Update app.py

app.py

@@ -37,7 +37,7 @@ st.set_page_config(
     initial_sidebar_state="expanded"
 )
 
-# Custom CSS with modern green design and animations
+# Custom CSS with modern design and animations
 st.markdown("""
 <style>
     @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@100;200;300;400;500;600;700;800;900&display=swap');
@@ -53,7 +53,7 @@ st.markdown("""
     
     /* Header styling */
     .main-header {
-        background: linear-gradient(90deg, #1a8754 0%, #115740 100%);
+        background: linear-gradient(90deg, #2ecc71 0%, #27ae60 100%);
         padding: 1.5rem;
         border-radius: 12px;
         box-shadow: 0 8px 32px rgba(0, 0, 0, 0.1);
@@ -64,24 +64,8 @@ st.markdown("""
     }
     
     @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::before {
-        content: '';
-        position: absolute;
-        top: -50%;
-        left: -50%;
-        width: 200%;
-        height: 200%;
-        background: radial-gradient(circle, rgba(255,255,255,0.1) 0%, rgba(255,255,255,0) 70%);
-        transform: rotate(30deg);
-        z-index: 0;
+        0% { box-shadow: 0 8px 32px rgba(46, 204, 113, 0.1); }
+        100% { box-shadow: 0 8px 32px rgba(46, 204, 113, 0.3); }
     }
     
     .main-header h1 {
@@ -99,6 +83,35 @@ st.markdown("""
         z-index: 1;
     }
     
+    /* Metric card styling */
+    .metric-container {
+        display: flex;
+        justify-content: space-around;
+        flex-wrap: wrap;
+        gap: 20px;
+        padding: 20px;
+    }
+    
+    .metric-card {
+        background: linear-gradient(135deg, #3498db 0%, #2980b9 100%);
+        border-radius: 15px;
+        padding: 20px;
+        width: 220px;
+        text-align: center;
+        color: white;
+        box-shadow: 0 10px 20px rgba(0,0,0,0.2);
+        transition: transform 0.3s ease, box-shadow 0.3s ease;
+    }
+    
+    .metric-card:hover {
+        transform: translateY(-10px);
+        box-shadow: 0 15px 30px rgba(0,0,0,0.3);
+    }
+    
+    .metric-icon { font-size: 2.5rem; margin-bottom: 10px; }
+    .metric-value { font-size: 2rem; font-weight: 700; }
+    .metric-label { font-size: 1rem; opacity: 0.9; }
+    
     /* Navigation menu styling */
     .st-emotion-cache-1lcbz7b {
         background-color: transparent !important;
@@ -119,323 +132,11 @@ st.markdown("""
     }
     
     .st-emotion-cache-1lcbz7b .st-emotion-cache-1j7d69d[data-selected="true"] {
-        background-color: #1a8754 !important;
+        background-color: #2ecc71 !important;
         color: white !important;
         font-weight: 600 !important;
     }
     
-    .st-emotion-cache-1lcbz7b .st-emotion-cache-1j7d69d .st-emotion-cache-1m5q2i0 {
-        color: #1a8754 !important;
-        font-size: 18px !important;
-    }
-    
-    /* Metric card styling */
-    .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;
-    }
-    
-    /* Map container styling */
-    .map-container {
-        border-radius: 12px;
-        overflow: hidden;
-        box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05);
-    }
-    
-    /* Tabs styling */
-    .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;
-    }
-    
-    /* Sidebar styling */
-    [data-testid="stSidebar"] {
-        background-color: #ffffff;
-        border-right: 1px solid #e9ecef;
-    }
-    
-    /* Animations */
-    @keyframes fadeIn {
-        0% { opacity: 0; transform: translateY(20px); }
-        100% { opacity: 1; transform: translateY(0); }
-    }
-    
-    .animate-fadeIn {
-        animation: fadeIn 0.5s ease forwards;
-    }
-    
-    /* Loading animation */
-    .loading-spinner {
-        display: flex;
-        justify-content: center;
-        align-items: center;
-        height: 100px;
-    }
-    
-    .loading-spinner::after {
-        content: "";
-        width: 40px;
-        height: 40px;
-        border: 4px solid #f3f3f3;
-        border-top: 4px solid #1a8754;
-        border-radius: 50%;
-        animation: spin 1s linear infinite;
-    }
-    
-    @keyframes spin {
-        0% { transform: rotate(0deg); }
-        100% { transform: rotate(360deg); }
-    }
-    
-    /* RTL Support */
-    .rtl {
-        direction: rtl;
-        text-align: right;
-    }
-    
-    /* Custom scrollbar */
-    ::-webkit-scrollbar {
-        width: 8px;
-        height: 8px;
-    }
-    
-    ::-webkit-scrollbar-track {
-        background: #f1f1f1;
-        border-radius: 10px;
-    }
-    
-    ::-webkit-scrollbar-thumb {
-        background: #1a8754;
-        border-radius: 10px;
-    }
-    
-    ::-webkit-scrollbar-thumb:hover {
-        background: #115740;
-    }
-    
-    /* Tooltip styling */
-    .tooltip {
-        position: relative;
-        display: inline-block;
-    }
-    
-    .tooltip .tooltiptext {
-        visibility: hidden;
-        width: 120px;
-        background-color: #555;
-        color: #fff;
-        text-align: center;
-        border-radius: 6px;
-        padding: 5px;
-        position: absolute;
-        z-index: 1;
-        bottom: 125%;
-        left: 50%;
-        margin-left: -60px;
-        opacity: 0;
-        transition: opacity 0.3s;
-    }
-    
-    .tooltip:hover .tooltiptext {
-        visibility: visible;
-        opacity: 1;
-    }
-    
-    /* Data table styling */
-    .dataframe {
-        border-collapse: collapse;
-        width: 100%;
-        border-radius: 8px;
-        overflow: hidden;
-        box-shadow: 0 4px 12px rgba(0, 0, 0, 0.05);
-    }
-    
-    .dataframe th {
-        background-color: #1a8754;
-        color: white;
-        padding: 12px;
-        text-align: right;
-    }
-    
-    .dataframe td {
-        padding: 10px 12px;
-        border-bottom: 1px solid #e9ecef;
-    }
-    
-    .dataframe tr:nth-child(even) {
-        background-color: #f8f9fa;
-    }
-    
-    .dataframe tr:hover {
-        background-color: #e9ecef;
-    }
-    
-    /* Progress bar styling */
-    .stProgress > div > div > div > div {
-        background-color: #1a8754;
-    }
-    
-    /* Notification styling */
-    .notification {
-        background-color: #d1e7dd;
-        color: #0f5132;
-        padding: 1rem;
-        border-radius: 8px;
-        margin-bottom: 1rem;
-        display: flex;
-        align-items: center;
-        animation: slideIn 0.5s ease;
-    }
-    
-    @keyframes slideIn {
-        0% { transform: translateX(100%); opacity: 0; }
-        100% { transform: translateX(0); opacity: 1; }
-    }
-    
-    .notification-icon {
-        margin-right: 0.5rem;
-        font-size: 1.2rem;
-    }
-    
-    /* Custom select box */
-    .custom-select {
-        background-color: white;
-        border-radius: 8px;
-        padding: 0.5rem;
-        border: 1px solid #ced4da;
-        box-shadow: 0 2px 5px rgba(0, 0, 0, 0.05);
-    }
-    
-    /* Glassmorphism effect */
-    .glass-card {
-        background: rgba(255, 255, 255, 0.7);
-        backdrop-filter: blur(10px);
-        -webkit-backdrop-filter: blur(10px);
-        border-radius: 12px;
-        border: 1px solid rgba(255, 255, 255, 0.3);
-        padding: 1.5rem;
-        box-shadow: 0 8px 32px rgba(0, 0, 0, 0.1);
-    }
-    
-    /* Neumorphism effect */
-    .neumorphic-card {
-        background: #f0f0f3;
-        border-radius: 12px;
-        box-shadow: 10px 10px 20px #d1d1d4, -10px -10px 20px #ffffff;
-        padding: 1.5rem;
-    }
-    
-    /* Gradient text */
-    .gradient-text {
-        background: linear-gradient(90deg, #1a8754 0%, #115740 100%);
-        -webkit-background-clip: text;
-        -webkit-text-fill-color: transparent;
-        font-weight: 700;
-    }
-    
-    /* Pulsing animation */
-    @keyframes pulse {
-        0% { transform: scale(1); }
-        50% { transform: scale(1.05); }
-        100% { transform: scale(1); }
-    }
-    
-    .pulse-animation {
-        animation: pulse 2s infinite;
-    }
-    
-    /* Custom radio buttons */
-    .stRadio > div {
-        display: flex;
-        gap: 10px;
-    }
-    
-    .stRadio label {
-        cursor: pointer;
-        background-color: #f8f9fa;
-        padding: 0.5rem 1rem;
-        border-radius: 50px;
-        transition: all 0.3s ease;
-    }
-    
-    .stRadio label:hover {
-        background-color: #e9ecef;
-    }
-    
-    /* Hide default radio button */
-    .stRadio input {
-        display: none;
-    }
-    
-    /* Custom checked state */
-    .stRadio input:checked + label {
-        background-color: #1a8754;
-        color: white;
-    }
-    
-    .stSelectbox, .stNumberInput {
-        background-color: #f0f2f6;
-        border-radius: 10px;
-        padding: 10px;
-        margin: 10px 0;
-    }
-    
-    .custom-card {
-        background-color: white;
-        padding: 20px;
-        border-radius: 15px;
-        box-shadow: 0 4px 6px rgba(0, 0, 0, 0.1);
-        margin: 10px 0;
-    }
-    
-    .metric-container {
-        display: flex;
-        justify-content: space-between;
-        flex-wrap: wrap;
-    }
-    
-    .metric-card {
-        background-color: #1a8754;
-        color: white;
-        padding: 15px;
-        border-radius: 10px;
-        margin: 5px;
-        flex: 1;
-        min-width: 200px;
-        text-align: center;
-    }
-    
     /* Button styling */
     .stButton>button {
         border-radius: 50px;
@@ -443,6 +144,8 @@ st.markdown("""
         font-weight: 600;
         transition: all 0.3s ease;
         border: none;
+        background: linear-gradient(90deg, #2ecc71 0%, #27ae60 100%);
+        color: white;
     }
     
     .stButton>button:hover {
@@ -450,28 +153,16 @@ st.markdown("""
         box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1);
     }
     
-    .primary-btn {
-        background: linear-gradient(90deg, #1a8754 0%, #115740 100%);
-        color: white;
-    }
-    
-    .secondary-btn {
-        background: white;
-        color: #1a8754;
-        border: 1px solid #1a8754 !important;
-    }
-    
     /* Footer styling */
     footer {
         position: fixed;
         left: 0;
         bottom: 0;
         width: 100%;
-        background-color: #1a8754;
+        background-color: #2ecc71;
         color: white;
         text-align: center;
         padding: 10px 0;
-        font-family: 'Vazirmatn', sans-serif;
     }
 </style>
 """, unsafe_allow_html=True)
@@ -481,39 +172,27 @@ st.markdown("""
 def load_farm_data():
     try:
         df = pd.read_csv("کراپ لاگ کلی (1).csv")
-        # Rename columns for consistency with the program
+        df.columns = [col.strip() for col in df.columns]
         df.rename(columns={
-            'سال': 'Year',
-            'هفته': 'Week',
-            'مزرعه': 'Farm_ID',
-            'کانال': 'Channel',
-            'اداره': 'Administration',
-            'مساحت': 'Area',
-            'مساحت زیر مجموعه': 'SubArea',
-            'رقم': 'Variety',
-            'سن': 'Age',
-            'ایستگاه 1': 'Station1',
-            'ایستگاه 2': 'Station2',
-            'ایستگاه 3': 'Station3',
-            'ایستگاه 4': 'Station4',
-            'ایستگاه 5': 'Station5',
-            'ارتفاع هفته جاری مزرعه': 'CurrentHeight',
-            'ارتفاع هفته گذشته مزرعه': 'PreviousHeight',
-            'رشد هفته جاری': 'CurrentGrowth',
-            'رشد هفته گذشته': 'PreviousGrowth',
-            'نیتروژن فعلی': 'CurrentNitrogen',
-            'نیتروژن استاندارد فعلی': 'StandardNitrogen',
-            'نیتروژن قبلی': 'PreviousNitrogen',
-            'نیتروژن استاندارد قبلی': 'PreviousStandardNitrogen',
-            'رطوبت غلاف فعلی': 'CurrentMoisture',
-            'رطوبت استاندارد فعلی': 'StandardMoisture',
-            'رطوبت غلاف قبلی': 'PreviousMoisture',
-            'رطوبت استاندارد قبلی': 'PreviousStandardMoisture',
-            'چاهک 1': 'Well1',
-            'تاریخ قرائت': 'Well1Date',
-            'چاهک 2': 'Well2',
-            'تاریخ قرائت.1': 'Well2Date'
+            'سال': 'Year', 'هفته': 'Week', 'مزرعه': 'Farm_ID', 'کانال': 'Channel', 'اداره': 'Administration',
+            'مساحت': 'Area', 'مساحت زیر مجموعه': 'SubArea', 'رقم': 'Variety', 'سن': 'Age',
+            'ایستگاه 1': 'Station1', 'ایستگاه 2': 'Station2', 'ایستگاه 3': 'Station3',
+            'ایستگاه 4': 'Station4', 'ایستگاه 5': 'Station5', 'ارتفاع هفته جاری مزرعه': 'CurrentHeight',
+            'ارتفاع هفته گذشته مزرعه': 'PreviousHeight', 'رشد هفته جاری': 'CurrentGrowth',
+            'رشد هفته گذشته': 'PreviousGrowth', 'نیتروژن فعلی': 'CurrentNitrogen',
+            'نیتروژن استاندارد فعلی': 'StandardNitrogen', 'نیتروژن قبلی': 'PreviousNitrogen',
+            'نیتروژن استاندارد قبلی': 'PreviousStandardNitrogen', 'رطوبت غلاف فعلی': 'CurrentMoisture',
+            'رطوبت استاندارد فعلی': 'StandardMoisture', 'رطوبت غلاف قبلی': 'PreviousMoisture',
+            'رطوبت استاندارد قبلی': 'PreviousStandardMoisture', 'چاهک 1': 'Well1', 'تاریخ قرائت': 'Well1Date',
+            'چاهک 2': 'Well2', 'تاریخ قرائت.1': 'Well2Date'
         }, inplace=True)
+        # Convert numeric columns to float and handle NaN
+        numeric_cols = ['Area', 'CurrentHeight', 'PreviousHeight', 'CurrentGrowth', 'PreviousGrowth', 
+                        'CurrentNitrogen', 'PreviousNitrogen', 'CurrentMoisture', 'PreviousMoisture', 
+                        'Station1', 'Station2', 'Station3', 'Station4', 'Station5', 'Well1', 'Well2']
+        for col in numeric_cols:
+            if col in df.columns:
+                df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0)
         return df
     except Exception as e:
         st.error(f"خطا در بارگذاری داده‌های مزارع: {e}")
@@ -524,9 +203,7 @@ def load_coordinates_data():
     try:
         coords_df = pd.read_csv("farm_coordinates.csv")
         coords_df.rename(columns={
-            'مزرعه': 'Farm_ID',
-            'عرض جغرافیایی': 'Latitude',
-            'طول جغرافیایی': 'Longitude'
+            'مزرعه': 'Farm_ID', 'عرض جغرافیایی': 'Latitude', 'طول جغرافیایی': 'Longitude'
         }, inplace=True)
         return coords_df
     except Exception as e:
@@ -537,10 +214,7 @@ def load_coordinates_data():
 def load_day_data():
     try:
         day_df = pd.read_csv("پایگاه داده (1).csv")
-        day_df.rename(columns={
-            'مزرعه': 'Farm_ID',
-            'روز': 'Day'
-        }, inplace=True)
+        day_df.rename(columns={'مزرعه': 'Farm_ID', 'روز': 'Day'}, inplace=True)
         return day_df
     except Exception as e:
         st.error(f"خطا در بارگذاری داده‌های روزهای هفته: {e}")
@@ -554,7 +228,7 @@ def load_lottie_url(url: str):
         return None
     return r.json()
 
-# Initialize Earth Engine (unchanged for now, but can be used with real data)
+# Initialize Earth Engine
 @st.cache_resource
 def initialize_earth_engine():
     try:
@@ -601,22 +275,9 @@ def create_ee_map(farm_id, date_str, layer_type="NDVI"):
         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,
@@ -625,72 +286,13 @@ def create_ee_map(farm_id, date_str, layer_type="NDVI"):
             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.Marker([lat, lon], popup=f'مزرعه {farm_id}', icon=folium.Icon(color='green', icon='leaf')).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
 
-# Calculate real farm stats
-def calculate_farm_stats(farm_id, layer_type="NDVI"):
-    farm_data = farm_df[farm_df['Farm_ID'] == farm_id]
-    if layer_type == "NDVI":
-        stats = {
-            'mean': farm_data['CurrentHeight'].mean() if not farm_data.empty else 0,
-            'min': farm_data['CurrentHeight'].min() if not farm_data.empty else 0,
-            'max': farm_data['CurrentHeight'].max() if not farm_data.empty else 0,
-            'std_dev': farm_data['CurrentHeight'].std() if not farm_data.empty else 0,
-            'histogram_data': farm_data['CurrentHeight'].values if not farm_data.empty else np.array([])
-        }
-    elif layer_type == "NDMI":
-        stats = {
-            'mean': farm_data['CurrentMoisture'].mean() if not farm_data.empty else 0,
-            'min': farm_data['CurrentMoisture'].min() if not farm_data.empty else 0,
-            'max': farm_data['CurrentMoisture'].max() if not farm_data.empty else 0,
-            'std_dev': farm_data['CurrentMoisture'].std() if not farm_data.empty else 0,
-            'histogram_data': farm_data['CurrentMoisture'].values if not farm_data.empty else np.array([])
-        }
-    return stats
-
 # Generate real growth data
 def generate_real_growth_data(selected_variety="all", selected_age="all"):
     filtered_farms = farm_df
@@ -699,37 +301,9 @@ def generate_real_growth_data(selected_variety="all", selected_age="all"):
     if selected_age != "all":
         filtered_farms = filtered_farms[filtered_farms['Age'] == selected_age]
     
-    farm_growth_data = []
     weeks = filtered_farms['Week'].unique()
-    for farm_id in filtered_farms['Farm_ID'].unique():
-        farm_data = filtered_farms[filtered_farms['Farm_ID'] == farm_id]
-        growth_data = {
-            'farm_id': farm_id,
-            'variety': farm_data['Variety'].iloc[0] if not farm_data.empty else 'Unknown',
-            'age': farm_data['Age'].iloc[0] if not farm_data.empty else 'Unknown',
-            'weeks': weeks,
-            'heights': [farm_data[farm_data['Week'] == week]['CurrentHeight'].mean() if not farm_data[farm_data['Week'] == 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)}
-    }
+    avg_heights = [filtered_farms[filtered_farms['Week'] == week]['CurrentHeight'].mean() for week in weeks]
+    return {'weeks': weeks, 'heights': avg_heights}
 
 # Initialize Earth Engine and load data
 ee_initialized = initialize_earth_engine()
@@ -749,10 +323,10 @@ if 'heights_df' not in st.session_state:
 # Main header
 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('<p>پلتفرم جامع مدیریت، پایش و تحلیل داده‌های مزارع نیشکر</p>', unsafe_allow_html=True)
 st.markdown('</div>', unsafe_allow_html=True)
 
-# Create a modern navigation menu
+# Navigation menu
 selected = option_menu(
     menu_title=None,
     options=["داشبورد", "نقشه مزارع", "ورود اطلاعات", "تحلیل داده‌ها", "گزارش‌گیری", "تنظیمات"],
@@ -762,942 +336,139 @@ selected = option_menu(
     orientation="horizontal",
     styles={
         "container": {"padding": "0!important", "background-color": "transparent", "margin-bottom": "20px"},
-        "icon": {"color": "#1a8754", "font-size": "18px"}, 
+        "icon": {"color": "#2ecc71", "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"},
+        "nav-link-selected": {"background-color": "#2ecc71", "color": "white", "font-weight": "600"},
     }
 )
 
 # Dashboard
 if selected == "داشبورد":
-    # Dashboard metrics
-    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["Farm_ID"].unique())}</div>', unsafe_allow_html=True)
-        st.markdown('<div class="metric-label">تعداد مز��رع</div>', unsafe_allow_html=True)
-        st.markdown('</div>', unsafe_allow_html=True)
-    
-    with col2:
-        active_farms = int(len(farm_df["Farm_ID"].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)
+    st.markdown('<div class="metric-container">', unsafe_allow_html=True)
     
-    with col3:
-        avg_height = farm_df['CurrentHeight'].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['CurrentMoisture'].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)
+    st.markdown("""
+    <div class="metric-card">
+        <div class="metric-icon">🌾</div>
+        <div class="metric-value">{}</div>
+        <div class="metric-label">تعداد مزارع</div>
+    </div>
+    """.format(int(len(farm_df["Farm_ID"].unique()))), unsafe_allow_html=True)
     
-    # Dashboard tabs
-    tab1, tab2, tab3, tab4 = st.tabs(["نمای کلی", "نقشه مزارع", "نمودارها", "داده‌ها"])
+    st.markdown("""
+    <div class="metric-card">
+        <div class="metric-icon">📏</div>
+        <div class="metric-value">{:.0f} ha</div>
+        <div class="metric-label">مساحت کل</div>
+    </div>
+    """.format(farm_df["Area"].sum()), unsafe_allow_html=True)
     
-    with tab1:
-        st.markdown("### توزیع واریته‌ها و سن محصول")
-        
-        col1, col2 = st.columns(2)
-        
-        with col1:
-            variety_counts = farm_df['Variety'].value_counts().reset_index()
-            variety_counts.columns = ['Variety', 'Count']
-            fig = px.pie(
-                variety_counts, 
-                values='Count', 
-                names='Variety', 
-                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['Age'].value_counts().reset_index()
-            age_counts.columns = ['Age', 'Count']
-            fig = px.pie(
-                age_counts, 
-                values='Count', 
-                names='Age', 
-                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['Area'].sum()
-        
-        col1, col2, col3 = st.columns(3)
-        col1.metric("تعداد کل مزارع", f"{len(farm_df['Farm_ID'].unique())}")
-        col2.metric("مساحت کل (هکتار)", f"{total_area:.2f}")
-        col3.metric("تعداد کانال‌ها", f"{farm_df['Channel'].nunique()}")
-        
-        st.markdown('<hr style="height:2px;border:none;color:#1a8754;background-color:#1a8754;margin:30px 0;">', unsafe_allow_html=True)
-        
-        st_lottie(lottie_farm, height=300, key="farm_animation")
+    st.markdown("""
+    <div class="metric-card">
+        <div class="metric-icon">📈</div>
+        <div class="metric-value">{:.1f} cm</div>
+        <div class="metric-label">میانگین ارتفاع</div>
+    </div>
+    """.format(farm_df["CurrentHeight"].mean()), unsafe_allow_html=True)
     
-    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['Latitude']
-                lon = farm['Longitude']
-                name = farm['Farm_ID']
-                farm_info = farm_df[farm_df['Farm_ID'] == name]
-                if not farm_info.empty:
-                    variety = farm_info['Variety'].iloc[0]
-                    age = farm_info['Age'].iloc[0]
-                    area = farm_info['Area'].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.")
+    st.markdown("""
+    <div class="metric-card">
+        <div class="metric-icon">💧</div>
+        <div class="metric-value">{:.1f}%</div>
+        <div class="metric-label">میانگین رطوبت</div>
+    </div>
+    """.format(farm_df["CurrentMoisture"].mean()), unsafe_allow_html=True)
     
-    with tab3:
-        st.markdown("### نمودار رشد هفتگی")
-        
-        col1, col2 = st.columns(2)
-        with col1:
-            selected_variety = st.selectbox(
-                "انتخاب واریته",
-                ["all"] + list(farm_df['Variety'].unique()),
-                format_func=lambda x: "همه واریته‌ها" if x == "all" else x
-            )
-        
-        with col2:
-            selected_age = st.selectbox(
-                "انتخاب سن",
-                ["all"] + list(farm_df['Age'].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.")
+    st.markdown('</div>', unsafe_allow_html=True)
     
-    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['Farm_ID'].astype(str).str.contains(search_term) |
-                farm_df['Variety'].astype(str).str.contains(search_term) |
-                farm_df['Age'].astype(str).str.contains(search_term) |
-                farm_df['Channel'].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')
-            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.")
+    st.markdown("### نمودار رشد هفتگی")
+    growth_data = generate_real_growth_data()
+    fig = px.line(x=growth_data['weeks'], y=growth_data['heights'], title="رشد هفتگی", labels={'x': 'هفته', 'y': 'ارتفاع (سانتی‌متر)'})
+    st.plotly_chart(fig, use_container_width=True)
 
 # Map Page
 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['Farm_ID'].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",
-            type="primary",
-            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)
-                
-                farm_names = coordinates_df['Farm_ID'].tolist()[:5]
-                comparison_values = [stats["mean"] + np.random.uniform(-0.2, 0.2) for _ in range(len(farm_names))]
-                
-                fig = px.bar(
-                    x=farm_names,
-                    y=comparison_values,
-                    title=f"مقایسه {selected_layer} بین مزارع",
-                    labels={"x": "مزرعه", "y": f"مقدار {selected_layer}"},
-                    color=comparison_values,
-                    color_continuous_scale="Viridis"
-                )
-                fig.update_layout(
-                    font=dict(family="Vazirmatn"),
-                    template="plotly_white",
-                    coloraxis_showscale=False
-                )
-                st.plotly_chart(fig, use_container_width=True)
+    farm_id = st.selectbox("انتخاب مزرعه", coordinates_df['Farm_ID'].tolist())
+    date = st.date_input("انتخاب تاریخ", datetime.now())
+    layer_type = st.selectbox("انتخاب شاخص", ["NDVI", "NDMI"])
+    if st.button("تولید نقشه"):
+        with st.spinner('در حال تولید نقشه...'):
+            m = create_ee_map(farm_id, date.strftime('%Y-%m-%d'), layer_type)
+            if m:
+                folium_static(m, width=800, height=600)
+                st.success(f"نقشه {layer_type} برای مزرعه {farm_id} تولید شد.")
             else:
-                st.warning("لطفاً ابتدا یک نقشه تولید کنید.")
+                st.error("خطا در تولید نقشه.")
 
 # Data Entry Page
 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['Day'].unique().tolist()
-            selected_day = st.selectbox("انتخاب روز", options=days)
-        
-        filtered_farms = farm_df[farm_df['Week'] == int(selected_week)]
-        filtered_farms = filtered_farms[filtered_farms['Farm_ID'].isin(day_df[day_df['Day'] == selected_day]['Farm_ID'])]
-        
-        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}"
+        week = st.selectbox("انتخاب هفته", [str(i) for i in range(1, 23)])
+        day = st.selectbox("انتخاب روز", day_df['Day'].unique())
+        filtered_farms = farm_df[farm_df['Week'] == int(week)]
+        if not filtered_farms.empty:
+            data_key = f"data_{week}_{day}"
             if data_key not in st.session_state:
                 st.session_state[data_key] = pd.DataFrame({
                     'Farm_ID': filtered_farms['Farm_ID'],
-                    'Station1': [0] * len(filtered_farms),
-                    'Station2': [0] * len(filtered_farms),
-                    'Station3': [0] * len(filtered_farms),
-                    'Station4': [0] * len(filtered_farms),
-                    'Station5': [0] * len(filtered_farms),
-                    'Well1': [0] * len(filtered_farms),
-                    'Well2': [0] * len(filtered_farms),
-                    'CurrentMoisture': [0] * len(filtered_farms),
-                    'CurrentNitrogen': [0] * len(filtered_farms),
-                    'CurrentHeight': [0] * len(filtered_farms)
+                    'CurrentHeight': [0.0] * len(filtered_farms),
+                    'CurrentMoisture': [0.0] * len(filtered_farms)
                 })
-            
-            edited_df = st.data_editor(
-                st.session_state[data_key],
-                use_container_width=True,
-                num_rows="fixed",
-                column_config={
-                    "Farm_ID": st.column_config.TextColumn("مزرعه", disabled=True),
-                    "Station1": st.column_config.NumberColumn("ایستگاه 1", min_value=0, max_value=300, step=1),
-                    "Station2": st.column_config.NumberColumn("ایستگاه 2", min_value=0, max_value=300, step=1),
-                    "Station3": st.column_config.NumberColumn("ایستگاه 3", min_value=0, max_value=300, step=1),
-                    "Station4": st.column_config.NumberColumn("ایستگاه 4", min_value=0, max_value=300, step=1),
-                    "Station5": st.column_config.NumberColumn("ایستگاه 5", min_value=0, max_value=300, step=1),
-                    "Well1": st.column_config.NumberColumn("چاهک 1", min_value=0, max_value=300, step=1),
-                    "Well2": st.column_config.NumberColumn("چاهک 2", min_value=0, max_value=300, step=1),
-                    "CurrentMoisture": st.column_config.NumberColumn("رطوبت غلاف", min_value=0, max_value=100, step=1),
-                    "CurrentNitrogen": st.column_config.NumberColumn("نیتروژن", min_value=0, max_value=100, step=1),
-                    "CurrentHeight": st.column_config.NumberColumn("میانگین ارتفاع", disabled=True),
-                },
-                hide_index=True
-            )
-            
-            for i in range(len(edited_df)):
-                stations = [
-                    edited_df.iloc[i]['Station1'],
-                    edited_df.iloc[i]['Station2'],
-                    edited_df.iloc[i]['Station3'],
-                    edited_df.iloc[i]['Station4'],
-                    edited_df.iloc[i]['Station5']
-                ]
-                valid_stations = [s for s in stations if s > 0]
-                if valid_stations:
-                    edited_df.iloc[i, edited_df.columns.get_loc('CurrentHeight')] = round(sum(valid_stations) / len(valid_stations), 1)
-            
-            st.session_state[data_key] = edited_df
-            
-            if st.button("ذخیره اطلاعات", type="primary", use_container_width=True):
-                new_data = edited_df.copy()
-                new_data['Week'] = int(selected_week)
-                new_data['Measurement_Date'] = (datetime.now() - timedelta(weeks=(22 - int(selected_week)))).strftime('%Y-%m-%d')
-                new_data['Variety'] = new_data['Farm_ID'].map(farm_df.set_index('Farm_ID')['Variety'])
-                new_data['Age'] = new_data['Farm_ID'].map(farm_df.set_index('Farm_ID')['Age'])
-                new_data['Area'] = new_data['Farm_ID'].map(farm_df.set_index('Farm_ID')['Area'])
-                new_data['Channel'] = new_data['Farm_ID'].map(farm_df.set_index('Farm_ID')['Channel'])
-                new_data['Administration'] = new_data['Farm_ID'].map(farm_df.set_index('Farm_ID')['Administration'])
-                
-                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()
+            edited_df = st.data_editor(st.session_state[data_key], use_container_width=True)
+            if st.button("ذخیره اطلاعات"):
+                st.session_state.heights_df = pd.concat([st.session_state.heights_df, edited_df], ignore_index=True)
+                st.success("داده‌ها ذخیره شدند.")
     
     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:
+        uploaded_file = st.file_uploader("آپلود فایل", type=["csv", "xlsx"])
+        if uploaded_file:
             try:
-                if uploaded_file.name.endswith('.csv'):
-                    df = pd.read_csv(uploaded_file)
-                else:
-                    df = pd.read_excel(uploaded_file)
-                st.dataframe(df, use_container_width=True)
-                
-                if st.button("ذخیره فایل", type="primary"):
+                df = pd.read_csv(uploaded_file) if uploaded_file.name.endswith('.csv') else pd.read_excel(uploaded_file)
+                numeric_cols = ['CurrentHeight', 'CurrentMoisture']
+                for col in numeric_cols:
+                    if col in df.columns:
+                        df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0)
+                st.dataframe(df)
+                if st.button("ذخیره فایل"):
                     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()
+                    st.success("فایل ذخیره شد.")
             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:
-        
-        - Farm_ID
-        - Station1 تا Station5
-        - Well1 و Well2
-        - CurrentMoisture
-        - CurrentNitrogen
-        
-        می‌توانید از [این فایل نمونه](https://example.com/sample.xlsx) به عنوان الگو استفاده کنید.
-        """)
-        
-        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)
 
 # Data Analysis Page
 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 class="gradient-text">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['Variety'].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['Age'].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({
-                        'Farm': farm_data['farm_id'],
-                        'Week': week,
-                        'Height': farm_data['heights'][i],
-                        'Variety': farm_data['variety'],
-                        'Age': farm_data['age']
-                    })
-            
-            chart_df = pd.DataFrame(chart_data)
-            
-            chart = alt.Chart(chart_df).mark_line(point=True).encode(
-                x=alt.X('Week:Q', title='هفته'),
-                y=alt.Y('Height:Q', title='ارتفاع (سانتی‌متر)'),
-                color=alt.Color('Farm:N', title='مزرعه'),
-                tooltip=['Farm', 'Week', 'Height', 'Variety', 'Age']
-            ).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({
-                            'Farm': farm_data['farm_id'],
-                            'Week': farm_data['weeks'][i],
-                            'Growth Rate': growth_rate,
-                            'Variety': farm_data['variety'],
-                            'Age': farm_data['age']
-                        })
-            
-            growth_rate_df = pd.DataFrame(growth_rates)
-            
-            chart = alt.Chart(growth_rate_df).mark_bar().encode(
-                x=alt.X('Week:O', title='هفته'),
-                y=alt.Y('mean(Growth Rate):Q', title='نرخ رشد (سانتی‌متر در هفته)'),
-                color=alt.Color('Farm:N', title='مزرعه'),
-                tooltip=['Farm', 'Week', 'mean(Growth Rate)']
-            ).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(['Variety', 'Age']).size().reset_index(name='Count')
-        
-        fig = px.density_heatmap(
-            variety_age_groups,
-            x='Variety',
-            y='Age',
-            z='Count',
-            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('Variety')['CurrentHeight'].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['Farm_ID'].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['Farm_ID'] == farm]
-            for date in dates:
-                week_data = farm_data[farm_data['Week'] == (date.isocalendar()[1] % 23 + 1)]
-                moisture = week_data['CurrentMoisture'].mean() if not week_data.empty else np.random.uniform(50, 80)
-                moisture = max(0, min(100, moisture))
-                moisture_data.append({
-                    'Farm': farm,
-                    'Date': date,
-                    'Moisture': moisture
-                })
-        
-        moisture_df = pd.DataFrame(moisture_data)
-        
-        fig = px.line(
-            moisture_df,
-            x='Date',
-            y='Moisture',
-            color='Farm',
-            title='روند رطوبت مزارع در 30 روز گذشته',
-            labels={'Date': 'تاریخ', 'Moisture': 'رطوبت (%)', 'Farm': '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['Farm_ID'] == farm]
-            for _, row in farm_data.iterrows():
-                correlation_data.append({
-                    'Farm': farm,
-                    'Moisture': row['CurrentMoisture'],
-                    'Height': row['CurrentHeight']
-                })
-        
-        correlation_df = pd.DataFrame(correlation_data)
-        
-        fig = px.scatter(
-            correlation_df,
-            x='Moisture',
-            y='Height',
-            color='Farm',
-            title='همبستگی بین رطوبت و ارتفاع',
-            labels={'Moisture': 'رطوبت (%)', 'Height': 'ارتفاع (سانتی‌متر)', 'Farm': 'مزرعه'},
-            trendline='ols'
-        )
-        fig.update_layout(
-            font=dict(family="Vazirmatn"),
-            template="plotly_white"
-        )
-        st.plotly_chart(fig, use_container_width=True)
-        
-        correlation = correlation_df['Moisture'].corr(correlation_df['Height'])
-        st.info(f"ضریب همبستگی بین رطوبت و ارتفاع: {correlation:.2f}")
-    
-    with tab4:
-        st.markdown("### پیش‌بینی ر��د مزارع")
-        
-        selected_farm_for_prediction = st.selectbox(
-            "انتخاب مزرعه",
-            options=farm_df['Farm_ID'].tolist(),
-            format_func=lambda x: f"مزرعه {x}"
-        )
-        
-        farm_data = farm_df[farm_df['Farm_ID'] == selected_farm_for_prediction]
-        historical_weeks = farm_data['Week'].values
-        historical_heights = farm_data['CurrentHeight'].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.")
+    growth_data = generate_real_growth_data()
+    fig = go.Figure()
+    fig.add_trace(go.Scatter(x=growth_data['weeks'], y=growth_data['heights'], mode='lines+markers', name='رشد'))
+    fig.update_layout(title='رشد هفتگی', xaxis_title='هفته', yaxis_title='ارتفاع (سانتی‌متر)')
+    st.plotly_chart(fig, use_container_width=True)
 
 # Report Generation Page
 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['Day'].unique().tolist())
-    
+    report_week = st.selectbox("انتخاب هفته", [str(i) for i in range(1, 23)])
+    report_day = st.selectbox("انتخاب روز", day_df['Day'].unique())
     report_df = st.session_state.heights_df[
         (st.session_state.heights_df['Week'] == int(report_week)) & 
         (st.session_state.heights_df['Farm_ID'].isin(day_df[day_df['Day'] == report_day]['Farm_ID']))
     ]
-    
     if not report_df.empty:
-        st.markdown(f"### گزارش هفته {report_week} - روز {report_day}")
-        st.dataframe(report_df, use_container_width=True)
-        
+        st.dataframe(report_df)
         csv = report_df.to_csv(index=False).encode('utf-8')
-        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")
+        st.download_button(label="دانلود گزارش", data=csv, file_name=f"report_week_{report_week}.csv")
     else:
-        st.warning(f"داده‌ای برای هفته {report_week} و روز {report_day} یافت نشد.")
+        st.warning(f"داده‌ای برای هفته {report_week} یافت نشد.")
 
 # Settings Page
 elif selected == "تنظیمات":
     st.markdown("## تنظیمات سامانه")
-    
-    st.markdown("""
-    <div class="glass-card">
-        <h3 class="gradient-text">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", type="primary", use_container_width=True):
+    if st.button("بارگذاری مجدد داده‌ها"):
         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%);}
-            .stProgress > div > div > div > div {background-color: #1976d2;}
-        </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;}
-            .stProgress > div > div > div > div {background-color: #333333;}
-        </style>
-        """, unsafe_allow_html=True)
-    
-    st.markdown("### اطلاعات تماس")
-    st.markdown("""
-    <div class="neumorphic-card">
-        <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)
+        st.success("داده‌ها به‌روزرسانی شدند.")
 
 # Footer
 st.markdown("""