探究湖泊水资源量演化的驱动机制对于湖泊生态保护和流域农业种植具有重要作用，湖盆地形是精确刻画水资源量演化过程的关键。为挖掘深度学习模型在湖盆地形预测中的潜力，探究湖泊水资源量和面积演化驱动机制差异性。本研究以内蒙古高原岱海为例，基于经过校正的数字高程模型（Digital Elevation Model，DEM）和实测水深数据，采用长短期记忆神经网络模型（Long Short-Term Memory neural network，LSTM) 精确刻画岱海湖盆地形结构，构建湖泊1990-2023年水储量时间序列。从流域角度出发，利用干旱指数（Drought Index，DI）、降雨强度指数（Rainfall Intensity Index，RII）、地表水资源利用量（Surface Water Resource Utilization，SWU）和地下水资源利用量（Groundwater Resource Utilization，GU），揭示气候变化与人类活动对岱海面积与水储量的影响。研究结果表明：LSTM预测地形的RMSE为0.73m，能够刻画出湖盆地形结构细节，为精确计算湖泊水储量提供支持。岱海水储量在1990-2023年间减少6.39亿立方米，主要受到SWU和GU的影响。在不同时期，SWU对水储量的贡献度均大于对于面积的贡献度，而GU对于水储量的贡献度均小于对面积的贡献度。从湖盆结构角度出发，湖泊水储量比湖泊面积更能精确揭示湖泊萎缩成因。

岱海；深度学习；湖盆地形；水储量