-
Notifications
You must be signed in to change notification settings - Fork 2
/
Aplicativo.py
253 lines (213 loc) · 10.2 KB
/
Aplicativo.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
import streamlit as st
import numpy as np
import pandas as pd
import math
import Calcula_ETo as gse
from datetime import date
import matplotlib.pyplot as plt
from PIL import Image
import base64
from IPython.display import HTML
def eto_calc(dataset, metodo):
latitude_graus = dataset.Latitude[0] #--em graus
altitude = dataset.Altitude[0] #--em metros
latitude = math.pi/180 * latitude_graus #Converte a latitude de graus para radianos
#: Solar constant [ MJ m-2 min-1]
Gsc = 0.0820
# Stefan Boltzmann constant [MJ K-4 m-2 dia-1]
sigma = 0.000000004903
if metodo == 'pmfao':
eto = gse.gera_serie(dataset,altitude,latitude,Gsc,sigma)
return eto
def imput_FAO():
st.write("""
### Método de estimativa PM FAO:
Equação de Penman-Monteith:
""")
st.latex(r'''ET_{FAO} = \frac{0.408\Delta(R_n-G)+\gamma\frac{900}{T+273}u_2(e_s-e_a)}{\Delta+\gamma(1+ 0.34u_2)}''')
tmax = st.text_input(label='Temperatura máxima do ar em °C (obrigatório)', value= 31.4)
tmax = float(tmax)
tmin = st.text_input('Temperatura mínima do ar em °C (obrigatório)', value= 19.1)
tmin = float(tmin)
tmedia = st.text_input('Temperatura média do ar em °C')
if tmedia == "":
tmedia = None
else:
tmedia = float(tmedia)
insolacao = st.text_input('Insolação em Horas')
if insolacao == "":
insolacao = None
else:
insolacao = float(insolacao)
radiacao = st.text_input('Radição Solar Global em MJ/md')
if radiacao == "":
radiacao = None
else:
radiacao = float(radiacao)
ur = st.text_input('Umidade Relativa Média em % (obrigatório)', value= 75.9)
ur = float(ur)
v = st.text_input('Velocidade do vento em m/s (obrigatório)', value= 1.1)
v = float(v)
j = st.text_input('Data (obrigatório)', value= '01/01/2020')
lat = st.text_input('Latitude em graus (obrigatório)', value= -15.7)
lat = float(lat)
alt = st.text_input('Altitude em metros (obrigatório)', value= 850.06)
alt = float(alt)
gsc = 0.0820
sigma = 0.000000004903
g = 0
eto = gse.gera_serie(tmin, tmax, ur, v, j, lat, alt, gsc, sigma, g, tmedia, insolacao, radiacao)
st.subheader('ETo estimada:')
st.write(eto)
st.success('ETo foi calculada com sucesso!')
return eto
def imput_HG():
st.write("""
### Método de estimativa HG:
Descrever aqui o método!
""")
tmax = st.sidebar.text_input(label="Temperatura máxima", value= 30.0, key="na_lower")
tmin = st.sidebar.text_input('Temperatura mínima', value= 15.0, key="na_lower")
j = st.sidebar.date_input ('Dia do ano', date.today())
dia = gse.calcula_dia(j)
lat = st.sidebar.text_input('Latitude', value= -19.46, key="na_lower")
alt = st.sidebar.text_input('Altitude', value= 732.00, key="na_lower")
data = {
'Dia': dia,
'Latitude': float(lat),
'Altitude': float(alt),
'Tmax': float(tmax),
'Tmin': float(tmin),
}
features = pd.DataFrame(data, index = [0])
eto = eto_calc(features, 'hg')
st.subheader('Parâmetros escolhidos:')
st.write(features)
st.subheader('ETo estimada:')
st.write(eto)
return eto
def imput_FAODF():
st.write("""
### Método de estimativa PM FAO com dados faltantes:
Descrever aqui o método!
""")
tmax = st.sidebar.text_input(label="Temperatura máxima", value= 30.0, key="na_lower")
tmin = st.sidebar.text_input('Temperatura mínima', value= 15.0, key="na_lower")
j = st.sidebar.date_input ('Dia do ano', date.today())
dia = gse.calcula_dia(j)
lat = st.sidebar.text_input('Latitude', value= -19.46, key="na_lower")
alt = st.sidebar.text_input('Altitude', value= 732.00, key="na_lower")
data = {
'Dia': dia,
'Latitude': float(lat),
'Altitude': float(alt),
'Tmax': float(tmax),
'Tmin': float(tmin),
}
features = pd.DataFrame(data, index = [0])
eto = eto_calc(features, 'pmfaodf')
st.subheader('ETo estimada:')
st.write(eto)
return 0
def imput_explicacao():
st.markdown(
"""
A evapotranspiração ($ET$) é a variável mais ativa do ciclo hidrológico e a principal componente no balanço hídrico em ecossistemas agrícolas \citep{Pereira2013Evapotranspiracao}. Durante a evapotranspiração a água passa do estado líquido para o de vapor e retorna à atmosfera por meio de dois processos físicos semelhantes: a evaporação e a transpiração. Esses processos se diferenciam unicamente quanto ao tipo de superfície evaporante. A evaporação pode ocorrer a partir do solo úmido ou da copa das plantas molhadas. Já na transpiração a água contida nos tecidos das plantas é perdida através das folhas, caule, flores e/ou raízes \citep{Anjitha2019EvapotranspirationReview}.
Dessa forma, a $ET$, segundo \cite{Bernardo2019ManualIrrigacao.}, pode ser definida como a quantidade de água evaporada e transpirada por uma superfície com vegetal, durante um determinado período do tempo''. A $ET$ pode ser expressa como altura equivalente de água evaporada em $mm \ t^{-1}$, onde $t$ denota uma unidade de tempo (horas, dia, mês, estações de crescimento, ou anos) \citep{Frizzone2012MicroirrigacaoMicroaspersao}.
""")
return
def showCsv(df):
st.dataframe(df)
return
def showPlot(df):
st.line_chart(df)
return
def create_download_link(df, filename):
csv = df.to_csv()
b64 = base64.b64encode(csv.encode())
payload = b64.decode()
#html = f'<a html="data:file/txt;base64,{payload}" download="{filename}">Click here!!</a>'
html = '<a href="data:text/csv;base64,{payload}"> Clique aqui para download! </a>'
html = html.format(payload=payload,filename=filename)
st.markdown(html, unsafe_allow_html=True)
def imput():
st.sidebar.image('https://github.com/Hidrovales/Balanco_Hidrico/blob/main/Figuras/logo_color_app.png?raw=true')
st.sidebar.header('Escolha a opção desejada:')
option_1 = st.sidebar.selectbox('Escolha o que deseja fazer:', ['<Selecione>','Ler sobre ETo', 'Gerar valor único', 'Gerar série temporal de ETo', 'Gerar balanço hídrico'])
if option_1 == '<Selecione>':
st.markdown(
"""
# Olá, seja bem-vindo!
Este é o aplicativo do Hidrovales! Aqui, você poderá calcular, de maneira rápida e prática, um valor pontual de evapotranspiração de referência ($ET_o$)
ou uma série temporal.
Você ainda pode simular o balanço hídrico de uma determinada cultura variando o período de platio!
Selecione qualquer uma das opções abaixo para começar!
## Colaboradores:
- Eduarda Lucas Araújo
- Marcelo Rossi Vicente
- Patrícia de Oliveira e Lucas
## Referências
Allen, R. G., Pereira, L. S., and Raes, D. (2006). Evapotranspiracióndel cultivo. Guías para la determinación de los requerimientos de agua de los cultivos.
Technical report, FAO, Roma, Itália.
Para mais informações, acesse: [www.hidrovales.com.br](https://hidrovales.com.br/).
"""
)
if option_1 == 'Ler sobre ETo':
imput_explicacao()
if option_1 == 'Gerar valor único':
option_2 = st.sidebar.selectbox('Escolha o método de estimativa:', ['<Selecione>','PM FAO'])
if option_2 == 'PM FAO':
eto = imput_FAO()
if option_1 == 'Gerar série temporal de ETo':
option_2 = st.sidebar.selectbox('Escolha a estação:', ['<Selecione>','Rio Pardo de Minas'])
if option_2 == 'Rio Pardo de Minas':
st.write(
"""
### Dados climáticos da estação de Rio Pardo de Minas no estado de Minas Gerais.
""")
df = pd.read_csv('https://raw.githubusercontent.com/Hidrovales/Balanco_Hidrico/main/Datasets/RIO_PARDO_MINAS_AJUSTADO.csv', delimiter = ',')
df = df.drop(["Unnamed: 0" ],axis=1)
showCsv(df)
if st.button('Salvar'):
create_download_link(df, filename="RIO_PARDO_MINAS.csv")
st.write(
"""
### Visualização gráfica dos dados climáticos.
""")
df_drop = df.drop(["DATA","PRECIPITACAO_TOTAL","PRESSAO_ATMOSFERICA", "TEMPERATURA_PONTO_ORVALHO", "UMIDADE_RELATIVA.1", "VENTO", "J"],axis=1)
showPlot(df_drop)
latitude = math.pi/180 * -15.72305554 #Converte a latitude de graus para radianos
altitude=850.06
#: Solar constant [ MJ m-2 min-1]
GSC = 0.0820
# Stefan Boltzmann constant [MJ K-4 m-2 dia-1]
sigma = 0.000000004903
G = 0
eto = gse.gera_serie(df['TEMPERATURA_MINIMA'], df['TEMPERATURA_MAXIMA'], df['UMIDADE_RELATIVA'], df['VELOCIDADE_VENTO'], df['J'],
latitude, altitude, GSC, sigma, G, df['TEMPERATURA_MEDIA'])
st.subheader('Série temporal de ETo estimada:')
showPlot(eto)
df = pd.DataFrame(eto)
if st.button('Salvar Eto'):
create_download_link(df, "RIO_PARDO_MINAS.csv")
st.success('ETo foi calculada com sucesso!')
elif option_2 == 'HG':
eto = imput_HG()
elif option_2 == 'HGDF':
eto = imput_FAODF()
if option_1 == 'Gerar balanço hídrico':
option_2 = st.sidebar.selectbox('Escolha a estação:', ['<Selecione>','Rio Pardo de Minas'])
if option_2 == 'Rio Pardo de Minas':
st.sidebar.selectbox('Escolha a cultura:', ['<Selecione>','Milho'])
theta_fc = st.sidebar.text_input(label='Capacidade de campo [m^3 m^3]', value= 0.23)
theta_wp = st.sidebar.text_input(label='Ponto de murcha [m^3 m^3]', value= 0.1)
p = st.sidebar.text_input(label='Fator de disponibilidade hídrica [0 - 1]', value= 0.5)
data = st.sidebar.date_input ('Dia do ano', date.today())
dados = {
'Data': data,
'theta_fc': float(theta_fc),
'theta_wp': float(theta_wp),
'p': float(p),
}
features = pd.DataFrame(dados, index = [0])
imput()