Update app.py

app.py

@@ -1,58 +1,81 @@
 import streamlit as st
-from PyPDF2 import PdfReader
-from transformers import MarianMTModel, MarianTokenizer
-import torch
-
-# مدل و توکنایزر برای ترجمه انگلیسی به فارسی
-model_name = "Helsinki-NLP/opus-mt-en-fa"
-tokenizer = MarianTokenizer.from_pretrained(model_name)
-model = MarianMTModel.from_pretrained(model_name)
-
-def translate_text_en_to_fa(text, summary=False, summary_length=100):
-    if summary:
-        # برای خلاصه کردن، ابتدا ترجمه را انجام می‌دهیم
-        inputs = tokenizer(text, return_tensors="pt")
-        outputs = model.generate(**inputs)
-        translation = [tokenizer.decode(t, skip_special_tokens=True) for t in outputs][0]
-        # سپس خلاصه می‌کنیم (در اینجا به سادگی primera 100 کاراکتر را برمی‌گردانیم)
-        return translation[:summary_length] + "..."
+import geemap
+import pandas as pd
+import ee
+import folium
+from streamlit_folium import st_folium
+
+# تنظیمات احراز هویت Google Earth Engine
+service_account = 'ee-esmaeilkiani1387@xxxxxxxxxx.iam.gserviceaccount.com'
+credentials = ee.ServiceAccountCredentials(service_account, 'ee-esmaeilkiani1387-1b2c5e812a1d.json')
+ee.Initialize(credentials)
+
+# تابع برای دریافت NDVI یا NDMI از Sentinel-2
+def get_ndvi_ndmi_map(lat, lon, index='NDVI'):
+    # محدوده منطقه مورد نظر
+    point = ee.Geometry.Point([lon, lat])
+    area = point.buffer(5000)  # بافر به شعاع 5 کیلومتر
+
+    # لایه Sentinel-2
+    collection = ee.ImageCollection('COPERNICUS/S2').filterBounds(area).filterDate('2023-01-01', '2023-12-31').sort('CLOUDY_PIXEL_PERCENTAGE').first()
+
+    # شاخص NDVI یا NDMI
+    if index == 'NDVI':
+        ndvi = collection.normalizedDifference(['B8', 'B4']).rename('NDVI')
+        vis_params = {'min': 0, 'max': 1, 'palette': ['blue', 'white', 'green']}
+    else:
+        ndmi = collection.normalizedDifference(['B8', 'B11']).rename('NDMI')
+        vis_params = {'min': -1, 'max': 1, 'palette': ['brown', 'white', 'blue']}
+    
+    # نقشه ایجاد کنید
+    m = geemap.Map(center=[lat, lon], zoom=13)
+    if index == 'NDVI':
+        m.addLayer(ndvi, vis_params, 'NDVI')
     else:
-        inputs = tokenizer(text, return_tensors="pt")
-        outputs = model.generate(**inputs)
-        return [tokenizer.decode(t, skip_special_tokens=True) for t in outputs][0]
+        m.addLayer(ndmi, vis_params, 'NDMI')
+
+    return m
 
-def process_pdf(file):
-    pdf_reader = PdfReader(file)
-    text = ''
-    for page in range(len(pdf_reader.pages)):
-        text += pdf_reader.pages[page].extract_text()
-    return text
+# بارگذاری اطلاعات مزرعه از CSV
+def load_farm_data(csv_url):
+    df = pd.read_csv(csv_url)
+    return df
 
+# برنامه اصلی
 def main():
-    st.title("ترجمه مقالات و فایل‌های PDF انگلیسی به فارسی")
-    choice = st.selectbox("گزینه ترجمه:", ["خلاصه ترجمه", "ترجمه کامل"])
-    file_or_text = st.selectbox("انتخاب منبع:", ["فایل PDF", "متن"])
-
-    if file_or_text == "فایل PDF":
-        file = st.file_uploader("آپلود فایل PDF", type=['pdf'])
-        if file:
-            if choice == "خلاصه ترجمه":
-                text = process_pdf(file)
-                translation = translate_text_en_to_fa(text, summary=True)
-            else:
-                text = process_pdf(file)
-                translation = translate_text_en_to_fa(text)
-            st.write("ترجمه:")
-            st.write(translation)
+    st.title("نمایش نقشه شاخص NDVI یا NDMI با Sentinel-2")
+
+    # دریافت نام مزرعه از کاربر
+    st.sidebar.header("ورودی کاربر")
+    farm_name = st.sidebar.text_input("نام مزرعه را وارد کنید:")
+
+    # انتخاب شاخص
+    index_option = st.sidebar.selectbox("شاخص مورد نظر:", ['NDVI', 'NDMI'])
+
+    # بارگذاری داده‌های مزارع
+    csv_url = 'https://huggingface.co/spaces/Esmaeilkianii/Drghezzi/raw/main/Farm_Details_Export.csv'
+    farm_data = load_farm_data(csv_url)
+
+    # پیدا کردن اطلاعات مزرعه بر اساس نام
+    if farm_name:
+        selected_farm = farm_data[farm_data['Farm'] == farm_name]
+        if not selected_farm.empty:
+            lat = selected_farm['Latitude'].values[0]
+            lon = selected_farm['Longitude'].values[0]
+            age = selected_farm['Age'].values[0]
+            variety = selected_farm['Variety'].values[0]
+
+            # نمایش اطلاعات مزرعه
+            st.write(f"مزرعه: {farm_name}, سن: {age} سال، واریته: {variety}")
+
+            # دریافت و نمایش نقشه با شاخص انتخابی
+            st.write(f"نقشه شاخص {index_option} برای مزرعه {farm_name}:")
+            map_ndvi_ndmi = get_ndvi_ndmi_map(lat, lon, index=index_option)
+            st_folium(map_ndvi_ndmi, width=700, height=500)
+        else:
+            st.write("مزرعه مورد نظر یافت نشد.")
     else:
-        text = st.text_area("متن انگلیسی خود را وارد کنید:", height=200)
-        if text:
-            if choice == "خلاصه ترجمه":
-                translation = translate_text_en_to_fa(text, summary=True)
-            else:
-                translation = translate_text_en_to_fa(text)
-            st.write("ترجمه:")
-            st.write(translation)
+        st.write("لطفاً نام مزرعه را وارد کنید.")
 
 if __name__ == "__main__":
-    main()
+    main()