\n",
    "    raise FileNotFoundError(\"Exécutez le notebook depuis le dossier codes/.\" )\n",
    "if TOOLBOX_DIR.is_dir():\n",
    "    sys.path.insert(0, str(TOOLBOX_DIR))\n",
    "\n",
    "DICE_FILE = TOOLBOX_DIR / \"DICE.py\"\n",
    "if not DICE_FILE.is_file():\n",
    "    raise FileNotFoundError(\n",
    "        f\"Module du cours introuvable : {DICE_FILE}. \"\n",
    "        \"Téléchargez le dossier codes complet, avec toolbox/.\"\n",
    "    )\n",
    "\n",
    "DATA_FILE = DATA_DIR / \"ngfs_scenarios.csv\"\n",
    "if not DATA_FILE.is_file():\n",
    "    raise FileNotFoundError(\n",
    "        f\"Donnée du cours introuvable : {DATA_FILE}. \"\n",
    "        \"Téléchargez le dossier codes complet, avec data/.\"\n",
    "    )\n",
    "\n",
    "print(\"Environnement prêt :\", CODES_DIR)\n"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "34cecbb0",
   "metadata": {},
   "source": [
    "# TP4 — Scénarios de transition et prix du carbone\n",
    "\n",
    "**Date de la séance :** mercredi 9 septembre 2026, 10:45–12:45\n",
    "\n",
    "**Objectifs**\n",
    "- Simuler des politiques climatiques contrastées avec DICE (variable de contrôle `mu`)\n",
    "- Comparer transition précoce et transition tardive\n",
    "- Manipuler les scénarios NGFS (prix du carbone, émissions, température)\n",
    "\n",
    "**Prérequis** : TP2, TP3."
   ]
  },
  {
   "cell_type": "markdown",
   "id": "e3cc186f",
   "metadata": {},
   "source": [
    "## Partie 1 — Scénarios de transition"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "343ffaf6",
   "metadata": {},
   "source": [
    "**Question 1.** Simulez trois scénarios de politique climatique :\n",
    "- Aucune action : mu=0.03 (baseline)\n",
    "- Transition modérée : mu=0.3 dès 2025\n",
    "- Transition forte : mu=0.7 dès 2025"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "fb4059f1",
   "metadata": {},
   "outputs": [],
   "source": [
    "import DICE, numpy as np, pandas as pd, matplotlib.pyplot as plt\n",
    "\n",
    "p_base = DICE.Params()\n",
    "nT = p_base.nT\n",
    "\n",
    "scenarios_mu = {\n",
    "    'Aucune action (mu=0.03)': 0.03,\n",
    "    'Transition modérée (mu=0.3)': 0.3,\n",
    "    'Transition forte (mu=0.7)': 0.7\n",
    "}\n",
    "paths_transition = {}\n",
    "for name, mu_val in scenarios_mu.items():\n",
    "    p = DICE.Params()\n",
    "    path = DICE.init_states(p)\n",
    "    path[1:, p.i_mu] = mu_val\n",
    "    timevec = range(1, p.nT)\n",
    "    path = DICE.update_path(path, timevec, p)\n",
    "    paths_transition[name] = (p, path)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e52c6053",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Expected output: les émissions et la température baissent avec l'intensité de l'abattement mu\n",
    "fig, axes = plt.subplots(1, 2, figsize=(13, 5))\n",
    "for name, (p, path) in paths_transition.items():\n",
    "    axes[0].plot(path[:, p.i_time], path[:, p.i_E], label=name, linewidth=2)\n",
    "    axes[1].plot(path[:, p.i_time], path[:, p.i_T_AT], label=name, linewidth=2)\n",
    "axes[0].set_title('Émissions E'); axes[0].set_xlabel('Année'); axes[0].legend(); axes[0].grid(True)\n",
    "axes[1].set_title('Température T_AT'); axes[1].set_xlabel('Année'); axes[1].legend(); axes[1].grid(True)\n",
    "plt.tight_layout()\n",
    "plt.show()"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "f05b06ee",
   "metadata": {},
   "source": [
    "**Question 2.** Calculez la réduction d'émissions cumulées entre 2025 et 2100 pour chaque scénario par rapport au scénario de référence."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "0ddf4a7e",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Expected output: la réduction cumulée croît avec mu ; la transition forte réduit fortement les émissions cumulées\n",
    "ref_name = 'Aucune action (mu=0.03)'\n",
    "p_ref, path_ref = paths_transition[ref_name]\n",
    "mask_2025 = path_ref[:, p_ref.i_time] >= 2025\n",
    "E_ref_cum = np.nansum(path_ref[mask_2025, p_ref.i_E])\n",
    "\n",
    "for name, (p, path) in paths_transition.items():\n",
    "    mask = path[:, p.i_time] >= 2025\n",
    "    E_cum = np.nansum(path[mask, p.i_E])\n",
    "    reduction = E_ref_cum - E_cum\n",
    "    print(f\"{name}: émissions cumulées 2025-2100 = {E_cum:.0f} GtCO2, réduction vs référence = {reduction:.0f} GtCO2\")"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "6ed0e376",
   "metadata": {},
   "source": [
    "## Partie 2 — Transition ordonnée vs désordonnée"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "5a8e61f7",
   "metadata": {},
   "source": [
    "**Question 3.** Comparez deux politiques :\n",
    "- Action précoce : mu=0.5 dès 2025\n",
    "- Action tardive : mu=0.5 seulement à partir de 2040"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "db915cf8",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Expected output: l'action tardive conduit à une température plus élevée en 2100 malgré le même niveau final de mu\n",
    "p_early = DICE.Params()\n",
    "path_early = DICE.init_states(p_early)\n",
    "path_early[1:, p_early.i_mu] = 0.5\n",
    "path_early = DICE.update_path(path_early, range(1, p_early.nT), p_early)\n",
    "\n",
    "p_late = DICE.Params()\n",
    "path_late = DICE.init_states(p_late)\n",
    "year_col = p_late.t0 + p_late.Delta * (np.arange(1, p_late.nT))\n",
    "idx_2040 = np.where(year_col >= 2040)[0][0] + 1\n",
    "path_late[1:idx_2040, p_late.i_mu] = 0.03\n",
    "path_late[idx_2040:, p_late.i_mu] = 0.5\n",
    "path_late = DICE.update_path(path_late, range(1, p_late.nT), p_late)\n",
    "\n",
    "plt.figure(figsize=(9, 5))\n",
    "plt.plot(path_early[:, p_early.i_time], path_early[:, p_early.i_T_AT], label='Action précoce (dès 2025)', linewidth=2)\n",
    "plt.plot(path_late[:, p_late.i_time], path_late[:, p_late.i_T_AT], label='Action tardive (dès 2040)', linewidth=2, linestyle='--')\n",
    "plt.xlabel('Année'); plt.ylabel('T_AT (°C)')\n",
    "plt.title('Transition ordonnée vs transition retardée')\n",
    "plt.legend(); plt.grid(True)\n",
    "plt.show()\n",
    "\n",
    "print(f\"T_AT 2100 (action précoce) : {path_early[-1, p_early.i_T_AT]:.2f}°C\")\n",
    "print(f\"T_AT 2100 (action tardive) : {path_late[-1, p_late.i_T_AT]:.2f}°C\")"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8c72fb4f",
   "metadata": {},
   "source": [
    "## Partie 3 — Scénarios NGFS"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c07bdc5b",
   "metadata": {},
   "source": [
    "**Question 4.** Chargez les données NGFS et tracez les trajectoires de prix du carbone et d'émissions pour les trois scénarios."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cf3a3bca",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Expected output: NetZero2050 a le prix du carbone le plus élevé et les émissions les plus basses en fin de période ;\n",
    "# CurrentPolicies n'a pas de prix du carbone et des émissions quasi stables\n",
    "df_ngfs = pd.read_csv(DATA_DIR / \"ngfs_scenarios.csv\")\n",
    "fig, axes = plt.subplots(1, 2, figsize=(13, 5))\n",
    "for name, grp in df_ngfs.groupby('scenario'):\n",
    "    axes[0].plot(grp['year'], grp['carbon_price_usd'], label=name, linewidth=2)\n",
    "    axes[1].plot(grp['year'], grp['emissions_gtco2'], label=name, linewidth=2)\n",
    "axes[0].set_title('Prix du carbone (USD/tCO2)'); axes[0].set_xlabel('Année'); axes[0].legend(); axes[0].grid(True)\n",
    "axes[1].set_title('Émissions (GtCO2/an)'); axes[1].set_xlabel('Année'); axes[1].legend(); axes[1].grid(True)\n",
    "plt.tight_layout()\n",
    "plt.show()"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "b1c03b14",
   "metadata": {},
   "source": [
    "## Interprétation"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "cc3b98b5",
   "metadata": {},
   "source": [
    "### Éléments de réponse\n",
    "\n",
    "- Plus l'abattement `mu` est élevé et précoce, plus les émissions cumulées et la température finale sont réduites : il existe un arbitrage direct entre effort de transition et réchauffement évité.\n",
    "- Retarder l'action climatique au même niveau d'ambition finale (`mu=0.5`) conduit à une température plus élevée en 2100 : le carbone déjà émis reste dans l'atmosphère pendant des siècles, donc chaque année de retard a un coût cumulatif irréversible sur la trajectoire de température.\n",
    "- Les scénarios NGFS structurent ce même arbitrage en 4 familles utilisées par les superviseurs financiers : une transition ordonnée et précoce limite le risque physique mais implique un prix du carbone élevé (risque de transition) ; une transition désordonnée ou retardée combine les deux risques."
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "name": "python",
   "version": "3.10"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}