长江中下游湿地是东亚-澳大利西亚迁徙路线水鸟重要的栖息地之一，针对这一地区卫星湿地水鸟检测面临植被遮挡、光照变化大和生境可达性差问题，提出基于动态卷积神经网络的水鸟检测模型LiteDETR-WetBird。首先，在RT-DETR(real-time detection Transformer)主干网络中引入动态可分离卷积聚合模块，通过融合并行多核深度卷积与动态核权重机制降低计算复杂度。其次，设计小目标特征增强金字塔，结合空间深度卷积与空域-频域协同增强路径，强化对小水鸟目标及复杂背景的感知能力。再次，通过空间分辨率对齐模块改进上下采样以改善传统上下采样中存在的目标信息衰减问题。最后，在安徽、江苏等六个不同卫星湿地采集水鸟数据集进行相关实验，并在CUB_200_2011数据集上进行泛化实验验证。实验结果表明，LiteDETR-WetBird使参数量降低30.23%，精确率提升至95.37%，表现优于其它系列对比算法。研究工作为长江中下游卫星湿地生态监测与保护工作提供了有效的技术支撑。实验代码及数据集公开：https://github.com/lsy010923/WetBird。