Update app.py

app.py

@@ -1,110 +1,39 @@
 import streamlit as st
-import pandas as pd
-import matplotlib.pyplot as plt
-import plotly.graph_objects as go
-import json
-from mpl_toolkits.mplot3d import Axes3D
-import base64
-from io import BytesIO
-
-# بارگذاری داده‌ها
-@st.cache_data
-def load_data():
-    # فایل CSV یا JSON با اطلاعات مزارع
-    data = pd.read_csv('dashboard18.csv')
-    return data
-
-# فیلتر کردن داده‌ها بر اساس نام مزرعه
-    def filter_data(df, مزرعه):
-    return df[df['مزرعه'].str.contains(farm_name, case=False)]
-
-# نمایش جدول اطلاعات مزرعه
-def show_farm_table(df):
-    st.dataframe(df)
-
-# اضافه کردن ارتفاع هفتگی
-def add_weekly_growth(df):
-    df[' 1 ارتفاع هفته'] = df['ارتفاع'] + (df['سن'] * 0.5)
-    return df
-
-# ایجاد نمودار 3D
-def create_3d_plot(df):
-    fig = plt.figure(figsize=(10, 8))
-    ax = fig.add_subplot(111, projection='3d')
-    ax.scatter(df['x'], df['y'], df['height'])
-    ax.set_xlabel('X')
-    ax.set_ylabel('Y')
-    ax.set_zlabel('Height')
-    ax.set_title('3D Farm Plot')
-    return fig
-
-# ایجاد نمودار انیمیشنی Plotly
-def create_animated_plot(df):
-    frames = []
-    for week in range(5):
-        df['animated_height'] = df['ارتفاع هفته '] + (week * 0.5)
-        frame = go.Frame(data=[go.Scatter3d(x=df['x'], y=df['y'], z=df['animated_height'],
-                                            mode='markers', marker=dict(size=5))])
-        frames.append(frame)
-
-    fig = go.Figure(
-        data=[go.Scatter3d(x=df['x'], y=df['y'], z=df['height'], mode='markers', marker=dict(size=5))],
-        layout=go.Layout(
-            scene=dict(xaxis_title='X', yaxis_title='Y', zaxis_title='Height'),
-            updatemenus=[dict(type='buttons', showactive=False, buttons=[dict(label='Play',
-                method='animate', args=[None, dict(frame=dict(duration=500, redraw=True), fromcurrent=True)])])]
-        ),
-        frames=frames
+import ee
+from datetime import datetime
+
+# Earth Engine Authentication
+service_account = 'earth-engine-service-account@ee-esmaeilkiani1387.iam.gserviceaccount.com'
+credentials = ee.ServiceAccountCredentials(service_account, 'ee-esmaeilkiani1387-1b2c5e812a1d.json')
+ee.Initialize(credentials)
+
+# Define a function to fetch historical temperature data
+def get_historical_temperature(aoi, start_date, end_date):
+    dataset = ee.ImageCollection("ECMWF/ERA5/DAILY") \
+                .filterBounds(aoi) \
+                .filterDate(start_date, end_date) \
+                .select('mean_2m_air_temperature')
+    
+    # Calculate daily mean temperature (in Celsius)
+    temp_collection = dataset.map(lambda image: image.subtract(273.15).rename('daily_mean_temp'))
+    
+    # Reduce the collection to mean values over the area
+    mean_temp = temp_collection.mean().reduceRegion(
+        reducer=ee.Reducer.mean(),
+        geometry=aoi,
+        scale=1000,
+        bestEffort=True
     )
+    return mean_temp.getInfo()
 
-    return fig
-
-# تابع اصلی Streamlit
-def main():
-    st.title("داشبورد هوشمند مزرعه")
-
-    # بارگذاری داده‌ها
-    df = load_data()
-
-    # جستجوی نام مزرعه
-    farm_name = st.text_input("نام مزرعه را جستجو کنید:")
-    if farm_name:
-        df = filter_data(df, farm_name)
-
-    # نمایش جدول اطلاعات مزرعه
-    show_farm_table(df)
-
-    # فیلد رشد هفتگی
-    weekly_growth = st.checkbox("نمایش رشد هفتگی")
-    if weekly_growth:
-        df = add_weekly_growth(df)
-        show_farm_table(df)
-
-    # نمایش نمودارها
-    if st.button("نمایش نمودارها"):
-        plot_type = st.selectbox("نوع نمودار را انتخاب کنید:", ["نمودار 3D ثابت", "نمودار 3D انیمیشنی"])
-        
-        if plot_type == "نمودار 3D ثابت":
-            fig = create_3d_plot(df)
-            st.pyplot(fig)
-        else:
-            fig = create_animated_plot(df)
-            st.plotly_chart(fig)
-
-    # دانلود داده و نمودار
-    if st.button("دانلود داده‌ها (CSV)"):
-        csv = df.to_csv(index=False)
-        b64 = base64.b64encode(csv.encode()).decode()
-        href = f'<a href="data:file/csv;base64,{b64}" download="farm_data.csv">دانلود فایل CSV</a>'
-        st.markdown(href, unsafe_allow_html=True)
+# Define the area of interest (AOI)
+# Example: Assume aoi is defined based on user's GeoJSON or coordinates
+aoi = ee.Geometry.Point([48.73168141056203, 31.53180450320103])  # Example coordinates for a specific farm location
 
-    if st.button("دانلود نمودار (PNG)"):
-        fig = create_3d_plot(df)
-        buf = BytesIO()
-        fig.savefig(buf, format="png")
-        b64 = base64.b64encode(buf.getvalue()).decode()
-        href = f'<a href="data:image/png;base64,{b64}" download="farm_plot.png">دانلود تصویر PNG</a>'
-        st.markdown(href, unsafe_allow_html=True)
+# Set start and end dates
+start_date = "2023-01-01"
+end_date = "2023-12-31"
 
-if __name__ == "__main__":
-    main()
+# Fetch and display temperature data
+temp_data = get_historical_temperature(aoi, start_date, end_date)
+st.write("Historical Temperature Data (°C):", temp_data['daily_mean_temp'])