农业与环境各种介质（如土壤、水等）中重金属和异源性污染物分布极其不均匀,土壤与水中重金属痕量物质的浓度常低于检测方法的检测限（limit of detection/LOD）,而不能准确知晓其含量;此类包含低于检测限信息的数据被称作删失数据,且以左删失为主。同时,由于分布不均匀该类数据经常呈偏态分布,这对单变量的参数估计与多变量之间的相关性估计造成挑战。本研究对两种典型偏分布的左删失数据进行了概率密度函数的推导并基于最大似然法建模,试图估计边缘分布的参数和联合分布的相关系数。通过模拟研究,评价各参数不同取值下似然估计值的准确性,分别了解了样本容量、删失比例、总体相关系数与干扰项等因素对相关系数估计值准确性的影响;并将MLE与替换法（通常将删失部分替换为LOD或LOD/2）和删除法（直接将删失部分删除）做对比,证明了其精准度的优越性。并将模型应用于澳大利亚土壤普查数据与青海湟水河流域重金属数据的相关性研究。最后,通过R语言中的shiny包构建web服务,为参数估计模型提供交互式图形界面,方便用户使用。结果表明:最大似然法可以准确地对对数正态分布的均值与标准差进行估计。均值与标准差的估计值随删失比例变化而常有着相反的变化趋势,当删失比例达到60%,均值与标准差估计值的准确性受到影响,但整体而言,有效估计的删失比例可达到80%。最大似然法对gamma分布的形状参数与逆尺度参数的估计偏差较小。删失比例达到70%时形状参数的估计值出现较大偏差,然而偏差基本保持在0.2以内,可以进行准确的参数估计。最大似然法对逆尺度参数的估计值较为稳定,可以在删失比例为80%以内进行准确的估计。样本容量、删失比例、总体相关系数和干扰项对左删失二维偏态分布数据参数估计准确性的影响较小。样本容量越大,研究中的MLE对左删失二维对数正态分布的相关系数的估计结果就越准确,当样本容量达到2000时,二维对数正态分布的相关系数估计值基本收敛。研究中的MLE的相关系数估计值随删失比例（0%到90%,间隔10%）与总体相关系数（-1到1间隔为0.1）变化,偏差程度较小,说明MLE具有渐进无偏性和一致性。干扰项的添加对研究中MLE的准确性有较小的影响,表明其有较强的鲁棒性。随着删失比例的提升,删除法和替换法的结果准确性变差,研究中的MLE方法精准性明显优于上述两种方法,即使删失比例达到80%仍可以进行有效估计（1000次重复研究估计值的RMSE＜0.1）。研究中的MLE对左删失二维gamma分布的相关系数估计值相比于左删失二维对数正态分布样更加稳定。当样本容量达到500时,二维gamma分布的相关系数估计值收敛于真实值。相关系数的估计值随删失比例（0%到90%,间隔为10%）与总体相关系数（0到0.9间隔为0.1）变化,未出现较大偏差,表明了估计结果的准确性与一致性。通过重复研究中MLE与替换法和删除法的对比结果可以看出,MLE的估计值方差相对于真实值的偏差较小,明显优于替换法和删除法,有较强的精确性和稳定性。基于shiny为模型图形化提供人机交互的界面,使模型的应用更具有自明性,数据的使用更加灵活,功能模块更具条理,输出的结果更加清晰,大大增加了模型的可用性,提升了统计工作的效率。研究中提出的最大似然法可以简捷有效地对土壤、水中左删失数据的参数及相关系数进行相对无偏的估计,但其对单维统计量的估计有较强的依赖性,仍有一定的优化空间。在此基础上构造的图形化界面为模型的使用提供了方便,为农业环境中左删失数据的参数问题提供了参考。