Update app.py

app.py

@@ -4,97 +4,196 @@ import folium
 from streamlit_folium import st_folium
 import ee
 import geemap.foliumap as geemap
+from datetime import date
 
-# احراز هویت GEE با فایل json
+#########################################
+# تنظیمات احراز هویت Google Earth Engine
+#########################################
 SERVICE_ACCOUNT = 'dehkhodamap-e9f0da4ce9f6514021@ee-esmaeilkiani13877.iam.gserviceaccount.com'
-KEY_PATH = 'ee-esmaeilkiani13877-cfdea6eaf411 (3).json'
-ee.Initialize(ee.ServiceAccountCredentials(SERVICE_ACCOUNT, KEY_PATH))
-
+KEY_PATH = 'ee-esmaeilkiani13877-cfdea6eaf411.json'
+try:
+    ee.Initialize(ee.ServiceAccountCredentials(SERVICE_ACCOUNT, KEY_PATH))
+except Exception as e:
+    ee.Authenticate()
+    ee.Initialize()
+
+#########################################
+# تنظیمات صفحه Streamlit
+#########################################
 st.set_page_config(page_title="داشبورد مزارع نماینده", layout="wide")
 st.title("📡 داشبورد پایش مزارع نماینده نیشکر دهخدا")
 
-# خواندن فایل‌ها
-df_links = pd.read_csv("مزارع نماینده راتون.csv", encoding='utf-8-sig')
-df_coords = pd.read_csv("مختصات و مشخصات کامل مزارع (4).csv", encoding='utf-8-sig')
-
-df_links.columns = df_links.columns.str.strip()
-df_coords.columns = df_coords.columns.str.strip()
-df_coords = df_coords.dropna(subset=["طول جغرافیایی", "عرض جغرافیایی"])
-
+#########################################
+# بارگذاری فایل‌های CSV
+#########################################
+@st.cache_data
+def load_data():
+    df_links = pd.read_csv("مزارع نماینده راتون.csv", encoding='utf-8-sig')
+    df_coords = pd.read_csv("مختصات و مشخصات کامل مزارع (4).csv", encoding='utf-8-sig')
+    df_links.columns = df_links.columns.str.strip()
+    df_coords.columns = df_coords.columns.str.strip()
+    df_coords = df_coords.dropna(subset=["طول جغرافیایی", "عرض جغرافیایی"])
+    return df_links, df_coords
+
+df_links, df_coords = load_data()
+
+#########################################
 # انتخاب مزرعه نماینده
+#########################################
 representatives = df_links["مزرعه نماینده"].dropna().unique()
 selected_rep = st.selectbox("🔍 انتخاب مزرعه نماینده:", sorted(representatives), index=0)
 
+#########################################
+# تنظیم بازه زمانی NDVI
+#########################################
+st.sidebar.subheader("تنظیم بازه زمانی NDVI")
+start_date = st.sidebar.date_input("تاریخ شروع", value=date(2024, 1, 1))
+end_date = st.sidebar.date_input("تاریخ پایان", value=date(2024, 12, 31))
+if start_date > end_date:
+    st.sidebar.error("تاریخ شروع باید قبل از تاریخ پایان باشد.")
+    st.stop()
+
+#########################################
+# استخراج اطلاعات مزرعه نماینده و زیرمزارعه‌ها
+#########################################
 if selected_rep:
     subset_df = df_links[df_links["مزرعه نماینده"] == selected_rep]
     sub_farms = subset_df["زیر مجموعه"].dropna().tolist()
-
+    
+    # گرفتن مختصات مزرعه نماینده
     rep_coords = df_coords[df_coords["مزرعه"] == selected_rep]
     if not rep_coords.empty:
-        rep_lat = rep_coords["عرض جغرافیایی"].values[0]
-        rep_lon = rep_coords["طول جغرافیایی"].values[0]
-
-        m = folium.Map(
-            location=[rep_lat, rep_lon],
-            zoom_start=14,
-            tiles="https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}",
-            attr="Google Satellite"
-        )
-
-        folium.Marker(
-            location=[rep_lat, rep_lon],
-            tooltip=f"🌟 مزرعه نماینده: {selected_rep}",
-            icon=folium.Icon(color='blue', icon='star')
-        ).add_to(m)
-
-        # نمایش زیرمزارعه‌ها روی نقشه
-        for i, row in subset_df.iterrows():
-            farm = row["زیر مجموعه"]
-            coords = df_coords[df_coords["مزرعه"] == farm]
-            if not coords.empty:
-                lat = coords["عرض جغرافیایی"].values[0]
-                lon = coords["طول جغرافیایی"].values[0]
-                folium.CircleMarker(
-                    location=[lat, lon],
-                    radius=8,
-                    color="red",
-                    fill=True,
-                    fill_color="yellow",
-                    fill_opacity=0.8,
-                    tooltip=f"{farm} - سن: {row['سن']}، واریته: {row['واریته']}"
-                ).add_to(m)
-
-        st_folium(m, width=1000, height=600)
-
-        # نمایش جدول اطلاعات زیرمزارعه‌ها
-        st.subheader("📋 اطلاعات زیرمزارعه‌ها")
-        st.dataframe(subset_df[["زیر مجموعه", "سن", "واریته", "تهیه قلمه", "��ساحت کلی"]])
-
-        # نمودار NDVI برای هر زیرمزرعه
-        st.subheader("📈 نمودار سری زمانی NDVI (S2)")
-        for farm in sub_farms:
-            coords = df_coords[df_coords["مزرعه"] == farm]
-            if not coords.empty:
-                lat = coords["عرض جغرافیایی"].values[0]
-                lon = coords["طول جغرافیایی"].values[0]
-                point = ee.Geometry.Point(float(lon), float(lat))
-                collection = ee.ImageCollection('COPERNICUS/S2_SR') \
-                    .filterBounds(point) \
-                    .filterDate('2024-01-01', '2024-12-31') \
-                    .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20)) \
-                    .map(lambda img: img.addBands(img.normalizedDifference(['B8', 'B4']).rename('NDVI')))
-
-                ndvi_ts = collection.select('NDVI').getRegion(point, 30).getInfo()
-
-                if len(ndvi_ts) > 1:
-                    df_ndvi = pd.DataFrame(ndvi_ts[1:], columns=ndvi_ts[0])
+        rep_lat = float(rep_coords["عرض جغرافیایی"].values[0])
+        rep_lon = float(rep_coords["طول جغرافیایی"].values[0])
+    else:
+        st.error("مختصات مزرعه نماینده یافت نشد.")
+        st.stop()
+
+    #########################################
+    # ساخت نقشه با کاشی‌های ماهواره‌ای (Google Satellite)
+    #########################################
+    m = folium.Map(
+        location=[rep_lat, rep_lon],
+        zoom_start=14,
+        tiles="https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}",
+        attr="Google Satellite"
+    )
+
+    # افزودن مارکر مزرعه نماینده
+    folium.Marker(
+        location=[rep_lat, rep_lon],
+        tooltip=f"🌟 مزرعه نماینده: {selected_rep}",
+        icon=folium.Icon(color='blue', icon='star')
+    ).add_to(m)
+
+    #########################################
+    # آماده‌سازی مجموعه Sentinel-2 در بازه انتخابی
+    #########################################
+    # برای بهبود زمان پاسخ، از یک منطقه کلی به عنوان فیلتر استفاده می‌کنیم؛
+    # از نقطه نماینده استفاده می‌کنیم.
+    roi = ee.Geometry.Point(rep_lon, rep_lat)
+    
+    collection = (ee.ImageCollection('COPERNICUS/S2_SR')
+                  .filterDate(str(start_date), str(end_date))
+                  .filterBounds(roi)
+                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
+                  .map(lambda img: img.addBands(img.normalizedDifference(['B8', 'B4']).rename('NDVI'))))
+    
+    # محاسبه تصویر میانی NDVI برای استخراج مقدار متوسط
+    median_img = collection.median()
+
+    #########################################
+    # نمایش زیرمزارعه‌ها روی نقشه به همراه محاسبه NDVI
+    #########################################
+    st.subheader("🗺️ نقشه مزارع نماینده و زیرمزارعه‌ها")
+    for i, row in subset_df.iterrows():
+        farm = row["زیر مجموعه"]
+        coords = df_coords[df_coords["مزرعه"] == farm]
+        if not coords.empty:
+            lat = float(coords["عرض جغرافیایی"].values[0])
+            lon = float(coords["طول جغرافیایی"].values[0])
+            point = ee.Geometry.Point(lon, lat)
+            
+            # استخراج مقدار NDVI از تصویر میانی برای نقطه مورد نظر
+            try:
+                ndvi_dict = median_img.reduceRegion(
+                    reducer=ee.Reducer.mean(),
+                    geometry=point,
+                    scale=10
+                ).getInfo()
+                ndvi_val = ndvi_dict.get('NDVI', None)
+                if ndvi_val is not None:
+                    ndvi_val = float(ndvi_val)
+                else:
+                    ndvi_val = 0
+            except Exception as e:
+                ndvi_val = 0
+            
+            # تعیین رنگ بر اساس مقدار NDVI
+            if ndvi_val >= 0.6:
+                color = 'green'
+                status = "سلامت بالا"
+            elif 0.3 <= ndvi_val < 0.6:
+                color = 'yellow'
+                status = "متوسط"
+            elif 0 < ndvi_val < 0.3:
+                color = 'orange'
+                status = "ضعیف"
+            else:
+                color = 'gray'
+                status = "بدون پوشش گیاهی"
+            
+            tooltip_text = (f"{farm}<br>"
+                            f"سن: {row['سن']}<br>"
+                            f"واریته: {row['واریته']}<br>"
+                            f"تهیه قلمه: {row['تهیه قلمه']}<br>"
+                            f"مساحت کلی: {row['مساحت کلی']}<br>"
+                            f"NDVI: {ndvi_val:.2f} ({status})")
+            
+            folium.CircleMarker(
+                location=[lat, lon],
+                radius=8,
+                color=color,
+                fill=True,
+                fill_color=color,
+                fill_opacity=0.8,
+                tooltip=tooltip_text
+            ).add_to(m)
+    
+    # نمایش نقشه در Streamlit
+    st_folium(m, width=1000, height=600)
+
+    #########################################
+    # نمایش اطلاعات زیرمزارعه‌ها به صورت جدول
+    #########################################
+    st.subheader("📋 اطلاعات زیرمزارعه‌ها")
+    st.dataframe(subset_df[["زیر مجموعه", "سن", "واریته", "تهیه قلمه", "مساحت کلی"]])
+    
+    #########################################
+    # نمایش نمودار سری زمانی NDVI برای هر زیرمزرعه
+    #########################################
+    st.subheader("📈 نمودار سری زمانی NDVI برای زیرمزارعه‌ها")
+    for farm in sub_farms:
+        coords = df_coords[df_coords["مزرعه"] == farm]
+        if not coords.empty:
+            lat = float(coords["عرض جغرافیایی"].values[0])
+            lon = float(coords["طول جغرافیایی"].values[0])
+            point = ee.Geometry.Point(lon, lat)
+            
+            # استخراج سری زمانی NDVI از مجموعه تصاویر
+            try:
+                region_data = collection.select('NDVI').getRegion(point, 10).getInfo()
+                if len(region_data) > 1:
+                    columns = region_data[0]
+                    data = region_data[1:]
+                    df_ndvi = pd.DataFrame(data, columns=columns)
                     df_ndvi["datetime"] = pd.to_datetime(df_ndvi["time"], unit='ms')
                     df_ndvi = df_ndvi[["datetime", "NDVI"]].dropna()
-
-                    st.line_chart(df_ndvi.set_index("datetime")["NDVI"], height=200, use_container_width=True)
-                    st.markdown(f"📍 **{farm}**")
+                    df_ndvi = df_ndvi.sort_values("datetime")
+                    
+                    with st.expander(f"نمایش نمودار NDVI برای {farm}"):
+                        st.line_chart(df_ndvi.set_index("datetime")["NDVI"])
                 else:
-                    st.warning(f"📍 داده‌ای برای NDVI مزرعه {farm} پیدا نشد.")
-
-    else:
-        st.warning("مختصات مزرعه نماینده یافت نشد.")
+                    st.warning(f"داده‌ای برای NDVI مزرعه {farm} پیدا نشد.")
+            except Exception as ex:
+                st.error(f"خطا در استخراج NDVI برای {farm}: {ex}")