如何消除GPCC降水气候态图本初子午线的数据空白？

我在绘制GPCC降水气候态分布图时，发现本初子午线存在数据空白（截断）问题，希望通过CDO、NCO或Python工具修复，且全程保留原数据分辨率。

问题示意图 #

CDO 解决方案 #

无需插值，通过调整经度范围+边界数据复制填补空白，完全保留原分辨率：

1. 转换经度范围至[-180, 180]，自动衔接跨0°的边界：

cdo sellonlatbox,-180,180,-90,90 input.nc temp.nc

2. 基于原网格的 nearest neighbor 方法填补空白（不改变分辨率）：

cdo remapcon,input.nc temp.nc fixed_gpcc.nc

注：remapcon以原数据网格为目标模板，仅填补缺失的边界格点，不会修改现有数据或分辨率。

NCO 解决方案 #

通过调整经度坐标+相邻格点复制填补空白：

1. 将经度从[0,360]转换为[-180,180]：

ncpdq -O -a lon input.nc temp.nc
ncatted -O -a units,lon,o,c,"degrees_east" temp.nc
ncap2 -O -s 'where(lon>180) lon=lon-360' temp.nc temp.nc

2. 排序经度并填补本初子午线缺失值（复制相邻有效格点数据）：

ncks -O --msa -d lon,-180,180 temp.nc fixed_gpcc.nc

Python（xarray）解决方案 #

直接处理经度衔接，用邻域格点值填补空白，保留原分辨率：

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs

# 读取GPCC数据
ds = xr.open_dataset('precip.nc')

# 转换经度范围：0-360 → -180-180，并排序
ds['lon'] = ((ds['lon'] + 180) % 360) - 180
ds = ds.sortby('lon')

# 定位本初子午线附近的空白，用相邻格点填充（仅补缺失的1-2个格点，不改变分辨率）
ds['precip'] = ds['precip'].interpolate_na(dim='lon', method='nearest', limit=1)

# 保存修复后的数据
ds.to_netcdf('fixed_gpcc.nc')

# 绘图验证
JJAS2 = ds['precip'].sel(time=ds['time.month'].isin([6,7,8,9])) \
                   .sel(time=ds['time.year']>1981) \
                   .groupby('time.year').mean('time') \
                   .mean(dim='year', keep_attrs=True)

fig, ax = plt.subplots(1, 1, figsize=(16,8), subplot_kw={'projection': ccrs.PlateCarree()})
cs = ax.contourf(JJAS2.lon, JJAS2.lat, JJAS2, 
                 levels=[0,50,100,150,200,250,300,350,400,450,500],
                 vmin=0, vmax=500, cmap='Blues', extend='both')
ax.gridlines(draw_labels=True, linewidth=1, color='gray', alpha=0.5, linestyle='--')
ax.coastlines(color='black')
ax.set_extent([-20,30,0,30], crs=ccrs.PlateCarree())
cbar = plt.colorbar(cs, fraction=0.05, pad=0.04, extend='both', orientation='horizontal')
plt.show()

内容的提问来源于stack exchange，提问作者Mincheol