本发明公开了一种基于深度学习的河网密集流域水情趋势预测方法及其应用，该方法包括下述步骤：收集全流域范围内所有雨量站、河道水位站日尺度的降雨、水位时间序列点数据及各测站的经纬度信息，并进行整编；通过反距离权法及等值面图渲染法将整编后的降雨、水位时间序列点数据转换为时空数据；构建并训练流域高分辨率水位预报模型，分别输入降雨、水位时空数据张量；流域高分辨率水位预报模型包括初步空间特征提取模块、时空特征提取模块、堆叠模块、拼接模块和特征还原模块；模型输出预见期内全流域的水位等值面图，获取流域水情变化趋势。本发明能从历史水文数据中充分挖掘出流域的产汇流机理，可对整个流域的时空水情变化做出精确地预报。