Update app.py

app.py

@@ -1,277 +1,130 @@
-import streamlit as st
 import ee
+import streamlit as st
 import folium
-from folium import plugins
 import pandas as pd
-import numpy as np
-import matplotlib.pyplot as plt
 import requests
-from streamlit_folium import folium_static
-
-# تنظیمات اولیه Streamlit
-st.set_page_config(page_title="مانیتورینگ مزارع نیشکر", page_icon="🌱", layout="wide")
-
-# احراز هویت Google Earth Engine
-def authenticate_gee():
-    try:
-        service_account = 'dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com'
-        credentials = ee.ServiceAccountCredentials(service_account, 'ee-esmaeilkiani13877-cfdea6eaf411.json')
-        ee.Initialize(credentials)
-        st.success("اتصال به Google Earth Engine با موفقیت انجام شد.")
-    except Exception as e:
-        st.error(f"خطا در اتصال به Google Earth Engine: {str(e)}")
-
-# بارگذاری داده‌های مزرعه از CSV
-@st.cache_data
-def load_farm_data():
-    try:
-        data = pd.read_csv('farm_coordinates.csv')
-        if len(data) == 0:
-            st.warning("فایل farm_coordinates.csv خالی است.")
-        return data
-    except Exception as e:
-        st.error(f"خطا در بارگذاری فایل farm_coordinates.csv: {str(e)}")
-        return pd.DataFrame()
+from datetime import datetime, timedelta
 
-@st.cache_data
-def load_daily_farm_data():
-    try:
-        data = pd.read_csv('پایگاه داده (1).csv')
-        if len(data) == 0:
-            st.warning("فایل پایگاه داده (1).csv خالی است.")
-        return data
-    except Exception as e:
-        st.error(f"خطا در بارگذاری فایل پایگاه داده (1).csv: {str(e)}")
-        return pd.DataFrame()
+# احراز هویت با Google Earth Engine
+service_account = 'dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com'
+credentials = ee.ServiceAccountCredentials(service_account, 'ee-esmaeilkiani13877-cfdea6eaf411.json')
+ee.Initialize(credentials)
 
 # جمع‌آوری داده‌ها از Google Earth Engine
-@st.cache_data
-def collect_gee_data(_aoi, start_date, end_date):
-    try:
-        # فیلتر کردن مجموعه تصاویر Sentinel-2
-        s2 = ee.ImageCollection('COPERNICUS/S2_SR') \
-            .filterBounds(aoi) \
-            .filterDate(start_date, end_date) \
-            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
-
-        if s2.size().getInfo() == 0:
-            st.warning("هیچ تصویری برای محدوده و تاریخ انتخاب شده یافت نشد.")
-            return None
-
-        def calculate_indices(image):
-            ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI')
-            ndwi = image.normalizedDifference(['B3', 'B8']).rename('NDWI')
-            ndre = image.normalizedDifference(['B8', 'B5']).rename('NDRE')
-            
-            # محاسبه LAI (فرمول ساده‌شده)
-            lai = image.expression(
-                '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', {
-                    'NIR': image.select('B8'),
-                    'RED': image.select('B4'),
-                    'BLUE': image.select('B2')
-                }).rename('LAI')
-            
-            # محاسبه CHL (فرمول ساده‌شده)
-            chl = image.expression(
-                '(NIR / RED) - 1', {
-                    'NIR': image.select('B8'),
-                    'RED': image.select('B4')
-                }).rename('CHL')
-
-            return image.addBands([ndvi, ndwi, ndre, lai, chl])
-
-        return s2.map(calculate_indices)
-    except Exception as e:
-        st.error(f"خطا در جمع‌آوری داده‌های Google Earth Engine: {str(e)}")
-        return None
-
-# ایجاد نقشه با استفاده از Folium
-def create_map(farm_data, gee_data):
-    try:
-        if len(farm_data) == 0:
-            return None
-
-        center_lat = farm_data['latitude'].mean()
-        center_lon = farm_data['longitude'].mean()
-        m = folium.Map(location=[center_lat, center_lon], zoom_start=10)
-
-        # اضافه کردن لایه NDVI
-        ndvi_layer = folium.raster_layers.ImageOverlay(
-            name='NDVI',
-            image=gee_data.select('NDVI').mean().getMapId()['image_url'],
-            bounds=gee_data.getBounds().getInfo()['coordinates'][0],
-            opacity=0.7
-        )
-        ndvi_layer.add_to(m)
-
-        # اضافه کردن نشانگر برای مزارع
-        for _, farm in farm_data.iterrows():
-            folium.Marker(
-                location=[farm['latitude'], farm['longitude']],
-                popup=farm['name'],
-                icon=folium.Icon(color='green', icon='leaf')
-            ).add_to(m)
-
-        # اضافه کردن کنترل لایه
-        folium.LayerControl().add_to(m)
-
-        return m
-    except Exception as e:
-        st.error(f"خطا در ایجاد نقشه: {str(e)}")
-        return None
-
-# ایجاد نمودارهای مقایسه‌ای
-def create_comparison_charts(gee_data, farm_name, farm_data):
-    try:
-        if len(farm_data) == 0:
-            return None
-
-        fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 12))
-
-        # سری زمانی NDVI
-        farm_coords = farm_data.loc[farm_data['name'] == farm_name, ['longitude', 'latitude']]
-        if len(farm_coords) == 0:
-            return None
-            
-        coords = farm_coords.values[0].tolist()
-        ndvi_ts = gee_data.select('NDVI').getRegion(ee.Geometry.Point(coords), 30).getInfo()
-        ndvi_df = pd.DataFrame(ndvi_ts[1:], columns=ndvi_ts[0])
-        ndvi_df['datetime'] = pd.to_datetime(ndvi_df['time'], unit='ms')
-        ndvi_df.plot(x='datetime', y='NDVI', ax=ax1)
-        ax1.set_title(f'سری زمانی NDVI - {farm_name}')
-        ax1.set_ylabel('NDVI')
-
-        # نمودار پراکندگی NDVI در مقابل NDWI
-        ax2.scatter(gee_data.select('NDVI').mean().getInfo(), gee_data.select('NDWI').mean().getInfo())
-        ax2.set_xlabel('NDVI')
-        ax2.set_ylabel('NDWI')
-        ax2.set_title(f'NDVI در مقابل NDWI - {farm_name}')
-
-        return fig
-    except Exception as e:
-        st.error(f"خطا در ایجاد نمودارهای مقایسه‌ای: {str(e)}")
-        return None
-
-# دریافت داده‌های آب و هوا
-@st.cache_data
-def fetch_weather_data(lat, lon, api_key):
-    try:
-        url = f"http://api.openweathermap.org/data/2.5/weather?lat={lat}&lon={lon}&appid={api_key}&units=metric"
-        response = requests.get(url)
-        if response.status_code == 200:
-            return response.json()
-        else:
-            st.error(f"خطا در دریافت داده‌های آب و هوا: {response.status_code}")
-            return None
-    except Exception as e:
-        st.error(f"خطا در دریافت داده‌های آب و هوا: {str(e)}")
-        return None
-
-# تولید گزارش هفتگی
-def generate_weekly_report(farm_name, gee_data, weather_data):
-    try:
-        report = f"گزارش هفتگی برای مزرعه {farm_name}:\n\n"
-
-        # اضافه کردن اطلاعات NDVI
-        ndvi_mean = gee_data.select('NDVI').mean().getInfo()
-        report += f"میانگین NDVI: {ndvi_mean:.2f}\n"
-
-        # اضافه کردن اطلاعات آب و هوا
-        if weather_data and 'main' in weather_data:
-            temp = weather_data['main'].get('temp', 'N/A')
-            humidity = weather_data['main'].get('humidity', 'N/A')
-            report += f"دمای فعلی: {temp}°C\n"
-            report += f"رطوبت فعلی: {humidity}%\n"
-
-        return report
-    except Exception as e:
-        st.error(f"خطا در تولید گزارش هفتگی: {str(e)}")
-        return "گزارش در دسترس نیست."
-
-# تابع اصلی
-def main():
-    st.title("🌱 مانیتورینگ مزارع نیشکر")
-
-    # احراز هویت GEE
-    authenticate_gee()
-
-    # بارگذاری داده‌ها
-    farm_data = load_farm_data()
-    daily_farm_data = load_daily_farm_data()
-
-    if len(farm_data) == 0 or len(daily_farm_data) == 0:
-        st.warning("داده‌های مزرعه در دسترس نیست. لطفاً فایل‌های CSV را بررسی کنید.")
-        return
-
-    # نوار کناری برای ورودی کاربر
-    st.sidebar.header("تنظیمات")
-    if 'name' in farm_data.columns:
-        selected_farm = st.sidebar.selectbox("انتخاب مزرعه", farm_data['name'].unique().tolist())
-    else:
-        st.warning("ستون 'name' در داده‌های مزرعه یافت نشد.")
-        return
-    
-    selected_day = st.sidebar.selectbox("انتخاب روز", ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنج‌شنبه"])
-
-    # دریافت مختصات مزرعه انتخاب شده
-    farm_coords = farm_data.loc[farm_data['name'] == selected_farm, ['longitude', 'latitude']]
-    if len(farm_coords) == 0:
-        st.warning(f"مختصات برای مزرعه {selected_farm} یافت نشد.")
-        return
-
-    # تبدیل مختصات به لیست
-    coords = farm_coords.values[0].tolist()
-    
-    # جمع‌آوری داده‌های GEE
-    aoi = ee.Geometry.Point(coords)
-    start_date = '2023-01-01'
-    end_date = '2023-12-31'
-    gee_data = collect_gee_data(aoi, start_date, end_date)
-
-    if gee_data is None:
-        st.warning("داده‌های Google Earth Engine در دسترس نیست.")
-        return
-
-    # محتوای اصلی
-    col1, col2 = st.columns(2)
-
-    with col1:
-        st.subheader("🗺️ نقشه مزرعه")
-        m = create_map(farm_data, gee_data)
-        if m:
-            folium_static(m)
-        else:
-            st.warning("نقشه در دسترس نیست.")
-
-    with col2:
-        st.subheader("📊 شاخص‌های مزرعه")
-        ndvi_mean = gee_data.select('NDVI').mean().getInfo()
-        st.metric(label="🌱 میانگین NDVI", value=f"{ndvi_mean:.2f}")
-
-    st.subheader("📈 نمودارهای مقایسه‌ای")
-    fig = create_comparison_charts(gee_data, selected_farm, farm_data)
-    if fig:
-        st.pyplot(fig)
-    else:
-        st.warning("نمودارهای مقایسه‌ای در دسترس نیست.")
-
-    st.subheader("🌤️ اطلاعات آب و هوا")
-    weather_data = fetch_weather_data(coords[1], coords[0], "ed47316a45379e2221a75f813229fb46")
-    if weather_data and 'main' in weather_data:
-        col1, col2 = st.columns(2)
-        with col1:
-            st.metric(label="🌡️ دما", value=f"{weather_data['main'].get('temp', 'N/A')}°C")
-        with col2:
-            st.metric(label="💧 رطوبت", value=f"{weather_data['main'].get('humidity', 'N/A')}%")
-    else:
-        st.warning("اطلاعات آب و هوا در دسترس نیست.")
-
-    st.subheader("📝 گزارش هفتگی")
-    if weather_data:
-        report = generate_weekly_report(selected_farm, gee_data, weather_data)
-        st.text_area("گزارش", report, height=200)
-    else:
-        st.warning("گزارش هفتگی در دسترس نیست.")
-
-if __name__ == "__main__":
-    main()
+def get_indices(aoi, start_date, end_date):
+    sentinel2 = ee.ImageCollection('COPERNICUS/S2') \
+        .filterBounds(aoi) \
+        .filterDate(start_date, end_date) \
+        .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
+
+    def calculate_indices(image):
+        ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI')
+        ndwi = image.normalizedDifference(['B3', 'B8']).rename('NDWI')
+        ndre = image.normalizedDifference(['B8', 'B5']).rename('NDRE')
+        lai = image.expression('2.76 * (NDVI / (1 - NDVI))', {'NDVI': ndvi}).rename('LAI')
+        chl = image.expression('(NIR / RED) - 1', {'NIR': image.select('B8'), 'RED': image.select('B4')}).rename('CHL')
+        return image.addBands([ndvi, ndwi, ndre, lai, chl])
+
+    indices = sentinel2.map(calculate_indices)
+    return indices
+
+# خواندن فایل CSV برای مشخصات مزارع
+farm_coordinates = pd.read_csv('farm_coordinates.csv')
+
+# خواندن فایل CSV برای داده‌های روزانه مزارع
+daily_data = pd.read_csv('پایگاه داده (1).csv')
+
+# نمایش نقشه و شاخص‌ها
+def display_map(indices, aoi):
+    map_center = [aoi.centroid().coordinates().getInfo()[1], aoi.centroid().coordinates().getInfo()[0]]
+    m = folium.Map(location=map_center, zoom_start=12)
+
+    ndvi_image = indices.select('NDVI').mean()
+    ndwi_image = indices.select('NDWI').mean()
+
+    ndvi_vis_params = {
+        'min': 0, 'max': 1, 'palette': ['red', 'yellow', 'green']
+    }
+    ndwi_vis_params = {
+        'min': -1, 'max': 1, 'palette': ['blue', 'white', 'green']
+    }
+
+    ndvi_url = ndvi_image.getMapId(ndvi_vis_params)['tile_fetcher'].url_format
+    ndwi_url = ndwi_image.getMapId(ndwi_vis_params)['tile_fetcher'].url_format
+
+    folium.TileLayer(tiles=ndvi_url, attr='NDVI', overlay=True, name='NDVI').add_to(m)
+    folium.TileLayer(tiles=ndwi_url, attr='NDWI', overlay=True, name='NDWI').add_to(m)
+    folium.LayerControl().add_to(m)
+
+    return m
+
+# مقایسه شاخص‌ها
+def compare_indices(indices):
+    ndvi_chart = indices.select('NDVI').getRegion(aoi, 30).getInfo()
+    ndwi_chart = indices.select('NDWI').getRegion(aoi, 30).getInfo()
+    ndre_chart = indices.select('NDRE').getRegion(aoi, 30).getInfo()
+    lai_chart = indices.select('LAI').getRegion(aoi, 30).getInfo()
+
+    return ndvi_chart, ndwi_chart, ndre_chart, lai_chart
+
+# نمایش داده‌های آب و هوا
+def get_weather_data(lat, lon):
+    api_key = 'ed47316a45379e2221a75f813229fb46'
+    url = f'http://api.openweathermap.org/data/2.5/weather?lat={lat}&lon={lon}&appid={api_key}'
+    response = requests.get(url)
+    data = response.json()
+    return data
+
+# گزارش‌های هفتگی
+def weekly_report(indices, aoi):
+    lai_chart = indices.select('LAI').getRegion(aoi, 30).getInfo()
+    return lai_chart
+
+# کد Streamlit برای نمایش نتایج
+st.title('مانیتورینگ مزارع نیشکر')
+
+# انتخاب مزرعه
+farm_name = st.selectbox('انتخاب مزرعه', farm_coordinates['name'].unique())
+farm_info = farm_coordinates[farm_coordinates['name'] == farm_name].iloc[0]
+
+# انتخاب روز هفته
+day_of_week = st.selectbox('انتخاب روز هفته', daily_data['روز'].unique())
+daily_info = daily_data[daily_data['روز'] == day_of_week]
+
+# تعیین منطقه جغرافیایی
+aoi = ee.Geometry.Point([farm_info['longitude'], farm_info['latitude']]).buffer(500)
+
+# تعیین دوره زمانی
+start_date = '2023-01-01'
+end_date = '2023-12-31'
+
+# جمع‌آوری داده‌ها
+indices = get_indices(aoi, start_date, end_date)
+
+# نمایش نقشه
+st.subheader('نقشه شاخص‌ها')
+m = display_map(indices, aoi)
+st_folium = folium.Map(location=[farm_info['latitude'], farm_info['longitude']], zoom_start=12)
+st_folium.add_child(m)
+st_data = st_folium._repr_html_()
+st.components.v1.html(st_data, height=600)
+
+# مقایسه شاخص‌ها
+st.subheader('مقایسه شاخص‌ها')
+ndvi_chart, ndwi_chart, ndre_chart, lai_chart = compare_indices(indices)
+st.line_chart(ndvi_chart)
+st.line_chart(ndwi_chart)
+st.line_chart(ndre_chart)
+st.line_chart(lai_chart)
+
+# نمایش داده‌های آب و هوا
+st.subheader('داده‌های آب و هوا')
+weather_data = get_weather_data(farm_info['latitude'], farm_info['longitude'])
+st.write(f"دما: {weather_data['main']['temp']}°C")
+st.write(f"رطوبت: {weather_data['main']['humidity']}%")
+st.write(f"سرعت باد: {weather_data['wind']['speed']} m/s")
+
+# گزارش‌های هفتگی
+st.subheader('گزارش‌های هفتگی')
+lai_chart = weekly_report(indices, aoi)
+st.line_chart(lai_chart)