一种基于迁移学习和物理约束的三维温度场重构方法，涉及三维温度场重构技术，解决现有技术无法实现对极少量已知测点的条件下进行温度场的重构问题，该方法包括添加物理约束、预训练和最终训练，本发明通过相似场景下的其他任意工况数值模拟丰富数据预训练得到源模型再迁移至目标试验测点数据下，利用迁移学习的方法捕捉相似场景下不同工况间的温度分布特征相似性，从而实现根据极少量测点重构整个三维温度场，相比现有数据驱动的重构技术每次都需要重新跑一遍训练流程可以大大节约时间，提高重构效率。