app.py

import streamlit as st
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime, timedelta
import calendar
from PIL import Image
import base64
import io
import os
import ee
import json
import folium
from streamlit_folium import folium_static
import time

# تنظیمات صفحه
st.set_page_config(
    page_title="سامانه پایش مزارع نیشکر دهخدا",
    page_icon="🌱",
    layout="wide",
    initial_sidebar_state="expanded"
)

# CSS برای فارسی‌سازی و بهبود ظاهر
st.markdown("""
<style>
    @font-face {
        font-family: 'IRANSans';
        src: url('https://cdn.jsdelivr.net/gh/rastikerdar/[email protected]/dist/Sahel-FD.ttf') format('truetype');
    }
    
    * {
        font-family: 'IRANSans', 'Sahel', sans-serif !important;
    }
    
    .main {
        direction: rtl;
        text-align: right;
    }
    
    .stButton button {
        background-color: #1e6b45;
        color: white;
        border-radius: 8px;
        padding: 10px 24px;
        transition: all 0.3s;
    }
    
    .stButton button:hover {
        background-color: #2a8c5c;
        transform: translateY(-2px);
        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
    }
    
    h1, h2, h3 {
        color: #1e6b45;
    }
    
    .card {
        background-color: #f8f9fa;
        border-radius: 10px;
        padding: 20px;
        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
        margin-bottom: 20px;
    }
    
    .status-good {
        background-color: rgba(0, 200, 83, 0.2);
        color: #00694b;
        padding: 5px 10px;
        border-radius: 5px;
        font-weight: bold;
    }
    
    .status-medium {
        background-color: rgba(255, 214, 0, 0.2);
        color: #b7940a;
        padding: 5px 10px;
        border-radius: 5px;
        font-weight: bold;
    }
    
    .status-bad {
        background-color: rgba(255, 61, 0, 0.2);
        color: #c62828;
        padding: 5px 10px;
        border-radius: 5px;
        font-weight: bold;
    }
    
    .metric-card {
        padding: 20px;
        border-radius: 10px;
        text-align: center;
        box-shadow: 0 4px 6px rgba(0,0,0,0.1);
        transition: transform 0.3s;
    }
    
    .metric-card:hover {
        transform: translateY(-5px);
    }
    
    .metric-green {
        background-color: rgba(0, 200, 83, 0.2);
        border-left: 5px solid #00c853;
    }
    
    .metric-yellow {
        background-color: rgba(255, 214, 0, 0.2);
        border-left: 5px solid #ffd600;
    }
    
    .metric-red {
        background-color: rgba(255, 61, 0, 0.2);
        border-left: 5px solid #ff3d00;
    }
    
    .metric-blue {
        background-color: rgba(33, 150, 243, 0.2);
        border-left: 5px solid #2196f3;
    }
    
    .stTabs [data-baseweb="tab-list"] {
        gap: 10px;
    }
    
    .stTabs [data-baseweb="tab"] {
        background-color: #f0f2f6;
        border-radius: 8px 8px 0px 0px;
        padding: 10px 20px;
        margin-top: 5px;
    }
    
    .stTabs [aria-selected="true"] {
        background-color: #1e6b45 !important;
        color: white !important;
    }
    
    input[type="number"] {
        direction: ltr !important;
        text-align: left !important;
    }
    
    .dataframe {
        direction: ltr !important;
    }
    
    .dataframe th, .dataframe td {
        text-align: left !important;
    }
    
    .map-container {
        height: 500px;
        width: 100%;
        border-radius: 10px;
        box-shadow: 0 4px 10px rgba(0,0,0,0.1);
        overflow: hidden;
    }
</style>
""", unsafe_allow_html=True)

# تنظیم Earth Engine (بدون تغییر)
@st.cache_resource
def initialize_earth_engine():
    try:
        credentials_path = "ee-esmaeilkiani13877-cfdea6eaf411.json"
        if not os.path.exists(credentials_path):
            credentials_dict = {
                "type": "service_account",
                "project_id": "ee-esmaeilkiani13877",
                "private_key_id": "cfdea6eaf411",
                "private_key": "-----BEGIN PRIVATE KEY-----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\n5r1SuNjhWf8sJJrZdK/V5A==\n-----END PRIVATE KEY-----\n",
                "client_email": "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com",
                "client_id": "112129892578518408444",
                "auth_uri": "https://accounts.google.com/o/oauth2/auth",
                "token_uri": "https://oauth2.googleapis.com/token",
                "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
                "client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/dehkhodamap-e9f0da4ce9f6514021%40ee-esmaeilkiani13877.iam.gserviceaccount.com"
            }
            with open(credentials_path, 'w') as f:
                json.dump(credentials_dict, f)
        
        credentials = ee.ServiceAccountCredentials(
            "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com", 
            credentials_path
        )
        ee.Initialize(credentials)
        return True
    except Exception as e:
        st.error(f"خطا در اتصال به Earth Engine: {e}")
        return False

earth_engine_initialized = initialize_earth_engine()

# نمونه داده
@st.cache_data
def generate_sample_data():
    farm_data = {
        'Farm_ID': [f'{i:02d}-{j:02d}' for i in range(1, 5) for j in range(20, 30)],
        'Farm_Name': [f'مزرعه {i:02d}-{j:02d}' for i in range(1, 5) for j in range(20, 30)],
        'Channel_ID': [f'کانال {(i-1)*10 + j%10 + 1}' for i in range(1, 5) for j in range(20, 30)],
        'Administration_ID': [i for i in range(1, 5) for _ in range(10)],
        'Administration_Name': [f'اداره {i}' for i in range(1, 5) for _ in range(10)],
        'Production_Section': [1 if i <= 2 else 2 for i in range(1, 5) for _ in range(10)],
        'Area': [np.random.randint(50, 200) for _ in range(40)],
        'Variety': [np.random.choice(['CP69', 'CP73']) for _ in range(40)],
        'Crop_Age': [np.random.randint(1, 5) for _ in range(40)]
    }
    farms_df = pd.DataFrame(farm_data)
    
    height_data = []
    today = datetime.now()
    for week in range(1, 6):
        date = today - timedelta(days=(5-week)*7)
        for farm_id in farms_df['Farm_ID']:
            stations = [np.random.randint(150, 220) for _ in range(5)]
            avg_height = int(np.mean(stations))
            groundwater = [np.random.randint(50, 100) for _ in range(2)]
            sheath_moisture = np.random.randint(60, 90)
            nitrogen = np.random.randint(20, 40)
            height_data.append({
                'Measurement_ID': f"{farm_id}-W{week}",
                'Farm_ID': farm_id,
                'Week': week,
                'Measurement_Date': date.strftime('%Y-%m-%d'),
                'Height': avg_height,
                'Station1': stations[0],
                'Station2': stations[1],
                'Station3': stations[2],
                'Station4': stations[3],
                'Station5': stations[4],
                'Groundwater1': groundwater[0],
                'Groundwater2': groundwater[1],
                'Sheath_Moisture': sheath_moisture,
                'Nitrogen': nitrogen
            })
    heights_df = pd.DataFrame(height_data)
    
    weekly_report_data = []
    for farm_id in farms_df['Farm_ID']:
        farm_heights = heights_df[heights_df['Farm_ID'] == farm_id].sort_values('Week')
        for week in range(1, 6):
            current_week_data = farm_heights[farm_heights['Week'] == week]
            if current_week_data.empty:
                continue
            current_height = current_week_data['Height'].values[0]
            if week > 1:
                prev_week_data = farm_heights[farm_heights['Week'] == week-1]
                if not prev_week_data.empty:
                    prev_height = prev_week_data['Height'].values[0]
                    growth_change = current_height - prev_height
                else:
                    growth_change = 0
            else:
                growth_change = 0
            all_farms_this_week = heights_df[heights_df['Week'] == week]
            avg_height_all_farms = all_farms_this_week['Height'].mean()
            if current_height > avg_height_all_farms + 5:
                growth_status = 'خوب'
            elif current_height < avg_height_all_farms - 5:
                growth_status = 'ضعیف'
            else:
                growth_status = 'متوسط'
            weekly_report_data.append({
                'Report_ID': f"{farm_id}-R{week}",
                'Farm_ID': farm_id,
                'Week': week,
                'Average_Height': current_height,
                'Growth_Change': growth_change,
                'Growth_Status': growth_status,
                'Regional_Average': int(avg_height_all_farms)
            })
    weekly_report_df = pd.DataFrame(weekly_report_data)
    
    return farms_df, heights_df, weekly_report_df

farms_df, heights_df, weekly_report_df = generate_sample_data()
report_with_details = pd.merge(weekly_report_df, farms_df, on='Farm_ID')
latest_week = heights_df['Week'].max()
latest_reports = report_with_details[report_with_details['Week'] == latest_week]

# مدیریت وضعیت برنامه
if 'selected_tab' not in st.session_state:
    st.session_state.selected_tab = "ورود اطلاعات"
if 'selected_day' not in st.session_state:
    st.session_state.selected_day = "شنبه"
if 'farm_data' not in st.session_state:
    st.session_state.farm_data = {}
if 'ndvi_map' not in st.session_state:
    st.session_state.ndvi_map = None

# تابع برای محاسبه میانگین ارتفاع
def calculate_average_height(row):
    stations = [row[f'ایستگاه {i}'] for i in range(1, 6) if f'ایستگاه {i}' in row and row[f'ایستگاه {i}'] is not None]
    valid_stations = [s for s in stations if s > 0]
    return sum(valid_stations) / len(valid_stations) if valid_stations else 0

# تابع برای ایجاد نقشه NDVI (بدون تغییر)
def create_ndvi_map(farm_id=None, date=None):
    if not earth_engine_initialized:
        st.warning("اتصال به Earth Engine برقرار نشد. نقشه NDVI نمایش داده نمی‌شود.")
        return None
    try:
        center_point = [31.3183, 48.6706]
        m = folium.Map(location=center_point, zoom_start=10)
        if farm_id:
            farm = farms_df[farms_df['Farm_ID'] == farm_id].iloc[0]
            lat = 31.3183 + (int(farm_id.split('-')[0]) - 1) * 0.05
            lon = 48.6706 + (int(farm_id.split('-')[1]) - 20) * 0.05
            if date:
                date_obj = datetime.strptime(date, '%Y-%m-%d')
                start_date = date_obj - timedelta(days=5)
                end_date = date_obj + timedelta(days=5)
                start_date_str = start_date.strftime('%Y-%m-%d')
                end_date_str = end_date.strftime('%Y-%m-%d')
            else:
                start_date_str = '2023-01-01'
                end_date_str = '2023-12-31'
            region = ee.Geometry.Point([lon, lat]).buffer(1000)
            s2 = ee.ImageCollection('COPERNICUS/S2_SR') \
                .filterDate(start_date_str, end_date_str) \
                .filterBounds(region) \
                .sort('CLOUD_COVERAGE_ASSESSMENT') \
                .first()
            ndvi = s2.normalizedDifference(['B8', 'B4']).rename('NDVI')
            ndvi_viz = {
                'min': -0.2,
                'max': 0.8,
                'palette': ['#d73027', '#f46d43', '#fdae61', '#fee08b', '#d9ef8b', '#a6d96a', '#66bd63', '#1a9850']
            }
            map_id_dict = ee.Image(ndvi).getMapId(ndvi_viz)
            folium.TileLayer(
                tiles=map_id_dict['tile_fetcher'].url_format,
                attr='Google Earth Engine',
                name='NDVI',
                overlay=True,
                control=True
            ).add_to(m)
            folium.Marker(
                location=[lat, lon],
                popup=f'مزرعه {farm_id}',
                icon=folium.Icon(color='green', icon='leaf')
            ).add_to(m)
            m.fit_bounds([[lat-0.05, lon-0.05], [lat+0.05, lon+0.05]])
        folium.LayerControl().add_to(m)
        return m
    except Exception as e:
        st.error(f"خطا در ایجاد نقشه NDVI: {e}")
        return None

# منوی کناری (بدون تغییر)
with st.sidebar:
    st.image("https://via.placeholder.com/150x150.png?text=لوگو", width=150)
    st.title("سامانه پایش مزارع نیشکر")
    st.subheader("شرکت کشت و صنعت نیشکر دهخدا")
    menu = st.selectbox(
        "انتخاب صفحه",
        ["داشبورد", "ورود اطلاعات", "گزارش‌گیری", "تحلیل داده‌ها", "تنظیمات"]
    )
    st.session_state.selected_tab = menu
    st.markdown("---")
    st.markdown("### راهنمای وضعیت رشد")
    col1, col2 = st.columns(2)
    with col1:
        st.markdown('<div class="status-good">خوب</div>', unsafe_allow_html=True)
        st.markdown('<div class="status-medium">متوسط</div>', unsafe_allow_html=True)
        st.markdown('<div class="status-bad">ضعیف</div>', unsafe_allow_html=True)
    with col2:
        st.write("بالاتر از میانگین")
        st.write("نزدیک به میانگین")
        st.write("پایین‌تر از میانگین")
    st.markdown("---")
    st.info("نسخه آزمایشی 1.0")

# داشبورد (بدون تغییر)
if st.session_state.selected_tab == "داشبورد":
    st.title("داشبورد پایش مزارع نیشکر")
    st.subheader("وضعیت کلی مزارع")
    status_counts = latest_reports['Growth_Status'].value_counts()
    good_count = status_counts.get('خوب', 0)
    medium_count = status_counts.get('متوسط', 0)
    bad_count = status_counts.get('ضعیف', 0)
    col1, col2, col3, col4 = st.columns(4)
    with col1:
        st.markdown('<div class="metric-card metric-green">'f'<h2>{good_count}</h2>''<p>مزارع با وضعیت خوب</p>''</div>', unsafe_allow_html=True)
    with col2:
        st.markdown('<div class="metric-card metric-yellow">'f'<h2>{medium_count}</h2>''<p>مزارع با وضعیت متوسط</p>''</div>', unsafe_allow_html=True)
    with col3:
        st.markdown('<div class="metric-card metric-red">'f'<h2>{bad_count}</h2>''<p>مزارع با وضعیت ضعیف</p>''</div>', unsafe_allow_html=True)
    with col4:
        avg_height = int(latest_reports['Average_Height'].mean())
        st.markdown('<div class="metric-card metric-blue">'f'<h2>{avg_height} سانتی‌متر</h2>''<p>میانگین ارتفاع هفته جاری</p>''</div>', unsafe_allow_html=True)
    st.markdown("---")
    col1, col2 = st.columns(2)
    with col1:
        st.subheader("میانگین ارتفاع به تفکیک اداره")
        admin_heights = latest_reports.groupby('Administration_Name')['Average_Height'].mean().reset_index()
        admin_heights['Average_Height'] = admin_heights['Average_Height'].astype(int)
        fig = px.bar(
            admin_heights,
            x='Administration_Name',
            y='Average_Height',
            color='Average_Height',
            color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
            labels={'Administration_Name': 'اداره', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
        )
        fig.update_layout(height=400, xaxis_title="اداره", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
        st.plotly_chart(fig, use_container_width=True)
    with col2:
        st.subheader("مقایسه واریته‌ها")
        variety_heights = latest_reports.groupby('Variety')['Average_Height'].mean().reset_index()
        variety_heights['Average_Height'] = variety_heights['Average_Height'].astype(int)
        fig = px.bar(
            variety_heights,
            x='Variety',
            y='Average_Height',
            color='Variety',
            color_discrete_sequence=["#00c853", "#2196f3"],
            labels={'Variety': 'واریته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
        )
        fig.update_layout(height=400, xaxis_title="واریته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
        st.plotly_chart(fig, use_container_width=True)
    st.subheader("روند میانگین ارتفاع هفتگی")
    weekly_avg = report_with_details.groupby('Week')['Average_Height'].mean().reset_index()
    weekly_avg['Average_Height'] = weekly_avg['Average_Height'].astype(int)
    fig = px.line(
        weekly_avg,
        x='Week',
        y='Average_Height',
        markers=True,
        line_shape='spline',
        labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
    )
    fig.update_traces(line=dict(width=3, color="#1e6b45"), marker=dict(size=10))
    fig.update_layout(height=400, xaxis_title="هفته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
    st.plotly_chart(fig, use_container_width=True)
    st.markdown("---")
    st.subheader("نقشه NDVI")
    col1, col2 = st.columns(2)
    with col1:
        selected_farm_for_map = st.selectbox(
            "انتخاب مزرعه",
            farms_df['Farm_ID'].tolist(),
            format_func=lambda x: farms_df[farms_df['Farm_ID'] == x]['Farm_Name'].iloc[0]
        )
    with col2:
        latest_date = heights_df[heights_df['Farm_ID'] == selected_farm_for_map].sort_values('Week', ascending=False)['Measurement_Date'].iloc[0]
        selected_date_for_map = st.date_input(
            "انتخاب تاریخ",
            value=datetime.strptime(latest_date, '%Y-%m-%d'),
            max_value=datetime.now()
        )
    if st.button("نمایش نقشه NDVI"):
        with st.spinner("در حال تولید نقشه..."):
            ndvi_map = create_ndvi_map(selected_farm_for_map, selected_date_for_map.strftime('%Y-%m-%d'))
            st.session_state.ndvi_map = ndvi_map
    if st.session_state.ndvi_map:
        st.markdown('<div class="map-container">', unsafe_allow_html=True)
        folium_static(st.session_state.ndvi_map, width=1200, height=500)
        st.markdown('</div>', unsafe_allow_html=True)
        farm_info = farms_df[farms_df['Farm_ID'] == selected_farm_for_map].iloc[0]
        farm_measurements = heights_df[(heights_df['Farm_ID'] == selected_farm_for_map) & 
                                       (heights_df['Measurement_Date'] == latest_date)].iloc[0]
        st.markdown(f"""
        ### اطلاعات مزرعه {farm_info['Farm_Name']}
        **اداره:** {farm_info['Administration_Name']} | **کانال:** {farm_info['Channel_ID']} | **واریته:** {farm_info['Variety']} | **سن کشت:** {farm_info['Crop_Age']} سال
        **آخرین اندازه‌گیری:** {latest_date}
        - **میانگین ارتفاع:** {farm_measurements['Height']} سانتی‌متر
        - **رطوبت غلاف:** {farm_measurements['Sheath_Moisture']}%
        - **نیتروژن:** {farm_measurements['Nitrogen']}%
        """)
    else:
        st.info("برای نمایش نقشه NDVI، یک مزرعه و تاریخ انتخاب کنید.")
    st.markdown("---")
    st.subheader("مزارع با بیشترین و کمترین رشد")
    col1, col2 = st.columns(2)
    with col1:
        st.markdown("#### بیشترین رشد هفتگی")
        top_growth = report_with_details[report_with_details['Week'] == latest_week].sort_values('Growth_Change', ascending=False).head(5)
        for _, row in top_growth.iterrows():
            growth_color = "green" if row['Growth_Change'] > 0 else "red"
            st.markdown(f"""
            <div style="border: 1px solid #eee; padding: 10px; border-radius: 5px; margin-bottom: 10px;">
                <h4 style="margin: 0;">{row['Farm_Name']} (اداره {row['Administration_ID']})</h4>
                <p style="margin: 5px 0;">ارتفاع: {row['Average_Height']} سانتی‌متر</p>
                <p style="color: {growth_color}; font-weight: bold; margin: 0;">
                    تغییر: {'+' if row['Growth_Change'] > 0 else ''}{row['Growth_Change']} سانتی‌متر
                </p>
            </div>
            """, unsafe_allow_html=True)
    with col2:
        st.markdown("#### کمترین رشد هفتگی")
        bottom_growth = report_with_details[report_with_details['Week'] == latest_week].sort_values('Growth_Change').head(5)
        for _, row in bottom_growth.iterrows():
            growth_color = "green" if row['Growth_Change'] > 0 else "red"
            st.markdown(f"""
            <div style="border: 1px solid #eee; padding: 10px; border-radius: 5px; margin-bottom: 10px;">
                <h4 style="margin: 0;">{row['Farm_Name']} (اداره {row['Administration_ID']})</h4>
                <p style="margin: 5px 0;">ارتفاع: {row['Average_Height']} سانتی‌متر</p>
                <p style="color: {growth_color}; font-weight: bold; margin: 0;">
                    تغییر: {'+' if row['Growth_Change'] > 0 else ''}{row['Growth_Change']} سانتی‌متر
                </p>
            </div>
            """, unsafe_allow_html=True)

# بخش ورود اطلاعات (بهبود یافته)
elif st.session_state.selected_tab == "ورود اطلاعات":
    st.title("ورود اطلاعات روزانه")

    # انتخاب روز هفته
    days_of_week = ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنجشنبه"]
    selected_day = st.selectbox("انتخاب روز", days_of_week, index=days_of_week.index(st.session_state.selected_day))
    st.session_state.selected_day = selected_day

    # انتخاب اداره
    selected_admin = st.selectbox("انتخاب اداره", sorted(farms_df['Administration_ID'].unique()))

    # فیلتر مزارع بر اساس اداره انتخاب‌شده
    filtered_farms = farms_df[farms_df['Administration_ID'] == selected_admin].copy()

    # تعریف ستون‌های جدول
    columns = {
        'مزرعه': filtered_farms['Farm_Name'],
        'ایستگاه 1': [0] * len(filtered_farms),
        'ایستگاه 2': [0] * len(filtered_farms),
        'ایستگاه 3': [0] * len(filtered_farms),
        'ایستگاه 4': [0] * len(filtered_farms),
        'ایستگاه 5': [0] * len(filtered_farms),
        'چاهک 1': [0] * len(filtered_farms),
        'چاهک 2': [0] * len(filtered_farms),
        'رطوبت غلاف': [0] * len(filtered_farms),
        'نیتروژن': [0] * len(filtered_farms),
        'میانگین ارتفاع': [0] * len(filtered_farms)
    }
    data_df = pd.DataFrame(columns)

    # بارگذاری داده‌های قبلی (اگر وجود داشته باشد)
    if selected_day in st.session_state.farm_data:
        for idx, farm in filtered_farms.iterrows():
            farm_id = farm['Farm_ID']
            if farm_id in st.session_state.farm_data[selected_day]:
                saved_data = st.session_state.farm_data[selected_day][farm_id]
                for col in ['ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'چاهک 2', 'رطوبت غلاف', 'نیتروژن']:
                    if col in saved_data:
                        data_df.at[idx, col] = saved_data[col]
                data_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(data_df.iloc[idx])

    # نمایش جدول ورود داده‌ها
    st.subheader(f"ورود داده‌های روز {selected_day} - اداره {selected_admin}")
    edited_df = st.data_editor(
        data_df,
        num_rows="fixed",
        key=f"data_editor_{selected_day}_{selected_admin}",
        hide_index=True,
        column_config={
            "مزرعه": st.column_config.TextColumn("مزرعه", disabled=True),
            "ایستگاه 1": st.column_config.NumberColumn("ایستگاه 1", min_value=0, max_value=300, step=1),
            "ایستگاه 2": st.column_config.NumberColumn("ایستگاه 2", min_value=0, max_value=300, step=1),
            "ایستگاه 3": st.column_config.NumberColumn("ایستگاه 3", min_value=0, max_value=300, step=1),
            "ایستگاه 4": st.column_config.NumberColumn("ایستگاه 4", min_value=0, max_value=300, step=1),
            "ایستگاه 5": st.column_config.NumberColumn("ایستگاه 5", min_value=0, max_value=300, step=1),
            "چاهک 1": st.column_config.NumberColumn("چاهک 1", min_value=0, max_value=300, step=1),
            "چاهک 2": st.column_config.NumberColumn("چاهک 2", min_value=0, max_value=300, step=1),
            "رطوبت غلاف": st.column_config.NumberColumn("رطوبت غلاف", min_value=0, max_value=100, step=1),
            "نیتروژن": st.column_config.NumberColumn("نیتروژن", min_value=0, max_value=100, step=1),
            "میانگین ارتفاع": st.column_config.NumberColumn("میانگین ارتفاع", disabled=True)
        },
        use_container_width=True
    )

    # محاسبه داینامیک میانگین ارتفاع
    for idx, row in edited_df.iterrows():
        edited_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(row)

    # نمایش خلاصه داینامیک
    st.markdown("---")
    st.subheader("خلاصه وضعیت داده‌های واردشده")
    col1, col2, col3, col4 = st.columns(4)
    with col1:
        total_avg = edited_df['میانگین ارتفاع'].mean()
        st.metric("میانگین کل ارتفاع", f"{total_avg:.1f} سانتی‌متر" if total_avg > 0 else "0")
    with col2:
        farms_entered = len(edited_df[edited_df['میانگین ارتفاع'] > 0])
        st.metric("تعداد مزارع واردشده", f"{farms_entered} از {len(filtered_farms)}")
    with col3:
        avg_moisture = edited_df['رطوبت غلاف'].mean()
        st.metric("میانگین رطوبت غلاف", f"{avg_moisture:.1f}%" if avg_moisture > 0 else "0")
    with col4:
        avg_nitrogen = edited_df['نیتروژن'].mean()
        st.metric("میانگین نیتروژن", f"{avg_nitrogen:.1f}%" if avg_nitrogen > 0 else "0")

    # دکمه ذخیره
    if st.button("ذخیره اطلاعات"):
        if selected_day not in st.session_state.farm_data:
            st.session_state.farm_data[selected_day] = {}
        for idx, row in edited_df.iterrows():
            farm_id = filtered_farms.iloc[idx]['Farm_ID']
            st.session_state.farm_data[selected_day][farm_id] = {
                'ایستگاه 1': row['ایستگاه 1'],
                'ایستگاه 2': row['ایستگاه 2'],
                'ایستگاه 3': row['ایستگاه 3'],
                'ایستگاه 4': row['ایستگاه 4'],
                'ایستگاه 5': row['ایستگاه 5'],
                'چاهک 1': row['چاهک 1'],
                'چاهک 2': row['چاهک 2'],
                'رطوبت غلاف': row['رطوبت غلاف'],
                'نیتروژن': row['نیتروژن'],
                'میانگین ارتفاع': row['میانگین ارتفاع']
            }
        st.success("داده‌ها با موفقیت ذخیره شدند.")

# گزارش‌گیری (بدون تغییر)
elif st.session_state.selected_tab == "گزارش‌گیری":
    st.title("گزارش‌های هفتگی")
    report_type = st.radio(
        "نوع گزارش",
        ["گزارش به تفکیک مزرعه", "گزارش به تفکیک اداره", "گزارش به تفکیک کانال", "مزارع با وضعیت ضعیف"]
    )
    st.markdown("---")
    if report_type == "گزارش به تفکیک مزرعه":
        st.subheader("گزارش هفتگی به تفکیک مزرعه")
        selected_admin = st.selectbox("انتخاب اداره", sorted(farms_df['Administration_ID'].unique()), key="admin_select_farm_report")
        filtered_farms = farms_df[farms_df['Administration_ID'] == selected_admin]
        selected_farm_id = st.selectbox(
            "انتخاب مزرعه",
            filtered_farms['Farm_ID'].tolist(),
            format_func=lambda x: filtered_farms[filtered_farms['Farm_ID'] == x]['Farm_Name'].iloc[0]
        )
        farm_reports = weekly_report_df[weekly_report_df['Farm_ID'] == selected_farm_id].sort_values('Week')
        if not farm_reports.empty:
            farm_info = filtered_farms[filtered_farms['Farm_ID'] == selected_farm_id].iloc[0]
            col1, col2, col3 = st.columns(3)
            col1.metric("واریته", farm_info['Variety'])
            col2.metric("سن کشت", f"{farm_info['Crop_Age']} سال")
            col3.metric("مساحت", f"{farm_info['Area']} هکتار")
            st.markdown("---")
            st.subheader("روند رشد هفتگی")
            fig = go.Figure()
            fig.add_trace(go.Scatter(
                x=farm_reports['Week'],
                y=farm_reports['Regional_Average'],
                mode='lines+markers',
                name='میانگین منطقه',
                line=dict(color='gray', width=2, dash='dot'),
                marker=dict(size=8)
            ))
            fig.add_trace(go.Scatter(
                x=farm_reports['Week'],
                y=farm_reports['Average_Height'],
                mode='lines+markers',
                name='ارتفاع مزرعه',
                line=dict(color='#1e6b45', width=3),
                marker=dict(size=10)
            ))
            fig.update_layout(height=400, xaxis_title="هفته", yaxis_title="ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
            st.plotly_chart(fig, use_container_width=True)
            st.subheader("داده‌های هفتگی")
            report_table = pd.DataFrame({
                'هفته': farm_reports['Week'],
                'تاریخ': farm_reports['Week'].apply(lambda x: heights_df[heights_df['Week'] == x]['Measurement_Date'].iloc[0]),
                'ارتفاع': farm_reports['Average_Height'],
                'میانگین منطقه': farm_reports['Regional_Average'],
                'تغییرات': farm_reports['Growth_Change'],
                'وضعیت': farm_reports['Growth_Status']
            })
            def status_with_color(status):
                colors = {'خوب': '#00c853', 'متوسط': '#ffd600', 'ضعیف': '#ff3d00'}
                return f'<span style="color: {colors.get(status, "black")};">{status}</span>'
            report_table['وضعیت'] = report_table['وضعیت'].apply(status_with_color)
            st.markdown(report_table.to_html(escape=False, index=False), unsafe_allow_html=True)
            st.subheader("نقشه NDVI مزرعه")
            if st.button("نمایش نقشه NDVI این مزرعه"):
                with st.spinner("در حال تولید نقشه..."):
                    latest_date = farm_reports.iloc[-1]['Week']
                    farm_date = heights_df[heights_df['Week'] == latest_date]['Measurement_Date'].iloc[0]
                    ndvi_map = create_ndvi_map(selected_farm_id, farm_date)
                    if ndvi_map:
                        st.markdown('<div class="map-container">', unsafe_allow_html=True)
                        folium_static(ndvi_map, width=1200, height=500)
                        st.markdown('</div>', unsafe_allow_html=True)
            st.markdown("---")
            st.subheader("توصیه‌های کارشناسی")
            latest_report = farm_reports.iloc[-1]
            latest_status = latest_report['Growth_Status']
            if latest_status == 'خوب':
                st.success("وضعیت رشد مزرعه مطلوب است. ادامه برنامه فعلی توصیه می‌شود.")
            elif latest_status == 'متوسط':
                st.warning("وضعیت رشد مزرعه متوسط است. بررسی وضعیت آبیاری و تغذیه توصیه می‌شود.")
            else:
                st.error("وضعیت رشد مزرعه ضعیف است. مشکلات احتمالی:")
                st.markdown("""
                - بررسی سیستم آبیاری و عدم گرفتگی
                - بررسی وضعیت تغذیه و نیاز به کود
                - بررسی آفات و بیماری‌های احتمالی
                - بررسی وضعیت زهکشی مزرعه
                """)

# تحلیل داده‌ها (بدون تغییر)
elif st.session_state.selected_tab == "تحلیل داده‌ها":
    st.title("تحلیل پیشرفته داده‌ها")
    analysis_type = st.selectbox(
        "انتخاب نوع تحلیل",
        ["تحلیل واریته‌ها", "تحلیل عوامل مؤثر بر رشد", "پیش‌بینی روند آینده", "مقایسه بخش‌های تولیدی"]
    )
    st.markdown("---")
    if analysis_type == "تحلیل واریته‌ها":
        st.subheader("مقایسه واریته‌های مختلف")
        variety_weekly = report_with_details.groupby(['Variety', 'Week'])['Average_Height'].mean().reset_index()
        variety_weekly['Average_Height'] = variety_weekly['Average_Height'].round().astype(int)
        fig = px.line(
            variety_weekly,
            x='Week',
            y='Average_Height',
            color='Variety',
            markers=True,
            labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)', 'Variety': 'واریته'}
        )
        fig.update_traces(line=dict(width=3), marker=dict(size=10))
        fig.update_layout(height=500, xaxis_title="هفته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
        st.plotly_chart(fig, use_container_width=True)