Spaces:
Running
Running
| import streamlit as st | |
| import pandas as pd | |
| import numpy as np | |
| import folium | |
| from streamlit_folium import folium_static | |
| import ee | |
| import os | |
| import json | |
| import time | |
| from datetime import datetime, timedelta | |
| import plotly.express as px | |
| import plotly.graph_objects as go | |
| import altair as alt | |
| from streamlit_option_menu import option_menu | |
| from streamlit_lottie import st_lottie | |
| import requests | |
| import hydralit_components as hc | |
| from streamlit_extras.colored_header import colored_header | |
| from streamlit_extras.metric_cards import style_metric_cards | |
| from streamlit_extras.chart_container import chart_container | |
| from streamlit_extras.add_vertical_space import add_vertical_space | |
| from streamlit_card import card | |
| import pydeck as pdk | |
| import math | |
| from sklearn.linear_model import LinearRegression | |
| # تنظیمات صفحه با تم سفارشی | |
| st.set_page_config( | |
| page_title="سامانه هوشمند پایش مزارع نیشکر دهخدا", | |
| page_icon="🌿", | |
| layout="wide", | |
| initial_sidebar_state="expanded" | |
| ) | |
| # CSS سفارشی با طراحی سبز مدرن و انیمیشن‌ها | |
| st.markdown(""" | |
| <style> | |
| @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@100;200;300;400;500;600;700;800;900&display=swap'); | |
| * { | |
| font-family: 'Vazirmatn', sans-serif !important; | |
| } | |
| /* استایل کلی صفحه */ | |
| .main { | |
| background: linear-gradient(135deg, #f5f7fa 0%, #e4e9f2 100%); | |
| } | |
| /* استایل هدر */ | |
| .main-header { | |
| background: linear-gradient(90deg, #1a8754 0%, #115740 100%); | |
| padding: 1.5rem; | |
| border-radius: 12px; | |
| box-shadow: 0 8px 32px rgba(0, 0, 0, 0.1); | |
| margin-bottom: 2rem; | |
| position: relative; | |
| overflow: hidden; | |
| animation: header-glow 3s infinite alternate; | |
| } | |
| @keyframes header-glow { | |
| 0% { box-shadow: 0 8px 32px rgba(26, 135, 84, 0.1); } | |
| 100% { box-shadow: 0 8px 32px rgba(26, 135, 84, 0.3); } | |
| } | |
| .main-header h1 { | |
| color: white; | |
| font-weight: 700; | |
| margin: 0; | |
| position: relative; | |
| z-index: 1; | |
| } | |
| .main-header p { | |
| color: rgba(255, 255, 255, 0.8); | |
| margin: 0; | |
| position: relative; | |
| z-index: 1; | |
| } | |
| /* استایل منوی ناوبری */ | |
| .st-emotion-cache-1lcbz7b { | |
| background-color: transparent !important; | |
| padding: 0 !important; | |
| margin-bottom: 20px !important; | |
| } | |
| .st-emotion-cache-1j7d69d { | |
| --hover-color: #e9f7ef !important; | |
| border-radius: 10px !important; | |
| font-size: 16px !important; | |
| text-align: center !important; | |
| margin: 0 !important; | |
| } | |
| .st-emotion-cache-1j7d69d:hover { | |
| background-color: #e9f7ef !important; | |
| } | |
| .st-emotion-cache-1j7d69d[data-selected="true"] { | |
| background-color: #1a8754 !important; | |
| color: white !important; | |
| font-weight: 600 !important; | |
| } | |
| .st-emotion-cache-1m5q2i0 { | |
| color: #1a8754 !important; | |
| font-size: 18px !important; | |
| } | |
| /* استایل کارت‌های متریک */ | |
| .metric-card { | |
| background: white; | |
| border-radius: 12px; | |
| padding: 1.5rem; | |
| box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05); | |
| transition: all 0.3s ease; | |
| text-align: center; | |
| } | |
| .metric-card:hover { | |
| transform: translateY(-5px); | |
| box-shadow: 0 8px 30px rgba(0, 0, 0, 0.1); | |
| } | |
| .metric-card .metric-value { | |
| font-size: 2.5rem; | |
| font-weight: 700; | |
| color: #1a8754; | |
| margin-bottom: 0.5rem; | |
| } | |
| .metric-card .metric-label { | |
| font-size: 1rem; | |
| color: #6c757d; | |
| } | |
| /* استایل کانتینر نقشه */ | |
| .map-container { | |
| border-radius: 12px; | |
| overflow: hidden; | |
| box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05); | |
| } | |
| /* استایل تب‌ها */ | |
| .stTabs [data-baseweb="tab-list"] { | |
| gap: 8px; | |
| } | |
| .stTabs [data-baseweb="tab"] { | |
| border-radius: 4px 4px 0px 0px; | |
| padding: 10px 16px; | |
| background-color: #f8f9fa; | |
| } | |
| .stTabs [aria-selected="true"] { | |
| background-color: #1a8754 !important; | |
| color: white !important; | |
| } | |
| /* استایل سایدبار */ | |
| [data-testid="stSidebar"] { | |
| background-color: #ffffff; | |
| border-right: 1px solid #e9ecef; | |
| } | |
| /* انیمیشن‌ها */ | |
| @keyframes fadeIn { | |
| 0% { opacity: 0; transform: translateY(20px); } | |
| 100% { opacity: 1; transform: translateY(0); } | |
| } | |
| .animate-fadeIn { | |
| animation: fadeIn 0.5s ease forwards; | |
| } | |
| /* استایل دکمه‌ها */ | |
| .stButton>button { | |
| border-radius: 50px; | |
| padding: 0.5rem 1.5rem; | |
| font-weight: 600; | |
| transition: all 0.3s ease; | |
| border: none; | |
| background: linear-gradient(90deg, #1a8754 0%, #115740 100%); | |
| color: white; | |
| } | |
| .stButton>button:hover { | |
| transform: translateY(-2px); | |
| box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1); | |
| background: linear-gradient(90deg, #115740 0%, #1a8754 100%); | |
| } | |
| /* استایل فوتر */ | |
| footer { | |
| position: fixed; | |
| left: 0; | |
| bottom: 0; | |
| width: 100%; | |
| background-color: #1a8754; | |
| color: white; | |
| text-align: center; | |
| padding: 10px 0; | |
| font-family: 'Vazirmatn', sans-serif; | |
| } | |
| </style> | |
| """, unsafe_allow_html=True) | |
| # تابع بارگذاری داده‌ها | |
| def load_farm_data(): | |
| try: | |
| df = pd.read_csv("کراپ لاگ کلی (1).csv", encoding='utf-8-sig') | |
| return df | |
| except Exception as e: | |
| st.error(f"خطا در بارگذاری داده‌های کراپ لاگ: {e}") | |
| return pd.DataFrame() | |
| def load_coordinates_data(): | |
| try: | |
| coords_df = pd.read_csv("farm_coordinates.csv", encoding='utf-8-sig') | |
| return coords_df | |
| except Exception as e: | |
| st.error(f"خطا در بارگذاری داده‌های مختصات: {e}") | |
| return pd.DataFrame() | |
| def load_day_data(): | |
| try: | |
| day_df = pd.read_csv("پایگاه داده (1).csv", encoding='utf-8-sig') | |
| return day_df | |
| except Exception as e: | |
| st.error(f"خطا در بارگذاری داده‌های روز: {e}") | |
| return pd.DataFrame() | |
| # تابع بارگذاری انیمیشن | |
| def load_lottie_url(url: str): | |
| r = requests.get(url) | |
| if r.status_code != 200: | |
| return None | |
| return r.json() | |
| # مقداردهی اولیه Earth Engine | |
| def initialize_earth_engine(): | |
| try: | |
| service_account = 'dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com' | |
| credentials_dict = { | |
| "type": "service_account", | |
| "project_id": "ee-esmaeilkiani13877", | |
| "private_key_id": "cfdea6eaf4115cb6462626743e4b15df85fd0c7f", | |
| "private_key": "-----BEGIN PRIVATE KEY-----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\nLa4DJE9BagGdVNTDtynBhKhZ\n-----END PRIVATE KEY-----\n", | |
| "client_email": "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com", | |
| "client_id": "113062529451626176784", | |
| "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", | |
| "universe_domain": "googleapis.com" | |
| } | |
| credentials_file = 'ee-esmaeilkiani13877-cfdea6eaf411.json' | |
| with open(credentials_file, 'w') as f: | |
| json.dump(credentials_dict, f) | |
| credentials = ee.ServiceAccountCredentials(service_account, credentials_file) | |
| ee.Initialize(credentials) | |
| os.remove(credentials_file) | |
| return True | |
| except Exception as e: | |
| st.error(f"خطا در اتصال به Earth Engine: {e}") | |
| return False | |
| # تابع ایجاد نقشه Earth Engine | |
| def create_ee_map(farm_id, date_str, layer_type="NDVI"): | |
| try: | |
| farm_row = coordinates_df[coordinates_df['مزرعه'] == farm_id].iloc[0] | |
| lat, lon = farm_row['عرض جغرافیایی'], farm_row['طول جغرافیایی'] | |
| m = folium.Map(location=[lat, lon], zoom_start=14, tiles='CartoDB positron') | |
| date_obj = datetime.strptime(date_str, '%Y-%m-%d') | |
| start_date = (date_obj - timedelta(days=5)).strftime('%Y-%m-%d') | |
| end_date = (date_obj + timedelta(days=5)).strftime('%Y-%m-%d') | |
| region = ee.Geometry.Point([lon, lat]).buffer(1500) | |
| s2 = ee.ImageCollection('COPERNICUS/S2_SR') \ | |
| .filterDate(start_date, end_date) \ | |
| .filterBounds(region) \ | |
| .sort('CLOUDY_PIXEL_PERCENTAGE') \ | |
| .first() | |
| if layer_type == "NDVI": | |
| index = s2.normalizedDifference(['B8', 'B4']).rename('NDVI') | |
| viz_params = {'min': -0.2, 'max': 0.8, 'palette': ['#ff0000', '#ff4500', '#ffd700', '#32cd32', '#006400']} | |
| legend_title = 'شاخص پوشش گیاهی (NDVI)' | |
| elif layer_type == "NDMI": | |
| index = s2.normalizedDifference(['B8', 'B11']).rename('NDMI') | |
| viz_params = {'min': -0.5, 'max': 0.5, 'palette': ['#8b0000', '#ff8c00', '#00ced1', '#00b7eb', '#00008b']} | |
| legend_title = 'شاخص رطوبت (NDMI)' | |
| elif layer_type == "EVI": | |
| nir = s2.select('B8') | |
| red = s2.select('B4') | |
| blue = s2.select('B2') | |
| index = nir.subtract(red).multiply(2.5).divide(nir.add(red.multiply(6)).subtract(blue.multiply(7.5)).add(1)).rename('EVI') | |
| viz_params = {'min': 0, 'max': 1, 'palette': ['#d73027', '#f46d43', '#fdae61', '#fee08b', '#4caf50']} | |
| legend_title = 'شاخص پیشرفته گیاهی (EVI)' | |
| elif layer_type == "NDWI": | |
| index = s2.normalizedDifference(['B3', 'B8']).rename('NDWI') | |
| viz_params = {'min': -0.5, 'max': 0.5, 'palette': ['#00008b', '#00b7eb', '#add8e6', '#fdae61', '#d73027']} | |
| legend_title = 'شاخص آب (NDWI)' | |
| map_id_dict = ee.Image(index).getMapId(viz_params) | |
| folium.TileLayer( | |
| tiles=map_id_dict['tile_fetcher'].url_format, | |
| attr='Google Earth Engine', | |
| name=layer_type, | |
| overlay=True, | |
| control=True | |
| ).add_to(m) | |
| folium.Marker( | |
| [lat, lon], | |
| popup=f'مزرعه {farm_id}', | |
| tooltip=f'مزرعه {farm_id}', | |
| icon=folium.Icon(color='green', icon='leaf') | |
| ).add_to(m) | |
| folium.Circle( | |
| [lat, lon], | |
| radius=1500, | |
| color='green', | |
| fill=True, | |
| fill_color='green', | |
| fill_opacity=0.1 | |
| ).add_to(m) | |
| folium.LayerControl().add_to(m) | |
| legend_html = ''' | |
| <div style="position: fixed; | |
| bottom: 50px; right: 50px; | |
| border: 2px solid grey; z-index: 9999; | |
| background-color: white; | |
| padding: 10px; | |
| border-radius: 5px; | |
| direction: rtl; | |
| font-family: 'Vazirmatn', sans-serif;"> | |
| <div style="font-size: 14px; font-weight: bold; margin-bottom: 5px;">''' + legend_title + '''</div> | |
| <div style="display: flex; align-items: center; margin-bottom: 5px;"> | |
| <div style="background: ''' + viz_params['palette'][0] + '''; width: 20px; height: 20px; margin-left: 5px;"></div> | |
| <span>کم</span> | |
| </div> | |
| <div style="display: flex; align-items: center; margin-bottom: 5px;"> | |
| <div style="background: ''' + viz_params['palette'][2] + '''; width: 20px; height: 20px; margin-left: 5px;"></div> | |
| <span>متوسط</span> | |
| </div> | |
| <div style="display: flex; align-items: center;"> | |
| <div style="background: ''' + viz_params['palette'][-1] + '''; width: 20px; height: 20px; margin-left: 5px;"></div> | |
| <span>زیاد</span> | |
| </div> | |
| </div> | |
| ''' | |
| m.get_root().html.add_child(folium.Element(legend_html)) | |
| return m | |
| except Exception as e: | |
| st.error(f"خطا در ایجاد نقشه: {e}") | |
| return None | |
| # تابع محاسبه آمار مزرعه | |
| def calculate_farm_stats(farm_id, layer_type="NDVI"): | |
| farm_data = farm_df[farm_df['مزرعه'] == farm_id] | |
| if layer_type == "NDVI": | |
| stats = { | |
| 'mean': farm_data['ارتفاع هفته جاری مزرعه'].mean() if not farm_data.empty else 0, | |
| 'min': farm_data['ارتفاع هفته جاری مزرعه'].min() if not farm_data.empty else 0, | |
| 'max': farm_data['ارتفاع هفته جاری مزرعه'].max() if not farm_data.empty else 0, | |
| 'std_dev': farm_data['ارتفاع هفته جاری مزرعه'].std() if not farm_data.empty else 0, | |
| 'histogram_data': farm_data['ارتفاع هفته جاری مزرعه'].values if not farm_data.empty else np.array([]) | |
| } | |
| elif layer_type == "NDMI": | |
| stats = { | |
| 'mean': farm_data['رطوبت غلاف فعلی'].mean() if not farm_data.empty else 0, | |
| 'min': farm_data['رطوبت غلاف فعلی'].min() if not farm_data.empty else 0, | |
| 'max': farm_data['رطوبت غلاف فعلی'].max() if not farm_data.empty else 0, | |
| 'std_dev': farm_data['رطوبت غلاف فعلی'].std() if not farm_data.empty else 0, | |
| 'histogram_data': farm_data['رطوبت غلاف فعلی'].values if not farm_data.empty else np.array([]) | |
| } | |
| return stats | |
| # تابع تولید داده‌های رشد | |
| def generate_real_growth_data(selected_variety="all", selected_age="all"): | |
| filtered_farms = farm_df | |
| if selected_variety != "all": | |
| filtered_farms = filtered_farms[filtered_farms['رقم'] == selected_variety] | |
| if selected_age != "all": | |
| filtered_farms = filtered_farms[filtered_farms['سن'] == selected_age] | |
| farm_growth_data = [] | |
| weeks = filtered_farms['هفته'].unique() | |
| for farm_id in filtered_farms['مزرعه'].unique(): | |
| farm_data = filtered_farms[filtered_farms['مزرعه'] == farm_id] | |
| growth_data = { | |
| 'farm_id': farm_id, | |
| 'variety': farm_data['رقم'].iloc[0] if not farm_data.empty else 'Unknown', | |
| 'age': farm_data['سن'].iloc[0] if not farm_data.empty else 'Unknown', | |
| 'weeks': weeks, | |
| 'heights': [farm_data[farm_data['هفته'] == week]['ارتفاع هفته جاری مزرعه'].mean() if not farm_data[farm_data['هفته'] == week].empty else 0 for week in weeks] | |
| } | |
| farm_growth_data.append(growth_data) | |
| if farm_growth_data: | |
| avg_heights = [] | |
| for week in weeks: | |
| week_heights = [farm['heights'][list(weeks).index(week)] for farm in farm_growth_data if farm['heights'][list(weeks).index(week)] > 0] | |
| avg_heights.append(round(sum(week_heights) / len(week_heights)) if week_heights else 0) | |
| avg_growth_data = { | |
| 'farm_id': 'میانگین', | |
| 'variety': 'همه', | |
| 'age': 'همه', | |
| 'weeks': weeks, | |
| 'heights': avg_heights | |
| } | |
| return {'individual': farm_growth_data, 'average': avg_growth_data} | |
| return { | |
| 'individual': [], | |
| 'average': {'farm_id': 'میانگین', 'variety': 'همه', 'age': 'همه', 'weeks': weeks, 'heights': [0] * len(weeks)} | |
| } | |
| # مقداردهی اولیه و بارگذاری داده‌ها | |
| ee_initialized = initialize_earth_engine() | |
| farm_df = load_farm_data() | |
| coordinates_df = load_coordinates_data() | |
| day_df = load_day_data() | |
| # بارگذاری انیمیشن‌ها | |
| lottie_farm = load_lottie_url('https://assets5.lottiefiles.com/packages/lf20_ystsffqy.json') | |
| lottie_analysis = load_lottie_url('https://assets3.lottiefiles.com/packages/lf20_qp1q7mct.json') | |
| lottie_report = load_lottie_url('https://assets9.lottiefiles.com/packages/lf20_vwcugezu.json') | |
| # ایجاد حالت جلسه برای ذخیره داده‌ها | |
| if 'heights_df' not in st.session_state: | |
| st.session_state.heights_df = farm_df.copy() | |
| # هدر اصلی | |
| st.markdown('<div class="main-header">', unsafe_allow_html=True) | |
| st.markdown('<h1>سامانه هوشمند پایش مزارع نیشکر دهخدا</h1>', unsafe_allow_html=True) | |
| st.markdown('<p>پلتفرم جامع مدیریت، پایش و تحلیل داده‌های مزارع نیشکر با استفاده از تصاویر ماهواره‌ای و هوش مصنوعی</p>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| # منوی ناوبری مدرن | |
| selected = option_menu( | |
| menu_title=None, | |
| options=["داشبورد", "نقشه مزارع", "ورود اطلاعات", "تحلیل داده‌ها", "گزارش‌گیری", "تنظیمات"], | |
| icons=["speedometer2", "map", "pencil-square", "graph-up", "file-earmark-text", "gear"], | |
| menu_icon="cast", | |
| default_index=0, | |
| orientation="horizontal", | |
| styles={ | |
| "container": {"padding": "0!important", "background-color": "transparent", "margin-bottom": "20px"}, | |
| "icon": {"color": "#1a8754", "font-size": "18px"}, | |
| "nav-link": {"font-size": "16px", "text-align": "center", "margin":"0px", "--hover-color": "#e9f7ef", "border-radius": "10px"}, | |
| "nav-link-selected": {"background-color": "#1a8754", "color": "white", "font-weight": "600"}, | |
| } | |
| ) | |
| # صفحه داشبورد | |
| if selected == "داشبورد": | |
| # متریک‌های داشبورد | |
| col1, col2, col3, col4 = st.columns(4) | |
| with col1: | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{len(farm_df["مزرعه"].unique())}</div>', unsafe_allow_html=True) | |
| st.markdown('<div class="metric-label">تعداد مزارع</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col2: | |
| active_farms = int(len(farm_df["مزرعه"].unique()) * 0.85) | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{active_farms}</div>', unsafe_allow_html=True) | |
| st.markdown('<div class="metric-label">مزارع فعال</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col3: | |
| avg_height = farm_df['ارتفاع هفته جاری مزرعه'].mean() | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{avg_height:.1f} cm</div>', unsafe_allow_html=True) | |
| st.markdown('<div class="metric-label">میانگین ارتفاع</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col4: | |
| avg_moisture = farm_df['رطوبت غلاف فعلی'].mean() | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{avg_moisture:.1f}%</div>', unsafe_allow_html=True) | |
| st.markdown('<div class="metric-label">میانگین رطوبت</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| # تب‌های داشبورد | |
| tab1, tab2, tab3, tab4 = st.tabs(["نمای کلی", "نقشه مزارع", "نمودارها", "داده‌ها"]) | |
| with tab1: | |
| st.markdown("### توزیع واریته‌ها و سن محصول") | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| variety_counts = farm_df['رقم'].value_counts().reset_index() | |
| variety_counts.columns = ['رقم', 'تعداد'] | |
| fig = px.pie( | |
| variety_counts, | |
| values='تعداد', | |
| names='رقم', | |
| title='توزیع واریته‌ها', | |
| color_discrete_sequence=px.colors.sequential.Greens_r | |
| ) | |
| fig.update_traces(textposition='inside', textinfo='percent+label') | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| legend=dict(orientation="h", yanchor="bottom", y=-0.3, xanchor="center", x=0.5) | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| with col2: | |
| age_counts = farm_df['سن'].value_counts().reset_index() | |
| age_counts.columns = ['سن', 'تعداد'] | |
| fig = px.pie( | |
| age_counts, | |
| values='تعداد', | |
| names='سن', | |
| title='توزیع سن محصول', | |
| color_discrete_sequence=px.colors.sequential.Blues_r | |
| ) | |
| fig.update_traces(textposition='inside', textinfo='percent+label') | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| legend=dict(orientation="h", yanchor="bottom", y=-0.3, xanchor="center", x=0.5) | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| st.markdown("### اطلاعات کلی مزارع") | |
| total_area = farm_df['مساحت'].sum() | |
| col1, col2, col3 = st.columns(3) | |
| col1.metric("تعداد کل مزارع", f"{len(farm_df['مزرعه'].unique())}") | |
| col2.metric("مساحت کل (هکتار)", f"{total_area:.2f}") | |
| col3.metric("تعداد کانال‌ها", f"{farm_df['کانال'].nunique()}") | |
| st_lottie(lottie_farm, height=300, key="farm_animation") | |
| with tab2: | |
| st.markdown("### نقشه مزارع") | |
| if coordinates_df is not None and not coordinates_df.empty: | |
| m = folium.Map(location=[31.45, 48.72], zoom_start=12, tiles='CartoDB positron') | |
| for _, farm in coordinates_df.iterrows(): | |
| lat = farm['عرض جغرافیایی'] | |
| lon = farm['طول جغرافیایی'] | |
| name = farm['مزرعه'] | |
| farm_info = farm_df[farm_df['مزرعه'] == name] | |
| if not farm_info.empty: | |
| variety = farm_info['رقم'].iloc[0] | |
| age = farm_info['سن'].iloc[0] | |
| area = farm_info['مساحت'].iloc[0] | |
| popup_text = f""" | |
| <div style="direction: rtl; text-align: right; font-family: 'Vazirmatn', sans-serif;"> | |
| <h4>مزرعه {name}</h4> | |
| <p>واریته: {variety}</p> | |
| <p>سن: {age}</p> | |
| <p>مساحت: {area} هکتار</p> | |
| </div> | |
| """ | |
| else: | |
| popup_text = f"<div style='direction: rtl;'>مزرعه {name}</div>" | |
| folium.Marker( | |
| [lat, lon], | |
| popup=folium.Popup(popup_text, max_width=300), | |
| tooltip=f"مزرعه {name}", | |
| icon=folium.Icon(color='green', icon='leaf') | |
| ).add_to(m) | |
| st.markdown('<div class="map-container">', unsafe_allow_html=True) | |
| folium_static(m, width=1000, height=600) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| else: | |
| st.warning("داده‌های مختصات در دسترس نیست.") | |
| with tab3: | |
| st.markdown("### نمودار رشد هفتگی") | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| selected_variety = st.selectbox( | |
| "انتخاب واریته", | |
| ["all"] + list(farm_df['رقم'].unique()), | |
| format_func=lambda x: "همه واریته‌ها" if x == "all" else x | |
| ) | |
| with col2: | |
| selected_age = st.selectbox( | |
| "انتخاب سن", | |
| ["all"] + list(farm_df['سن'].unique()), | |
| format_func=lambda x: "همه سنین" if x == "all" else x | |
| ) | |
| growth_data = generate_real_growth_data(selected_variety, selected_age) | |
| chart_tab1, chart_tab2 = st.tabs(["میانگین رشد", "رشد مزارع فردی"]) | |
| with chart_tab1: | |
| avg_data = growth_data['average'] | |
| fig = go.Figure() | |
| fig.add_trace(go.Scatter( | |
| x=avg_data['weeks'], | |
| y=avg_data['heights'], | |
| mode='lines+markers', | |
| name='میانگین رشد', | |
| line=dict(color='#1a8754', width=3), | |
| marker=dict(size=8, color='#1a8754') | |
| )) | |
| fig.update_layout( | |
| title='میانگین رشد هفتگی', | |
| xaxis_title='هفته', | |
| yaxis_title='ارتفاع (سانتی‌متر)', | |
| font=dict(family='Vazirmatn', size=14), | |
| hovermode='x unified', | |
| template='plotly_white', | |
| height=500 | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| with chart_tab2: | |
| if growth_data['individual']: | |
| fig = go.Figure() | |
| colors = ['#1a8754', '#1976d2', '#e65100', '#9c27b0', '#d32f2f'] | |
| for i, farm_data in enumerate(growth_data['individual'][:5]): | |
| fig.add_trace(go.Scatter( | |
| x=farm_data['weeks'], | |
| y=farm_data['heights'], | |
| mode='lines+markers', | |
| name=f"مزرعه {farm_data['farm_id']}", | |
| line=dict(color=colors[i % len(colors)], width=2), | |
| marker=dict(size=6, color=colors[i % len(colors)]) | |
| )) | |
| fig.update_layout( | |
| title='رشد هفتگی مزارع فردی', | |
| xaxis_title='هفته', | |
| yaxis_title='ارتفاع (سانتی‌متر)', | |
| font=dict(family='Vazirmatn', size=14), | |
| hovermode='x unified', | |
| template='plotly_white', | |
| height=500 | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| else: | |
| st.warning("داده‌ای برای نمایش وجود ندارد.") | |
| with tab4: | |
| st.markdown("### داده‌های مزارع") | |
| search_term = st.text_input("جستجو در داده‌ها", placeholder="نام مزرعه، واریته، سن و...") | |
| if search_term: | |
| filtered_df = farm_df[ | |
| farm_df['مزرعه'].astype(str).str.contains(search_term) | | |
| farm_df['رقم'].astype(str).str.contains(search_term) | | |
| farm_df['سن'].astype(str).str.contains(search_term) | | |
| farm_df['کانال'].astype(str).str.contains(search_term) | |
| ] | |
| else: | |
| filtered_df = farm_df | |
| if not filtered_df.empty: | |
| csv = filtered_df.to_csv(index=False).encode('utf-8-sig') | |
| st.download_button( | |
| label="دانلود داده‌ها (CSV)", | |
| data=csv, | |
| file_name="farm_data.csv", | |
| mime="text/csv", | |
| ) | |
| st.dataframe( | |
| filtered_df, | |
| use_container_width=True, | |
| height=400, | |
| hide_index=True | |
| ) | |
| st.info(f"نمایش {len(filtered_df)} مزرعه از {len(farm_df)} مزرعه") | |
| else: | |
| st.warning("هیچ داده‌ای یافت نشد.") | |
| # صفحه نقشه مزارع | |
| elif selected == "نقشه مزارع": | |
| st.markdown("## نقشه مزارع با شاخص‌های ماهواره‌ای") | |
| col1, col2 = st.columns([1, 3]) | |
| with col1: | |
| st.markdown('<div class="glass-card">', unsafe_allow_html=True) | |
| st.markdown("### تنظیمات نقشه") | |
| selected_farm = st.selectbox( | |
| "انتخاب مزرعه", | |
| options=coordinates_df['مزرعه'].tolist(), | |
| index=0, | |
| format_func=lambda x: f"مزرعه {x}" | |
| ) | |
| selected_date = st.date_input( | |
| "انتخاب تاریخ", | |
| value=datetime.now(), | |
| format="YYYY-MM-DD" | |
| ) | |
| selected_layer = st.selectbox( | |
| "انتخاب شاخص", | |
| options=["NDVI", "NDMI", "EVI", "NDWI"], | |
| format_func=lambda x: { | |
| "NDVI": "شاخص پوشش گیاهی (NDVI)", | |
| "NDMI": "شاخص رطوبت (NDMI)", | |
| "EVI": "شاخص پیشرفته گیاهی (EVI)", | |
| "NDWI": "شاخص آب (NDWI)" | |
| }[x] | |
| ) | |
| generate_map = st.button( | |
| "تولید نقشه", | |
| use_container_width=True | |
| ) | |
| st.markdown('<hr style="margin: 20px 0;">', unsafe_allow_html=True) | |
| st.markdown("### راهنمای شاخص‌ها") | |
| with st.expander("شاخص پوشش گیاهی (NDVI)", expanded=selected_layer == "NDVI"): | |
| st.markdown(""" | |
| **شاخص تفاضل نرمال‌شده پوشش گیاهی (NDVI)** معیاری برای سنجش سلامت و تراکم پوشش گیاهی است. | |
| - **مقادیر بالا (0.6 تا 1.0)**: پوشش گیاهی متراکم و سالم | |
| - **مقادیر متوسط (0.2 تا 0.6)**: پوشش گیاهی متوسط | |
| - **مقادیر پایین (-1.0 تا 0.2)**: پوشش گیاهی کم یا خاک لخت | |
| فرمول: NDVI = (NIR - RED) / (NIR + RED) | |
| """) | |
| with st.expander("شاخص رطوبت (NDMI)", expanded=selected_layer == "NDMI"): | |
| st.markdown(""" | |
| **شاخص تفاضل نرمال‌شده رطوبت (NDMI)** برای ارزیابی محتوای رطوبت گیاهان استفاده می‌شود. | |
| - **مقادیر بالا (0.4 تا 1.0)**: محتوای رطوبت بالا | |
| - **مقادیر متوسط (0.0 تا 0.4)**: محتوای رطوبت متوسط | |
| - **مقادیر پایین (-1.0 تا 0.0)**: محتوای رطوبت کم | |
| فرمول: NDMI = (NIR - SWIR) / (NIR + SWIR) | |
| """) | |
| with st.expander("شاخص پیشرفته گیاهی (EVI)", expanded=selected_layer == "EVI"): | |
| st.markdown(""" | |
| **شاخص پیشرفته پوشش گیاهی (EVI)** نسخه بهبودیافته NDVI است که حساسیت کمتری به اثرات خاک و اتمسفر دارد. | |
| - **مقادیر بالا (0.4 تا 1.0)**: پوشش گیاهی متراکم و سالم | |
| - **مقادیر متوسط (0.2 تا 0.4)**: پوشش گیاهی متوسط | |
| - **مقادیر پایین (0.0 تا 0.2)**: پوشش گیاهی کم | |
| فرمول: EVI = 2.5 * ((NIR - RED) / (NIR + 6*RED - 7.5*BLUE + 1)) | |
| """) | |
| with st.expander("شاخص آب (NDWI)", expanded=selected_layer == "NDWI"): | |
| st.markdown(""" | |
| **شاخص تفاضل نرمال‌شده آب (NDWI)** برای شناسایی پهنه‌های آبی و ارزیابی محتوای آب در گیاهان استفاده می‌شود. | |
| - **مقادیر بالا (0.3 تا 1.0)**: پهنه‌های آبی | |
| - **مقادیر متوسط (0.0 تا 0.3)**: محتوای آب متوسط | |
| - **مقادیر پایین (-1.0 تا 0.0)**: محتوای آب کم یا خاک خشک | |
| فرمول: NDWI = (GREEN - NIR) / (GREEN + NIR) | |
| """) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col2: | |
| map_tab, stats_tab = st.tabs(["نقشه", "آمار و تحلیل"]) | |
| with map_tab: | |
| st.markdown('<div class="map-container">', unsafe_allow_html=True) | |
| if generate_map or 'last_map' not in st.session_state: | |
| with st.spinner('در حال تولید نقشه...'): | |
| m = create_ee_map( | |
| selected_farm, | |
| selected_date.strftime('%Y-%m-%d'), | |
| selected_layer | |
| ) | |
| if m: | |
| st.session_state.last_map = m | |
| folium_static(m, width=800, height=600) | |
| st.success(f"نقشه {selected_layer} برای مزرعه {selected_farm} با موفقیت تولید شد.") | |
| else: | |
| st.error("خطا در تولید نقشه. لطفاً دوباره تلاش کنید.") | |
| elif 'last_map' in st.session_state: | |
| folium_static(st.session_state.last_map, width=800, height=600) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| st.info(""" | |
| **نکته:** این نقشه بر اساس تصاویر ماهواره‌ای Sentinel-2 تولید شده است. | |
| برای دقت بیشتر، تاریخی را انتخاب کنید که ابرناکی کمتری داشته باشد. | |
| """) | |
| with stats_tab: | |
| if 'last_map' in st.session_state: | |
| stats = calculate_farm_stats(selected_farm, selected_layer) | |
| col1, col2, col3, col4 = st.columns(4) | |
| with col1: | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{stats["mean"]:.2f}</div>', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-label">میانگین {selected_layer}</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col2: | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{stats["max"]:.2f}</div>', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-label">حداکثر {selected_layer}</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col3: | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{stats["min"]:.2f}</div>', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-label">حداقل {selected_layer}</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| with col4: | |
| st.markdown('<div class="metric-card">', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-value">{stats["std_dev"]:.2f}</div>', unsafe_allow_html=True) | |
| st.markdown(f'<div class="metric-label">انحراف معیار</div>', unsafe_allow_html=True) | |
| st.markdown('</div>', unsafe_allow_html=True) | |
| fig = px.histogram( | |
| x=stats["histogram_data"], | |
| nbins=20, | |
| title=f"توزیع مقادیر {selected_layer} در مزرعه {selected_farm}", | |
| labels={"x": f"مقدار {selected_layer}", "y": "فراوانی"}, | |
| color_discrete_sequence=["#1a8754"] | |
| ) | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white", | |
| bargap=0.1 | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| dates = pd.date_range(end=selected_date, periods=30, freq='D') | |
| values = [stats["mean"] + np.random.normal(0, stats["std_dev"] / 2) for _ in range(30)] | |
| values = np.clip(values, stats["min"], stats["max"]) | |
| fig = px.line( | |
| x=dates, | |
| y=values, | |
| title=f"روند تغییرات {selected_layer} در 30 روز گذشته", | |
| labels={"x": "تاریخ", "y": f"مقدار {selected_layer}"}, | |
| markers=True | |
| ) | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white", | |
| hovermode="x unified" | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| else: | |
| st.warning("لطفاً ابتدا یک نقشه تولید کنید.") | |
| # صفحه ورود اطلاعات | |
| elif selected == "ورود اطلاعات": | |
| st.markdown("## ورود اطلاعات روزانه مزارع") | |
| tab1, tab2 = st.tabs(["ورود دستی", "آپلود فایل"]) | |
| with tab1: | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| selected_week = st.selectbox( | |
| "انتخاب هفته", | |
| options=[str(i) for i in range(1, 23)], | |
| format_func=lambda x: f"هفته {x}" | |
| ) | |
| with col2: | |
| days = day_df['روز'].unique().tolist() | |
| selected_day = st.selectbox("انتخاب روز", options=days) | |
| filtered_farms = farm_df[farm_df['هفته'] == int(selected_week)] | |
| filtered_farms = filtered_farms[filtered_farms['مزرعه'].isin(day_df[day_df['روز'] == selected_day]['مزرعه'])] | |
| if filtered_farms.empty: | |
| st.warning(f"هیچ مزرعه‌ای برای هفته {selected_week} و روز {selected_day} در پایگاه داده وجود ندارد.") | |
| else: | |
| st.markdown("### ورود داده‌های مزارع") | |
| data_key = f"data_{selected_week}_{selected_day}" | |
| if data_key not in st.session_state: | |
| st.session_state[data_key] = pd.DataFrame({ | |
| 'مزرعه': filtered_farms['مزرعه'], | |
| '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 فعلی': [0] * len(filtered_farms), | |
| 'نیتروژن فعلی': [0] * len(filtered_farms), | |
| 'ارتفاع هفته جاری مزرعه': [0] * len(filtered_farms) | |
| }) | |
| edited_df = st.data_editor( | |
| st.session_state[data_key], | |
| use_container_width=True, | |
| num_rows="fixed", | |
| 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 فعلی": st.column_config.NumberColumn("رطوبت غلاف", min_value=0, max_value=100, step=1), | |
| "نیتروژن فعلی": st.column_config.NumberColumn("نیتروژن", min_value=0, max_value=100, step=1), | |
| "ارتفاع هفته جاری مزرعه": st.column_config.NumberColumn("میانگین ارتفاع", disabled=True), | |
| }, | |
| hide_index=True | |
| ) | |
| for i in range(len(edited_df)): | |
| stations = [ | |
| edited_df.iloc[i]['ایستگاه 1'], | |
| edited_df.iloc[i]['ایستگاه 2'], | |
| edited_df.iloc[i]['ایستگاه 3'], | |
| edited_df.iloc[i]['ایستگاه 4'], | |
| edited_df.iloc[i]['ایستگاه 5'] | |
| ] | |
| valid_stations = [s for s in stations if s > 0] | |
| if valid_stations: | |
| edited_df.iloc[i, edited_df.columns.get_loc('ارتفاع هفته جاری مزرعه')] = round(sum(valid_stations) / len(valid_stations), 1) | |
| st.session_state[data_key] = edited_df | |
| if st.button("ذخیره اطلاعات", use_container_width=True): | |
| new_data = edited_df.copy() | |
| new_data['هفته'] = int(selected_week) | |
| new_data['تاریخ قرائت'] = (datetime.now() - timedelta(weeks=(22 - int(selected_week)))).strftime('%Y-%m-%d') | |
| new_data['رقم'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['رقم']) | |
| new_data['سن'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['سن']) | |
| new_data['مساحت'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['مساحت']) | |
| new_data['کانال'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['کانال']) | |
| new_data['اداره'] = new_data['مزرعه'].map(farm_df.set_index('مزرعه')['اداره']) | |
| new_data['سال'] = datetime.now().year | |
| st.session_state.heights_df = pd.concat([st.session_state.heights_df, new_data], ignore_index=True) | |
| st.success(f"داده‌های هفته {selected_week} برای روز {selected_day} با موفقیت ذخیره شدند.") | |
| st.balloons() | |
| with tab2: | |
| st.markdown("### آپلود فایل اکسل") | |
| uploaded_file = st.file_uploader("فایل اکسل خود را آپلود کنید", type=["xlsx", "xls", "csv"]) | |
| if uploaded_file is not None: | |
| try: | |
| if uploaded_file.name.endswith('.csv'): | |
| df = pd.read_csv(uploaded_file, encoding='utf-8-sig') | |
| else: | |
| df = pd.read_excel(uploaded_file) | |
| st.dataframe(df, use_container_width=True) | |
| if st.button("ذخیره فایل", use_container_width=True): | |
| st.session_state.heights_df = pd.concat([st.session_state.heights_df, df], ignore_index=True) | |
| st.success("فایل با موفقیت ذخیره شد.") | |
| st.balloons() | |
| except Exception as e: | |
| st.error(f"خطا در خواندن فایل: {e}") | |
| st.markdown("### راهنمای فرمت فایل") | |
| st.markdown(""" | |
| فایل اکسل باید شامل ستون‌های زیر باشد: | |
| - مزرعه | |
| - ایستگاه 1 تا ایستگاه 5 | |
| - چاهک 1 و چاهک 2 | |
| - رطوبت غلاف فعلی | |
| - نیتروژن فعلی | |
| """) | |
| st.markdown(""" | |
| <div style="border: 2px dashed #1a8754; border-radius: 10px; padding: 40px; text-align: center; margin: 20px 0;"> | |
| <svg xmlns="http://www.w3.org/2000/svg" width="48" height="48" viewBox="0 0 24 24" fill="none" stroke="#1a8754" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"> | |
| <path d="M21 15v4a2 2 0 0 1-2 2H5a2 2 0 0 1-2-2v-4"></path> | |
| <polyline points="17 8 12 3 7 8"></polyline> | |
| <line x1="12" y1="3" x2="12" y2="15"></line> | |
| </svg> | |
| <p style="margin-top: 10px; color: #1a8754;">فایل خود را اینجا رها کنید یا روی دکمه بالا کلیک کنید</p> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| # صفحه تحلیل داده‌ها | |
| elif selected == "تحلیل داده‌ها": | |
| st.markdown("## تحلیل هوشمند داده‌ها") | |
| col1, col2 = st.columns([1, 2]) | |
| with col1: | |
| st_lottie(lottie_analysis, height=200, key="analysis_animation") | |
| with col2: | |
| st.markdown(""" | |
| <div class="glass-card"> | |
| <h3 style="background: linear-gradient(90deg, #1a8754 0%, #115740 100%); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-weight: 700;"> | |
| تحلیل پیشرفته داده‌های مزارع | |
| </h3> | |
| <p>در این بخش می‌توانید تحلیل‌های پیشرفته روی داده‌های مزارع انجام دهید و روندها و الگوهای مختلف را بررسی کنید.</p> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| tab1, tab2, tab3, tab4 = st.tabs(["تحلیل رشد", "مقایسه واریته‌ها", "تحلیل رطوبت", "پیش‌بینی"]) | |
| with tab1: | |
| st.markdown("### تحلیل رشد مزارع") | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| selected_variety = st.selectbox( | |
| "انتخاب واریته", | |
| ["all"] + list(farm_df['رقم'].unique()), | |
| format_func=lambda x: "همه واریته‌ها" if x == "all" else x, | |
| key="growth_variety" | |
| ) | |
| with col2: | |
| selected_age = st.selectbox( | |
| "انتخاب سن", | |
| ["all"] + list(farm_df['سن'].unique()), | |
| format_func=lambda x: "همه سنین" if x == "all" else x, | |
| key="growth_age" | |
| ) | |
| growth_data = generate_real_growth_data(selected_variety, selected_age) | |
| if growth_data['individual']: | |
| chart_data = [] | |
| for farm_data in growth_data['individual']: | |
| for i, week in enumerate(farm_data['weeks']): | |
| chart_data.append({ | |
| 'مزرعه': farm_data['farm_id'], | |
| 'هفته': week, | |
| 'ارتفاع': farm_data['heights'][i], | |
| 'رقم': farm_data['variety'], | |
| 'سن': farm_data['age'] | |
| }) | |
| chart_df = pd.DataFrame(chart_data) | |
| chart = alt.Chart(chart_df).mark_line(point=True).encode( | |
| x=alt.X('هفته:Q', title='هفته'), | |
| y=alt.Y('ارتفاع:Q', title='ارتفاع (سانتی‌متر)'), | |
| color=alt.Color('مزرعه:N', title='مزرعه'), | |
| tooltip=['مزرعه', 'هفته', 'ارتفاع', 'رقم', 'سن'] | |
| ).properties( | |
| width='container', | |
| height=400, | |
| title='روند رشد مزارع بر اساس هفته' | |
| ).interactive() | |
| st.altair_chart(chart, use_container_width=True) | |
| st.markdown("### تحلیل نرخ رشد") | |
| growth_rates = [] | |
| for farm_data in growth_data['individual']: | |
| heights = farm_data['heights'] | |
| for i in range(1, len(heights)): | |
| if heights[i] > 0 and heights[i-1] > 0: | |
| growth_rate = heights[i] - heights[i-1] | |
| growth_rates.append({ | |
| 'مزرعه': farm_data['farm_id'], | |
| 'هفته': farm_data['weeks'][i], | |
| 'نرخ رشد': growth_rate, | |
| 'رقم': farm_data['variety'], | |
| 'سن': farm_data['age'] | |
| }) | |
| growth_rate_df = pd.DataFrame(growth_rates) | |
| chart = alt.Chart(growth_rate_df).mark_bar().encode( | |
| x=alt.X('هفته:O', title='هفته'), | |
| y=alt.Y('mean(نرخ رشد):Q', title='نرخ رشد (سانتی‌متر در هفته)'), | |
| color=alt.Color('مزرعه:N', title='مزرعه'), | |
| tooltip=['مزرعه', 'هفته', 'mean(نرخ رشد)'] | |
| ).properties( | |
| width='container', | |
| height=400, | |
| title='نرخ رشد هفتگی مزارع' | |
| ).interactive() | |
| st.altair_chart(chart, use_container_width=True) | |
| else: | |
| st.warning("داده‌ای برای نمایش وجود ندارد.") | |
| with tab2: | |
| st.markdown("### مقایسه واریته‌ها") | |
| variety_age_groups = farm_df.groupby(['رقم', 'سن']).size().reset_index(name='تعداد') | |
| fig = px.density_heatmap( | |
| variety_age_groups, | |
| x='رقم', | |
| y='سن', | |
| z='تعداد', | |
| title='توزیع مزارع بر اساس واریته و سن', | |
| color_continuous_scale='Viridis' | |
| ) | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white", | |
| xaxis_title="واریته", | |
| yaxis_title="سن" | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| variety_heights = farm_df.groupby('رقم')['ارتفاع هفته جاری مزرعه'].apply(list).to_dict() | |
| fig = go.Figure() | |
| for variety, heights in variety_heights.items(): | |
| fig.add_trace(go.Box( | |
| y=heights, | |
| name=variety, | |
| boxpoints='outliers', | |
| marker_color=f'hsl({hash(variety) % 360}, 70%, 50%)' | |
| )) | |
| fig.update_layout( | |
| title='مقایسه ارتفاع بر اساس واریته', | |
| yaxis_title='ارتفاع (سانتی‌متر)', | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white", | |
| boxmode='group' | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| variety_stats = {} | |
| for variety, heights in variety_heights.items(): | |
| variety_stats[variety] = { | |
| 'میانگین': np.mean(heights), | |
| 'میانه': np.median(heights), | |
| 'انحراف معیار': np.std(heights), | |
| 'حداقل': np.min(heights), | |
| 'حداکثر': np.max(heights) | |
| } | |
| variety_stats_df = pd.DataFrame(variety_stats).T | |
| st.dataframe(variety_stats_df, use_container_width=True) | |
| with tab3: | |
| st.markdown("### تحلیل رطوبت مزارع") | |
| farms = farm_df['مزرعه'].unique()[:10] | |
| dates = pd.date_range(end=datetime.now(), periods=30, freq='D') | |
| moisture_data = [] | |
| for farm in farms: | |
| farm_data = farm_df[farm_df['مزرعه'] == farm] | |
| for date in dates: | |
| week_data = farm_data[farm_data['هفته'] == (date.isocalendar()[1] % 23 + 1)] | |
| moisture = week_data['رطوبت غلاف فعلی'].mean() if not week_data.empty else np.random.uniform(50, 80) | |
| moisture = max(0, min(100, moisture)) | |
| moisture_data.append({ | |
| 'مزرعه': farm, | |
| 'تاریخ': date, | |
| 'رطوبت': moisture | |
| }) | |
| moisture_df = pd.DataFrame(moisture_data) | |
| fig = px.line( | |
| moisture_df, | |
| x='تاریخ', | |
| y='رطوبت', | |
| color='مزرعه', | |
| title='روند رطوبت مزارع در 30 روز گذشته', | |
| labels={'تاریخ': 'تاریخ', 'رطوبت': 'رطوبت (%)', 'مزرعه': 'مزرعه'} | |
| ) | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white", | |
| hovermode="x unified" | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| st.markdown("### همبستگی رطوبت و ارتفاع") | |
| correlation_data = [] | |
| for farm in farms: | |
| farm_data = farm_df[farm_df['مزرعه'] == farm] | |
| for _, row in farm_data.iterrows(): | |
| correlation_data.append({ | |
| 'مزرعه': farm, | |
| 'رطوبت': row['رطوبت غلاف فعلی'], | |
| 'ارتفاع': row['ارتفاع هفته جاری مزرعه'] | |
| }) | |
| correlation_df = pd.DataFrame(correlation_data) | |
| fig = px.scatter( | |
| correlation_df, | |
| x='رطوبت', | |
| y='ارتفاع', | |
| color='مزرعه', | |
| title='همبستگی بین رطوبت و ارتفاع', | |
| labels={'رطوبت': 'رطوبت (%)', 'ارتفاع': 'ارتفاع (سانتی‌متر)', 'مزرعه': 'مزرعه'}, | |
| trendline='ols' | |
| ) | |
| fig.update_layout( | |
| font=dict(family="Vazirmatn"), | |
| template="plotly_white" | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| correlation = correlation_df['رطوبت'].corr(correlation_df['ارتفاع']) | |
| st.info(f"ضریب همبستگی بین رطوبت و ارتفاع: {correlation:.2f}") | |
| with tab4: | |
| st.markdown("### پیش‌بینی رشد مزارع") | |
| selected_farm_for_prediction = st.selectbox( | |
| "انتخاب مزرعه", | |
| options=farm_df['مزرعه'].tolist(), | |
| format_func=lambda x: f"مزرعه {x}" | |
| ) | |
| farm_data = farm_df[farm_df['مزرعه'] == selected_farm_for_prediction] | |
| historical_weeks = farm_data['هفته'].values | |
| historical_heights = farm_data['ارتفاع هفته جاری مزرعه'].values | |
| if len(historical_weeks) > 1 and len(historical_heights) > 1: | |
| model = LinearRegression() | |
| model.fit(historical_weeks.reshape(-1, 1), historical_heights) | |
| future_weeks = np.array(range(max(historical_weeks) + 1, 30)).reshape(-1, 1) | |
| future_heights = model.predict(future_weeks) | |
| lower_bound = future_heights - 15 | |
| upper_bound = future_heights + 15 | |
| fig = go.Figure() | |
| fig.add_trace(go.Scatter( | |
| x=historical_weeks, | |
| y=historical_heights, | |
| mode='lines+markers', | |
| name='داده‌های تاریخی', | |
| line=dict(color='#1a8754', width=3), | |
| marker=dict(size=8, color='#1a8754') | |
| )) | |
| fig.add_trace(go.Scatter( | |
| x=future_weeks.flatten(), | |
| y=future_heights, | |
| mode='lines', | |
| name='پیش‌بینی', | |
| line=dict(color='#1976d2', width=3, dash='dash') | |
| )) | |
| fig.add_trace(go.Scatter( | |
| x=future_weeks.flatten(), | |
| y=lower_bound, | |
| mode='lines', | |
| name='حد پایین', | |
| line=dict(color='#d32f2f', width=1, dash='dot'), | |
| showlegend=True | |
| )) | |
| fig.add_trace(go.Scatter( | |
| x=future_weeks.flatten(), | |
| y=upper_bound, | |
| mode='lines', | |
| name='حد بالا', | |
| line=dict(color='#d32f2f', width=1, dash='dot'), | |
| fill='tonexty', | |
| showlegend=True | |
| )) | |
| fig.update_layout( | |
| title=f'پیش‌بینی رشد مزرعه {selected_farm_for_prediction}', | |
| xaxis_title='هفته', | |
| yaxis_title='ارتفاع (سانتی‌متر)', | |
| font=dict(family='Vazirmatn', size=14), | |
| hovermode='x unified', | |
| template='plotly_white', | |
| height=500 | |
| ) | |
| st.plotly_chart(fig, use_container_width=True) | |
| else: | |
| st.warning("داده‌های کافی برای پیش‌بینی وجود ندارد.") | |
| # صفحه گزارش‌گیری | |
| elif selected == "گزارش‌گیری": | |
| st.markdown("## گزارش‌گیری") | |
| report_week = st.selectbox("انتخاب هفته برای گزارش", options=[str(i) for i in range(1, 23)]) | |
| report_day = st.selectbox("انتخاب روز برای گزارش", options=day_df['روز'].unique().tolist()) | |
| report_df = st.session_state.heights_df[ | |
| (st.session_state.heights_df['هفته'] == int(report_week)) & | |
| (st.session_state.heights_df['مزرعه'].isin(day_df[day_df['روز'] == report_day]['مزرعه'])) | |
| ] | |
| if not report_df.empty: | |
| st.markdown(f"### گزارش هفته {report_week} - روز {report_day}") | |
| st.dataframe(report_df, use_container_width=True) | |
| csv = report_df.to_csv(index=False).encode('utf-8-sig') | |
| st.download_button( | |
| label="دانلود گزارش (CSV)", | |
| data=csv, | |
| file_name=f"report_week_{report_week}_day_{report_day}.csv", | |
| mime="text/csv", | |
| ) | |
| st_lottie(lottie_report, height=200, key="report_animation") | |
| else: | |
| st.warning(f"داده‌ای برای هفته {report_week} و روز {report_day} یافت نشد.") | |
| # صفحه تنظیمات | |
| elif selected == "تنظیمات": | |
| st.markdown("## تنظیمات سامانه") | |
| st.markdown(""" | |
| <div class="glass-card"> | |
| <h3 style="background: linear-gradient(90deg, #1a8754 0%, #115740 100%); -webkit-background-clip: text; -webkit-text-fill-color: transparent; font-weight: 700;"> | |
| تنظیمات پیشرفته | |
| </h3> | |
| <p>در این بخش می‌توانید تنظیمات کلی سامانه، از جمله به‌روزرسانی داده‌ها و پیکربندی‌های پیشرفته را مدیریت کنید.</p> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| st.markdown("### به‌روزرسانی داده‌ها") | |
| if st.button("بارگذاری مجدد داده‌ها", use_container_width=True): | |
| st.session_state.heights_df = load_farm_data() | |
| st.success("داده‌ها با موفقیت به‌روزرسانی شدند.") | |
| st.markdown("### تنظیمات ظاهری") | |
| theme = st.radio( | |
| "انتخاب تم", | |
| options=["سبز (پیش‌فرض)", "آبی", "سفید"], | |
| format_func=lambda x: x | |
| ) | |
| if theme == "آبی": | |
| st.markdown(""" | |
| <style> | |
| .main-header {background: linear-gradient(90deg, #1976d2 0%, #0d47a1 100%);} | |
| .metric-card .metric-value {color: #1976d2;} | |
| .stButton>button {background: linear-gradient(90deg, #1976d2 0%, #0d47a1 100%);} | |
| </style> | |
| """, unsafe_allow_html=True) | |
| elif theme == "سفید": | |
| st.markdown(""" | |
| <style> | |
| .main-header {background: linear-gradient(90deg, #ffffff 0%, #f5f5f5 100%);} | |
| .metric-card .metric-value {color: #333333;} | |
| .stButton>button {background: linear-gradient(90deg, #ffffff 0%, #f5f5f5 100%); color: #333333;} | |
| </style> | |
| """, unsafe_allow_html=True) | |
| st.markdown("### اطلاعات تماس") | |
| st.markdown(""" | |
| <div style="background: #f0f0f3; border-radius: 12px; box-shadow: 10px 10px 20px #d1d1d4, -10px -10px 20px #ffffff; padding: 1.5rem;"> | |
| <p>برای پشتیبانی یا مشکلات فنی، با ما تماس بگیرید:</p> | |
| <p>ایمیل: [email protected]</p> | |
| <p>تلفن: +98 21 12345678</p> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| # فوتر | |
| st.markdown(""" | |
| <footer> | |
| <p>© 2025 سامانه هوشمند پایش مزارع نیشکر دهخدا. تمامی حقوق محفوظ است.</p> | |
| </footer> | |
| """, unsafe_allow_html=True) |