Update app.py

app.py

@@ -1,4 +1,4 @@
-import streamlit as st
+‌import streamlit as st
 import pandas as pd
 import numpy as np
 import plotly.express as px
@@ -138,7 +138,6 @@ st.markdown("""
         color: white !important;
     }
     
-    /* تنظیم جهت نمایش اعداد */
     input[type="number"] {
         direction: ltr !important;
         text-align: left !important;
@@ -152,7 +151,6 @@ st.markdown("""
         text-align: left !important;
     }
     
-    /* استایل مخصوص برای نقشه */
     .map-container {
         height: 500px;
         width: 100%;
@@ -160,76 +158,15 @@ st.markdown("""
         box-shadow: 0 4px 10px rgba(0,0,0,0.1);
         overflow: hidden;
     }
-    
-    /* استایل برای لیبل‌های داینامیک */
-    .dynamic-label {
-        font-weight: bold;
-        color: #1e6b45;
-        transition: all 0.3s ease;
-    }
-    
-    .dynamic-value {
-        font-size: 1.2em;
-        font-weight: bold;
-        transition: all 0.3s ease;
-    }
-    
-    .highlight-update {
-        animation: pulse 1.5s ease;
-    }
-    
-    @keyframes pulse {
-        0% { background-color: transparent; }
-        50% { background-color: rgba(46, 204, 113, 0.3); }
-        100% { background-color: transparent; }
-    }
 </style>
 """, unsafe_allow_html=True)
 
-# افزودن جاوااسکریپت برای آپدیت داینامیک
-st.markdown("""
-<script>
-    // تابع برای بروزرسانی داینامیک مقادیر
-    function updateValues(inputId, avgId, value) {
-        const avgElement = document.getElementById(avgId);
-        if (avgElement) {
-            avgElement.textContent = value;
-            avgElement.classList.add('highlight-update');
-            
-            // حذف کلاس هایلایت بعد از 1.5 ثانیه
-            setTimeout(() => {
-                avgElement.classList.remove('highlight-update');
-            }, 1500);
-        }
-    }
-    
-    // اضافه کردن event listener به همه ورودی‌های عددی
-    document.addEventListener('DOMContentLoaded', function() {
-        const numInputs = document.querySelectorAll('input[type="number"]');
-        numInputs.forEach(input => {
-            input.addEventListener('input', function() {
-                // اینجا می‌توانیم یک پیام به Streamlit بفرستیم
-                window.parent.postMessage({
-                    type: 'inputChange',
-                    inputId: input.id,
-                    value: input.value
-                }, '*');
-            });
-        });
-    });
-</script>
-""", unsafe_allow_html=True)
-
-# تنظیم Earth Engine
+# تنظیم Earth Engine (بدون تغییر)
 @st.cache_resource
 def initialize_earth_engine():
     try:
-        # مسیر فایل اعتبارنامه
         credentials_path = "ee-esmaeilkiani13877-cfdea6eaf411.json"
-        
-        # بررسی وجود فایل
         if not os.path.exists(credentials_path):
-            # اگر فایل وجود ندارد، آن را ایجاد می‌کنیم
             credentials_dict = {
                 "type": "service_account",
                 "project_id": "ee-esmaeilkiani13877",
@@ -245,25 +182,21 @@ def initialize_earth_engine():
             with open(credentials_path, 'w') as f:
                 json.dump(credentials_dict, f)
         
-        # خواندن اعتبارنامه
         credentials = ee.ServiceAccountCredentials(
             "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com", 
             credentials_path
         )
-        
         ee.Initialize(credentials)
         return True
     except Exception as e:
         st.error(f"خطا در اتصال به Earth Engine: {e}")
         return False
 
-# تلاش برای اتصال به Earth Engine
 earth_engine_initialized = initialize_earth_engine()
 
 # نمونه داده
 @st.cache_data
 def generate_sample_data():
-    # ایجاد داده‌های مزارع
     farm_data = {
         'Farm_ID': [f'{i:02d}-{j:02d}' for i in range(1, 5) for j in range(20, 30)],
         'Farm_Name': [f'مزرعه {i:02d}-{j:02d}' for i in range(1, 5) for j in range(20, 30)],
@@ -275,29 +208,18 @@ def generate_sample_data():
         'Variety': [np.random.choice(['CP69', 'CP73']) for _ in range(40)],
         'Crop_Age': [np.random.randint(1, 5) for _ in range(40)]
     }
-    
     farms_df = pd.DataFrame(farm_data)
     
-    # ایجاد داده‌های ارتفاع
     height_data = []
     today = datetime.now()
-    
-    # 5 هفته اخیر
     for week in range(1, 6):
         date = today - timedelta(days=(5-week)*7)
         for farm_id in farms_df['Farm_ID']:
-            # مقادیر ایستگاه
             stations = [np.random.randint(150, 220) for _ in range(5)]
-            # میانگین ارتفاع
             avg_height = int(np.mean(stations))
-            
-            # آب زیرزمینی
             groundwater = [np.random.randint(50, 100) for _ in range(2)]
-            
-            # رطوبت غلاف و نیتروژن
             sheath_moisture = np.random.randint(60, 90)
             nitrogen = np.random.randint(20, 40)
-            
             height_data.append({
                 'Measurement_ID': f"{farm_id}-W{week}",
                 'Farm_ID': farm_id,
@@ -314,23 +236,16 @@ def generate_sample_data():
                 'Sheath_Moisture': sheath_moisture,
                 'Nitrogen': nitrogen
             })
-    
     heights_df = pd.DataFrame(height_data)
     
-    # ایجاد داده‌های گزارش هفتگی
     weekly_report_data = []
-    
     for farm_id in farms_df['Farm_ID']:
         farm_heights = heights_df[heights_df['Farm_ID'] == farm_id].sort_values('Week')
-        
         for week in range(1, 6):
             current_week_data = farm_heights[farm_heights['Week'] == week]
             if current_week_data.empty:
                 continue
-                
             current_height = current_week_data['Height'].values[0]
-            
-            # محاسبه تغییر رشد نسبت به هفته قبل
             if week > 1:
                 prev_week_data = farm_heights[farm_heights['Week'] == week-1]
                 if not prev_week_data.empty:
@@ -340,19 +255,14 @@ def generate_sample_data():
                     growth_change = 0
             else:
                 growth_change = 0
-            
-            # محاسبه متوسط ارتفاع تمام مزارع در این هفته
             all_farms_this_week = heights_df[heights_df['Week'] == week]
             avg_height_all_farms = all_farms_this_week['Height'].mean()
-            
-            # تعیین وضعیت بر اساس مقایسه با میانگین
             if current_height > avg_height_all_farms + 5:
                 growth_status = 'خوب'
             elif current_height < avg_height_all_farms - 5:
                 growth_status = 'ضعیف'
             else:
                 growth_status = 'متوسط'
-                
             weekly_report_data.append({
                 'Report_ID': f"{farm_id}-R{week}",
                 'Farm_ID': farm_id,
@@ -362,105 +272,64 @@ def generate_sample_data():
                 'Growth_Status': growth_status,
                 'Regional_Average': int(avg_height_all_farms)
             })
-    
     weekly_report_df = pd.DataFrame(weekly_report_data)
     
     return farms_df, heights_df, weekly_report_df
 
-# دریافت داده‌ها
 farms_df, heights_df, weekly_report_df = generate_sample_data()
-
-# ترکیب داده‌ها برای استفاده راحت‌تر
 report_with_details = pd.merge(weekly_report_df, farms_df, on='Farm_ID')
 latest_week = heights_df['Week'].max()
 latest_reports = report_with_details[report_with_details['Week'] == latest_week]
 
 # مدیریت وضعیت برنامه
 if 'selected_tab' not in st.session_state:
-    st.session_state.selected_tab = "داشبورد"
-    
+    st.session_state.selected_tab = "ورود اطلاعات"
 if 'selected_day' not in st.session_state:
     st.session_state.selected_day = "شنبه"
-    
-# برای ذخیره داده‌های ورودی
 if 'farm_data' not in st.session_state:
     st.session_state.farm_data = {}
-
-# برای ذخیره نقشه تولید شده
 if 'ndvi_map' not in st.session_state:
     st.session_state.ndvi_map = None
 
 # تابع برای محاسبه میانگین ارتفاع
-def calculate_average_height(farm_id, stations):
+def calculate_average_height(row):
+    stations = [row[f'ایستگاه {i}'] for i in range(1, 6) if f'ایستگاه {i}' in row and row[f'ایستگاه {i}'] is not None]
     valid_stations = [s for s in stations if s > 0]
-    if valid_stations:
-        return int(sum(valid_stations) / len(valid_stations))
-    return 0
+    return sum(valid_stations) / len(valid_stations) if valid_stations else 0
 
-# تابع برای ایجاد نقشه NDVI
+# تابع برای ایجاد نقشه NDVI (بدون تغییر)
 def create_ndvi_map(farm_id=None, date=None):
     if not earth_engine_initialized:
         st.warning("اتصال به Earth Engine برقرار نشد. نقشه NDVI نمایش داده نمی‌شود.")
         return None
-    
     try:
-        # مختصات مرکزی تقریبی خوزستان (اهواز)
         center_point = [31.3183, 48.6706]
-        
-        # ایجاد نقشه
         m = folium.Map(location=center_point, zoom_start=10)
-        
-        # اگر مزرعه انتخاب شده است، آن را نمایش می‌دهیم
         if farm_id:
-            # در اینجا باید مختصات دقیق مزرعه را داشته باشیم
-            # برای مثال، از داده‌های نمونه استفاده می‌کنیم
             farm = farms_df[farms_df['Farm_ID'] == farm_id].iloc[0]
-            
-            # مختصات فرضی برای مزرعه
             lat = 31.3183 + (int(farm_id.split('-')[0]) - 1) * 0.05
             lon = 48.6706 + (int(farm_id.split('-')[1]) - 20) * 0.05
-            
-            # تهیه تصویر Sentinel-2
             if date:
-                # تبدیل تاریخ به فرمت مناسب
-                # فرض می‌کنیم تاریخ به فرمت YYYY-MM-DD است
-                try:
-                    date_obj = datetime.strptime(date, '%Y-%m-%d')
-                    start_date = date_obj - timedelta(days=5)
-                    end_date = date_obj + timedelta(days=5)
-                    
-                    start_date_str = start_date.strftime('%Y-%m-%d')
-                    end_date_str = end_date.strftime('%Y-%m-%d')
-                except:
-                    # اگر تاریخ معتبر نیست، از بازه پیش‌فرض استفاده می‌کنیم
-                    start_date_str = '2023-01-01'
-                    end_date_str = '2023-12-31'
+                date_obj = datetime.strptime(date, '%Y-%m-%d')
+                start_date = date_obj - timedelta(days=5)
+                end_date = date_obj + timedelta(days=5)
+                start_date_str = start_date.strftime('%Y-%m-%d')
+                end_date_str = end_date.strftime('%Y-%m-%d')
             else:
-                # بازه پیش‌فرض
                 start_date_str = '2023-01-01'
                 end_date_str = '2023-12-31'
-            
-            # ناحیه مورد نظر
-            region = ee.Geometry.Point([lon, lat]).buffer(1000)  # بافر 1 کیلومتری
-            
-            # دریافت تصویر Sentinel-2
+            region = ee.Geometry.Point([lon, lat]).buffer(1000)
             s2 = ee.ImageCollection('COPERNICUS/S2_SR') \
                 .filterDate(start_date_str, end_date_str) \
                 .filterBounds(region) \
                 .sort('CLOUD_COVERAGE_ASSESSMENT') \
                 .first()
-            
-            # محاسبه NDVI
             ndvi = s2.normalizedDifference(['B8', 'B4']).rename('NDVI')
-            
-            # رنگ‌بندی NDVI
             ndvi_viz = {
                 'min': -0.2,
                 'max': 0.8,
                 'palette': ['#d73027', '#f46d43', '#fdae61', '#fee08b', '#d9ef8b', '#a6d96a', '#66bd63', '#1a9850']
             }
-            
-            # افزودن لایه NDVI به نقشه
             map_id_dict = ee.Image(ndvi).getMapId(ndvi_viz)
             folium.TileLayer(
                 tiles=map_id_dict['tile_fetcher'].url_format,
@@ -469,107 +338,66 @@ def create_ndvi_map(farm_id=None, date=None):
                 overlay=True,
                 control=True
             ).add_to(m)
-            
-            # افزودن مارکر برای مزرعه
             folium.Marker(
                 location=[lat, lon],
                 popup=f'مزرعه {farm_id}',
                 icon=folium.Icon(color='green', icon='leaf')
             ).add_to(m)
-            
-            # تنظیم نمای نقشه روی مزرعه
             m.fit_bounds([[lat-0.05, lon-0.05], [lat+0.05, lon+0.05]])
-        
-        # افزودن کنترل‌های لایه
         folium.LayerControl().add_to(m)
-        
         return m
-        
     except Exception as e:
         st.error(f"خطا در ایجاد نقشه NDVI: {e}")
         return None
 
-# منوی کناری
+# منوی کناری (بدون تغییر)
 with st.sidebar:
     st.image("https://via.placeholder.com/150x150.png?text=لوگو", width=150)
     st.title("سامانه پایش مزارع نیشکر")
     st.subheader("شرکت کشت و صنعت نیشکر دهخدا")
-    
     menu = st.selectbox(
         "انتخاب صفحه",
         ["داشبورد", "ورود اطلاعات", "گزارش‌گیری", "تحلیل داده‌ها", "تنظیمات"]
     )
-    
     st.session_state.selected_tab = menu
-    
     st.markdown("---")
     st.markdown("### راهنمای وضعیت رشد")
-    
     col1, col2 = st.columns(2)
     with col1:
         st.markdown('<div class="status-good">خوب</div>', unsafe_allow_html=True)
         st.markdown('<div class="status-medium">متوسط</div>', unsafe_allow_html=True)
         st.markdown('<div class="status-bad">ضعیف</div>', unsafe_allow_html=True)
-    
     with col2:
         st.write("بالاتر از میانگین")
         st.write("نزدیک به میانگین")
         st.write("پایین‌تر از میانگین")
-    
     st.markdown("---")
     st.info("نسخه آزمایشی 1.0")
 
-# بخش داشبورد
+# داشبورد (بدون تغییر)
 if st.session_state.selected_tab == "داشبورد":
     st.title("داشبورد پایش مزارع نیشکر")
-    
-    # خلاصه وضعیت
     st.subheader("وضعیت کلی مزارع")
-    
-    # شمارش وضعیت‌های مختلف
     status_counts = latest_reports['Growth_Status'].value_counts()
     good_count = status_counts.get('خوب', 0)
     medium_count = status_counts.get('متوسط', 0)
     bad_count = status_counts.get('ضعیف', 0)
-    
     col1, col2, col3, col4 = st.columns(4)
-    
     with col1:
-        st.markdown('<div class="metric-card metric-green">'
-                   f'<h2>{good_count}</h2>'
-                   '<p>مزارع با وضعیت خوب</p>'
-                   '</div>', unsafe_allow_html=True)
-                   
+        st.markdown('<div class="metric-card metric-green">'f'<h2>{good_count}</h2>''<p>مزارع با وضعیت خوب</p>''</div>', unsafe_allow_html=True)
     with col2:
-        st.markdown('<div class="metric-card metric-yellow">'
-                   f'<h2>{medium_count}</h2>'
-                   '<p>مزارع با وضعیت متوسط</p>'
-                   '</div>', unsafe_allow_html=True)
-    
+        st.markdown('<div class="metric-card metric-yellow">'f'<h2>{medium_count}</h2>''<p>مزارع با وضعیت متوسط</p>''</div>', unsafe_allow_html=True)
     with col3:
-        st.markdown('<div class="metric-card metric-red">'
-                   f'<h2>{bad_count}</h2>'
-                   '<p>مزارع با وضعیت ضعیف</p>'
-                   '</div>', unsafe_allow_html=True)
-    
+        st.markdown('<div class="metric-card metric-red">'f'<h2>{bad_count}</h2>''<p>مزارع با وضعیت ضعیف</p>''</div>', unsafe_allow_html=True)
     with col4:
         avg_height = int(latest_reports['Average_Height'].mean())
-        st.markdown('<div class="metric-card metric-blue">'
-                   f'<h2>{avg_height} سانتی‌متر</h2>'
-                   '<p>میانگین ارتفاع هفته جاری</p>'
-                   '</div>', unsafe_allow_html=True)
-    
+        st.markdown('<div class="metric-card metric-blue">'f'<h2>{avg_height} سانتی‌متر</h2>''<p>میانگین ارتفاع هفته جاری</p>''</div>', unsafe_allow_html=True)
     st.markdown("---")
-    
-    # نمودارها و گراف‌ها
     col1, col2 = st.columns(2)
-    
     with col1:
         st.subheader("میانگین ارتفاع به تفکیک اداره")
-        
         admin_heights = latest_reports.groupby('Administration_Name')['Average_Height'].mean().reset_index()
         admin_heights['Average_Height'] = admin_heights['Average_Height'].astype(int)
-        
         fig = px.bar(
             admin_heights,
             x='Administration_Name',
@@ -578,23 +406,12 @@ if st.session_state.selected_tab == "داشبورد":
             color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
             labels={'Administration_Name': 'اداره', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
         )
-        
-        fig.update_layout(
-            height=400,
-            xaxis_title="اداره",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
+        fig.update_layout(height=400, xaxis_title="اداره", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
         st.plotly_chart(fig, use_container_width=True)
-    
     with col2:
         st.subheader("مقایسه واریته‌ها")
-        
         variety_heights = latest_reports.groupby('Variety')['Average_Height'].mean().reset_index()
         variety_heights['Average_Height'] = variety_heights['Average_Height'].astype(int)
-        
         fig = px.bar(
             variety_heights,
             x='Variety',
@@ -603,23 +420,11 @@ if st.session_state.selected_tab == "داشبورد":
             color_discrete_sequence=["#00c853", "#2196f3"],
             labels={'Variety': 'واریته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
         )
-        
-        fig.update_layout(
-            height=400,
-            xaxis_title="واریته",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
+        fig.update_layout(height=400, xaxis_title="واریته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
         st.plotly_chart(fig, use_container_width=True)
-    
-    # روند ارتفاع هفتگی
     st.subheader("روند میانگین ارتفاع هفتگی")
-    
     weekly_avg = report_with_details.groupby('Week')['Average_Height'].mean().reset_index()
     weekly_avg['Average_Height'] = weekly_avg['Average_Height'].astype(int)
-    
     fig = px.line(
         weekly_avg,
         x='Week',
@@ -628,82 +433,52 @@ if st.session_state.selected_tab == "داشبورد":
         line_shape='spline',
         labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
     )
-    
     fig.update_traces(line=dict(width=3, color="#1e6b45"), marker=dict(size=10))
-    
-    fig.update_layout(
-        height=400,
-        xaxis_title="هفته",
-        yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-        font=dict(family="IRANSans"),
-        plot_bgcolor='rgba(0,0,0,0)'
-    )
-    
+    fig.update_layout(height=400, xaxis_title="هفته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
     st.plotly_chart(fig, use_container_width=True)
-    
-    # انتخاب مزرعه برای نمایش نقشه NDVI
     st.markdown("---")
     st.subheader("نقشه NDVI")
-    
     col1, col2 = st.columns(2)
-    
     with col1:
         selected_farm_for_map = st.selectbox(
             "انتخاب مزرعه",
             farms_df['Farm_ID'].tolist(),
             format_func=lambda x: farms_df[farms_df['Farm_ID'] == x]['Farm_Name'].iloc[0]
         )
-    
     with col2:
-        # تاریخ آخرین اندازه‌گیری
         latest_date = heights_df[heights_df['Farm_ID'] == selected_farm_for_map].sort_values('Week', ascending=False)['Measurement_Date'].iloc[0]
         selected_date_for_map = st.date_input(
             "انتخاب تاریخ",
             value=datetime.strptime(latest_date, '%Y-%m-%d'),
             max_value=datetime.now()
         )
-    
-    # تولید نقشه
     if st.button("نمایش نقشه NDVI"):
         with st.spinner("در حال تولید نقشه..."):
             ndvi_map = create_ndvi_map(selected_farm_for_map, selected_date_for_map.strftime('%Y-%m-%d'))
             st.session_state.ndvi_map = ndvi_map
-    
-    # نمایش نقشه
     if st.session_state.ndvi_map:
         st.markdown('<div class="map-container">', unsafe_allow_html=True)
         folium_static(st.session_state.ndvi_map, width=1200, height=500)
         st.markdown('</div>', unsafe_allow_html=True)
-        
-        # اطلاعات مزرعه انتخاب شده
         farm_info = farms_df[farms_df['Farm_ID'] == selected_farm_for_map].iloc[0]
         farm_measurements = heights_df[(heights_df['Farm_ID'] == selected_farm_for_map) & 
                                        (heights_df['Measurement_Date'] == latest_date)].iloc[0]
-        
         st.markdown(f"""
         ### اطلاعات مزرعه {farm_info['Farm_Name']}
-        
         **اداره:** {farm_info['Administration_Name']} | **کانال:** {farm_info['Channel_ID']} | **واریته:** {farm_info['Variety']} | **سن کشت:** {farm_info['Crop_Age']} سال
-        
         **آخرین اندازه‌گیری:** {latest_date}
         - **میانگین ارتفاع:** {farm_measurements['Height']} سانتی‌متر
         - **رطوبت غلاف:** {farm_measurements['Sheath_Moisture']}%
         - **نیتروژن:** {farm_measurements['Nitrogen']}%
         """)
     else:
-        st.info("برای نمایش نقشه NDVI، یک مزرعه و تاریخ انتخاب کرده و دکمه «نمایش نقشه NDVI» را کلیک کنید.")
-    
-    # مزارع با بیشترین و کمترین رشد
+        st.info("برای نمایش نقشه NDVI، یک مزرعه و تاریخ انتخاب کنید.")
     st.markdown("---")
     st.subheader("مزارع با بیشترین و کمترین رشد")
-    
     col1, col2 = st.columns(2)
-    
-    # مزارع با بیشترین رشد
     with col1:
         st.markdown("#### بیشترین رشد هفتگی")
         top_growth = report_with_details[report_with_details['Week'] == latest_week].sort_values('Growth_Change', ascending=False).head(5)
-        
         for _, row in top_growth.iterrows():
             growth_color = "green" if row['Growth_Change'] > 0 else "red"
             st.markdown(f"""
@@ -715,12 +490,9 @@ if st.session_state.selected_tab == "داشبورد":
                 </p>
             </div>
             """, unsafe_allow_html=True)
-    
-    # مزارع با کمترین رشد
     with col2:
         st.markdown("#### کمترین رشد هفتگی")
         bottom_growth = report_with_details[report_with_details['Week'] == latest_week].sort_values('Growth_Change').head(5)
-        
         for _, row in bottom_growth.iterrows():
             growth_color = "green" if row['Growth_Change'] > 0 else "red"
             st.markdown(f"""
@@ -733,309 +505,139 @@ if st.session_state.selected_tab == "داشبورد":
             </div>
             """, unsafe_allow_html=True)
 
-# بخش ورود اطلاعات
+# بخش ورود اطلاعات (بهبود یافته)
 elif st.session_state.selected_tab == "ورود اطلاعات":
     st.title("ورود اطلاعات روزانه")
-    
+
     # انتخاب روز هفته
     days_of_week = ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنجشنبه"]
     selected_day = st.selectbox("انتخاب روز", days_of_week, index=days_of_week.index(st.session_state.selected_day))
     st.session_state.selected_day = selected_day
-    
+
     # انتخاب اداره
     selected_admin = st.selectbox("انتخاب اداره", sorted(farms_df['Administration_ID'].unique()))
-    
-    # فیلتر مزارع براساس اداره انتخاب شد��
-    filtered_farms = farms_df[farms_df['Administration_ID'] == selected_admin]
-    
+
+    # فیلتر مزارع بر اساس اداره انتخاب‌شده
+    filtered_farms = farms_df[farms_df['Administration_ID'] == selected_admin].copy()
+
+    # تعریف ستون‌های جدول
+    columns = {
+        'مزرعه': filtered_farms['Farm_Name'],
+        'ایستگاه 1': [0] * len(filtered_farms),
+        'ایستگاه 2': [0] * len(filtered_farms),
+        'ایستگاه 3': [0] * len(filtered_farms),
+        'ایستگاه 4': [0] * len(filtered_farms),
+        'ایستگاه 5': [0] * len(filtered_farms),
+        'چاهک 1': [0] * len(filtered_farms),
+        'چاهک 2': [0] * len(filtered_farms),
+        'رطوبت غلاف': [0] * len(filtered_farms),
+        'نیتروژن': [0] * len(filtered_farms),
+        'میانگین ارتفاع': [0] * len(filtered_farms)
+    }
+    data_df = pd.DataFrame(columns)
+
+    # بارگذاری داده‌های قبلی (اگر وجود داشته باشد)
+    if selected_day in st.session_state.farm_data:
+        for idx, farm in filtered_farms.iterrows():
+            farm_id = farm['Farm_ID']
+            if farm_id in st.session_state.farm_data[selected_day]:
+                saved_data = st.session_state.farm_data[selected_day][farm_id]
+                for col in ['ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'چاهک 2', 'رطوبت غلاف', 'نیتروژن']:
+                    if col in saved_data:
+                        data_df.at[idx, col] = saved_data[col]
+                data_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(data_df.iloc[idx])
+
+    # نمایش جدول ورود داده‌ها
     st.subheader(f"ورود داده‌های روز {selected_day} - اداره {selected_admin}")
-    
-    # خلاصه آماری زنده
-    st.markdown("### خلاصه وضعیت داده‌های وارد شده", unsafe_allow_html=True)
-    
-    summary_cols = st.columns(4)
-    
-    # میانگین ارتفاع کل
-    with summary_cols[0]:
-        st.markdown(
-            '<div class="metric-card metric-green">'
-            '<div class="dynamic-label">میانگین ارتفاع کل</div>'
-            f'<div class="dynamic-value" id="total_avg_height">0</div>'
-            '<div>سانتی‌متر</div>'
-            '</div>',
-            unsafe_allow_html=True
-        )
-    
-    # تعداد مزارع وارد شده
-    with summary_cols[1]:
-        st.markdown(
-            '<div class="metric-card metric-blue">'
-            '<div class="dynamic-label">تعداد مزارع وارد شده</div>'
-            f'<div class="dynamic-value" id="farms_entered">0</div>'
-            '<div>از {len(filtered_farms)} مزرعه</div>'
-            '</div>',
-            unsafe_allow_html=True
-        )
-    
-    # میانگین رطوبت غلاف
-    with summary_cols[2]:
-        st.markdown(
-            '<div class="metric-card metric-yellow">'
-            '<div class="dynamic-label">میانگین رطوبت غلاف</div>'
-            f'<div class="dynamic-value" id="avg_moisture">0</div>'
-            '<div>درصد</div>'
-            '</div>',
-            unsafe_allow_html=True
-        )
-    
-    # میانگین نیتروژن
-    with summary_cols[3]:
-        st.markdown(
-            '<div class="metric-card metric-blue">'
-            '<div class="dynamic-label">میانگین نیتروژن</div>'
-            f'<div class="dynamic-value" id="avg_nitrogen">0</div>'
-            '<div>درصد</div>'
-            '</div>',
-            unsafe_allow_html=True
-        )
-    
+    edited_df = st.data_editor(
+        data_df,
+        num_rows="fixed",
+        key=f"data_editor_{selected_day}_{selected_admin}",
+        hide_index=True,
+        column_config={
+            "مزرعه": st.column_config.TextColumn("مزرعه", disabled=True),
+            "ایستگاه 1": st.column_config.NumberColumn("ایستگاه 1", min_value=0, max_value=300, step=1),
+            "ایستگاه 2": st.column_config.NumberColumn("ایستگاه 2", min_value=0, max_value=300, step=1),
+            "ایستگاه 3": st.column_config.NumberColumn("ایستگاه 3", min_value=0, max_value=300, step=1),
+            "ایستگاه 4": st.column_config.NumberColumn("ایستگاه 4", min_value=0, max_value=300, step=1),
+            "ایستگاه 5": st.column_config.NumberColumn("ایستگاه 5", min_value=0, max_value=300, step=1),
+            "چاهک 1": st.column_config.NumberColumn("چاهک 1", min_value=0, max_value=300, step=1),
+            "چاهک 2": st.column_config.NumberColumn("چاهک 2", min_value=0, max_value=300, step=1),
+            "رطوبت غلاف": st.column_config.NumberColumn("رطوبت غلاف", min_value=0, max_value=100, step=1),
+            "نیتروژن": st.column_config.NumberColumn("نیتروژن", min_value=0, max_value=100, step=1),
+            "میانگین ارتفاع": st.column_config.NumberColumn("میانگین ارتفاع", disabled=True)
+        },
+        use_container_width=True
+    )
+
+    # محاسبه داینامیک میانگین ارتفاع
+    for idx, row in edited_df.iterrows():
+        edited_df.at[idx, 'میانگین ارتفاع'] = calculate_average_height(row)
+
+    # نمایش خلاصه داینامیک
     st.markdown("---")
-    
-    # ایجاد ستون‌های جدول
-    cols = st.columns((3, 1, 1, 1, 1, 1, 1, 1, 1, 1))
-    fields = ['مزرعه', 'ایستگاه 1', 'ایستگاه 2', 'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'چاهک 2', 'رطوبت غلاف', 'نیتروژن']
-    
-    # عنوان ستون‌ها
-    for col, field_name in zip(cols, fields):
-        col.markdown(f"**{field_name}**")
-    
-    # ایجاد حقول ورودی برای هر مزرعه
-    farm_data = {}
-    
-    # آیا اطلاعات قبلی وجود دارد؟
-    for _, farm in filtered_farms.iterrows():
-        farm_id = farm['Farm_ID']
-        farm_name = farm['Farm_Name']
-        
-        cols = st.columns((3, 1, 1, 1, 1, 1, 1, 1, 1, 1))
-        
-        cols[0].write(farm_name)
-        
-        station_values = []
-        
-        # ایستگاه‌های ارتفاع
-        for i in range(1, 6):
-            input_key = f"{farm_id}_station_{i}_{selected_day}"
-            
-            # مقدار پیش‌فرض از داده‌های قبلی
-            default_value = 0
-            if farm_id in st.session_state.farm_data and f"station_{i}" in st.session_state.farm_data[farm_id]:
-                default_value = st.session_state.farm_data[farm_id][f"station_{i}"]
-            
-            value = cols[i].number_input(
-                "",
-                min_value=0,
-                max_value=300,
-                value=default_value,
-                step=1,
-                key=input_key,
-                label_visibility="collapsed",
-                # به صورت داینامیک محاسبه را انجام می‌دهیم
-                on_change=None
-            )
-            station_values.append(value)
-            
-            # ذخیره مقدار در session_state
-            if farm_id not in st.session_state.farm_data:
-                st.session_state.farm_data[farm_id] = {}
-            st.session_state.farm_data[farm_id][f"station_{i}"] = value
-        
-        # چاهک‌های آب
-        groundwater_values = []
-        for i in range(1, 3):
-            input_key = f"{farm_id}_groundwater_{i}_{selected_day}"
-            
-            # مقدار پیش‌فرض از داده‌های قبلی
-            default_value = 0
-            if farm_id in st.session_state.farm_data and f"groundwater_{i}" in st.session_state.farm_data[farm_id]:
-                default_value = st.session_state.farm_data[farm_id][f"groundwater_{i}"]
-            
-            value = cols[5+i].number_input(
-                "",
-                min_value=0,
-                max_value=300,
-                value=default_value,
-                step=1,
-                key=input_key,
-                label_visibility="collapsed"
-            )
-            groundwater_values.append(value)
-            
-            # ذخیره مقدار در session_state
-            st.session_state.farm_data[farm_id][f"groundwater_{i}"] = value
-        
-        # رطوبت غلاف
-        input_key = f"{farm_id}_moisture_{selected_day}"
-        
-        # مقدار پیش‌فرض از داده‌های قبلی
-        default_value = 0
-        if farm_id in st.session_state.farm_data and "moisture" in st.session_state.farm_data[farm_id]:
-            default_value = st.session_state.farm_data[farm_id]["moisture"]
-        
-        moisture = cols[7].number_input(
-            "",
-            min_value=0,
-            max_value=100,
-            value=default_value,
-            step=1,
-            key=input_key,
-            label_visibility="collapsed"
-        )
-        
-        # ذخیره مقدار در session_state
-        st.session_state.farm_data[farm_id]["moisture"] = moisture
-        
-        # نیتروژن
-        input_key = f"{farm_id}_nitrogen_{selected_day}"
-        
-        # مقدار پیش‌فرض از داده‌های قبلی
-        default_value = 0
-        if farm_id in st.session_state.farm_data and "nitrogen" in st.session_state.farm_data[farm_id]:
-            default_value = st.session_state.farm_data[farm_id]["nitrogen"]
-        
-        nitrogen = cols[8].number_input(
-            "",
-            min_value=0,
-            max_value=100,
-            value=default_value,
-            step=1,
-            key=input_key,
-            label_visibility="collapsed"
-        )
-        
-        # ذخیره مقدار در session_state
-        st.session_state.farm_data[farm_id]["nitrogen"] = nitrogen
-        
-        # محاسبه میانگین ارتفاع
-        avg_height = calculate_average_height(farm_id, station_values)
-        
-        # ذخیره میانگین در session_state
-        st.session_state.farm_data[farm_id]["avg_height"] = avg_height
-        
-        # نمایش میانگین با ID منحصر به فرد برای آپدیت JavaScript
-        avg_id = f"avg_{farm_id}"
-        cols[9].markdown(f'<div id="{avg_id}" class="dynamic-value" style="text-align: center;">{avg_height if avg_height > 0 else "-"}</div>', unsafe_allow_html=True)
-        
-        # ذخیره داده‌ها برای ثبت نهایی
-        farm_data[farm_id] = {
-            'stations': station_values,
-            'groundwater': groundwater_values,
-            'avg_height': avg_height,
-            'moisture': moisture,
-            'nitrogen': nitrogen
-        }
-    
-    # محاسبه و به‌روزرسانی خلاصه آماری
-    valid_heights = [data['avg_height'] for data in farm_data.values() if data['avg_height'] > 0]
-    total_avg_height = int(sum(valid_heights) / len(valid_heights)) if valid_heights else 0
-    
-    farms_entered = len([data for data in farm_data.values() if data['avg_height'] > 0])
-    
-    valid_moisture = [data['moisture'] for data in farm_data.values() if data['moisture'] > 0]
-    avg_moisture = int(sum(valid_moisture) / len(valid_moisture)) if valid_moisture else 0
-    
-    valid_nitrogen = [data['nitrogen'] for data in farm_data.values() if data['nitrogen'] > 0]
-    avg_nitrogen = int(sum(valid_nitrogen) / len(valid_nitrogen)) if valid_nitrogen else 0
-    
-    # به‌روزرسانی میانگین‌ها با JavaScript
-    st.markdown(f"""
-    <script>
-        document.getElementById('total_avg_height').textContent = '{total_avg_height}';
-        document.getElementById('farms_entered').textContent = '{farms_entered}';
-        document.getElementById('avg_moisture').textContent = '{avg_moisture}';
-        document.getElementById('avg_nitrogen').textContent = '{avg_nitrogen}';
-    </script>
-    """, unsafe_allow_html=True)
-    
-    # دکمه ذخیره‌سازی
-    if st.button("ذخیره اطلاعات", key="save_daily_data"):
-        # بررسی وجود داده معتبر
-        valid_data_exists = any(data['avg_height'] > 0 for data in farm_data.values())
-        
-        if valid_data_exists:
-            with st.spinner('در حال ذخیره‌سازی اطلاعات...'):
-                # شبیه‌سازی تأخیر ذخیره‌سازی
-                time.sleep(1)
-                st.success("اطلاعات با موفقیت ذخیره شد. در نسخه عملیاتی، این داده‌ها در پایگاه داده ذخیره می‌شوند.")
-                
-                # نمایش خلاصه داده‌های ثبت شده
-                st.subheader("خلاصه داده‌های ثبت شده:")
-                
-                summary_data = []
-                for farm_id, data in farm_data.items():
-                    if data['avg_height'] > 0:  # فقط مزارعی که داده داشته‌اند
-                        farm_info = filtered_farms[filtered_farms['Farm_ID'] == farm_id].iloc[0]
-                        summary_data.append({
-                            'مزرعه': farm_info['Farm_Name'],
-                            'میانگین ارتفاع': data['avg_height'],
-                            'رطوبت غلاف': data['moisture'],
-                            'نیتروژن': data['nitrogen']
-                        })
-                
-                if summary_data:
-                    summary_df = pd.DataFrame(summary_data)
-                    st.dataframe(summary_df, use_container_width=True)
-        else:
-            st.warning("هیچ داده‌ای برای ذخیره‌سازی وارد نشده است. لطفاً حداقل برای یک مزرعه ارتفاع را وارد کنید.")
+    st.subheader("خلاصه وضعیت داده‌های واردشده")
+    col1, col2, col3, col4 = st.columns(4)
+    with col1:
+        total_avg = edited_df['میانگین ارتفاع'].mean()
+        st.metric("میانگین کل ارتفاع", f"{total_avg:.1f} سانتی‌متر" if total_avg > 0 else "0")
+    with col2:
+        farms_entered = len(edited_df[edited_df['میانگین ارتفاع'] > 0])
+        st.metric("تعداد مزارع واردشده", f"{farms_entered} از {len(filtered_farms)}")
+    with col3:
+        avg_moisture = edited_df['رطوبت غلاف'].mean()
+        st.metric("میانگین رطوبت غلاف", f"{avg_moisture:.1f}%" if avg_moisture > 0 else "0")
+    with col4:
+        avg_nitrogen = edited_df['نیتروژن'].mean()
+        st.metric("میانگین نیتروژن", f"{avg_nitrogen:.1f}%" if avg_nitrogen > 0 else "0")
+
+    # دکمه ذخیره
+    if st.button("ذخیره اطلاعات"):
+        if selected_day not in st.session_state.farm_data:
+            st.session_state.farm_data[selected_day] = {}
+        for idx, row in edited_df.iterrows():
+            farm_id = filtered_farms.iloc[idx]['Farm_ID']
+            st.session_state.farm_data[selected_day][farm_id] = {
+                'ایستگاه 1': row['ایستگاه 1'],
+                'ایستگاه 2': row['ایستگاه 2'],
+                'ایستگاه 3': row['ایستگاه 3'],
+                'ایستگاه 4': row['ایستگاه 4'],
+                'ایستگاه 5': row['ایستگاه 5'],
+                'چاهک 1': row['چاهک 1'],
+                'چاهک 2': row['چاهک 2'],
+                'رطوبت غلاف': row['رطوبت غلاف'],
+                'نیتروژن': row['نیتروژن'],
+                'میانگین ارتفاع': row['میانگین ارتفاع']
+            }
+        st.success("داده‌ها با موفقیت ذخیره شدند.")
 
-# بخش گزارش‌گیری
+# گزارش‌گیری (بدون تغییر)
 elif st.session_state.selected_tab == "گزارش‌گیری":
     st.title("گزارش‌های هفتگی")
-    
-    # انتخاب نوع گزارش
     report_type = st.radio(
         "نوع گزارش",
         ["گزارش به تفکیک مزرعه", "گزارش به تفکیک اداره", "گزارش به تفکیک کانال", "مزارع با وضعیت ضعیف"]
     )
-    
     st.markdown("---")
-    
     if report_type == "گزارش به تفکیک مزرعه":
         st.subheader("گزارش هفتگی به تفکیک مزرعه")
-        
-        # انتخاب اداره
         selected_admin = st.selectbox("انتخاب اداره", sorted(farms_df['Administration_ID'].unique()), key="admin_select_farm_report")
-        
-        # فیلتر مزارع براساس اداره انتخاب شده
         filtered_farms = farms_df[farms_df['Administration_ID'] == selected_admin]
-        
-        # انتخاب مزرعه
         selected_farm_id = st.selectbox(
             "انتخاب مزرعه",
             filtered_farms['Farm_ID'].tolist(),
             format_func=lambda x: filtered_farms[filtered_farms['Farm_ID'] == x]['Farm_Name'].iloc[0]
         )
-        
-        # فیلتر داده‌های گزارش براساس مزرعه انتخاب شده
         farm_reports = weekly_report_df[weekly_report_df['Farm_ID'] == selected_farm_id].sort_values('Week')
-        
         if not farm_reports.empty:
-            # اطلاعات مزرعه
             farm_info = filtered_farms[filtered_farms['Farm_ID'] == selected_farm_id].iloc[0]
-            
             col1, col2, col3 = st.columns(3)
             col1.metric("واریته", farm_info['Variety'])
             col2.metric("سن کشت", f"{farm_info['Crop_Age']} سال")
             col3.metric("مساحت", f"{farm_info['Area']} هکتار")
-            
             st.markdown("---")
-            
-            # نمایش گراف روند رشد
             st.subheader("روند رشد هفتگی")
-            
             fig = go.Figure()
-            
-            # افزودن خط میانگین منطقه
             fig.add_trace(go.Scatter(
                 x=farm_reports['Week'],
                 y=farm_reports['Regional_Average'],
@@ -1044,8 +646,6 @@ elif st.session_state.selected_tab == "گزارش‌گیری":
                 line=dict(color='gray', width=2, dash='dot'),
                 marker=dict(size=8)
             ))
-            
-            # افزودن خط ارتفاع مزرعه
             fig.add_trace(go.Scatter(
                 x=farm_reports['Week'],
                 y=farm_reports['Average_Height'],
@@ -1054,59 +654,36 @@ elif st.session_state.selected_tab == "گزارش‌گیری":
                 line=dict(color='#1e6b45', width=3),
                 marker=dict(size=10)
             ))
-            
-            fig.update_layout(
-                height=400,
-                xaxis_title="هفته",
-                yaxis_title="ارتفاع (سانتی‌متر)",
-                font=dict(family="IRANSans"),
-                plot_bgcolor='rgba(0,0,0,0)'
-            )
-            
+            fig.update_layout(height=400, xaxis_title="هفته", yaxis_title="ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
             st.plotly_chart(fig, use_container_width=True)
-            
-            # نمایش جدول داده‌ها
             st.subheader("داده‌های هفتگی")
-            
             report_table = pd.DataFrame({
                 'هفته': farm_reports['Week'],
-                'تاریخ': farm_reports['Measurement_Date'],
+                'تاریخ': farm_reports['Week'].apply(lambda x: heights_df[heights_df['Week'] == x]['Measurement_Date'].iloc[0]),
                 'ارتفاع': farm_reports['Average_Height'],
                 'میانگین منطقه': farm_reports['Regional_Average'],
                 'تغییرات': farm_reports['Growth_Change'],
                 'وضعیت': farm_reports['Growth_Status']
             })
-            
-            # تبدیل ستون وضعیت به صورت HTML با رنگ متناسب
             def status_with_color(status):
                 colors = {'خوب': '#00c853', 'متوسط': '#ffd600', 'ضعیف': '#ff3d00'}
                 return f'<span style="color: {colors.get(status, "black")};">{status}</span>'
-            
             report_table['وضعیت'] = report_table['وضعیت'].apply(status_with_color)
-            
             st.markdown(report_table.to_html(escape=False, index=False), unsafe_allow_html=True)
-            
-            # نمایش نقشه NDVI برای مزرعه
             st.subheader("نقشه NDVI مزرعه")
-            
             if st.button("نمایش نقشه NDVI این مزرعه"):
                 with st.spinner("در حال تولید نقشه..."):
-                    # استفاده از تاریخ آخرین اندازه‌گیری
-                    latest_date = farm_reports.iloc[-1]['Measurement_Date']
-                    ndvi_map = create_ndvi_map(selected_farm_id, latest_date)
-                    
+                    latest_date = farm_reports.iloc[-1]['Week']
+                    farm_date = heights_df[heights_df['Week'] == latest_date]['Measurement_Date'].iloc[0]
+                    ndvi_map = create_ndvi_map(selected_farm_id, farm_date)
                     if ndvi_map:
                         st.markdown('<div class="map-container">', unsafe_allow_html=True)
                         folium_static(ndvi_map, width=1200, height=500)
                         st.markdown('</div>', unsafe_allow_html=True)
-            
-            # توصیه‌های کارشناسی
             st.markdown("---")
             st.subheader("توصیه‌های کارشناسی")
-            
             latest_report = farm_reports.iloc[-1]
             latest_status = latest_report['Growth_Status']
-            
             if latest_status == 'خوب':
                 st.success("وضعیت رشد مزرعه مطلوب است. ادامه برنامه فعلی توصیه می‌شود.")
             elif latest_status == 'متوسط':
@@ -1119,298 +696,19 @@ elif st.session_state.selected_tab == "گزارش‌گیری":
                 - بررسی آفات و بیماری‌های احتمالی
                 - بررسی وضعیت زهکشی مزرعه
                 """)
-        else:
-            st.warning("اطلاعاتی برای این مزرعه ثبت نشده است.")
-    
-    elif report_type == "گزارش به تفکیک اداره":
-        st.subheader("گزارش هفتگی به تفکیک اداره")
-        
-        # محاسبه میانگین ارتفاع به تفکیک اداره و هفته
-        admin_weekly_avg = report_with_details.groupby(['Administration_ID', 'Administration_Name', 'Week'])['Average_Height'].mean().reset_index()
-        admin_weekly_avg['Average_Height'] = admin_weekly_avg['Average_Height'].astype(int)
-        
-        # نمودار مقایسه‌ای ادارات
-        fig = px.line(
-            admin_weekly_avg,
-            x='Week',
-            y='Average_Height',
-            color='Administration_Name',
-            markers=True,
-            labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)', 'Administration_Name': 'اداره'}
-        )
-        
-        fig.update_traces(line=dict(width=3), marker=dict(size=8))
-        
-        fig.update_layout(
-            height=500,
-            xaxis_title="هفته",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-        
-        # آخرین هفته
-        latest_week_data = admin_weekly_avg[admin_weekly_avg['Week'] == latest_week]
-        
-        # جدول مقایسه آخرین هفته
-        st.subheader(f"مقایسه ادارات در هفته {latest_week}")
-        
-        comparison_table = latest_week_data[['Administration_Name', 'Average_Height']].sort_values('Average_Height', ascending=False)
-        comparison_table.columns = ['اداره', 'میانگین ارتفاع (سانتی‌متر)']
-        
-        st.table(comparison_table)
-        
-        # رتبه‌بندی ادارات
-        st.subheader("رتبه‌بندی ادارات")
-        
-        # حساب کردن میانگین رشد هر اداره
-        admin_growth = report_with_details.groupby(['Administration_ID', 'Administration_Name', 'Week'])['Growth_Change'].mean().reset_index()
-        admin_growth_latest = admin_growth[admin_growth['Week'] == latest_week].sort_values('Growth_Change', ascending=False)
-        
-        # نمایش به صورت نمودار میله‌ای
-        fig = px.bar(
-            admin_growth_latest,
-            x='Administration_Name',
-            y='Growth_Change',
-            color='Growth_Change',
-            color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
-            labels={'Administration_Name': 'اداره', 'Growth_Change': 'میانگین تغییرات رشد (سانتی‌متر)'}
-        )
-        
-        fig.update_layout(
-            height=400,
-            xaxis_title="اداره",
-            yaxis_title="میانگین تغییرات رشد (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-    
-    elif report_type == "گزارش به تفکیک کانال":
-        st.subheader("گزارش هفتگی به تفکیک کانال")
-        
-        # انتخاب اداره
-        selected_admin = st.selectbox("انتخاب اداره", sorted(farms_df['Administration_ID'].unique()), key="admin_select_channel")
-        
-        # فیلتر کانال‌های اداره انتخاب شده
-        filtered_channels = farms_df[farms_df['Administration_ID'] == selected_admin]['Channel_ID'].unique()
-        
-        # محاسبه میانگین ارتفاع به تفکیک کانال و هفته
-        channel_data = pd.merge(report_with_details, farms_df[['Farm_ID', 'Channel_ID']], on='Farm_ID')
-        channel_weekly_avg = channel_data.groupby(['Channel_ID', 'Week'])['Average_Height'].mean().reset_index()
-        channel_weekly_avg['Average_Height'] = channel_weekly_avg['Average_Height'].astype(int)
-        
-        # فیلتر کانال‌های اداره انتخاب شده
-        filtered_channel_data = channel_weekly_avg[channel_weekly_avg['Channel_ID'].isin(filtered_channels)]
-        
-        # نمودار مقایسه‌ای کانال‌ها
-        fig = px.line(
-            filtered_channel_data,
-            x='Week',
-            y='Average_Height',
-            color='Channel_ID',
-            markers=True,
-            labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)', 'Channel_ID': 'کانال'}
-        )
-        
-        fig.update_traces(line=dict(width=2), marker=dict(size=6))
-        
-        fig.update_layout(
-            height=500,
-            xaxis_title="هفته",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-        
-        # آخرین هفته
-        latest_channel_data = filtered_channel_data[filtered_channel_data['Week'] == latest_week]
-        
-        # جدول مقایسه آخرین هفته
-        st.subheader(f"مقایسه کانال‌ها در هفته {latest_week}")
-        
-        comparison_table = latest_channel_data[['Channel_ID', 'Average_Height']].sort_values('Average_Height', ascending=False)
-        comparison_table.columns = ['کانال', 'میانگین ارتفاع (سانتی‌متر)']
-        
-        st.table(comparison_table)
-        
-        # نمودار میله‌ای مقایسه کانال‌ها
-        fig = px.bar(
-            comparison_table,
-            x='کانال',
-            y='میانگین ارتفاع (سانتی‌متر)',
-            color='میانگین ارتفاع (سانتی‌متر)',
-            color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
-        )
-        
-        fig.update_layout(
-            height=400,
-            xaxis_title="کانال",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-    
-    elif report_type == "مزارع با وضعیت ضعیف":
-        st.subheader("گزارش مزارع با وضعیت ضعیف")
-        
-        # فیلتر مزارع با وضعیت ضعیف در آخرین هفته
-        weak_farms = report_with_details[(report_with_details['Week'] == latest_week) & 
-                                         (report_with_details['Growth_Status'] == 'ضعیف')]
-        
-        if weak_farms.empty:
-            st.success("خوشبختانه هیچ مزرعه‌ای در وضعیت ضعیف وجود ندارد.")
-        else:
-            # تعداد مزارع ضعیف به تفکیک اداره
-            weak_by_admin = weak_farms.groupby('Administration_Name').size().reset_index(name='تعداد')
-            
-            col1, col2 = st.columns(2)
-            
-            with col1:
-                # نمودار دایره‌ای توزیع مزارع ضعیف
-                fig = px.pie(
-                    weak_by_admin,
-                    values='تعداد',
-                    names='Administration_Name',
-                    title='توزیع مزارع ضعیف بین ادارات'
-                )
-                
-                fig.update_traces(textinfo='percent+label')
-                
-                fig.update_layout(
-                    height=350,
-                    font=dict(family="IRANSans"),
-                )
-                
-                st.plotly_chart(fig, use_container_width=True)
-            
-            with col2:
-                # نمودار توزیع واریته‌ها
-                weak_by_variety = weak_farms.groupby('Variety').size().reset_index(name='تعداد')
-                
-                fig = px.pie(
-                    weak_by_variety,
-                    values='تعداد',
-                    names='Variety',
-                    title='توزیع واریته‌ها در مزارع ضعیف'
-                )
-                
-                fig.update_traces(textinfo='percent+label')
-                
-                fig.update_layout(
-                    height=350,
-                    font=dict(family="IRANSans"),
-                )
-                
-                st.plotly_chart(fig, use_container_width=True)
-            
-            # جدول مزارع ضعیف
-            st.subheader("لیست مزارع با وضعیت ضعیف")
-            
-            weak_farms_table = weak_farms[['Farm_Name', 'Administration_Name', 'Channel_ID', 'Average_Height', 'Regional_Average', 'Growth_Change', 'Variety', 'Crop_Age']]
-            weak_farms_table.columns = ['نام مزرعه', 'اداره', 'کانال', 'ارتفاع فعلی', 'میانگین منطقه', 'تغییر رشد', 'واریته', 'سن کشت']
-            
-            st.dataframe(weak_farms_table.sort_values('ارتفاع فعلی'), use_container_width=True)
-            
-            # نمایش نقشه NDVI برای مزارع ضعیف
-            st.subheader("نقشه NDVI مزارع ضعیف")
-            
-            # انتخاب مزرعه برای نمایش
-            selected_weak_farm = st.selectbox(
-                "انتخاب مزرعه برای نمایش نقشه NDVI",
-                weak_farms['Farm_ID'].tolist(),
-                format_func=lambda x: weak_farms[weak_farms['Farm_ID'] == x]['Farm_Name'].iloc[0]
-            )
-            
-            if st.button("نمایش نقشه NDVI"):
-                with st.spinner("در حال تولید نقشه..."):
-                    # استفاده از تاریخ آخرین اندازه‌گیری
-                    farm_date = heights_df[heights_df['Farm_ID'] == selected_weak_farm].sort_values('Week', ascending=False)['Measurement_Date'].iloc[0]
-                    ndvi_map = create_ndvi_map(selected_weak_farm, farm_date)
-                    
-                    if ndvi_map:
-                        st.markdown('<div class="map-container">', unsafe_allow_html=True)
-                        folium_static(ndvi_map, width=1200, height=500)
-                        st.markdown('</div>', unsafe_allow_html=True)
-            
-            # تحلیل و پیشنهادات
-            st.markdown("---")
-            st.subheader("تحلیل عوامل مؤثر")
-            
-            # مقایسه سن کشت
-            avg_age_weak = weak_farms['Crop_Age'].mean()
-            avg_age_all = farms_df['Crop_Age'].mean()
-            
-            is_age_factor = avg_age_weak > avg_age_all + 0.5
-            
-            # مقایسه واریته‌ها
-            variety_impact = weak_farms['Variety'].value_counts(normalize=True).idxmax()
-            
-            # مقایسه کانال‌ها
-            channel_counts = weak_farms['Channel_ID'].value_counts()
-            problematic_channels = channel_counts[channel_counts > 2].index.tolist()
-            
-            col1, col2 = st.columns(2)
-            
-            with col1:
-                st.markdown("#### عوامل احتمالی")
-                
-                factors = []
-                
-                if is_age_factor:
-                    factors.append("سن کشت بالا")
-                
-                if len(weak_by_variety) == 1:
-                    factors.append(f"واریته ({variety_impact})")
-                
-                if problematic_channels:
-                    channels_str = "، ".join(problematic_channels[:3])
-                    factors.append(f"کانال‌های مشکل‌دار ({channels_str})")
-                
-                if not factors:
-                    factors.append("عوامل متفرقه")
-                
-                for factor in factors:
-                    st.markdown(f"- {factor}")
-            
-            with col2:
-                st.markdown("#### اقدامات پیشنهادی")
-                
-                st.markdown("""
-                - بازدید و بررسی میدانی مزارع ضعیف
-                - بررسی وضعیت آبیاری و زهکشی
-                - بررسی نیاز کودی و تغذیه
-                - بررسی آفات و بیماری‌های احتمالی
-                - برنامه‌ریزی برای جایگزینی مزارع با سن بالا
-                """)
 
-# بخش تحلیل داده‌ها
+# تحلیل داده‌ها (بدون تغییر)
 elif st.session_state.selected_tab == "تحلیل داده‌ها":
     st.title("تحلیل پیشرفته داده‌ها")
-    
-    # انتخاب نوع تحلیل
     analysis_type = st.selectbox(
         "انتخاب نوع تحلیل",
         ["تحلیل واریته‌ها", "تحلیل عوامل مؤثر بر رشد", "پیش‌بینی روند آینده", "مقایسه بخش‌های تولیدی"]
     )
-    
     st.markdown("---")
-    
     if analysis_type == "تحلیل واریته‌ها":
         st.subheader("مقایسه واریته‌های مختلف")
-        
-        # تحلیل واریته‌ها در هفته‌های مختلف
         variety_weekly = report_with_details.groupby(['Variety', 'Week'])['Average_Height'].mean().reset_index()
         variety_weekly['Average_Height'] = variety_weekly['Average_Height'].round().astype(int)
-        
-        # نمودار مقایسه‌ای واریته‌ها
         fig = px.line(
             variety_weekly,
             x='Week',
@@ -1419,200 +717,6 @@ elif st.session_state.selected_tab == "تحلیل داده‌ها":
             markers=True,
             labels={'Week': 'هفته', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)', 'Variety': 'واریته'}
         )
-        
-        fig.update_traces(line=dict(width=3), marker=dict(size=10))
-        
-        fig.update_layout(
-            height=500,
-            xaxis_title="هفته",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-        
-        # تحلیل رشد تجمعی واریته‌ها
-        variety_growth = report_with_details.groupby(['Variety', 'Week'])['Growth_Change'].mean().reset_index()
-        
-        # محاسبه رشد تجمعی
-        varieties = variety_growth['Variety'].unique()
-        
-        growth_data = []
-        
-        for variety in varieties:
-            variety_data = variety_growth[variety_growth['Variety'] == variety].sort_values('Week')
-            cumulative_growth = 0
-            
-            for _, row in variety_data.iterrows():
-                week = row['Week']
-                growth = row['Growth_Change']
-                cumulative_growth += growth
-                
-                growth_data.append({
-                    'Variety': variety,
-                    'Week': week,
-                    'Cumulative_Growth': cumulative_growth
-                })
-        
-        cumulative_growth_df = pd.DataFrame(growth_data)
-        
-        # نمودار رشد تجمعی
-        st.subheader("رشد تجمعی واریته‌ها")
-        
-        fig = px.line(
-            cumulative_growth_df,
-            x='Week',
-            y='Cumulative_Growth',
-            color='Variety',
-            markers=True,
-            labels={'Week': 'هفته', 'Cumulative_Growth': 'رشد تجمعی (سانتی‌متر)', 'Variety': 'واریته'}
-        )
-        
         fig.update_traces(line=dict(width=3), marker=dict(size=10))
-        
-        fig.update_layout(
-            height=500,
-            xaxis_title="هفته",
-            yaxis_title="رشد تجمعی (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-        
-        # تحلیل واریته‌ها بر اساس شاخص‌های دیگر
-        st.subheader("شاخص‌های رشد به تفکیک واریته")
-        
-        # میانگین تغییر رشد هفتگی
-        avg_growth_by_variety = report_with_details.groupby('Variety')['Growth_Change'].mean().reset_index()
-        avg_growth_by_variety['Growth_Change'] = avg_growth_by_variety['Growth_Change'].round(2)
-        
-        # نسبت وضعیت‌های مختلف
-        status_by_variety = report_with_details.groupby(['Variety', 'Growth_Status']).size().unstack(fill_value=0)
-        
-        # محاسبه درصد‌ها
-        status_by_variety['Total'] = status_by_variety.sum(axis=1)
-        
-        for status in ['خوب', 'متوسط', 'ضعیف']:
-            if status in status_by_variety.columns:
-                status_by_variety[f'Percent_{status}'] = (status_by_variety[status] / status_by_variety['Total'] * 100).round(1)
-        
-        # ترکیب داده‌ها
-        variety_metrics = pd.merge(avg_growth_by_variety, status_by_variety.reset_index(), on='Variety')
-        
-        col1, col2 = st.columns(2)
-        
-        with col1:
-            st.markdown("#### میانگین تغییر رشد هفتگی")
-            
-            fig = px.bar(
-                avg_growth_by_variety,
-                x='Variety',
-                y='Growth_Change',
-                color='Growth_Change',
-                color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
-                labels={'Variety': 'واریته', 'Growth_Change': 'میانگین تغییر هفتگی (سانتی‌متر)'}
-            )
-            
-            fig.update_layout(
-                height=350,
-                xaxis_title="واریته",
-                yaxis_title="میانگین تغییر هفتگی (سانتی‌متر)",
-                font=dict(family="IRANSans"),
-                plot_bgcolor='rgba(0,0,0,0)'
-            )
-            
-            st.plotly_chart(fig, use_container_width=True)
-        
-        with col2:
-            st.markdown("#### وضعیت رشد واریته‌ها")
-            
-            status_data = []
-            
-            for variety in varieties:
-                variety_data = status_by_variety.loc[variety]
-                
-                for status in ['خوب', 'متوسط', 'ضعیف']:
-                    if status in status_by_variety.columns:
-                        status_data.append({
-                            'Variety': variety,
-                            'Status': status,
-                            'Percent': variety_data[f'Percent_{status}'] if f'Percent_{status}' in variety_data.index else 0
-                        })
-            
-            status_df = pd.DataFrame(status_data)
-            
-            fig = px.bar(
-                status_df,
-                x='Variety',
-                y='Percent',
-                color='Status',
-                color_discrete_map={'خوب': '#00c853', 'متوسط': '#ffd600', 'ضعیف': '#ff3d00'},
-                labels={'Variety': 'واریته', 'Percent': 'درصد', 'Status': 'وضعیت'}
-            )
-            
-            fig.update_layout(
-                height=350,
-                xaxis_title="واریته",
-                yaxis_title="درصد",
-                font=dict(family="IRANSans"),
-                plot_bgcolor='rgba(0,0,0,0)',
-                barmode='stack'
-            )
-            
-            st.plotly_chart(fig, use_container_width=True)
-        
-        # تحلیل تأثیر سن کشت بر واریته‌ها
-        st.subheader("تأثیر سن کشت بر واریته‌ها")
-        
-        age_variety_height = report_with_details[report_with_details['Week'] == latest_week].groupby(['Variety', 'Crop_Age'])['Average_Height'].mean().reset_index()
-        
-        fig = px.scatter(
-            age_variety_height,
-            x='Crop_Age',
-            y='Average_Height',
-            color='Variety',
-            size='Average_Height',
-            trendline='ols',
-            labels={'Crop_Age': 'سن کشت (سال)', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)', 'Variety': 'واریته'}
-        )
-        
-        fig.update_layout(
-            height=500,
-            xaxis_title="سن کشت (سال)",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-    
-    elif analysis_type == "تحلیل عوامل مؤثر بر رشد":
-        st.subheader("بررسی عوامل مؤثر بر رشد مزارع")
-        
-        # عامل سن کشت
-        st.markdown("#### تأثیر سن کشت بر ارتفاع")
-        
-        age_height = report_with_details[report_with_details['Week'] == latest_week].groupby('Crop_Age')['Average_Height'].mean().reset_index()
-        
-        fig = px.bar(
-            age_height,
-            x='Crop_Age',
-            y='Average_Height',
-            color='Average_Height',
-            color_continuous_scale=[(0, "red"), (0.5, "yellow"), (1, "green")],
-            labels={'Crop_Age': 'سن کشت (سال)', 'Average_Height': 'میانگین ارتفاع (سانتی‌متر)'}
-        )
-        
-        fig.update_layout(
-            height=400,
-            xaxis_title="سن کشت (سال)",
-            yaxis_title="میانگین ارتفاع (سانتی‌متر)",
-            font=dict(family="IRANSans"),
-            plot_bgcolor='rgba(0,0,0,0)'
-        )
-        
-        st.plotly_chart(fig, use_container_width=True)
-        
-        # تحلیل توزیع وضعیت‌
+        fig.update_layout(height=500, xaxis_title="هفته", yaxis_title="میانگین ارتفاع (سانتی‌متر)", font=dict(family="IRANSans"), plot_bgcolor='rgba(0,0,0,0)')
+        st.plotly_chart(fig, use_container_width=True)