本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。