import streamlit as st
import geopandas as gpd
import ee
import json
import os
import tempfile
import geemap.foliumap as geemap
from io import BytesIO
from datetime import datetime
from io import StringIO
from PIL import Image
from google.oauth2 import service_account

import streamlit as st
from PIL import Image

# بارگذاری تصویر
image = Image.open("ABK.jpg")  # مسیر تصویر محلی خود را وارد کنید

# streamlisاستفاده از Sidebar برای نمایش تصویر در بالای آن
with st.sidebar:
    st.image(image, use_container_width=True)
    st.markdown('<h2 style="color: green;">شرکت مهندسین مشاور آسمان برج کارون</h2>', unsafe_allow_html=True)

# مقداردهی اولیه GEE

# # مقداردهی اولیه GEE
service_account = "iman.e.bakhshipoor@gmail.com"
credentials = ee.ServiceAccountCredentials(service_account, "IMAN_GEE.json")
ee.Initialize(credentials)

# آپلود فایل ZIP شامل Shapefile
uploaded_file = st.file_uploader("آپلود یک شیپ فایل فشرده ‌شده (.zip)", type=["zip"])

# استفاده از Sidebar برای انتخاب تاریخ و مقیاس
with st.sidebar:
    start_date = st.date_input("تاریخ شروع", value=datetime(2025, 1, 1), min_value=datetime(2000, 1, 1),
                               max_value=datetime.today())
    end_date = st.date_input("تاریخ پایان", value=datetime(2025, 2, 15), min_value=datetime(2000, 1, 1),
                             max_value=datetime.today())
    scale = st.number_input("مقیاس (Scale)", min_value=10, max_value=100, value=10, step=10)

if uploaded_file:
    try:
        gdf = gpd.read_file(BytesIO(uploaded_file.getvalue()))
        if gdf.crs is not None and gdf.crs.to_epsg() != 4326:
            gdf = gdf.to_crs(epsg=4326)
        st.write("CRS Shapefile (converted):", gdf.crs)
        st.write(" Shapefile:", gdf.geometry)

        geojson = json.loads(gdf.to_json())
        features = [ee.Feature(feature) for feature in geojson["features"]]
        region = ee.FeatureCollection(features)

        start_date_ee = ee.Date.fromYMD(start_date.year, start_date.month, start_date.day)
        end_date_ee = ee.Date.fromYMD(end_date.year, end_date.month, end_date.day)

        image = ee.ImageCollection("COPERNICUS/S2_SR_HARMONIZED") \
            .filterBounds(region) \
            .filterDate(start_date_ee, end_date_ee).median() \
            .clip(region)

        if image is None:
            st.error("هیچ تصویری از Sentinel-2 برای این منطقه و بازه زمانی یافت نشد.")
        else:
            ndvi = image.normalizedDifference(["B8", "B4"]).rename("NDVI")
            savi = image.expression(
                "((B8 - B4) / (B8 + B4 + 0.5)) * (1.5)",
                {
                    'B8': image.select('B8'),
                    'B4': image.select('B4')
                }
            ).rename("SAVI")
            mndwi = image.normalizedDifference(["B3", "B11"]).rename("MNDWI")
            gcvi = image.expression("B8 / B3 - 1", {
                'B8': image.select('B8'),
                'B3': image.select('B3')
            }).rename("GCVI")

            composite = ndvi.addBands([savi, mndwi, gcvi])

            Map = geemap.Map(center=[gdf.geometry.centroid.y.mean(), gdf.geometry.centroid.x.mean()], zoom=8)
            Map.add_basemap("OpenStreetMap")
            Map.add_basemap("HYBRID")
            Map.addLayer(ndvi, {'min': 0, 'max': 1, 'palette': ['white', 'green']}, "Crop Detect", False)
            # Map.addLayer(savi, {'min': 0, 'max': 1, 'palette': ['white', 'yellow', 'green']}, "SAVI", False)
            Map.addLayer(mndwi, {'min': -1, 'max': 1, 'palette': ['red', 'blue']}, "Water Body", False)
            # Map.addLayer(gcvi, {'palette': ['#ffffff', '#ffff00', '#008000'], 'min': 0.347, 'max': 3.704}, "GCVI",
            #              False)
            Map.addLayer(image, {'min': 0, 'max': 3000, 'bands': ["B4", "B3", "B2"]}, "True Color", True)
            Map.addLayer(region, {}, " Shapefile")

            Map.to_streamlit(height=600)


            def download_image(image, filename):
                with st.spinner(f"در حال تولید {filename}... ⏳"):
                    temp_dir = tempfile.gettempdir()
                    temp_path = os.path.join(temp_dir, filename)
                    geemap.ee_export_image(image, filename=temp_path, scale=scale, region=region.geometry().bounds())
                    with open(temp_path, "rb") as f:
                        st.download_button(label=f"download  {filename}", data=f, file_name=filename, mime="image/tiff")


            st.subheader("download image")
            download_image(ndvi, "Crop Detect.tif")
            # download_image(savi, "savi_image.tif")
            download_image(mndwi, "Water Body.tif")
            # download_image(gcvi, "gcvi_image.tif")
    except Exception as e:
        st.error(f"خطا در پردازش Shapefile یا محاسبه شاخص‌ها: {str(e)}")