Update app.py

app.py

@@ -5,14 +5,35 @@ import folium
 from streamlit_folium import folium_static
 import ee
 import os
-import requests
+import json
+import time
 from datetime import datetime, timedelta
 import plotly.express as px
 import plotly.graph_objects as go
+from PIL import Image
+import base64
+from io import BytesIO
+import matplotlib.pyplot as plt
+import seaborn as sns
+import altair as alt
+from streamlit_option_menu import option_menu
 from streamlit_lottie import st_lottie
-import json
-
-# تنظیمات صفحه
+import requests
+import hydralit_components as hc
+from streamlit_extras.colored_header import colored_header
+from streamlit_extras.metric_cards import style_metric_cards
+from streamlit_extras.chart_container import chart_container
+from streamlit_extras.add_vertical_space import add_vertical_space
+from streamlit_card import card
+import pydeck as pdk
+import math
+from sklearn.ensemble import RandomForestRegressor
+from sklearn.cluster import KMeans
+from tensorflow.keras.models import Sequential
+from tensorflow.keras.layers import LSTM, Dense
+from sklearn.preprocessing import MinMaxScaler
+
+# Page configuration with custom theme
 st.set_page_config(
     page_title="سامانه هوشمند پایش مزارع نیشکر دهخدا",
     page_icon="🌿",
@@ -20,295 +41,797 @@ st.set_page_config(
     initial_sidebar_state="expanded"
 )
 
-# استایل‌های سفارشی برای رابط کاربری
+# Custom CSS with modern design, animations, and theme support
 st.markdown("""
 <style>
-    @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@400;700&display=swap');
-    * { font-family: 'Vazirmatn', sans-serif !important; }
-    .main { background: linear-gradient(135deg, #f5f7fa 0%, #e4e9f2 100%); }
-    .rtl { direction: rtl; text-align: right; }
-    .stButton>button { background: #1a8754; color: white; border-radius: 8px; }
-    .metric-card { background: white; padding: 1rem; border-radius: 8px; box-shadow: 0 4px 12px rgba(0,0,0,0.1); text-align: center; }
-    .metric-value { font-size: 1.5rem; font-weight: bold; color: #1a8754; }
-    .metric-label { font-size: 0.9rem; color: #666; }
+    @import url('https://fonts.googleapis.com/css2?family=Vazirmatn:wght@100;200;300;400;500;600;700;800;900&display=swap');
+    
+    * {
+        font-family: 'Vazirmatn', sans-serif !important;
+        transition: all 0.3s ease;
+    }
+    
+    .main {
+        background: linear-gradient(135deg, #f5f7fa 0%, #e4e9f2 100%);
+    }
+    
+    .dark-theme .main {
+        background: linear-gradient(135deg, #2c3e50 0%, #1a252f 100%);
+        color: #ecf0f1;
+    }
+    
+    .main-header {
+        background: linear-gradient(90deg, #1a8754 0%, #115740 100%);
+        padding: 1.5rem;
+        border-radius: 12px;
+        box-shadow: 0 8px 32px rgba(0, 0, 0, 0.1);
+        margin-bottom: 2rem;
+        position: relative;
+        overflow: hidden;
+        animation: header-glow 3s infinite alternate;
+    }
+    
+    @keyframes header-glow {
+        0% { box-shadow: 0 8px 32px rgba(26, 135, 84, 0.1); }
+        100% { box-shadow: 0 8px 32px rgba(26, 135, 84, 0.3); }
+    }
+    
+    .main-header h1, .main-header p {
+        color: white;
+        z-index: 1;
+        position: relative;
+    }
+    
+    .stcard {
+        border-radius: 12px;
+        box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05);
+        transition: transform 0.3s ease, box-shadow 0.3s ease;
+    }
+    
+    .stcard:hover {
+        transform: translateY(-5px);
+        box-shadow: 0 8px 30px rgba(0, 0, 0, 0.1);
+    }
+    
+    .dark-theme .stcard {
+        background: #34495e;
+        color: #ecf0f1;
+    }
+    
+    .stButton>button {
+        border-radius: 50px;
+        padding: 0.5rem 1.5rem;
+        font-weight: 600;
+        transition: all 0.3s ease;
+    }
+    
+    .primary-btn {
+        background: linear-gradient(90deg, #1a8754 0%, #115740 100%);
+        color: white;
+    }
+    
+    .dark-theme .primary-btn {
+        background: linear-gradient(90deg, #27ae60 0%, #219653 100%);
+    }
+    
+    .metric-card {
+        background: white;
+        border-radius: 12px;
+        padding: 1.5rem;
+        box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05);
+        text-align: center;
+    }
+    
+    .dark-theme .metric-card {
+        background: #34495e;
+        color: #ecf0f1;
+    }
+    
+    .map-container {
+        border-radius: 12px;
+        overflow: hidden;
+        box-shadow: 0 4px 20px rgba(0, 0, 0, 0.05);
+    }
+    
+    .animate-load {
+        animation: fadeIn 0.5s ease forwards;
+    }
+    
+    @keyframes fadeIn {
+        0% { opacity: 0; transform: translateY(20px); }
+        100% { opacity: 1; transform: translateY(0); }
+    }
+    
+    .rtl {
+        direction: rtl;
+        text-align: right;
+    }
 </style>
 """, unsafe_allow_html=True)
 
-# اطلاعات اهراز هویت Google Earth Engine
-credentials = {
-    "type": "service_account",
-    "project_id": "ee-esmaeilkiani13877",
-    "private_key_id": "cfdea6eaf4115cb6462626743e4b15df85fd0c7f",
-    "private_key": """-----BEGIN PRIVATE KEY-----
-MIIEvgIBADANBgkqhkiG9w0BAQEFAASCBKgwggSkAgEAAoIBAQCjeOvgKi+gWK6k
-2/0RXOA3LAo51DVxA1ja9v0qFOn4FNOStxkwlKvcK8yDQNb53FPORHFIUHvev3y7
-iHr/UEUqnn5Rzjbf0k3qWB/fS377/UP4VznMsFpKiHNxCBtaNS8KLk6Rat6Y7Xfm
-JfpSU7ZjYZmVc81M/7iFofGUSJoHYpxhyt3rjp53huxJNNW5e12TFnLkyg1Ja/9X
-GMTt+vjVcO4XhQCIlaGVdSKS2sHlHgzpzE6KtuUKjDMEBqPkWF4xc16YavYltwPd
-qULCu2/t6dczhYL4NEFj8wL+KJqOojfsyoWmzqPFx1Bbxk4BVPk/lslq9+m9p5kq
-SCG0/9W9AgMBAAECggEAEGchw+x3uu8rFv+79PIMzXxtyj+w3RYo5E/EN2TB1VLB
-qAcXT/ibBgyfCMyIxamF/zx+4XKx+zfbnDWlodi8F/qvUiYO+4ZuqwUMras1orNX
-DqQx+If5h2EJtF3L4NFVVwAuggjnLREm5sEIzRn5Qx+X+ZcVEpTWPxJw2yAt1G+3
-k311KqD+zR7jQfchXU4xQQ1ZoHkdAJ/DPGun6x+HUOq7Gus73A6IzLp12ZoiHN3n
-kY+lG8cMs039QAe/OhZFEo5I9cNSaI688HmsLRivZ26WoPEnwcN0MHQGtXqGmMUI
-CcpgJqllqdWMuBlYcpSadn7rZzPujSlzIxkvieLeAQKBgQDNTYUWZdGbA2sHcBpJ
-rqKwDYF/AwZtjx+hXHVBRbR6DJ1bO2P9n51ioTMP/H9K61OBAMZ7w71xJ2I+9Snv
-cYumPWoiUwiOhTh3O7nYz6mR7sK0HuUCZfYdaxJVnLgNCgj+w9AxYnkzOyL9/QvJ
-knrlMKf4H59NbapBqy5spilq1QKBgQDL1wkGHhoTuLb5Xp3X3CX4S7WMke4T01bO
-PpMmlewVgH5lK5wTcZjB8QRO2QFQtUZTP/Ghv6ZH4h/3P9/ZIF3hV5CSsUkr/eFf
-MY+fQL1K/puwfZbSDcH1GtDToOyoLFIvPXBJo0Llg/oF2TK1zGW3cPszeDf/Tm6x
-UwUMw2BjSQKBgEJzAMyLEBi4NoAlzJxkpcuN04gkloQHexljL6B8yzlls9i/lFGW
-w/4UZs6ZzymUmWZ7tcKBTGO/d5EhEP2rJqQb5KpPbcmTXP9amYCPVjchrGtYRI9O
-KSbEbR7ApuGxic/L2Sri0I/AaEcFDDel7ZkY8oTg11LcV+sBWPlZnrYxAoGBALXj
-/DlpQvu2KA/9TfwAhiE57Zax4S/vtdX0IHqd7TyCnEbK00rGYvksiBuTqIjMOSSw
-On2K9mXOcZe/d4/YQe2CpY9Ag3qt4R2ArBf/POpep66lYp+thxWgCBfP0V1/rxZY
-TIppFJiZW9E8LvPqoBlAx+b1r4IyCrRQ0IDDFo+BAoGBAMCff4XKXHlV2SDOL5uh
-V/f9ApEdF4leuo+hoMryKuSQ9Y/H0A/Lzw6KP5FLvVtqc0Kw2D1oLy8O72a1xwfY
-8dpZMNzKAWWS7viN0oC+Ebj2Foc2Mn/J6jdhtP/YRLTqvoTWCa2rVcn4R1BurMIf
-La4DJE9BagGdVNTDtynBhKhZ
------END PRIVATE KEY-----
-""",
-    "client_email": "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com",
-    "client_id": "113062529451626176784",
-    "auth_uri": "https://accounts.google.com/o/oauth2/auth",
-    "token_uri": "https://oauth2.googleapis.com/token",
-    "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
-    "client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/dehkhodamap-e9f0da4ce9f6514021%40ee-esmaeilkiani13877.iam.gserviceaccount.com",
-    "universe_domain": "googleapis.com"
-}
+# Theme selection
+if 'theme' not in st.session_state:
+    st.session_state.theme = 'light'
+
+theme = st.sidebar.selectbox("انتخاب تم", ["روشن", "تیره"], index=0 if st.session_state.theme == 'light' else 1)
+st.session_state.theme = 'light' if theme == "روشن" else 'dark'
+theme_class = "dark-theme" if st.session_state.theme == 'dark' else ""
+
+st.markdown(f'<body class="{theme_class}">', unsafe_allow_html=True)
 
-# راه‌اندازی Google Earth Engine
+# Earth Engine Initialization
 @st.cache_resource
 def initialize_earth_engine():
     try:
-        ee.Initialize(ee.ServiceAccountCredentials(credentials["client_email"], key_data=credentials["private_key"]))
+        service_account = 'dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com'
+        credentials_dict = {
+            "type": "service_account",
+            "project_id": "ee-esmaeilkiani13877",
+            "private_key_id": "cfdea6eaf4115cb6462626743e4b15df85fd0c7f",
+            "private_key": "-----BEGIN PRIVATE KEY-----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\nLa4DJE9BagGdVNTDtynBhKhZ\n-----END PRIVATE KEY-----\n",
+            "client_email": "dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com",
+            "client_id": "113062529451626176784",
+            "auth_uri": "https://accounts.google.com/o/oauth2/auth",
+            "token_uri": "https://oauth2.googleapis.com/token",
+            "auth_provider_x509_cert_url": "https://www.googleapis.com/oauth2/v1/certs",
+            "client_x509_cert_url": "https://www.googleapis.com/robot/v1/metadata/x509/dehkhodamap-e9f0da4ce9f6514021%40ee-esmaeilkiani13877.iam.gserviceaccount.com",
+            "universe_domain": "googleapis.com"
+        }
+        
+        credentials_file = 'ee-esmaeilkiani13877-cfdea6eaf411.json'
+        with open(credentials_file, 'w') as f:
+            json.dump(credentials_dict, f)
+        
+        credentials = ee.ServiceAccountCredentials(service_account, credentials_file)
+        ee.Initialize(credentials)
+        
+        os.remove(credentials_file)
         return True
     except Exception as e:
         st.error(f"خطا در اتصال به Earth Engine: {e}")
         return False
 
-# تابع بارگذاری داده‌های مزارع از فایل CSV
+# Load data
 @st.cache_data
 def load_farm_data():
     try:
         df = pd.read_csv("پایگاه داده (1).csv")
-        if df.empty:
-            st.warning("فایل داده خالی است.")
         return df
-    except FileNotFoundError:
-        st.error("فایل پایگاه داده (1).csv یافت نشد.")
-        return pd.DataFrame()
     except Exception as e:
-        st.error(f"خطا در بارگذاری داده‌ها: {e}")
+        st.error(f"خطا در بارگذاری داده‌های مزارع: {e}")
         return pd.DataFrame()
 
-# تابع بارگذاری مختصات مزارع از فایل CSV
 @st.cache_data
 def load_coordinates_data():
     try:
         df = pd.read_csv("farm_coordinates.csv")
-        if df.empty:
-            st.warning("فایل مختصات خالی است.")
         return df
-    except FileNotFoundError:
-        st.error("فایل farm_coordinates.csv یافت نشد.")
-        return pd.DataFrame()
     except Exception as e:
-        st.error(f"خطا در بارگذاری مختصات: {e}")
+        st.error(f"خطا در بارگذاری داده‌های مختصات: {e}")
         return pd.DataFrame()
 
-# تابع دریافت داده‌های هواشناسی از OpenWeatherMap
-def get_weather_data(lat, lon, api_key="ed47316a45379e2221a75f813229fb46"):
+# Load animation JSON
+@st.cache_data
+def load_lottie_url(url: str):
+    r = requests.get(url)
+    if r.status_code != 200:
+        return None
+    return r.json()
+
+# Weather data function
+def get_weather_data(lat, lon, api_key):
     url = f"http://api.openweathermap.org/data/2.5/weather?lat={lat}&lon={lon}&appid={api_key}&units=metric"
-    try:
-        response = requests.get(url)
-        response.raise_for_status()
+    response = requests.get(url)
+    if response.status_code == 200:
         return response.json()
-    except Exception as e:
-        st.error(f"خطا در دریافت داده‌های هواشناسی: {e}")
-        return None
+    return None
 
-# تابع تخمین نیاز آبی مزرعه
+# Estimate water requirement
 def estimate_water_requirement(farm_id, date_str):
-    farm_row = coordinates_df[coordinates_df["مزرعه"] == farm_id].iloc[0]
-    lat, lon = farm_row["عرض جغرافیایی"], farm_row["طول جغرافیایی"]
-    weather = get_weather_data(lat, lon)
-    if weather:
-        temp = weather["main"]["temp"]
-        humidity = weather["main"]["humidity"]
-        # فرمول ساده تخمین نیاز آبی (برای دقت بیشتر از Penman-Monteith استفاده شود)
-        water_req = max(0, (temp - 20) * 0.5 + (100 - humidity) * 0.1)
-        return water_req
+    api_key = "ed47316a45379e2221a75f813229fb46"
+    farm_row = coordinates_df[coordinates_df['مزرعه'] == farm_id].iloc[0]
+    lat, lon = farm_row['عرض جغرافیایی'], farm_row['طول جغرافیایی']
+    weather_data = get_weather_data(lat, lon, api_key)
+    if weather_data:
+        temperature = weather_data['main']['temp']
+        humidity = weather_data['main']['humidity']
+        water_requirement = (temperature - 20) * 0.5 + (100 - humidity) * 0.1
+        return max(0, water_requirement)
     return None
 
-# تابع محاسبه شاخص‌های ماهواره‌ای (NDVI، NDWI، LAI، CHL)
-@st.cache_data
-def calculate_indices(farm_id, date_str):
+# Create Earth Engine map with heatmap option
+def create_ee_map(farm_id, date_str, layer_type="NDVI", heatmap=False):
     try:
-        farm_row = coordinates_df[coordinates_df["مزرعه"] == farm_id].iloc[0]
-        lat, lon = farm_row["عرض جغرافیایی"], farm_row["طول جغرافیایی"]
-        date_obj = datetime.strptime(date_str, "%Y-%m-%d")
-        start_date = (date_obj - timedelta(days=7)).strftime("%Y-%m-%d")
-        end_date = date_obj.strftime("%Y-%m-%d")
-
-        region = ee.Geometry.Point([lon, lat]).buffer(500)
-        s2 = (ee.ImageCollection("COPERNICUS/S2_SR")
-              .filterDate(start_date, end_date)
-              .filterBounds(region)
-              .filter(ee.Filter.lt("CLOUDY_PIXEL_PERCENTAGE", 20))
-              .sort("CLOUDY_PIXEL_PERCENTAGE")
-              .first())
-
-        if not s2.getInfo():
-            st.warning(f"تصویری برای مزرعه {farm_id} یافت نشد.")
-            return {"NDVI": 0, "NDWI": 0, "LAI": 0, "CHL": 0}
-
-        ndvi = s2.normalizedDifference(["B8", "B4"]).rename("NDVI")
-        ndwi = s2.normalizedDifference(["B3", "B8"]).rename("NDWI")
-
-        ndvi_value = ndvi.reduceRegion(reducer=ee.Reducer.mean(), geometry=region, scale=10).get("NDVI").getInfo()
-        ndwi_value = ndwi.reduceRegion(reducer=ee.Reducer.mean(), geometry=region, scale=10).get("NDWI").getInfo()
-
-        lai_value = 6 * ndvi_value if ndvi_value else 0  # تخمین LAI
-        chl_value = 50 * ndvi_value if ndvi_value else 0  # تخمین کلروفیل
-
-        return {
-            "NDVI": ndvi_value or 0,
-            "NDWI": ndwi_value or 0,
-            "LAI": min(max(lai_value, 0), 6),
-            "CHL": chl_value
-        }
-    except Exception as e:
-        st.error(f"خطا در محاسبه شاخص‌ها: {e}")
-        return {"NDVI": 0, "NDWI": 0, "LAI": 0, "CHL": 0}
-
-# تابع ایجاد نقشه NDVI با استفاده از Earth Engine و Folium
-def create_ee_map(farm_id, date_str):
-    try:
-        farm_row = coordinates_df[coordinates_df["مزرعه"] == farm_id].iloc[0]
-        lat, lon = farm_row["عرض جغرافیایی"], farm_row["طول جغرافیایی"]
-        m = folium.Map(location=[lat, lon], zoom_start=14)
-
-        date_obj = datetime.strptime(date_str, "%Y-%m-%d")
-        start_date = (date_obj - timedelta(days=7)).strftime("%Y-%m-%d")
-        end_date = date_obj.strftime("%Y-%m-%d")
-
+        farm_row = coordinates_df[coordinates_df['مزرعه'] == farm_id].iloc[0]
+        lat, lon = farm_row['عرض جغرافیایی'], farm_row['طول جغرافیایی']
+        
+        m = folium.Map(location=[lat, lon], zoom_start=14, tiles='CartoDB positron')
+        
+        date_obj = datetime.strptime(date_str, '%Y-%m-%d')
+        start_date = (date_obj - timedelta(days=5)).strftime('%Y-%m-%d')
+        end_date = (date_obj + timedelta(days=5)).strftime('%Y-%m-%d')
+        
         region = ee.Geometry.Point([lon, lat]).buffer(1500)
-        s2 = (ee.ImageCollection("COPERNICUS/S2_SR")
-              .filterDate(start_date, end_date)
-              .filterBounds(region)
-              .filter(ee.Filter.lt("CLOUDY_PIXEL_PERCENTAGE", 20))
-              .sort("CLOUDY_PIXEL_PERCENTAGE")
-              .first())
-
-        if not s2.getInfo():
-            st.warning(f"تصویری برای مزرعه {farm_id} یافت نشد.")
-            return None
-
-        ndvi = s2.normalizedDifference(["B8", "B4"]).rename("NDVI")
-        viz_params = {"min": -0.2, "max": 0.8, "palette": ["#ff0000", "#ffd700", "#32cd32"]}
-        map_id = ndvi.getMapId(viz_params)
-
-        folium.TileLayer(
-            tiles=map_id["tile_fetcher"].url_format,
-            attr="Google Earth Engine",
-            name="NDVI",
-            overlay=True
-        ).add_to(m)
-
-        folium.Marker([lat, lon], popup=f"مزرعه {farm_id}").add_to(m)
-
-        # افزودن راهنما به نقشه
-        legend_html = """
-        <div style="position: fixed; bottom: 50px; right: 50px; z-index: 1000; background: white; padding: 10px; border-radius: 5px;">
-            <p>راهنما: شاخص NDVI</p>
-            <p><span style="color: #ff0000;">■</span> ضعیف (NDVI ≤ 0.3)</p>
-            <p><span style="color: #ffd700;">■</span> متوسط (0.3 < NDVI ≤ 0.6)</p>
-            <p><span style="color: #32cd32;">■</span> سالم (NDVI > 0.6)</p>
+        
+        s2 = ee.ImageCollection('COPERNICUS/S2_SR') \
+            .filterDate(start_date, end_date) \
+            .filterBounds(region) \
+            .sort('CLOUDY_PIXEL_PERCENTAGE') \
+            .first()
+        
+        if layer_type == "NDVI":
+            index = s2.normalizedDifference(['B8', 'B4']).rename('NDVI')
+            viz_params = {'min': -0.2, 'max': 0.8, 'palette': ['#ff0000', '#ff4500', '#ffd700', '#32cd32', '#006400']}
+            legend_title = 'شاخص پوشش گیاهی (NDVI)'
+        elif layer_type == "NDMI":
+            index = s2.normalizedDifference(['B8', 'B11']).rename('NDMI')
+            viz_params = {'min': -0.5, 'max': 0.5, 'palette': ['#8b0000', '#ff8c00', '#00ced1', '#00b7eb', '#00008b']}
+            legend_title = 'شاخص رطوبت (NDMI)'
+        elif layer_type == "EVI":
+            nir = s2.select('B8')
+            red = s2.select('B4')
+            blue = s2.select('B2')
+            index = nir.subtract(red).multiply(2.5).divide(nir.add(red.multiply(6)).subtract(blue.multiply(7.5)).add(1)).rename('EVI')
+            viz_params = {'min': 0, 'max': 1, 'palette': ['#d73027', '#f46d43', '#fdae61', '#fee08b', '#4caf50']}
+            legend_title = 'شاخص پیشرفته گیاهی (EVI)'
+        elif layer_type == "NDWI":
+            index = s2.normalizedDifference(['B3', 'B8']).rename('NDWI')
+            viz_params = {'min': -0.5, 'max': 0.5, 'palette': ['#00008b', '#00b7eb', '#add8e6', '#fdae61', '#d73027']}
+            legend_title = 'شاخص آب (NDWI)'
+        elif layer_type == "SoilMoisture":
+            s1 = ee.ImageCollection('COPERNICUS/S1_GRD') \
+                .filterDate(start_date, end_date) \
+                .filterBounds(region) \
+                .sort('system:time_start') \
+                .first()
+            index = s1.select('VV').rename('SoilMoisture')
+            viz_params = {'min': -25, 'max': -5, 'palette': ['#00008b', '#add8e6', '#ffffff']}
+            legend_title = 'رطوبت خاک (Soil Moisture)'
+        
+        if heatmap:
+            map_id_dict = ee.Image(index).getMapId({'min': viz_params['min'], 'max': viz_params['max'], 'palette': viz_params['palette'], 'opacity': 0.7})
+            folium.TileLayer(
+                tiles=map_id_dict['tile_fetcher'].url_format,
+                attr='Google Earth Engine Heatmap',
+                name=f'{layer_type} Heatmap',
+                overlay=True,
+                control=True
+            ).add_to(m)
+        else:
+            map_id_dict = ee.Image(index).getMapId(viz_params)
+            folium.TileLayer(
+                tiles=map_id_dict['tile_fetcher'].url_format,
+                attr='Google Earth Engine',
+                name=layer_type,
+                overlay=True,
+                control=True
+            ).add_to(m)
+        
+        folium.Marker([lat, lon], popup=f'مزرعه {farm_id}', tooltip=f'مزرعه {farm_id}', icon=folium.Icon(color='green', icon='leaf')).add_to(m)
+        folium.Circle([lat, lon], radius=1500, color='green', fill=True, fill_color='green', fill_opacity=0.1).add_to(m)
+        folium.LayerControl().add_to(m)
+        
+        legend_html = f'''
+        <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;">
+            <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
 
-# بارگذاری اولیه داده‌ها و راه‌اندازی Earth Engine
+# Generate mock growth data
+def generate_mock_growth_data(farm_data, selected_variety="all", selected_age="all"):
+    weeks = list(range(1, 23))
+    filtered_farms = farm_data
+    if selected_variety != "all":
+        filtered_farms = filtered_farms[filtered_farms['واریته'] == selected_variety]
+    if selected_age != "all":
+        filtered_farms = filtered_farms[filtered_farms['سن'] == selected_age]
+    
+    farm_growth_data = []
+    for _, farm in filtered_farms.iterrows():
+        base_height = np.random.uniform(50, 100)
+        growth_rate = np.random.uniform(5, 15)
+        growth_data = {
+            'farm_id': farm['مزرعه'],
+            'variety': farm['واریته'],
+            'age': farm['سن'],
+            'weeks': weeks,
+            'heights': [round(base_height + growth_rate * week) for week in weeks]
+        }
+        farm_growth_data.append(growth_data)
+    
+    if farm_growth_data:
+        avg_heights = [round(sum(farm['heights'][week-1] for farm in farm_growth_data) / len(farm_growth_data)) for week in weeks]
+        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)}
+    }
+
+# Calculate farm statistics and detect stress
+def calculate_farm_stats(farm_id, layer_type="NDVI"):
+    if layer_type == "NDVI":
+        mean = round(np.random.uniform(0.6, 0.8), 2)
+        min_val = round(mean - np.random.uniform(0.2, 0.3), 2)
+        max_val = round(mean + np.random.uniform(0.1, 0.2), 2)
+        std_dev = round(np.random.uniform(0.05, 0.15), 2)
+    elif layer_type == "NDMI":
+        mean = round(np.random.uniform(0.3, 0.5), 2)
+        min_val = round(mean - np.random.uniform(0.2, 0.3), 2)
+        max_val = round(mean + np.random.uniform(0.1, 0.2), 2)
+        std_dev = round(np.random.uniform(0.05, 0.15), 2)
+    elif layer_type == "EVI":
+        mean = round(np.random.uniform(0.4, 0.6), 2)
+        min_val = round(mean - np.random.uniform(0.2, 0.3), 2)
+        max_val = round(mean + np.random.uniform(0.1, 0.2), 2)
+        std_dev = round(np.random.uniform(0.05, 0.15), 2)
+    elif layer_type == "NDWI":
+        mean = round(np.random.uniform(-0.1, 0.1), 2)
+        min_val = round(mean - np.random.uniform(0.2, 0.3), 2)
+        max_val = round(mean + np.random.uniform(0.1, 0.2), 2)
+        std_dev = round(np.random.uniform(0.05, 0.15), 2)
+    elif layer_type == "SoilMoisture":
+        mean = round(np.random.uniform(-20, -10), 2)
+        min_val = round(mean - np.random.uniform(5, 10), 2)
+        max_val = round(mean + np.random.uniform(5, 10), 2)
+        std_dev = round(np.random.uniform(2, 5), 2)
+    
+    hist_data = np.random.normal(mean, std_dev, 1000)
+    hist_data = np.clip(hist_data, min_val, max_val)
+    
+    stress_alerts = []
+    if layer_type == "NDVI" and mean < 0.3:
+        stress_alerts.append("تنش سلامتی: NDVI پایین نشان‌دهنده پوشش گیاهی ضعیف است.")
+    if layer_type == "NDMI" and mean < 0.1:
+        stress_alerts.append("تنش آبی: NDMI پایین نشان‌دهنده کمبود رطوبت است.")
+    if layer_type == "SoilMoisture" and mean < -20:
+        stress_alerts.append("تنش خاک: رطوبت خاک بسیار پایین است.")
+    
+    return {
+        'mean': mean, 'min': min_val, 'max': max_val, 'std_dev': std_dev,
+        'histogram_data': hist_data, 'stress_alerts': stress_alerts
+    }
+
+# Time-series data generation
+def generate_time_series_data(farm_id, layer_type, period="weekly"):
+    dates = pd.date_range(end=datetime.now(), periods=30 if period == "weekly" else 90 if period == "monthly" else 365, freq='W' if period == "weekly" else 'M' if period == "monthly" else 'Q')
+    if layer_type == "NDVI":
+        values = np.random.normal(0.7, 0.1, len(dates))
+    elif layer_type == "NDMI":
+        values = np.random.normal(0.4, 0.1, len(dates))
+    elif layer_type == "EVI":
+        values = np.random.normal(0.5, 0.1, len(dates))
+    elif layer_type == "NDWI":
+        values = np.random.normal(0, 0.1, len(dates))
+    elif layer_type == "SoilMoisture":
+        values = np.random.normal(-15, 5, len(dates))
+    return pd.DataFrame({'Date': dates, layer_type: values})
+
+# Advanced prediction with Random Forest and LSTM
+def predict_growth_advanced(farm_id, historical_data):
+    weeks = historical_data['Week'].values.reshape(-1, 1)
+    heights = historical_data['Height'].values
+    
+    # Random Forest
+    rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
+    rf_model.fit(weeks, heights)
+    future_weeks = np.array(range(16, 23)).reshape(-1, 1)
+    rf_predictions = rf_model.predict(future_weeks)
+    
+    # LSTM
+    scaler = MinMaxScaler()
+    scaled_heights = scaler.fit_transform(heights.reshape(-1, 1))
+    X, y = [], []
+    for i in range(3, len(scaled_heights)):
+        X.append(scaled_heights[i-3:i])
+        y.append(scaled_heights[i])
+    X, y = np.array(X), np.array(y)
+    
+    lstm_model = Sequential([
+        LSTM(50, activation='relu', input_shape=(3, 1), return_sequences=True),
+        LSTM(50, activation='relu'),
+        Dense(1)
+    ])
+    lstm_model.compile(optimizer='adam', loss='mse')
+    lstm_model.fit(X, y, epochs=50, batch_size=1, verbose=0)
+    
+    lstm_input = scaled_heights[-3:].reshape((1, 3, 1))
+    lstm_predictions = []
+    for _ in range(7):
+        pred = lstm_model.predict(lstm_input, verbose=0)
+        lstm_predictions.append(pred[0, 0])
+        lstm_input = np.append(lstm_input[:, 1:, :], pred.reshape(1, 1, 1), axis=1)
+    lstm_predictions = scaler.inverse_transform(np.array(lstm_predictions).reshape(-1, 1)).flatten()
+    
+    return rf_predictions, lstm_predictions
+
+# Cluster farms
+def cluster_farms(farm_data):
+    features = farm_data[['مساحت', 'سن']].astype(float)
+    kmeans = KMeans(n_clusters=3, random_state=42)
+    farm_data['Cluster'] = kmeans.fit_predict(features)
+    return farm_data, kmeans.cluster_centers_
+
+# Initialize Earth Engine
 ee_initialized = initialize_earth_engine()
 farm_df = load_farm_data()
 coordinates_df = load_coordinates_data()
 
-# منوی ناوبری در سایدبار
-menu = ["داشبورد", "نقشه", "ورود داده", "تحلیل", "گزارش"]
-selected = st.sidebar.selectbox("منو", menu)
+# Load animations
+lottie_farm = load_lottie_url('https://assets5.lottiefiles.com/packages/lf20_ystsffqy.json')
+lottie_analysis = load_lottie_url('https://assets3.lottiefiles.com/packages/lf20_qp1q7mct.json')
+lottie_report = load_lottie_url('https://assets9.lottiefiles.com/packages/lf20_vwcugezu.json')
+
+# Session state
+if 'heights_df' not in st.session_state:
+    st.session_state.heights_df = pd.DataFrame(columns=['Farm_ID', 'Week', 'Measurement_Date', 'Height', 'Station1', 'Station2', 'Station3', 'Station4', 'Station5', 'Groundwater1', 'Groundwater2', 'Sheath_Moisture', 'Nitrogen', 'Variety', 'Age', 'Area', 'Channel', 'Administration'])
+
+# Main header
+st.markdown('<div class="main-header animate-load">', unsafe_allow_html=True)
+st.markdown('<h1>سامانه هوشمند پایش مزارع نیشکر دهخدا</h1>', unsafe_allow_html=True)
+st.markdown('<p>پلتفرم جامع مدیریت، پایش و تحلیل داده‌های مزارع نیشکر با استفاده از تصاویر ماهواره‌ای و هوش مصنوعی</p>', unsafe_allow_html=True)
+st.markdown('</div>', unsafe_allow_html=True)
+
+# Navigation menu
+selected = option_menu(
+    menu_title=None,
+    options=["داشبورد", "نقشه مزارع", "ورود اطلاعات", "تحلیل داده‌ها", "گزارش‌گیری", "تنظیمات"],
+    icons=["speedometer2", "map", "pencil-square", "graph-up", "file-earmark-text", "gear"],
+    default_index=0,
+    orientation="horizontal",
+    styles={
+        "container": {"padding": "0!important", "background-color": "transparent", "margin-bottom": "20px"},
+        "icon": {"color": "#1a8754", "font-size": "18px"}, 
+        "nav-link": {"font-size": "16px", "text-align": "center", "margin":"0px", "--hover-color": "#e9f7ef", "border-radius": "10px"},
+        "nav-link-selected": {"background-color": "#1a8754", "color": "white", "font-weight": "600"},
+    }
+)
 
-# بخش داشبورد
+# Dashboard
 if selected == "داشبورد":
-    st.markdown("## داشبورد مزارع نیشکر", unsafe_allow_html=True, class_="rtl")
-    col1, col2, col3 = st.columns(3)
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    col1, col2, col3, col4 = st.columns(4)
+    
     with col1:
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{len(farm_df)}</div><div class="metric-label">تعداد مزارع</div></div>', unsafe_allow_html=True)
+        st.markdown('<div class="metric-card">', unsafe_allow_html=True)
+        st.markdown(f'<div class="metric-value">{len(farm_df)}</div>', unsafe_allow_html=True)
+        st.markdown('<div class="metric-label">تعداد مزارع</div>', unsafe_allow_html=True)
+        st.markdown('</div>', unsafe_allow_html=True)
+    
     with col2:
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{farm_df["مساحت"].sum():.1f}</div><div class="metric-label">مساحت کل (هکتار)</div></div>', unsafe_allow_html=True)
+        active_farms = int(len(farm_df) * 0.85)
+        st.markdown('<div class="metric-card">', unsafe_allow_html=True)
+        st.markdown(f'<div class="metric-value">{active_farms}</div>', unsafe_allow_html=True)
+        st.markdown('<div class="metric-label">مزارع فعال</div>', unsafe_allow_html=True)
+        st.markdown('</div>', unsafe_allow_html=True)
+    
     with col3:
-        st.markdown(f'<div class="metric-card"><div class="metric-value">{farm_df["کانال"].nunique()}</div><div class="metric-label">تعداد کانال‌ها</div></div>', unsafe_allow_html=True)
-
-    # نمودار توزیع واریته‌ها
-    st.plotly_chart(px.pie(farm_df, names="واریته", title="توزیع واریته‌ها"), use_container_width=True)
-
-# بخش نقشه
-elif selected == "نقشه":
-    st.markdown("## نقشه مزارع", unsafe_allow_html=True, class_="rtl")
-    farm_id = st.selectbox("انتخاب مزرعه", coordinates_df["مزرعه"])
-    date = st.date_input("تاریخ", datetime.now())
-    if st.button("نمایش نقشه"):
-        with st.spinner("در حال بارگذاری نقشه..."):
-            m = create_ee_map(farm_id, date.strftime("%Y-%m-%d"))
-            if m:
-                folium_static(m, width=800, height=600)
-
-# بخش ورود داده
-elif selected == "ورود داده":
-    st.markdown("## ورود داده‌های روزانه", unsafe_allow_html=True, class_="rtl")
-    week = st.number_input("هفته", min_value=1, max_value=52, step=1)
-    day = st.selectbox("روز", ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنجشنبه"])
-    farm_id = st.selectbox("مزرعه", farm_df["مزرعه"])
-
-    with st.form("data_entry_form"):
-        height = st.number_input("ارتفاع (سانتی‌متر)", min_value=0.0, max_value=300.0)
-        moisture = st.number_input("رطوبت غلاف (%)", min_value=0.0, max_value=100.0)
-        submit = st.form_submit_button("ذخیره")
-        if submit:
-            if height > 0 and moisture >= 0:
-                st.success(f"داده‌ها برای مزرعه {farm_id} در هفته {week} ذخیر�� شد.")
-            else:
-                st.error("لطفاً مقادیر معتبر وارد کنید.")
-
-# بخش تحلیل داده
-elif selected == "تحلیل":
-    st.markdown("## تحلیل داده‌ها", unsafe_allow_html=True, class_="rtl")
-    farm_id = st.selectbox("مزرعه", coordinates_df["مزرعه"])
-    date = st.date_input("تاریخ", datetime.now())
-    if st.button("محاسبه شاخص‌ها"):
-        with st.spinner("در حال محاسبه..."):
-            indices = calculate_indices(farm_id, date.strftime("%Y-%m-%d"))
-            st.write(f"NDVI: {indices['NDVI']:.2f}")
-            st.write(f"NDWI: {indices['NDWI']:.2f}")
-            st.write(f"LAI: {indices['LAI']:.2f}")
-            st.write(f"CHL: {indices['CHL']:.2f}")
-            water_req = estimate_water_requirement(farm_id, date.strftime("%Y-%m-%d"))
-            if water_req:
-                st.write(f"نیاز آبی: {water_req:.2f} میلی‌متر در روز")
-
-# بخش گزارش‌گیری
-elif selected == "گزارش":
-    st.markdown("## گزارش‌گیری", unsafe_allow_html=True, class_="rtl")
-    st.write("گزارش‌ها در حال توسعه هستند.")
-
-# آزمون‌های واحد (برای اجرا در محیط جداگانه)
-def test_calculate_indices():
-    assert "NDVI" in calculate_indices("مزرعه 1", "2023-10-01"), "محاسبه شاخص‌ها باید NDVI را برگرداند"
-
-if __name__ == "__main__":
-    st.write("اپلیکیشن در حال اجرا است...")
+        avg_height = 175
+        st.markdown('<div class="metric-card">', unsafe_allow_html=True)
+        st.markdown(f'<div class="metric-value">{avg_height} 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 = 68
+        st.markdown('<div class="metric-card">', unsafe_allow_html=True)
+        st.markdown(f'<div class="metric-value">{avg_moisture}%</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)
+    
+    # Interactive Dashboard Filters
+    st.markdown("### فیلترهای داشبورد")
+    col_filter1, col_filter2, col_filter3 = st.columns(3)
+    with col_filter1:
+        variety_filter = st.multiselect("واریته", ["همه"] + list(farm_df['واریته'].unique()), default="همه")
+    with col_filter2:
+        age_filter = st.multiselect("سن", ["همه"] + list(farm_df['سن'].unique()), default="همه")
+    with col_filter3:
+        channel_filter = st.multiselect("کانال", ["همه"] + list(farm_df['کانال'].unique()), default="همه")
+    
+    filtered_df = farm_df
+    if "همه" not in variety_filter:
+        filtered_df = filtered_df[filtered_df['واریته'].isin(variety_filter)]
+    if "همه" not in age_filter:
+        filtered_df = filtered_df[filtered_df['سن'].isin(age_filter)]
+    if "همه" not in channel_filter:
+        filtered_df = filtered_df[filtered_df['کانال'].isin(channel_filter)]
+    
+    tab1, tab2, tab3, tab4 = st.tabs(["نمای کلی", "نقشه مزارع", "نمودارها", "داده‌ها"])
+    
+    with tab1:
+        st.markdown("### توزیع واریته‌ها و سن محصول")
+        col1, col2 = st.columns(2)
+        with col1:
+            variety_counts = filtered_df['واریته'].value_counts().reset_index()
+            variety_counts.columns = ['واریته', 'تعداد']
+            fig = px.pie(variety_counts, values='تعداد', names='واریته', title='توزیع واریته‌ها', color_discrete_sequence=px.colors.sequential.Greens_r)
+            st.plotly_chart(fig, use_container_width=True)
+        with col2:
+            age_counts = filtered_df['سن'].value_counts().reset_index()
+            age_counts.columns = ['سن', 'تعداد']
+            fig = px.pie(age_counts, values='تعداد', names='سن', title='توزیع سن محصول', color_discrete_sequence=px.colors.sequential.Blues_r)
+            st.plotly_chart(fig, use_container_width=True)
+        
+        st.markdown("### اطلاعات کلی مزارع")
+        total_area = filtered_df['مساحت'].astype(float).sum()
+        col1, col2, col3 = st.columns(3)
+        col1.metric("تعداد کل مزارع", f"{len(filtered_df)}")
+        col2.metric("مساحت کل (هکتار)", f"{total_area:.2f}")
+        col3.metric("تعداد کانال‌ها", f"{filtered_df['کانال'].nunique()}")
+        st_lottie(lottie_farm, height=300, key="farm_animation")
+    
+    with tab2:
+        st.markdown("### نقشه مزارع")
+        if 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, lon = farm['عرض جغرافیایی'], farm['طول جغرافیایی']
+                name = farm['مزرعه']
+                farm_info = filtered_df[filtered_df['مزرعه'] == name]
+                if not farm_info.empty:
+                    popup_text = f"""
+                    <div style="direction: rtl;">
+                        <h4>مزرعه {name}</h4>
+                        <p>واریته: {farm_info['واریته'].iloc[0]}</p>
+                        <p>سن: {farm_info['سن'].iloc[0]}</p>
+                        <p>مساحت: {farm_info['مساحت'].iloc[0]} هکتار</p>
+                    </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)
+    
+    with tab3:
+        st.markdown("### نمودار رشد هفتگی")
+        growth_data = generate_mock_growth_data(filtered_df)
+        chart_tab1, chart_tab2 = st.tabs(["میانگین رشد", "رشد مزارع فردی"])
+        with chart_tab1:
+            fig = go.Figure()
+            fig.add_trace(go.Scatter(x=growth_data['average']['weeks'], y=growth_data['average']['heights'], mode='lines+markers', name='میانگین رشد', line=dict(color='#1a8754', width=3)))
+            fig.update_layout(title='میانگین رشد هفتگی', xaxis_title='هفته', yaxis_title='ارتفاع (سانتی‌متر)', font=dict(family='Vazirmatn'))
+            st.plotly_chart(fig, use_container_width=True)
+        with chart_tab2:
+            fig = go.Figure()
+            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']}"))
+            fig.update_layout(title='رشد هفتگی مزارع فردی', xaxis_title='هفته', yaxis_title='ارتفاع (سانتی‌متر)', font=dict(family='Vazirmatn'))
+            st.plotly_chart(fig, use_container_width=True)
+    
+    with tab4:
+        st.markdown("### داده‌های مزارع")
+        st.dataframe(filtered_df, use_container_width=True, height=400, hide_index=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Map Page
+elif selected == "نقشه مزارع":
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    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)
+        selected_farm = st.selectbox("انتخاب مزرعه", options=coordinates_df['مزرعه'].tolist(), format_func=lambda x: f"مزرعه {x}")
+        selected_date = st.date_input("انتخاب تاریخ", value=datetime.now())
+        selected_layer = st.selectbox("انتخاب شاخص", options=["NDVI", "NDMI", "EVI", "NDWI", "SoilMoisture"], format_func=lambda x: {"NDVI": "شاخص پوشش گیاهی (NDVI)", "NDMI": "شاخص رطوبت (NDMI)", "EVI": "شاخص پیشرفته گیاهی (EVI)", "NDWI": "شاخص آب (NDWI)", "SoilMoisture": "رطوبت خاک (Soil Moisture)"}[x])
+        heatmap_toggle = st.checkbox("نمایش نقشه حرارتی", value=False)
+        generate_map = st.button("تولید نقشه", type="primary", use_container_width=True)
+        st.markdown('</div>', unsafe_allow_html=True)
+    
+    with col2:
+        map_tab, stats_tab = st.tabs(["نقشه", "آمار و تحلیل"])
+        with map_tab:
+            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, heatmap=heatmap_toggle)
+                    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} تولید شد.")
+            elif 'last_map' in st.session_state:
+                folium_static(st.session_state.last_map, width=800, height=600)
+        
+        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.metric(f"میانگین {selected_layer}", stats["mean"])
+                with col2: st.metric(f"حداکثر {selected_layer}", stats["max"])
+                with col3: st.metric(f"حداقل {selected_layer}", stats["min"])
+                with col4: st.metric("انحراف معیار", stats["std_dev"])
+                
+                if stats['stress_alerts']:
+                    for alert in stats['stress_alerts']:
+                        st.warning(alert)
+                
+                fig = px.histogram(x=stats["histogram_data"], nbins=20, title=f"توزیع مقادیر {selected_layer}", labels={"x": f"مقدار {selected_layer}", "y": "فراوانی"})
+                st.plotly_chart(fig, use_container_width=True)
+                
+                st.markdown("### تحلیل سری زمانی")
+                period = st.selectbox("بازه زمانی", ["weekly", "monthly", "seasonal"], format_func=lambda x: {"weekly": "هفتگی", "monthly": "ماهانه", "seasonal": "فصلی"}[x])
+                ts_data = generate_time_series_data(selected_farm, selected_layer, period)
+                fig = px.line(ts_data, x='Date', y=selected_layer, title=f"روند تغییرات {selected_layer}")
+                st.plotly_chart(fig, use_container_width=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Data Entry Page
+elif selected == "ورود اطلاعات":
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    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", [str(i) for i in range(1, 23)], format_func=lambda x: f"هفته {x}")
+        with col2:
+            selected_day = st.selectbox("انتخاب روز", ["شنبه", "یکشنبه", "دوشنبه", "سه‌شنبه", "چهارشنبه", "پنجشنبه"])
+        
+        filtered_farms = farm_df[farm_df['روز'] == selected_day]
+        data_key = f"data_{selected_week}_{selected_day}"
+        if data_key not in st.session_state:
+            st.session_state[data_key] = pd.DataFrame({
+                'مزرعه': filtered_farms['مزرعه'],
+                'ایستگاه 1': [0] * len(filtered_farms),
+                'ایستگاه 2': [0] * len(filtered_farms),
+                'ایستگاه 3': [0] * len(filtered_farms),
+                'ایستگاه 4': [0] * len(filtered_farms),
+                'ایستگاه 5': [0] * len(filtered_farms),
+                'چاهک 1': [0] * len(filtered_farms),
+                'چاهک 2': [0] * len(filtered_farms),
+                'رطوبت غلاف': [0] * len(filtered_farms),
+                'نیتروژن': [0] * len(filtered_farms),
+                'میانگین ارتفاع': [0] * len(filtered_farms)
+            })
+        
+        edited_df = st.data_editor(st.session_state[data_key], use_container_width=True)
+        for i in range(len(edited_df)):
+            stations = [edited_df.iloc[i][f'ایستگاه {j}'] for j in range(1, 6)]
+            valid_stations = [s for s in stations if s > 0]
+            if valid_stations:
+                edited_df.iloc[i, edited_df.columns.get_loc('میانگین ارتفاع')] = round(sum(valid_stations) / len(valid_stations), 1)
+        st.session_state[data_key] = edited_df
+        
+        if st.button("ذخیره اطلاعات", type="primary"):
+            new_data = edited_df.copy()
+            new_data['Farm_ID'] = new_data['مزرعه']
+            new_data['Week'] = int(selected_week)
+            new_data['Measurement_Date'] = (datetime.now() - timedelta(weeks=(22 - int(selected_week)))).strftime('%Y-%m-%d')
+            new_data['Height'] = new_data['میانگین ارتفاع']
+            new_data = new_data.merge(farm_df[['مزرعه', 'واریته', 'سن', 'مساحت', 'کانال', 'اداره']], left_on='Farm_ID', right_on='مزرعه', how='left')
+            st.session_state.heights_df = pd.concat([st.session_state.heights_df, new_data], ignore_index=True)
+            st.success(f"داده‌های هفته {selected_week} ذخیره شدند.")
+    with tab2:
+        uploaded_file = st.file_uploader("فایل اکسل خود را آپلود کنید", type=["xlsx", "xls", "csv"])
+        if uploaded_file:
+            df = pd.read_csv(uploaded_file) if uploaded_file.name.endswith('.csv') else pd.read_excel(uploaded_file)
+            st.dataframe(df)
+            if st.button("ذخیره فایل"): st.success("فایل ذخیره شد.")
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Data Analysis Page
+elif selected == "تحلیل داده‌ها":
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    st.markdown("## تحلیل هوشمند داده‌ها")
+    tab1, tab2, tab3, tab4 = st.tabs(["تحلیل رشد", "مقایسه واریته‌ها", "تحلیل رطوبت", "پیش‌بینی"])
+    
+    with tab1:
+        growth_data = generate_mock_growth_data(farm_df)
+        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]})
+        chart_df = pd.DataFrame(chart_data)
+        chart = alt.Chart(chart_df).mark_line(point=True).encode(x='Week:Q', y='Height:Q', color='Farm:N').interactive()
+        st.altair_chart(chart, use_container_width=True)
+    
+    with tab2:
+        variety_heights = {variety: np.random.normal(150, 20, 100) for variety in farm_df['واریته'].unique()}
+        fig = go.Figure()
+        for variety in variety_heights:
+            fig.add_trace(go.Box(y=variety_heights[variety], name=variety))
+        fig.update_layout(title='مقایسه ارتفاع بر اساس واریته', yaxis_title='ارتفاع (سانتی‌متر)', font=dict(family="Vazirmatn"))
+        st.plotly_chart(fig, use_container_width=True)
+    
+    with tab3:
+        farms = farm_df['مزرعه'].unique()[:10]
+        dates = pd.date_range(end=datetime.now(), periods=30)
+        moisture_data = [{'Farm': farm, 'Date': date, 'Moisture': max(0, min(100, np.random.uniform(50, 80) + np.random.normal(0, 5)))} for farm in farms for date in dates]
+        moisture_df = pd.DataFrame(moisture_data)
+        fig = px.line(moisture_df, x='Date', y='Moisture', color='Farm', title='روند رطوبت مزارع')
+        
+        # Correlation analysis
+        correlation_data = [{'Moisture': m, 'Height': 100 + m * 1.5 + np.random.normal(0, 20)} for m in moisture_df['Moisture']]
+        corr_df = pd.DataFrame(correlation_data)
+        fig_corr = px.scatter(corr_df, x='Moisture', y='Height', title='همبستگی رطوبت و ارتفاع', trendline='ols')
+        st.plotly_chart(fig, use_container_width=True)
+        st.plotly_chart(fig_corr, use_container_width=True)
+        st.info(f"ضریب همبستگی: {corr_df['Moisture'].corr(corr_df['Height']):.2f}")
+    
+    with tab4:
+        selected_farm = st.selectbox("انتخاب مزرعه", options=farm_df['مزرعه'].tolist(), format_func=lambda x: f"مزرعه {x}")
+        weeks = list(range(1, 16))
+        heights = [50 + i * 10 + np.random.normal(0, 5) for i in weeks]
+        historical_df = pd.DataFrame({'Week': weeks, 'Height': heights})
+        rf_preds, lstm_preds = predict_growth_advanced(selected_farm, historical_df)
+        future_weeks = list(range(16, 23))
+        
+        fig = go.Figure()
+        fig.add_trace(go.Scatter(x=weeks, y=heights, mode='lines+markers', name='داده‌های تاریخی'))
+        fig.add_trace(go.Scatter(x=future_weeks, y=rf_preds, mode='lines+markers', name='پیش‌بینی Random Forest', line=dict(dash='dash')))
+        fig.add_trace(go.Scatter(x=future_weeks, y=lstm_preds, mode='lines+markers', name='پیش‌بینی LSTM', line=dict(dash='dot')))
+        fig.update_layout(title=f'پیش‌بینی رشد مزرعه {selected_farm}', xaxis_title='هفته', yaxis_title='ارتفاع (سانتی‌متر)', font=dict(family='Vazirmatn'))
+        st.plotly_chart(fig, use_container_width=True)
+        
+        # Clustering
+        clustered_df, centers = cluster_farms(farm_df)
+        fig = px.scatter(clustered_df, x='مساحت', y='سن', color='Cluster', title='گروه‌بندی مزارع', labels={'مساحت': 'مساحت (هکتار)', 'سن': 'سن (سال)'})
+        st.plotly_chart(fig, use_container_width=True)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Reporting Page
+elif selected == "گزارش‌گیری":
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    st.markdown("## گزارش‌گیری پیشرفته")
+    start_date = st.date_input("تاریخ شروع", value=datetime.now() - timedelta(days=30))
+    end_date = st.date_input("تاریخ پایان", value=datetime.now())
+    report_type = st.selectbox("نوع گزارش", ["گزارش کلی", "گزارش رشد", "گزارش رطوبت", "گزارش مقایسه‌ای واریته‌ها"])
+    if st.button("تولید گزارش"):
+        with st.spinner('در حال تولید گزارش...'):
+            time.sleep(2)
+            if report_type == "گزارش کلی":
+                st.markdown("### گزارش کلی وضعیت مزارع")
+                col1, col2 = st.columns(2)
+                with col1:
+                    fig = px.pie(values=farm_df['اداره'].value_counts().values, names=farm_df['اداره'].value_counts().index, title='توزیع مزارع بر اساس اداره')
+                    st.plotly_chart(fig)
+                with col2:
+                    weeks = list(range(1, 23))
+                    heights = [100 + i * 5 + np.random.normal(0, 10) for i in weeks]
+                    fig = px.line(x=weeks, y=heights, title='روند رشد کلی مزارع', labels={'x': 'هفته', 'y': 'ارتفاع (سانتی‌متر)'})
+                    st.plotly_chart(fig)
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Settings Page
+elif selected == "تنظیمات":
+    st.markdown('<div class="animate-load">', unsafe_allow_html=True)
+    st.markdown("## تنظیمات سیستم")
+    tab1, tab2 = st.tabs(["تنظیمات کاربری", "تنظیمات سیستم"])
+    with tab1:
+        user_name = st.text_input("نام کاربری", value="کاربر نمونه")
+        user_email = st.text_input("ایمیل", value="[email protected]")
+    with tab2:
+        system_language = st.selectbox("زبان سیستم", ["فارسی", "English", "العربية"])
+        date_format = st.selectbox("فرمت تاریخ", ["YYYY/MM/DD", "DD/MM/YYYY", "MM/DD/YYYY"])
+    st.markdown('</div>', unsafe_allow_html=True)
+
+# Footer
+st.markdown("""
+<footer style="position: fixed; left: 0; bottom: 0; width: 100%; background-color: #1a8754; color: white; text-align: center; padding: 10px 0;">
+    <p>© سامانه هوشمند پایش مزارع نیشکر کشت و صنعت دهخدا | طراحی شده توسط تیم مطالعات کاربردی توسعه</p>
+</footer>
+""", unsafe_allow_html=True)
+st.markdown('</body>', unsafe_allow_html=True)