Update app.py

app.py

@@ -1,111 +1,106 @@
 import streamlit as st
 import pandas as pd
-import geopandas as gpd
-import ee
-import geemap
-import folium
-from streamlit_folium import folium_static
 import matplotlib.pyplot as plt
-import numpy as np
-from datetime import datetime, timedelta
-
-# Initialize Earth Engine
-service_account = 'esmaeil-kiani1387-gmail-com@ee-esmaeilkiani13877.iam.gserviceaccount.com'
-credentials = ee.ServiceAccountCredentials(service_account, 'ee-esmaeilkiani13877-9a054809a4bb.json')
-ee.Initialize(credentials)
-
-# Load farm data
-@st.cache_data
-def load_data():
-    df = pd.read_csv('tableConvert.com_wftamx (1).csv')
-    return df
-
-# Calculate vegetation indices
-def calculate_indices(image):
-    ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI')
-    evi2 = image.expression(
-        '2.5 * ((NIR - RED) / (NIR + 2.4 * RED + 1))',
-        {'NIR': image.select('B8'), 'RED': image.select('B4')}
-    ).rename('EVI2')
-    lai = image.expression(
-        '3.618 * EVI - 0.118',
-        {'EVI': image.select('EVI2')}
-    ).rename('LAI')
-    return image.addBands([ndvi, evi2, lai])
-
-# Get Sentinel-2 imagery
-def get_sentinel_imagery(geometry, start_date, end_date):
-    return (ee.ImageCollection('COPERNICUS/S2_SR')
-            .filterBounds(geometry)
-            .filterDate(start_date, end_date)
-            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
-            .map(calculate_indices)
-            .median())
-
-# Main app
-def main():
-    st.title('Sugarcane Farm Analysis')
-
-    # Load data
-    df = load_data()
-
-    # Sidebar
-    st.sidebar.title('Farm Selection')
-    selected_farm = st.sidebar.selectbox('Select a farm', df['name'])
-
-    # Main content
-    col1, col2 = st.columns([1, 2])
-
+import seaborn as sns
+from datetime import datetime
+
+# تنظیمات اولیه صفحه
+st.set_page_config(page_title="تحلیل رشد مزارع نیشکر", layout="wide")
+st.title("برنامه تحلیل و گزارش‌گیری مزارع نیشکر")
+
+# بارگذاری یا ایجاد دیتافریم اولیه
+if 'data.csv' in st.session_state:
+    data = pd.read_csv('data.csv')
+else:
+    # ستون‌های مشابه فایل اکسل شما
+    columns = [
+        'شناسه مزرعه', 'تاریخ', 'رشد هفته جاری', 'رشد هفته گذشته', 'ارتفاع هفته جاری مزرعه', 
+        'ارتفاع هفته گذشته مزرعه', 'نیتروژن فعلی', 'نیتروژن استاندارد فعلی', 'رطوبت غلاف فعلی', 
+        'رطوبت استاندارد فعلی', 'واریته', 'سن', 'مساحت داشت', 'ایستگاه 1', 'ایستگاه 2', 
+        'ایستگاه 3', 'ایستگاه 4', 'ایستگاه 5', 'چاهک 1', 'تاریخ قرائت چاهک 1'
+    ]
+    data = pd.DataFrame(columns=columns)
+    st.session_state['data.csv'] = data
+
+# بخش ورود داده‌ها
+st.header("ورود داده‌های جدید")
+with st.form(key='data_form'):
+    col1, col2, col3 = st.columns(3)
     with col1:
-        st.subheader('Farm Information')
-        farm_data = df[df['name'] == selected_farm].iloc[0]
-        st.write(f"Age: {farm_data['age']}")
-        st.write(f"Variety: {farm_data['variety']}")
-
+        farm_id = st.text_input("شناسه مزرعه (مثلاً 01-22R4CP69)")
+        date = st.date_input("تاریخ")
+        growth_current = st.number_input("رشد هفته جاری (سانتی‌متر)", min_value=0.0, step=0.1)
+        growth_previous = st.number_input("رشد هفته گذشته (سانتی‌متر)", min_value=0.0, step=0.1)
+        height_current = st.number_input("ارتفاع هفته جاری (سانتی‌متر)", min_value=0.0, step=0.1)
+        height_previous = st.number_input("ارتفاع هفته گذشته (سانتی‌متر)", min_value=0.0, step=0.1)
     with col2:
-        st.subheader('Farm Location')
-        m = folium.Map(location=[farm_data['latitude'], farm_data['longitude']], zoom_start=12)
-        folium.Marker(
-            [farm_data['latitude'], farm_data['longitude']],
-            popup=farm_data['name']
-        ).add_to(m)
-        folium_static(m)
-
-    # Vegetation indices analysis
-    st.subheader('Vegetation Indices Analysis')
-    
-    # Date range selection
-    today = datetime.now()
-    start_date = st.date_input('Start date', today - timedelta(days=30))
-    end_date = st.date_input('End date', today)
-
-    if start_date and end_date:
-        geometry = ee.Geometry.Point([farm_data['longitude'], farm_data['latitude']])
-        image = get_sentinel_imagery(geometry, start_date.strftime('%Y-%m-%d'), end_date.strftime('%Y-%m-%d'))
-
-        # Display NDVI map
-        ndvi_map = geemap.Map(center=[farm_data['latitude'], farm_data['longitude']], zoom=14)
-        ndvi_map.add_layer(image.select('NDVI'), {'min': 0, 'max': 1, 'palette': ['red', 'yellow', 'green']}, 'NDVI')
-        ndvi_map.add_child(folium.LayerControl())
-        folium_static(ndvi_map)
-
-        # Plot time series of indices
-        indices = ['NDVI', 'EVI2', 'LAI']
-        fig, ax = plt.subplots(figsize=(10, 6))
-        
-        for index in indices:
-            values = image.select(index).reduceRegion(
-                reducer=ee.Reducer.mean(),
-                geometry=geometry,
-                scale=10
-            ).getInfo()[index]
-            ax.plot([start_date, end_date], [values, values], label=index)
-
-        ax.set_xlabel('Date')
-        ax.set_ylabel('Index Value')
-        ax.legend()
-        st.pyplot(fig)
-
-if __name__ == '__main__':
-    main()
-
+        nitrogen_current = st.number_input("نیتروژن فعلی", min_value=0.0, step=0.01)
+        nitrogen_std_current = st.number_input("نیتروژن استاندارد فعلی", min_value=0.0, step=0.01)
+        moisture_current = st.number_input("رطوبت غلاف فعلی (%)", min_value=0.0, max_value=100.0, step=0.1)
+        moisture_std_current = st.number_input("رطوبت استاندارد فعلی (%)", min_value=0.0, max_value=100.0, step=0.1)
+        variety = st.selectbox("واریته", ['CP69', 'CP48', 'CP57', 'CP73', 'IR01-412'])
+    with col3:
+        age = st.text_input("سن (مثلاً R1, P)")
+        area = st.number_input("مساحت داشت (هکتار)", min_value=0.0, step=0.1)
+        station1 = st.number_input("ایستگاه 1 (ارتفاع)", min_value=0.0, step=0.1)
+        station2 = st.number_input("ایستگاه 2 (ارتفاع)", min_value=0.0, step=0.1)
+        station3 = st.number_input("ایستگاه 3 (ارتفاع)", min_value=0.0, step=0.1)
+        station4 = st.number_input("ایستگاه 4 (ارتفاع)", min_value=0.0, step=0.1)
+        station5 = st.number_input("ایستگاه 5 (ارتفاع)", min_value=0.0, step=0.1)
+        well1 = st.number_input("چاهک 1 (عمق)", min_value=0.0, step=0.1)
+        well1_date = st.date_input("تاریخ قرائت چاهک 1")
+
+    submit_button = st.form_submit_button(label="افزودن داده")
+    if submit_button:
+        new_data = pd.DataFrame({
+            'شناسه مزرعه': [farm_id], 'تاریخ': [date], 'رشد هفته جاری': [growth_current], 
+            'رشد هفته گذشته': [growth_previous], 'ارتفاع هفته جاری مزرعه': [height_current], 
+            'ارتفاع هفته گذشته مزرعه': [height_previous], 'نیتروژن فعلی': [nitrogen_current], 
+            'نیتروژن استاندارد فعلی': [nitrogen_std_current], 'رطوبت غلاف فعلی': [moisture_current], 
+            'رطوبت استاندارد فعلی': [moisture_std_current], 'واریته': [variety], 'سن': [age], 
+            'مساحت داشت': [area], 'ایستگاه 1': [station1], 'ایستگاه 2': [station2], 
+            'ایستگاه 3': [station3], 'ایستگاه 4': [station4], 'ایستگاه 5': [station5], 
+            'چاهک 1': [well1], 'تاریخ قرائت چاهک 1': [well1_date]
+        })
+        data = pd.concat([data, new_data], ignore_index=True)
+        data.to_csv('data.csv', index=False)
+        st.session_state['data.csv'] = data
+        st.success("داده با موفقیت اضافه شد!")
+
+# نمایش داده‌ها
+st.header("داده‌های مزارع نیشکر")
+st.dataframe(data)
+
+# تحلیل و نمودارها
+st.header("تحلیل داده‌ها")
+if not data.empty:
+    # نمودار رشد هفتگی بر اساس تاریخ
+    plt.figure(figsize=(10, 6))
+    sns.lineplot(x='تاریخ', y='رشد هفته جاری', hue='واریته', data=data)
+    plt.title('رشد هفتگی مزارع نیشکر بر اساس واریته')
+    plt.xlabel('تاریخ')
+    plt.ylabel('رشد هفته جاری (سانتی‌متر)')
+    plt.xticks(rotation=45)
+    st.pyplot(plt)
+
+    # نمودار مقایسه نیتروژن فعلی و استاندارد
+    plt.figure(figsize=(10, 6))
+    sns.scatterplot(x='نیتروژن فعلی', y='نیتروژن استاندارد فعلی', hue='واریته', size='رشد هفته جاری', data=data)
+    plt.title('مقایسه نیتروژن فعلی و استاندارد')
+    plt.xlabel('نیتروژن فعلی')
+    plt.ylabel('نیتروژن استاندارد فعلی')
+    st.pyplot(plt)
+
+    # نمودار رطوبت فعلی بر اساس واریته
+    plt.figure(figsize=(10, 6))
+    sns.boxplot(x='واریته', y='رطوبت غلاف فعلی', data=data)
+    plt.title('توزیع رطوبت غلاف فعلی بر اساس واریته')
+    plt.xlabel('واریته')
+    plt.ylabel('رطوبت غلاف فعلی (%)')
+    st.pyplot(plt)
+else:
+    st.write("داده‌ای برای تحلیل وجود ندارد. لطفاً داده‌های جدید وارد کنید.")
+
+# اجرای برنامه
+if __name__ == "__main__":
+    st.write("برنامه در حال اجرا است...")