Por simplicidad de notación supongamos que $\theta=0$; luego la solución de la SDE
$$dY_t = - k Y_t \, dt + \sigma dW_t$$
está dada por
$$Y_t = e^{-kt} Y_0 +\sigma\int_0^t e^{-k(t-r)} \, dW_r.$$
Si $r(0) \sim \log(\mu,\varrho^2)$, entonces podemos escribir $r(0)= e^{Y_0}$ donde $Y_0 \sim N(\mu,\varrho^2)$ es independiente de $(W_t)_{t \geq 0}$. En particular, vemos que $(Y_t)_{t \geq 0}$ es un proceso Gaussiano con media
$$\mathbb{E}Y_t = e^{-k t} \mu$$
y la varianza
$$\mathbb{V}Y_t = e^{-2kt} \varrho^2+ \frac{\sigma^2}{2k} \left(1-e^{-2kt} \right).$$
Desde el exponencial de los momentos de la distribución normal son bien conocidos, obtenemos
$$\begin{align*}\mathbb{E}r_t &= \mathbb{E}e^{Y_t} = \exp \left( \mathbb{E}Y_t+ \frac{1}{2} \mathbb{V}Y_t \right) = \exp \left( e^{-kt} \mu + e^{-2kt} \varrho^2+ \frac{\sigma^2}{2k} \left(1-e^{-2kt} \right) \right). \end{align*}$$
Esto muestra que la expectativa de que el proceso de $(r_t)_{t \geq 0}$ depende del tiempo $t$. En consecuencia, no es un proceso estacionario.