利用全球资料同化系统数据（GDAS）和PM_2.5实测浓度数据,使用HYSPLIT模型和Trajstat插件的聚类方法和聚类统计模块对2015年12月-2016年2月间到达缙云山空气质量监测站的28个不同气流高度气流进行聚类分析;结合Arc GIS软件计算气流速度和气流密度,以分析山体对PM_2.5跨区域输送的影响;运用潜在源贡献（PSCF）分析法及浓度权重轨迹（CWT）分析缙云山PM_2.5潜在源贡献率和轨迹权重浓度。结果表明:重庆主城主要受西部气流影响,主城PM_2.5异地源多来自该方向;高大山体会减缓气流运行速度,增大气流轨迹密度,阻碍PM_2.5的跨区域传输,PM_2.5浓度、输送速度和输送方向等会发生改变,山地城市PM_2.5浓度受气流输送影响小于平原城市;铜锣山以西重庆段是缙云山PM_2.5的极重要源区,源贡献率达到80%以上,重要源区多在四川与重庆接壤区域,横断山脉部分区域气流潜在源贡献率较高。PM_2.5的PSCF和CWT分布区域类似,气流轨迹浓度最大值区多位于极重要源区,随着源区重要性等级的减弱,浓度也逐步降低。