Upload 2 files

app.py

@@ -0,0 +1,171 @@
+# =======================================================================
+# ШАГ 1: Импорт библиотек
+# =======================================================================
+import os
+import json
+import ee
+import geemap
+import gradio as gr
+import html
+
+# =======================================================================
+# ШАГ 2: Аутентификация и инициализация GEE (АДАПТИРОВАНО ДЛЯ HF SPACES)
+# =======================================================================
+print("\n--- Инициализация Google Earth Engine ---")
+try:
+    # Проверяем, запущено ли приложение в Hugging Face Spaces и есть ли секрет
+    if 'GEE_CREDENTIALS' in os.environ:
+        print("Аутентификация через секрет Hugging Face...")
+        # Декодируем JSON-строку из секрета
+        creds_json_str = os.environ['GEE_CREDENTIALS']
+        creds_json = json.loads(creds_json_str)
+        
+        # Создаем учетные данные и инициализируем GEE
+        credentials = ee.ServiceAccountCredentials(creds_json['client_email'], key_data=creds_json_str)
+        ee.Initialize(credentials=credentials, project=creds_json['project_id'])
+        print("✅ Аутентификация через сервисный аккаунт GEE прошла успешно.")
+    else:
+        # Резервный вариант для локального запуска (если секрета нет)
+        print("Секрет не найден, попытка локальной аутентификации...")
+        ee.Authenticate()
+        ee.Initialize(project='gen-lang-client-0605302377')
+        print("✅ Локальная аутентификация и инициализация GEE прошли успешно.")
+
+except Exception as e:
+    print(f"🔴 Критическая ошибка на этапе инициализации GEE: {e}")
+    # В среде HF это приведет к ошибке приложения, что и требуется.
+
+# =======================================================================
+# ШАГ 3: Обучение модели-классификатора
+# (Код остается без изменений)
+# =======================================================================
+gee_classifier = None
+bands_for_training = ['B2', 'B3', 'B4', 'B8', 'NDVI']
+
+def add_ndvi(image):
+    ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI')
+    return image.addBands(ndvi)
+
+def train_classifier():
+    global gee_classifier
+    if gee_classifier:
+        print("✅ Классификатор уже обучен.")
+        return
+
+    print("⏳ Обучение классификатора GEE... Это может занять около минуты.")
+    try:
+        desert = ee.FeatureCollection('projects/gen-lang-client-0605302377/assets/kalmykia_desert_samples').map(lambda f: f.set('class', 0))
+        solonchak = ee.FeatureCollection('projects/gen-lang-client-0605302377/assets/kalmykia_solonchak_samples').map(lambda f: f.set('class', 1))
+        arid = ee.FeatureCollection('projects/gen-lang-client-0605302377/assets/kalmykia_arid_samples').map(lambda f: f.set('class', 2))
+        greenery = ee.FeatureCollection('projects/gen-lang-client-0605302377/assets/kalmykia_greenery_samples').map(lambda f: f.set('class', 3))
+        water = ee.FeatureCollection('projects/gen-lang-client-0605302377/assets/kalmykia_water_samples').map(lambda f: f.set('class', 4))
+        
+        training_points = desert.merge(solonchak).merge(arid).merge(greenery).merge(water)
+        roi_for_training = training_points.geometry().bounds()
+
+        image_for_training = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') \
+            .filterDate('2023-06-01', '2023-09-01') \
+            .filterBounds(roi_for_training) \
+            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)) \
+            .map(add_ndvi) \
+            .median() \
+            .clip(roi_for_training)
+
+        training_data = image_for_training.select(bands_for_training).sampleRegions(
+            collection=training_points, properties=['class'], scale=10, tileScale=4)
+
+        gee_classifier = ee.Classifier.smileRandomForest(numberOfTrees=50).train(
+            features=training_data, classProperty='class', inputProperties=bands_for_training)
+        print("✅ Модель-классификатор успешно обучена на 5 классах!")
+    except Exception as e:
+        print(f"🔴 Критическая ошибка во время обучения модели: {e}")
+
+train_classifier()
+
+# =======================================================================
+# ШАГ 4: Функции для работы Gradio-приложения
+# (Код остается без ��зменений)
+# =======================================================================
+def get_region_info(region_name):
+    regions = {
+        "Элиста (тестовая область)": {"center": [46.307, 44.258], "bbox": [44.15, 46.25, 44.35, 46.35]},
+        "Озеро Сарпа (Калмыкия)": {"center": [47.85, 44.75], "bbox": [44.65, 47.80, 44.85, 47.90]},
+        "Арзгир (Ставроп. край)": {"center": [45.38, 44.22], "bbox": [44.12, 45.33, 44.32, 45.43]},
+        "Будённовск (Ставроп. край)": {"center": [44.78, 44.15], "bbox": [44.05, 44.73, 44.25, 44.83]},
+        "Москва (тестовая область)": {"center": [55.75, 37.61], "bbox": [37.5, 55.7, 37.7, 55.8]}
+    }
+    return regions.get(region_name)
+
+def generate_classified_map(region_info, year, classifier):
+    if not classifier: return None, "Ошибка: Классификатор не обучен."
+    print(f"-- Запрос на генерацию карты для {year} года...")
+    roi_to_classify = ee.Geometry.Rectangle(region_info['bbox'])
+    collection = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED') \
+        .filterDate(f'{year}-06-01', f'{year}-09-01') \
+        .filterBounds(roi_to_classify) \
+        .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 25))
+    if collection.size().getInfo() == 0: return None, f"⚠️ Не найдено снимков за {year} год."
+    image_to_classify = collection.map(add_ndvi).median().clip(roi_to_classify)
+    classified_image = image_to_classify.classify(classifier)
+    class_palette = ['#e3a25a', '#ffffff', '#ffff00', '#00ff00', '#0000FF']
+    vis_params = {'min': 0, 'max': 4, 'palette': class_palette}
+    map_id = classified_image.getMapId(vis_params)
+    print(f"-- ✅ Карта для {year} года сгенерирована.")
+    return {"center": region_info['center'], "tile_url": map_id['tile_fetcher'].url_format, "year": year}, None
+
+def create_map_iframe_html(map_data, region_name):
+    center, tile_url, year = map_data['center'], map_data['tile_url'], map_data['year']
+    iframe_content = f"""
+    <!DOCTYPE html><html><head><title>Карта {year}</title><meta charset="utf-8" /><meta name="viewport" content="width=device-width, initial-scale=1.0"><link rel="stylesheet" href="https://unpkg.com/leaflet@1.7.1/dist/leaflet.css" /><script src="https://unpkg.com/leaflet@1.7.1/dist/leaflet.js"></script><style>html, body, #map {{ height: 100%; width: 100%; margin: 0; padding: 0; }}</style></head><body><div id="map"></div><script>
+        var map = L.map('map').setView([{center[0]}, {center[1]}], 12);
+        L.tileLayer('https://{{s}}.tile.openstreetmap.org/{{z}}/{{x}}/{{y}}.png', {{ attribution: '&copy; OpenStreetMap' }}).addTo(map);
+        L.tileLayer(`{tile_url}`, {{ attribution: 'Google Earth Engine' }}).addTo(map);
+    </script></body></html>"""
+    escaped_html = html.escape(iframe_content)
+    return f'<iframe srcdoc="{escaped_html}" style="width: 100%; height: 500px; border: 1px solid #ccc;"></iframe>'
+
+def process_and_display_maps(region_name, year1, year2, year3):
+    if not gee_classifier: return "Ошибка: модель не обучена.", "", ""
+    region_info = get_region_info(region_name)
+    years = sorted(list(set([year1, year2, year3])))
+    outputs, messages = [], []
+    print(f"\n🚀 Новый запрос! Регион: {region_name}, Годы: {years}")
+    for year in years:
+        map_data, msg = generate_classified_map(region_info, year, gee_classifier)
+        if map_data: outputs.append(create_map_iframe_html(map_data, region_name))
+        else: outputs.append(f"<p style='text-align:center; padding-top: 200px;'>{msg}</p>")
+        if msg: messages.append(msg)
+    while len(outputs) < 3: outputs.append(None)
+    final_message = "✅ Готово. " + " ".join(messages)
+    return outputs[0], outputs[1], outputs[2], final_message
+
+# =======================================================================
+# ШАГ 5: Создание и запуск интерфейса Gradio
+# (Код остается почти без изменений)
+# =======================================================================
+with gr.Blocks(css=".gradio-container {max-width: 1200px !important;}") as demo:
+    gr.Markdown("# 🛰️ Анализ почвенного покрова")
+    gr.Markdown("Выберите регион и три года для анализа. Карты появятся ниже.")
+    with gr.Row():
+        with gr.Column(scale=1):
+            region_dropdown = gr.Dropdown(
+                label="Регион",
+                choices=["Элиста (тестовая область)", "Озеро Сарпа (Калмыкия)", "Арзгир (Ставроп. край)", "Будённовск (Ставроп. край)", "Москва (тестовая область)"],
+                value="Элиста (тестовая область)")
+            year1_slider = gr.Slider(label="Год 1", minimum=2019, maximum=2025, step=1, value=2019)
+            year2_slider = gr.Slider(label="Год 2", minimum=2019, maximum=2025, step=1, value=2021)
+            year3_slider = gr.Slider(label="Год 3", minimum=2019, maximum=2025, step=1, value=2023)
+            submit_button = gr.Button("Сгенерировать карты", variant="primary")
+            status_message = gr.Markdown()
+    with gr.Row():
+        map1_output = gr.HTML()
+        map2_output = gr.HTML()
+        map3_output = gr.HTML()
+    submit_button.click(
+        fn=process_and_display_maps,
+        inputs=[region_dropdown, year1_slider, year2_slider, year3_slider],
+        outputs=[map1_output, map2_output, map3_output, status_message])
+
+# --- ЗАПУСК ПРИЛОЖЕНИЯ ---
+print("\n--- Запуск Gradio интерфейса ---")
+demo.launch()

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+geemap
+earthengine-api