Para abordar el problema de falla en el seguimiento aéreo en condiciones climáticas adversas, desarrollamos un innovador método de seguimiento de dos etapas, que incorpora un modelo de restauración de imágenes ligero DADNet y un excelente rastreador preentrenado. Nuestro método comienza restaurando la imagen degradada, lo que produce un resultado intermedio refinado. Luego, el rastreador capitaliza este resultado intermedio para producir cuadros delimitadores de seguimiento precisos. Para ampliar el conjunto de datos UAV123 a varios escenarios climáticos, estimamos la profundidad de las imágenes en el conjunto de datos. Nuestro método fue probado en dos rastreadores famosos, y los resultados experimentales resaltaron la superioridad de nuestro método. Los resultados del experimento de comparación también validaron la efectividad de desempañado de nuestro modelo de restauración. Además, los componentes de nuestro módulo de desempañado demostraron ser eficientes a través de estudios de ablación.