Las emisiones de polvo derivadas del suelo se han asociado ampliamente con problemas de salud y ambientales y, por lo tanto, deben ser estimadas y evaluadas de manera precisa y confiable. De estas emisiones, el PM inhalable y el PM son difíciles de estimar. En consecuencia, para calcular las emisiones de PM y PM derivadas de la erosión del suelo, se propuso en este estudio un enfoque basado en un modelo de red neuronal artificial (ANN) que proporciona un marco completamente conectado y multicapa que relaciona los parámetros de entrada y los resultados. Debido a la dificultad de obtener las emisiones reales de PM y PM derivadas del suelo en una amplia área, los resultados simulados de PM y PM del modelo ANN se compararon con los resultados publicados simulados por el sistema de predicción de erosión eólica (WEPS) ampliamente utilizado. Los resultados de emisión de PM y PM, basados en el WEPS, coincidieron bien con los datos de campo, con valores de R de 0.93 y 0.97, respectivamente, lo que indica el potencial de utilizar los resultados del WEPS como referencia para entrenar el modelo ANN. Los valores calculados de r, RMSE y MAE para los resultados simulados por el WEPS y el ANN fueron 0.78, 3.37 y 2.31 para PM y 0.79, 1.40 y 0.91 para PM, respectivamente, en todo el sur de Xinjiang. La incertidumbre de las emisiones de PM y PM derivadas del suelo en un IC del 95% fue de (-66-106%) y (-75-108%), respectivamente, en 2016. Los resultados indicaron que al utilizar parámetros que afectan la erodibilidad del suelo, incluyendo el pH del suelo, la capacidad de intercambio catiónico del suelo, el contenido orgánico del suelo, el carbonato de calcio del suelo, la velocidad del viento, la precipitación y la elevación como factores de entrada, el modelo ANN podría simular las emisiones de partículas derivadas del suelo en el sur de Xinjiang. Los resultados mostraron que cuando el dominio del estudio se redujo de toda la región del sur de Xinjiang a sus cinco divisiones administrativas, el rendimiento del ANN mejoró, produciendo coeficientes de correlación promedio de 0.88 y 0.87, respectivamente, para PM y PM. Los rendimientos del ANN variaron según el período de estudio, siendo el mejor resultado obtenido durante el período de arena (de marzo a mayo), seguido por el período no caluroso (de junio a octubre) y los períodos de calor (de noviembre a febrero). La velocidad del viento, la precipitación y el carbonato de calcio del suelo fueron los factores de entrada predominantes que afectaron las emisiones de partículas de fuentes de erosión eólica. Los resultados de este estudio pueden utilizarse como referencia para los planes de prevención de erosión eólica y conservación del suelo en el sur de Xinjiang.