本发明公开了一种基于时序多光谱及微波遥感数据的弱监督LSTM循环神经网络稻田识别方，发明基于地面实测数据构建SAR标准时序曲线，并对SAR时序遥感数据进行DTW距离计算，依据DTW距离进行样本标注，构建高置信度的弱标签样本集，融合多光谱及SAR输入特征，基于LSTM的深度学习分类器采用弱标签样本加实测样本的训练集对分类器进行训练后提取预测结果中的水稻分类作为最终稻田识别结果。该方法可以用于像素级别的稻田识别预测，通过SAR曲线的DTW距离可标注获得高置信度的训练数据，减少对地面采样数据的依赖，可有效降低地面采样成本。