Con el rápido avance de la tecnología de UAV, la detección robusta de objetos en condiciones climáticas adversas se ha vuelto crítica para mejorar la percepción ambiental de los UAV. Sin embargo, la detección de objetos en tales condiciones desafiantes sigue siendo un obstáculo significativo, y aún faltan estándares de evaluación normalizados. Para cerrar esta brecha, introducimos el conjunto de datos de Detección de Objetos en Climas Adversos (AWOD), un conjunto de datos a gran escala diseñado para la detección de objetos en entornos marítimos complejos. El conjunto de datos AWOD comprende 20,000 imágenes capturadas bajo tres condiciones climáticas adversas representativas: niebla, destello y poca luz. Para abordar los desafíos de la variación de escala y la degradación visual introducida por el clima severo, proponemos WRRT-DETR, un marco de detección de objetos robusto ante el clima optimizado para objetos pequeños. Dentro de este marco, diseñamos un bloque de atención global-local de cabeza única y controlada (GLCE) para fusionar características locales convolucionales con atención global, mejorando la distinguibilidad de objetos pequeños. Además, se introduce un Módulo de Aumento de Características Espacio-Frecuencia (FSAE) para incorporar información del dominio de frecuencia para una mayor robustez, mientras que un Módulo de Fusión Cruzada Basado en Atención (ACFM) facilita la integración de características a múltiples escalas. Los resultados experimentales demuestran que WRRT-DETR supera a los métodos SOTA en el conjunto de datos AWOD, exhibiendo una superior robustez y precisión de detección en condiciones climáticas complejas.