Die Geomorphologie des Marianengrabens, des tiefsten Meeresgrabens der Erde, hat einen komplexen Charakter: Sein Querprofil ist asymmetrisch, die Hänge sind auf der Seite des Marianeninselbogens höher. Die Form des Marianengrabens ist eine stark längliche, im Grundriss gewölbte und weniger geradlinige Vertiefung. Die Hänge des Grabens werden von tiefen Unterwasserschluchten mit verschiedenen schmalen Stufen an den Hängen unterschiedlicher Form und Größe durchzogen, die durch aktive tektonische und Sedimentationsprozesse verursacht werden. Das Verständnis der Faktoren, die die Form der Geomorphologie solch einer komplexen Struktur beeinflussen können, erfordert fortgeschrittene Methoden der numerischen Berechnung. Die aktuelle Forschung konzentriert sich auf die Analyse der Geomorphologie des Marianengrabens durch den Einsatz statistischer Bibliotheken, die in den Programmiersprachen Python und R eingebettet sind, für die Datenanalyse. Workflow-Algorithmen umfassen die Verarbeitung eines Datensatzes durch Analyse, Berechnung und visuelle Darstellung der Diagramme. Ziel der Forschung ist es, durch statistische Datenanalyse die Umweltwechselwirkungen zu verstehen, die die Unterwassergeomorphologie des Marianengrabens beeinflussen. Technisch gesehen umfassten die verwendeten Algorithmen Bibliotheken von Python (Seaborn, Matplotlib, Pandas, SciPy und NumPy) und Bibliotheken von R ({hexbin}, {ggally}, {ggplot2}). Technisch wurden folgende Arten der statistischen Analyse für die Berechnung und Darstellung getestet: Korrelogramme, Histogramme, Streifendiagramme, Kammliniendiagramme und hexagonale Diagramme für diebathymetrische und geomorphische Analyse. Python, eine Hochsprache, zeigte einen einfacheren Ansatz für die statistische Datenanalyse, während R mehr Leistung bei der Datenvisualisierung impliziert. Die Ergebnisse der Geodatenmodellierung zeigen eine erkannte Korrelation zwischen verschiedenen Faktoren (Geologie, Bathymetrie, Tektonik), die die Geomorphologie des U-Boots beeinflussen und Ungleichmäßigkeiten in seiner Struktur aufzeigen. Beide Programmiersprachen zeigten erhebliche Funktionalität für die räumliche Datenanalyse. Die von Python und R demonstrierte effektive und genaue Geodatenvisualisierung beweist das hohe Potenzial ihrer Anwendung in geomorphologischen Studien.

The geomorphology of the Mariana Trench, the deepest ocean trench on the Earth, has a complex character: its transverse profile is asymmetric, the slopes are higher on the side of the Mariana island arc. The shape of the Mariana Trench is a strongly elongated, arched in plan and lesser rectilinear depression. The slopes of the trench are dissected by deep underwater canyons with various narrow steps on the slopes of various shapes and sizes, caused by active tectonic and sedimentation processes. Understanding of factors that may affect the shape of the geomorphology of such complex structure requires advanced methods of numerical computing. Current research is focused on the analysis of the geomorphology of the Mariana Trench by application of statistical libraries embedded in Python and R programming languages for the data analysis. Workflow algorithms include processing a data set by analysis, computing and visual plotting of the graphs. The research aims is to understand the environmental interactions affecting submarine geomorphology of the Mariana Trench by statistical data analysis. Technically, used algorithms included libraries of Python (Seaborn, Matplotlib, Pandas, SciPy and NumPy) and libraries of R ({hexbin}, {ggally}, {ggplot2}). Technically, following types of the statistical analysis were tested for computing and plotting: correlograms, histograms, strip plots, ridgeline plots and hexagonal diagrams for the bathymetric and geomorphic analysis. Python, being a high-level language, shown more straightforward approach for the statistical data analysis, while R implies more power in the data visualization. The results of the geospatial data modelling show detected correlation between various factors (geology, bathymetry, tectonics) affecting submarine geomorphology that reveal unevenness in its structure. Both programming languages demonstrated significant functionality for the spatial data analysis. The effective and accurate geospatial data visualization demonstrated by Python and R proves high potential of their application in the geomorphological studies.