visualisation.py - master - chnik/KamVegDis

visualisation.py
212 строк11 KB
chnik
upload files
31 янв 2026, 13:27
31 янв 2026, 13:277c5c234
import streamlit as st
import pandas as pd
import numpy as np
import plotly.graph_objects as go

# --- 1. НАСТРОЙКИ СТРАНИЦЫ ---
st.set_page_config(page_title="BioTopography Pro v2.5", layout="wide")

CELL_SIZE = 0.3
TOTAL_AREA = CELL_SIZE**2
IDS_GRID = np.array([
    [10, 11], [9, 12], [8, 13], [7, 14], [6, 15],
    [5, 16], [4, 17], [3, 18], [2, 19], [1, 20]
])

# --- 2. ОБРАБОТКА ДАННЫХ ---

@st.cache_data
def process_file(file):
    try:
        try:
            df = pd.read_csv(file, sep=';', encoding='utf-8-sig')
        except:
            file.seek(0)
            df = pd.read_csv(file, sep=';', encoding='windows-1251')

        slope_mask = df.iloc[:, 0].astype(str).str.contains('Уклон', case=False, na=False)
        if not slope_mask.any(): return None, None, None, "Ошибка: 'Уклон' не найден"
        
        slope_idx = df[slope_mask].index[0]
        s_vals = pd.to_numeric(df.iloc[slope_idx, 2:22], errors='coerce').fillna(0).values
        s_map = {i+1: float(v) for i, v in enumerate(s_vals)}

        plant_df = df.iloc[slope_idx + 1:].copy()
        p_data, p_types = {}, {}
        for _, row in plant_df.iterrows():
            name = str(row.iloc[0]).strip()
            p_type = str(row.iloc[1]).strip().upper()
            if name and name != 'nan' and not any(x in name for x in ['Ярус', 'Кт', 'Уклон']):
                vals = pd.to_numeric(row.iloc[2:22], errors='coerce').fillna(0).values
                p_data[name] = {i+1: float(x) for i, x in enumerate(vals)}
                p_types[name] = p_type
                
        return p_data, p_types, s_map, None
    except Exception as e:
        return None, None, None, str(e)

def calculate_ecology_indices(p_data, s_map):
    rows, cols = 10, 2
    richness = np.zeros((rows, cols))
    shannon = np.zeros((rows, cols))
    total_cov = np.zeros((rows, cols))
    all_sp = list(p_data.keys())
    
    for r in range(rows):
        for c in range(cols):
            cid = IDS_GRID[r, c]
            cell_vals = []
            for sp in all_sp:
                val = p_data[sp].get(cid, 0)
                if val > 0:
                    richness[r, c] += 1
                    total_cov[r, c] += val
                    cell_vals.append(val)
            if total_cov[r, c] > 0:
                p_i = np.array(cell_vals) / total_cov[r, c]
                shannon[r, c] = -np.sum(p_i * np.log(p_i + 1e-9))

    twi = np.zeros((rows, cols))
    for r in range(rows):
        upslope_area = (r + 1) * TOTAL_AREA 
        for c in range(cols):
            cid = IDS_GRID[r, c]
            angle = np.radians(max(s_map.get(cid, 0), 0.5))
            twi[r, c] = np.log(upslope_area / np.tan(angle))

    beta = np.where(richness > 0, (len(all_sp) / richness) - 1, 0)
    return twi, total_cov/100, richness, shannon, beta

# --- 3. ИНТЕРФЕЙС ---

st.sidebar.title("🌿 Bio-Tech Lab")
files = st.sidebar.file_uploader("Загрузите файлы (.csv)", type=["csv"], accept_multiple_files=True)

if files:
    file_map = {f.name: f for f in files}
    selected_name = st.sidebar.selectbox("Выберите участок:", list(file_map.keys()))
    p_data, p_types, s_map, error = process_file(file_map[selected_name])

    if error:
        st.error(error)
    else:
        all_sp = list(p_data.keys())
        t_veg, t_topo, t_eco = st.tabs(["🍀 Покрытие", "⛰️ Рельеф", "🧪 Эко-Индексы"])

        # --- ВКЛАДКА 1: ПОКРЫТИЕ ---
        with t_veg:
            mode = st.sidebar.radio("Режим:", ["Виды", "Группы (Ярусы)", "Доминанты"])
            display_sp = []
            if mode == "Виды":
                display_sp = st.sidebar.multiselect("Выберите виды:", all_sp, default=all_sp[:1])
            elif mode == "Группы (Ярусы)":
                g = st.sidebar.selectbox("Ярус:", ["Всего", "ТКЯ", "МЛЯ"])
                display_sp = all_sp if g == "Всего" else [n for n in all_sp if g in p_types.get(n, '')]
            else: display_sp = all_sp

            z_map = np.zeros((10, 2))
            dom_names = [["" for _ in range(2)] for _ in range(10)]
            for r in range(10):
                for c in range(2):
                    cid = IDS_GRID[r, c]
                    if mode == "Доминанты":
                        best_v, best_s = -1, ""
                        for s in all_sp:
                            v = p_data[s].get(cid, 0)
                            if v > best_v: best_v, best_s = v, s
                        z_map[r, c], dom_names[r][c] = best_v, best_s
                    else:
                        for s in display_sp: z_map[r, c] += p_data[s].get(cid, 0)

            fig_v = go.Figure(data=go.Heatmap(z=z_map, x=['Запад', 'Восток'], y=[f"Ряд {10-i}" for i in range(10)], colorscale='Viridis'))
            ann = []
            for r in range(10):
                for c in range(2):
                    cid, val = IDS_GRID[r, c], z_map[r, c]
                    txt = f"ID: {cid}<br>∠{s_map.get(cid,0)}°<br><b>{val:.0f}%</b>"
                    if mode == "Доминанты" and val > 0: txt = f"ID: {cid}<br>{dom_names[r][c][:12]}<br><b>{val:.0f}%</b>"
                    ann.append(dict(x=c, y=r, text=txt, showarrow=False, font=dict(color="white" if val < 45 else "black")))
            fig_v.update_layout(annotations=ann, height=750, yaxis=dict(autorange='reversed'))
            st.plotly_chart(fig_v, use_container_width=True)

        # --- ВКЛАДКА 2: РЕЛЬЕФ (ВОССТАНОВЛЕНО ПОЛНОСТЬЮ) ---
        with t_topo:
            # Расчет матрицы высот
            h_mat = np.zeros((11, 3))
            for r in range(1, 11):
                grid_idx = 10 - r 
                id_w, id_e = IDS_GRID[grid_idx, 0], IDS_GRID[grid_idx, 1]
                
                ang_w = np.radians(s_map.get(id_w, 0))
                ang_e = np.radians(s_map.get(id_e, 0))
                
                h_mat[r, 0] = h_mat[r-1, 0] + CELL_SIZE * np.sin(ang_w)
                h_mat[r, 2] = h_mat[r-1, 2] + CELL_SIZE * np.sin(ang_e)
                h_mat[r, 1] = (h_mat[r, 0] + h_mat[r, 2]) / 2

            c1, c2 = st.columns(2)
            with c1:
                st.subheader("3D Модель поверхности")
                fig_3d = go.Figure(data=[go.Surface(z=h_mat, colorscale='gray', showscale=False)])
                fig_3d.update_layout(
                    scene=dict(xaxis_title='Ширина', yaxis_title='Ряды', zaxis_title='Высота (м)'),
                    height=600, margin=dict(l=0, r=0, b=0, t=0)
                )
                st.plotly_chart(fig_3d, use_container_width=True)
                st.caption("Визуализация топографии участка на основе замеров уклона в каждой ячейке.")

            with c2:
                st.subheader("Высотный профиль")
                dist = np.arange(0, 11) * CELL_SIZE
                fig_p = go.Figure()
                fig_p.add_trace(go.Scatter(x=dist, y=h_mat[:, 1], name="Линия сочленения (Центр)", line=dict(color='black', width=3)))
                fig_p.add_trace(go.Scatter(x=dist, y=h_mat[:, 0], name="Западный профиль", line=dict(dash='dot')))
                fig_p.add_trace(go.Scatter(x=dist, y=h_mat[:, 2], name="Восточный профиль", line=dict(dash='dot')))
                fig_p.update_layout(height=500, xaxis_title="Метры от подножия", yaxis_title="Высота (м)")
                st.plotly_chart(fig_p, use_container_width=True)
                st.caption("Разрез участка: сплошная линия показывает среднюю высоту, пунктирные — края трансекты.")

        # --- ВКЛАДКА 3: ЭКО-ИНДЕКСЫ ---
        with t_eco:
            st.header("Комплексный анализ экосистемы")
            twi, ndvi, rich, alpha, beta = calculate_ecology_indices(p_data, s_map)

            cols = st.columns(3)
            with cols[0]:
                st.markdown("#### 1. TWI (Индекс влажности)")
                st.latex(r"TWI = \ln\left(\frac{a}{\tan \beta}\right)")
                st.caption("**Методология:** Оценка топографического увлажнения. $a$ — удельная площадь водосбора, $\beta$ — локальный уклон.")
                fig = go.Figure(data=go.Heatmap(z=twi, colorscale='Blues', x=['З', 'В']))
                st.plotly_chart(fig.update_layout(height=400, yaxis=dict(autorange='reversed')), use_container_width=True)

            with cols[1]:
                st.markdown("#### 2. Pseudo-NDVI")
                st.latex(r"NDVI_{p} = \frac{\sum Cov_{i}}{100}")
                st.caption("**Методология:** Оценка плотности фитомассы через нормализованную сумму проективного покрытия всех видов.")
                fig = go.Figure(data=go.Heatmap(z=ndvi, colorscale='YlGn', x=['З', 'В'], zmin=0, zmax=1))
                st.plotly_chart(fig.update_layout(height=400, yaxis=dict(autorange='reversed')), use_container_width=True)

            with cols[2]:
                st.markdown("#### 3. Видовое богатство")
                st.latex(r"S = \sum [Cov_i > 0]")
                st.caption("**Методология:** Общее количество уникальных видов, зафиксированных в данной ячейке.")
                fig = go.Figure(data=go.Heatmap(z=rich, colorscale='Viridis', x=['З', 'В']))
                st.plotly_chart(fig.update_layout(height=400, yaxis=dict(autorange='reversed')), use_container_width=True)

            st.divider()
            cols2 = st.columns(2)
            with cols2[0]:
                st.markdown("#### 4. Альфа-разнообразие (Индекс Шеннона)")
                st.latex(r"H' = -\sum_{i=1}^{S} p_i \ln p_i")
                st.caption("**Методология:** Учитывает не только количество видов, но и равномерность их обилия ($p_i$).")
                fig = go.Figure(data=go.Heatmap(z=alpha, colorscale='Portland', x=['З', 'В']))
                st.plotly_chart(fig.update_layout(height=450, yaxis=dict(autorange='reversed')), use_container_width=True)

            with cols2[1]:
                st.markdown("#### 5. Бета-разнообразие (Индекс Уиттекер)")
                st.latex(r"\beta_w = (S_{total} / \alpha) - 1")
                st.caption("**Методология:** Степень отклонения состава конкретной ячейки от общего состава всего участка.")
                fig = go.Figure(data=go.Heatmap(z=beta, colorscale='Electric', x=['З', 'В']))
                st.plotly_chart(fig.update_layout(height=450, yaxis=dict(autorange='reversed')), use_container_width=True)
else:
    st.info("👈 Загрузите CSV файлы для начала анализа.")