# main.py from fastapi import FastAPI, HTTPException from pydantic import BaseModel import pandas as pd import numpy as np import joblib, json, os from math import radians, cos, sin, asin, sqrt # ========================= # تحميل الموديل والـ artifacts # ========================= MODEL_DIR = os.path.join(os.path.dirname(__file__), "..", "models") MODEL_PATH = os.path.join(MODEL_DIR, "model.pkl") PREPROCESSOR_PATH = os.path.join(MODEL_DIR, "preprocessor.pkl") FEATURES_PATH = os.path.join(MODEL_DIR, "feature_names.json") model = joblib.load(MODEL_PATH) preprocessor = joblib.load(PREPROCESSOR_PATH) with open(FEATURES_PATH) as f: feature_names = json.load(f) # ========================= # تحميل البيانات من CSV # ========================= DATA_PATH = os.path.join(os.path.dirname(__file__), "..", "data", "features_data.csv") features_df = pd.read_csv(DATA_PATH) # ========================= # Feature Engineering # ========================= def get_season(month: int) -> str: if month in [12, 1, 2]: return "Winter" elif month in [3, 4, 5]: return "Spring" elif month in [6, 7, 8]: return "Summer" return "Autumn" def feature_engineering(df: pd.DataFrame) -> pd.DataFrame: df = df.copy() df["season"] = df["month"].apply(get_season) soil_total = df[["sand", "silt", "clay"]].sum(axis=1).replace(0, np.nan) df["sand_ratio"] = (df["sand"] / soil_total).fillna(0.0) df["silt_ratio"] = (df["silt"] / soil_total).fillna(0.0) df["clay_ratio"] = (df["clay"] / soil_total).fillna(0.0) df["soc_cec"] = df["soc"] * df["cec"] return df # ========================= # Input Schema # ========================= class MapClick(BaseModel): lat: float lon: float # ========================= # Helpers # ========================= def haversine(lat1, lon1, lat2, lon2): """حساب المسافة بين نقطتين (كم)""" R = 6371.0 dlat = radians(lat2 - lat1) dlon = radians(lon2 - lon1) a = sin(dlat/2)**2 + cos(radians(lat1)) * cos(radians(lat2)) * sin(dlon/2)**2 c = 2 * asin(sqrt(a)) return R * c def fetch_nearest_features(lat: float, lon: float, max_km=15): """إرجاع أقرب نقطة من CSV""" best = None best_dist = 1e9 for _, row in features_df.iterrows(): d = haversine(lat, lon, row["latitude"], row["longitude"]) if d < best_dist: best_dist = d best = row.to_dict() best["distance_km"] = d if best and best_dist <= max_km: return best return None def classify_desertification(ndvi: float) -> str: if ndvi < 0.2: return "شديد" elif ndvi < 0.5: return "متوسط" return "منخفض" # ========================= # توصيات ديناميكية # ========================= def recommend_actions(severity: str, row: dict) -> list: recs = [] if severity == "شديد": recs.extend([ "التشجير وزراعة أحزمة خضراء", "استخدام تقنيات حصاد المياه", "منع الرعي الجائر وتنظيمه", "تطبيق أنظمة ري حديثة (تنقيط/رش)" ]) elif severity == "متوسط": recs.extend([ "إدارة التربة وتحسين خصوبتها (إضافة مواد عضوية)", "تنويع المحاصيل واستخدام محاصيل تغطية", "تحسين ممارسات الري", "الحد من إزالة الغطاء النباتي" ]) else: # منخفض recs.extend([ "المحافظة على الغطاء النباتي الحالي", "المتابعة والرصد الدوري للتغيرات", "التوسع في الزراعة المستدامة", "التوعية المجتمعية لمنع الممارسات الضارة" ]) # توصيات إضافية مبنية على الـ features rainfall = row.get("tp_m", 0) temp = row.get("t2m_c", 0) sand_ratio = row.get("sand_ratio", 0) clay_ratio = row.get("clay_ratio", 0) soc_cec = row.get("soc_cec", 0) if rainfall > 200 and sand_ratio > 0.6 and severity == "منخفض": recs.append("تشجيع الزراعات الاقتصادية سريعة النمو لاستغلال الموارد المائية") if rainfall < 50 and clay_ratio > 0.4 and severity != "منخفض": recs.append("إنشاء سدود صغيرة أو خزانات لتخزين مياه الأمطار") if temp > 35 and severity == "شديد": recs.append("زراعة محاصيل مقاومة للجفاف والحرارة (مثل الشعير والدخن)") if sand_ratio > 0.7: recs.append("إضافة مواد عضوية أو طينية للتربة الرملية لزيادة قدرتها على الاحتفاظ بالماء") if clay_ratio > 0.5: recs.append("تجهيز أنظمة صرف زراعي لمنع تملح التربة الثقيلة") if soc_cec < 0.2 and severity != "منخفض": recs.append("إضافة محسنات للتربة (كمبوست/سماد عضوي) لرفع خصوبة التربة") return recs # ========================= # FastAPI app # ========================= app = FastAPI(title="Desertification Prediction API") # ----- Root route ----- @app.get("/") def root(): return {"message": "Welcome to the Desertification Prediction API. Use /predict-by-location to get predictions."} # ----- Prediction route ----- @app.post("/predict-by-location") def predict_by_location(click: MapClick): try: # 1. دور على أقرب نقطة من CSV row = fetch_nearest_features(click.lat, click.lon, max_km=15) if not row: raise HTTPException(status_code=404, detail="لا توجد بيانات قريبة لهذه الإحداثيات") # 2. حوّل النقطة DataFrame df = pd.DataFrame([row]) # 3. Feature engineering df = feature_engineering(df) # 4. تأكد إن الأعمدة مرتبة حسب feature_names df = df[feature_names] # 5. Prediction X_trans = preprocessor.transform(df) ndvi_pred = float(model.predict(X_trans)[0]) # 6. تقييم التصحر + توصيات severity = classify_desertification(ndvi_pred) recs = recommend_actions(severity, df.iloc[0].to_dict()) return { "clicked_point": {"lat": click.lat, "lon": click.lon}, "nearest_data_point": { "lat": row["latitude"], "lon": row["longitude"], "distance_km": round(row["distance_km"], 2) }, "predicted_ndvi": round(ndvi_pred, 3), "desertification_level": severity, "recommendations": recs } except Exception as e: raise HTTPException(status_code=500, detail=str(e))