app.py

import streamlit as st
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime

# Configuração da página
st.set_page_config(
    page_title="Dashboard de Irrigação",
    page_icon="💧",
    layout="wide",
    initial_sidebar_state="expanded"
)

# Título principal
st.title("🌱 Dashboard de Monitoramento de Irrigação")
st.markdown("---")

# Carregar dados
@st.cache_data
def load_data():
    df = pd.read_csv('data/irrigation_dataset.csv')
    df['timestamp'] = pd.to_datetime(df['timestamp'])
    return df

try:
    df = load_data()
    
    # Sidebar com filtros
    st.sidebar.header("⚙️ Filtros")
    
    # Filtro de data
    min_date = df['timestamp'].min().date()
    max_date = df['timestamp'].max().date()
    
    date_range = st.sidebar.date_input(
        "Período",
        value=(min_date, max_date),
        min_value=min_date,
        max_value=max_date
    )
    
    # Filtrar dados por data
    if len(date_range) == 2:
        mask = (df['timestamp'].dt.date >= date_range[0]) & (df['timestamp'].dt.date <= date_range[1])
        df_filtered = df[mask]
    else:
        df_filtered = df
    
    # Métricas principais
    st.header("📊 Métricas Principais")
    col1, col2, col3, col4 = st.columns(4)
    
    with col1:
        avg_humidity = df_filtered['soil_pct'].mean()
        st.metric(
            label="Umidade Média do Solo",
            value=f"{avg_humidity:.1f}%",
            delta=f"{avg_humidity - df['soil_pct'].mean():.1f}%"
        )
    
    with col2:
        avg_ph = df_filtered['ph'].mean()
        st.metric(
            label="pH Médio",
            value=f"{avg_ph:.2f}",
            delta=f"{avg_ph - df['ph'].mean():.2f}"
        )
    
    with col3:
        avg_p = df_filtered['npk_p'].mean()
        st.metric(
            label="Fósforo Médio (P)",
            value=f"{avg_p:.0f}",
            delta=f"{avg_p - df['npk_p'].mean():.0f}"
        )
    
    with col4:
        avg_k = df_filtered['npk_k'].mean()
        st.metric(
            label="Potássio Médio (K)",
            value=f"{avg_k:.0f}",
            delta=f"{avg_k - df['npk_k'].mean():.0f}"
        )
    
    st.markdown("---")
    
    # Gráficos principais
    st.header("📈 Visualizações")
    
    # Linha 1: Umidade e pH
    col1, col2 = st.columns(2)
    
    with col1:
        st.subheader("💧 Níveis de Umidade do Solo")
        fig_humidity = px.line(
            df_filtered,
            x='timestamp',
            y='soil_pct',
            title='Evolução da Umidade do Solo (%)',
            labels={'soil_pct': 'Umidade (%)', 'timestamp': 'Data/Hora'}
        )
        fig_humidity.add_hline(
            y=50, 
            line_dash="dash", 
            line_color="red",
            annotation_text="Limite Mínimo (50%)"
        )
        fig_humidity.update_layout(height=400)
        st.plotly_chart(fig_humidity, use_container_width=True)
    
    with col2:
        st.subheader("🧪 Níveis de pH")
        fig_ph = px.line(
            df_filtered,
            x='timestamp',
            y='ph',
            title='Evolução do pH do Solo',
            labels={'ph': 'pH', 'timestamp': 'Data/Hora'},
            color_discrete_sequence=['#2ecc71']
        )
        fig_ph.add_hrect(
            y0=6.0, y1=7.0, 
            fillcolor="green", 
            opacity=0.1,
            annotation_text="Faixa Ideal",
            annotation_position="top left"
        )
        fig_ph.update_layout(height=400)
        st.plotly_chart(fig_ph, use_container_width=True)
    
    # Linha 2: NPK
    st.subheader("🌿 Nutrientes do Solo (NPK)")
    col1, col2, col3 = st.columns(3)
    
    with col1:
        fig_n = px.line(
            df_filtered,
            x='timestamp',
            y='npk_n',
            title='Nitrogênio (N)',
            labels={'npk_n': 'N (ppm)', 'timestamp': 'Data/Hora'},
            color_discrete_sequence=['#3498db']
        )
        fig_n.update_layout(height=300)
        st.plotly_chart(fig_n, use_container_width=True)
    
    with col2:
        fig_p = px.line(
            df_filtered,
            x='timestamp',
            y='npk_p',
            title='Fósforo (P)',
            labels={'npk_p': 'P (ppm)', 'timestamp': 'Data/Hora'},
            color_discrete_sequence=['#e74c3c']
        )
        fig_p.update_layout(height=300)
        st.plotly_chart(fig_p, use_container_width=True)
    
    with col3:
        fig_k = px.line(
            df_filtered,
            x='timestamp',
            y='npk_k',
            title='Potássio (K)',
            labels={'npk_k': 'K (ppm)', 'timestamp': 'Data/Hora'},
            color_discrete_sequence=['#f39c12']
        )
        fig_k.update_layout(height=300)
        st.plotly_chart(fig_k, use_container_width=True)
    
    st.markdown("---")
    
    # Status de Irrigação
    st.header("💦 Status de Irrigação")
    
    # Análise das condições atuais
    latest = df_filtered.iloc[-1]
    
    col1, col2 = st.columns([2, 1])
    
    with col1:
        st.subheader("Condições Atuais")
        
        # Criar gráfico de gauge para umidade
        fig_gauge = go.Figure(go.Indicator(
            mode="gauge+number+delta",
            value=latest['soil_pct'],
            domain={'x': [0, 1], 'y': [0, 1]},
            title={'text': "Umidade do Solo (%)"},
            delta={'reference': 60},
            gauge={
                'axis': {'range': [None, 100]},
                'bar': {'color': "darkblue"},
                'steps': [
                    {'range': [0, 40], 'color': "red"},
                    {'range': [40, 60], 'color': "yellow"},
                    {'range': [60, 100], 'color': "lightgreen"}
                ],
                'threshold': {
                    'line': {'color': "red", 'width': 4},
                    'thickness': 0.75,
                    'value': 50
                }
            }
        ))
        fig_gauge.update_layout(height=300)
        st.plotly_chart(fig_gauge, use_container_width=True)
    
    with col2:
        st.subheader("Parâmetros Atuais")
        st.metric("Umidade", f"{latest['soil_pct']:.1f}%")
        st.metric("pH", f"{latest['ph']:.2f}")
        st.metric("Nitrogênio (N)", f"{latest['npk_n']:.0f} ppm")
        st.metric("Fósforo (P)", f"{latest['npk_p']:.0f} ppm")
        st.metric("Potássio (K)", f"{latest['npk_k']:.0f} ppm")
    
    st.markdown("---")
    
    # Sugestões de Irrigação
    st.header("🌤️ Sugestões de Irrigação Baseadas em Clima e Condições")
    
    # Análise inteligente
    suggestions = []
    priority = "info"
    
    # Análise de umidade
    if latest['soil_pct'] < 40:
        suggestions.append("⚠️ **URGENTE**: Umidade do solo muito baixa. Irrigação necessária imediatamente!")
        priority = "error"
    elif latest['soil_pct'] < 55:
        suggestions.append("⚡ **ATENÇÃO**: Umidade do solo abaixo do ideal. Recomenda-se irrigação em breve.")
        priority = "warning"
    else:
        suggestions.append("✅ Níveis de umidade adequados. Nenhuma irrigação necessária no momento.")
    
    # Análise de pH
    if latest['ph'] < 6.0:
        suggestions.append("🧪 pH abaixo do ideal (< 6.0). Considere aplicar calcário para correção.")
        priority = "warning" if priority == "info" else priority
    elif latest['ph'] > 7.5:
        suggestions.append("🧪 pH acima do ideal (> 7.5). Considere aplicar enxofre para correção.")
        priority = "warning" if priority == "info" else priority
    else:
        suggestions.append("✅ pH dentro da faixa ideal (6.0-7.5).")
    
    # Análise de nutrientes
    if latest['npk_n'] < 200:
        suggestions.append("🌿 Níveis de Nitrogênio (N) baixos. Recomenda-se adubação nitrogenada.")
    if latest['npk_p'] < 150:
        suggestions.append("🌿 Níveis de Fósforo (P) baixos. Recomenda-se adubação fosfatada.")
    if latest['npk_k'] < 200:
        suggestions.append("🌿 Níveis de Potássio (K) baixos. Recomenda-se adubação potássica.")
    
    # Análise de luz (LDR)
    if latest['ldr_mv'] < 500:
        suggestions.append("☁️ Baixa luminosidade detectada (período noturno ou nublado). Considere reduzir irrigação.")
    else:
        suggestions.append("☀️ Boa luminosidade detectada. Condições favoráveis para irrigação se necessário.")
    
    # Exibir sugestões
    for suggestion in suggestions:
        if "URGENTE" in suggestion or "muito baixa" in suggestion:
            st.error(suggestion)
        elif "ATENÇÃO" in suggestion or "abaixo do ideal" in suggestion or "acima do ideal" in suggestion:
            st.warning(suggestion)
        elif "baixos" in suggestion:
            st.info(suggestion)
        else:
            st.success(suggestion)
    
    # Recomendação de irrigação
    st.subheader("💡 Recomendação de Ação")
    
    if latest['soil_pct'] < 40:
        st.error("🚨 **IRRIGAR AGORA** - Umidade crítica")
        recommended_time = "Imediatamente"
    elif latest['soil_pct'] < 55:
        st.warning("⏰ **IRRIGAR EM BREVE** - Umidade baixa")
        recommended_time = "Nas próximas 2-4 horas"
    else:
        st.success("✅ **AGUARDAR** - Umidade adequada")
        recommended_time = "Não necessário no momento"
    
    col1, col2 = st.columns(2)
    with col1:
        st.info(f"**Próxima irrigação recomendada:** {recommended_time}")
    with col2:
        if latest['ldr_mv'] < 500:
            st.info("**Melhor horário:** Aguardar melhor luminosidade")
        else:
            st.info("**Melhor horário:** Agora ou início da manhã/final da tarde")
    
    st.markdown("---")
    
    # Dados brutos
    with st.expander("📋 Ver Dados Brutos"):
        st.dataframe(df_filtered, use_container_width=True)
        
        # Opção de download
        csv = df_filtered.to_csv(index=False).encode('utf-8')
        st.download_button(
            label="📥 Download CSV",
            data=csv,
            file_name=f"irrigation_data_{datetime.now().strftime('%Y%m%d_%H%M%S')}.csv",
            mime="text/csv",
        )
    
    # Rodapé
    st.markdown("---")
    st.markdown(
        """
        <div style='text-align: center; color: gray;'>
            <p>Dashboard de Irrigação Inteligente | FIAP - Fase 3</p>
            <p>Última atualização: {}</p>
        </div>
        """.format(datetime.now().strftime('%d/%m/%Y %H:%M:%S')),
        unsafe_allow_html=True
    )

except FileNotFoundError:
    st.error("❌ Arquivo 'data/irrigation_dataset.csv' não encontrado!")
    st.info("Por favor, verifique se o arquivo de dados está no diretório correto.")
except Exception as e:
    st.error(f"❌ Erro ao carregar os dados: {str(e)}")