add user-defined Vs30 input to intensity prediction and update related functions

app.py

@@ -22,6 +22,9 @@ else:
 # 載入 Vs30 資料集（從 Hugging Face 下載）
 from huggingface_hub import hf_hub_download
 
+tree = None
+vs30_table = None
+
 try:
     logger.info("從 Hugging Face 載入 Vs30 資料...")
     vs30_file = hf_hub_download(
@@ -38,7 +41,8 @@ try:
     tree = cKDTree(vs30_table[["lat", "lon"]])
     logger.info("Vs30 資料載入完成")
 except Exception as e:
-    logger.error(f"Vs30 資料載入失敗: {e}")
+    logger.warning(f"Vs30 資料載入失敗: {e}")
+    logger.warning("將使用預設 Vs30 值 (600 m/s)")
 
 # 載入目標測站
 target_file = "station/eew_target.csv"
@@ -367,9 +371,14 @@ def signal_processing(waveform):
     return data
 
 
-def get_vs30(lat, lon):
+def get_vs30(lat, lon, user_vs30=600):
+    if tree is None or vs30_table is None:
+        # 如果 Vs30 資料未載入，使用使用者輸入的值
+        logger.info(f"使用使用者輸入的 Vs30 值 ({user_vs30} m/s) for ({lat}, {lon})")
+        return float(user_vs30)
     distance, i = tree.query([float(lat), float(lon)])
     vs30 = vs30_table.iloc[i]["Vs30"]
+    logger.info(f"從資料庫查詢到 Vs30 值 ({vs30} m/s) for ({lat}, {lon})")
     return float(vs30)
 
 
@@ -454,7 +463,7 @@ def plot_intensity_map(pga_list, target_names):
     return fig
 
 
-def predict_intensity(event_name, start_time, end_time, lon, lat):
+def predict_intensity(event_name, start_time, end_time, lon, lat, vs30_input):
     # 1. 載入波形
     times, data, sampling_rate = load_waveform(event_name)
 
@@ -472,8 +481,8 @@ def predict_intensity(event_name, start_time, end_time, lon, lat):
         [[waveform_processed, waveform_processed, waveform_processed]])
     waveform_3c = waveform_3c.transpose(0, 2, 1)  # (1, 3000, 3)
 
-    # 準備測站資訊
-    vs30 = get_vs30(lat, lon)
+    # 準備測站資訊（使用使用者輸入的 Vs30 或資料庫值）
+    vs30 = get_vs30(lat, lon, vs30_input)
     station_info_input = np.array([[lat, lon, 100, vs30]])  # elevation 假設 100m
 
     # 準備目標測站資訊
@@ -482,7 +491,7 @@ def predict_intensity(event_name, start_time, end_time, lon, lat):
     for target in target_dict[:25]:  # 限制25個目標
         target_list.append([target["latitude"], target["longitude"],
                             target["elevation"],
-                            get_vs30(target["latitude"], target["longitude"])])
+                            get_vs30(target["latitude"], target["longitude"], vs30_input)])
         target_names.append(target["station"])
 
     # 組合成 tensor
@@ -535,6 +544,13 @@ with gr.Blocks(title="TTSAM 震度預測系統") as demo:
                 lon_input = gr.Number(value=121.5, label="經度")
                 lat_input = gr.Number(value=24.0, label="緯度")
 
+            with gr.Row():
+                vs30_input = gr.Number(
+                    value=600,
+                    label="Vs30 (m/s)",
+                    info="剪力波速度（預設 600 m/s，若有 Vs30 資料會自動覆蓋）"
+                )
+
             predict_btn = gr.Button("🔮 執行預測", variant="primary")
 
         # 右側：震度分布圖
@@ -552,7 +568,7 @@ with gr.Blocks(title="TTSAM 震度預測系統") as demo:
     # 綁定事件
     predict_btn.click(
         fn=predict_intensity,
-        inputs=[event_dropdown, start_slider, end_slider, lon_input, lat_input],
+        inputs=[event_dropdown, start_slider, end_slider, lon_input, lat_input, vs30_input],
         outputs=[waveform_plot, intensity_plot, stats_output]
     )