Diese Forschung konzentriert sich auf die Analyse der U-Boot-Geomorphologie im Marianengraben im Westpazifik. Die Forschungsfrage besteht darin, Variationen in der geomorphischen Form und Bathymetrie in verschiedenen Abschnitten des Grabens zu identifizieren. Technisch gesehen wendet das Papier statistische Python- und R-Programmierbibliotheken für die georäumliche Modellierung der Datensätze an. Der methodische Ansatz der statistischen Datenanalyse durch Skriptbibliotheken zielte darauf ab, geomorphologische Variationen in den 25 Transektprofilen des Grabens zu visualisieren. Mehrere Faktoren wirken sich auf die Unterwassergeomorphologie aus und verursachen Schwankungen im Gefälle: geologische Gegebenheiten (Gesteinszusammensetzung, Struktur, Durchlässigkeit, Erodierbarkeit der Materialien), Unterwassererosion, Schwerkraftflüsse von Wasserströmen, Tektonik, Sedimente aus Vulkanbögen, die durch quer verlaufende Unterwasserschluchten transportiert werden . Für die korrekte Geoanalyse ist es wichtig, Veränderungen in geomorphologischen Variationen zu verstehen. Die Modellierung einer so komplexen Struktur wie des Hadal-Grabens erfordert jedoch numerische Berechnungen und eine erweiterte statistische Analyse des Datensatzes. Solche Methoden werden von den Programmiersprachen R und Python vorgeschlagen. Aktuelle Forschungen präsentierten die Verwendung statistischer Bibliotheken für die Datenverarbeitung: Matplotlib, NumPy, SciPy, Pandas, Seaborn, StatsModels von Python. Der Forschungsworkflow umfasst die folgenden Schritte: Partielle Regressionsanalyse der kleinsten Quadrate; Gewöhnliches kleinstes Quadrat (OLS); Violindiagramme und Balkendiagramme zur Analyse der Bereiche derbathymetrischen Daten; Isotonische Regression durch StatsModels-Bibliothek; Datenverteilungsanalyse durch Bokeh- und Matplotlib-Bibliotheken; Kreisförmige Balkendiagramme zum Sortieren von Daten nach R; Euler-Venn-Diagramme zur Visualisierung der Überlappung von Attributen und Faktoren durch Python. Als Ergebnis der Datenanalyse wurde die Geomorphologie der Grabenböschungen in 25 Querprofilen modelliert. Die durch die statistische Datenmodellierung erzielten Ergebnisse zeigen Unterschiede im Gradientengefälle in verschiedenen Abschnitten des Grabens in Abhängigkeit von seiner räumlichen Lage. Dies zeigt die komplexe geologische Struktur des Grabens. Der Artikel trägt zur methodischen Entwicklung der Datenanalyse in der Meeresgeologie durch die schrittweisen Erläuterungen des Arbeitsablaufs mit einer Fallstudie von Python- und R-Anwendungen bei

This research focuses on the analysis of the submarine geomorphology in the Mariana Trench located in west Pacific Ocean. The research question is to identify variations in the geomorphic form and bathymetry in different segments of the trench. Technically, the paper applies Python and R programming statistical libraries for geospatial modelling of the data sets. The methodological approach of the statistical data analysis by scripting libraries aimed to visualize geomorphic variations in the 25 transect profiles of the trench. Multiple factors affect submarine geomorphology causing variations in the gradient slope: geological settings (rock composition, structure, permeability, erodibility of the materials), submarine erosion, gravity flows of water streams, tectonics, sediments from the volcanic arcs, transported by transverse submarine canyons. Understanding changes in geomorphic variations is important for the correct geospatial analysis. However, modelling such a complex structure as hadal trench requires numerical computation and advanced statistical analysis of the data set. Such methods are proposed by R and Python programming languages. Current research presented usage of statistical libraries for the data processing: Matplotlib, NumPy, SciPy, Pandas, Seaborn, StatsModels by Python. The research workflow includes following steps: Partial least squares regression analysis; Ordinary Least Square (OLS); Violin plots and Bar plots for analysis of ranges of the bathymetric data; Isotonic Regression by StatsModels library; Data distribution analysis by Bokeh and Matplotlib libraries; Circular bar plots for sorting data by R; Euler-Venn diagrams for visualizing overlapping of attributes and factors by Python. As a result of the data analysis, the geomorphology of the trench slopes in 25 transecting profiles was modelled. The results achieved by the statistical data modelling show differences in the gradient slope in various segments of the trench depending on its spatial location. This shows complex geological structure of the trench. The paper contributes towards the methodological development of the data analysis in marine geology through the stepwise workflow explanations with a case study of Python and R applications