{"id":16509,"date":"2026-08-04T08:59:12","date_gmt":"2026-08-04T06:59:12","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/shiyang-li\/"},"modified":"2026-08-04T08:59:20","modified_gmt":"2026-08-04T06:59:20","slug":"shiyang-li","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/shiyang-li\/","title":{"rendered":"Shiyang Li"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":7,"featured_media":16510,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-16509","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"Multi-pollutant source-to-river modelling in the Three Gorges Reservoir Area, China","samenvatting":"Landbouw is essentieel voor de voedselzekerheid, maar oefent ook aanzienlijke druk uit op het milieu door het vrijkomen van antibiotica, pesticiden en nutri\u00ebnten in bodem- en watersystemen. Rioolwaterzuiveringsinstallaties (RWZI's) zijn eveneens onmisbaar voor sanitaire voorzieningen en vervuilingsbeheersing, maar blijven belangrijke bronnen omdat conventionele behandelingen nutri\u00ebnten, farmaceutica en andere biologisch actieve verontreinigende stoffen niet volledig verwijderen. In veel stroomgebieden komen landbouwrunoff en afvalwaterlozingen in dezelfde riviernetwerken terecht, wat leidt tot overlappende en seizoensgebonden verschuivende mengsels van verontreinigende stoffen in plaats van ge\u00efsoleerde problemen met \u00e9\u00e9n enkele stof. Toch worden deze groepen verontreinigende stoffen vaak afzonderlijk beoordeeld, wat ons vermogen beperkt om cumulatieve druk te begrijpen, risicohotspots te identificeren en geco\u00f6rdineerde mitigatiestrategie\u00ebn te ontwerpen. Om dit hiaat aan te pakken, heb ik in dit proefschrift de MARINA-modelfamilie uitgebreid om een bron-tot-rivier modelleringsraamwerk te cre\u00ebren voor antibiotica, pesticiden en nutri\u00ebnten, en hun outputs samengebracht in een consistent perspectief op sub-stroomgebiedsniveau.\n\nHet Drieklovenreservoirsgebied (TGRA) werd gekozen als studiegebied omdat het intensieve landbouw combineert met huishoudelijk afvalwater, complexe topografie en sterke hydrologische seizoensinvloeden, wat resulteert in uitgesproken ruimtelijke heterogeniteit en temporele variatie in het transport en de blootstelling aan verontreinigende stoffen. Voortbouwend op de MARINA-modelfamilie en door hydrologische informatie te integreren met monitoringgegevens, gaat dit proefschrift verder dan jaarlijkse vrachtschattingen naar concentratie- en risicogestuurde beoordelingen op sub-stroomgebieds- en maandschaal. Het algemene doel van dit proefschrift was om het MARINA Multi-pollutant model te verfijnen en toe te passen op de TGRA om de rivierinput en bijbehorende ecologische risico's van antibiotica, pesticiden en nutri\u00ebnten te kwantificeren, en om deze bevindingen te integreren in een multi-pollutant raamwerk voor het beoordelen van samengestelde druk vanuit zowel vracht- als concentratieperspectief.\n\nHet proefschrift begint met een wereldwijde beoordeling van patronen en drijfveren van antibioticumvervuiling in rivieren (Hoofdstuk 2) en ontwikkelt vervolgens drie modellen voor de TGRA: een maandelijks MARINA-Antibiotics-model voor het lot, de concentraties en het selectierisico voor antimicrobi\u00eble resistentie (AMR) van antibiotica (Hoofdstuk 3); een gewasspecifiek MARINA-Pesticides-model voor het lot en ecologische risico's van pesticiden van akkerland naar rivieren (Hoofdstuk 4); en een beoordeling van de bronherkomst en het transport van nutri\u00ebnten die MARINA-Nutrients, NUFER, RUSLE en monitoringgegevens combineert (Hoofdstuk 5). Het laatste hoofdstuk integreert deze bevindingen om multi-pollutant hotspots te identificeren, op vracht en risico gebaseerde prioriteiten te vergelijken en de implicaties voor ge\u00efntegreerd beheer te bespreken (Hoofdstuk 6).\n\nHoofdstuk 2 legde de mondiale context vast door middel van een op datamining en correlatie gebaseerde analyse van antibioticaconcentraties in dierlijke mest, RWZI's en rivieren. Een mondiale dataset van 21 antibiotica in 280 rivieren in 34 landen maakte het mogelijk om patronen in rivieren te vergelijken met kenmerken van veehouderij- en afvalwaterbronnen. Sulfamethoxazol en trimethoprim behoorden tot de meest prominente antibiotica in rivieren en vertoonden een sterke correlatie met RWZI-lozingspatronen en de doorgaans lage verwijderingseffici\u00ebntie van deze stoffen tijdens de behandeling, terwijl dierlijke mest duidelijke tetracycline-gerelateerde kenmerken vertoonde. Samen vormden deze resultaten de empirische basis voor de bronstructuur en de groepering van antibiotica die later werden gebruikt in de TGRA-modellering en modelevaluatie.\n\nHoofdstuk 3 vertaalde het antibioticaprobleem naar een regionale, procesgebaseerde beoordeling door MARINA-Antibiotics uit te breiden naar maandelijks en sub-stroomgebiedsniveau voor de TGRA. Het model kwantificeerde de bronnen, het lot en de concentraties van 30 antibiotica en beoordeelde de bijbehorende AMR-selectierisico's in 2020. De totale emissies van antibiotica door menselijke en dierlijke uitscheiding bedroegen ongeveer 60 ton, waarvan ongeveer 13 ton in de rivieren terechtkwam. De input werd gedomineerd door puntbronnen, waarbij veterinaire bronnen verantwoordelijk waren voor de meeste lozingen, wat het belang van veehouderij-gerelateerde directe lozingen in het gebied onderstreept. Concentraties in het droge seizoen waren doorgaans meerdere malen hoger dan in het natte seizoen omdat de verdunning beperkt was. AMR-selectierisico's waren geconcentreerd in zijrivieren met veel vee, waar meerdere antibiotica tegelijkertijd een hoog risiconiveau konden bereiken.\n\nHoofdstuk 4 richtte zich op pesticidenvervuiling en introduceerde een gewasspecifiek, maandelijks MARINA-Pesticides-model om het lot en de ecologische risico's van pesticiden van akkerland naar rivieren in de TGRA te kwantificeren. Het model werd toegepast op 30 pesticiden en drie transformatieproducten voor 12 gewassen en 45 sub-stroomgebieden, waarbij de timing van gewasspecifieke toepassing werd gekoppeld aan bodemresiduen, rivierexport en rivierconcentraties. In 2020 werd ongeveer 903 ton pesticiden toegepast op akkerland in de TGRA. Het merendeel werd afgebroken, een deel bleef achter in de bodem en slechts een fractie (7,6 ton) werd getransporteerd naar aquatische systemen. De export naar rivieren werd gedomineerd door oppervlakkige afstroming, waarbij bodemerosie een kleiner aandeel leverde. Gewastype en seizoen bepaalden deze patronen in sterke mate. Rijst, groenten en ma\u00efs waren samen verantwoordelijk voor de meeste export van pesticiden naar rivieren en de concentraties piekten in het late voorjaar en de zomer, wanneer de timing van de toepassing samenviel met perioden van hoge afstroming en erosie. De ecologische risico's waren het hoogst in de zomer, waarbij chloorpyrifos, imidacloprid en fenpropathrine werden ge\u00efdentificeerd als de belangrijkste prioritaire pesticiden.\n\nHoofdstuk 5 behandelde nutri\u00ebntenvervuiling in de TGRA door een verbeterd MARINA-NUFER-model te combineren met RUSLE voor nutri\u00ebntenvormen in deeltjesvorm en in-situ monitoringgegevens. De analyse omvatte opgeloste en deeltjesvormige vormen van stikstof en fosfor in 45 sub-stroomgebieden en maakte onderscheid tussen lokale TGRA-inputs en externe instroom van de rivieren de Jinsha, Jialing en Wu. In 2020 droegen landbronnen binnen de TGRA 121 Gg stikstof en 17 Gg fosfor bij aan de rivieren. Landbouwactiviteiten waren de dominante factoren bij de vervuiling door opgeloste nutri\u00ebnten, hoewel de belangrijkste bronnen verschilden per nutri\u00ebntenvorm. Kunstmest domineerde de input van opgeloste anorganische stikstof, terwijl dierlijk afvalwater de input van opgeloste fosfor domineerde. Het opnemen van externe instroom verhoogde de totale nutri\u00ebntenbelasting van het TGRA-riviersysteem aanzienlijk, met de Jinsha-rivier als grootste bron. Tijdens het transport naar de Drieklovendam hield het systeem een veel groter deel van de fosfor vast dan van de stikstof. Monitoringgegevens wezen op over het algemeen fosfor-gelimiteerde omstandigheden, met seizoensgebonden verschuivingen in de stikstof-fosforverhoudingen.\n\nEen belangrijk sterk punt van dit proefschrift is dat antibiotica, pesticiden en nutri\u00ebnten werden beoordeeld binnen hetzelfde ruimtelijke raamwerk van 45 sub-stroomgebieden en met een geharmoniseerde proceslogica. Dit maakt een directe vergelijking tussen groepen verontreinigende stoffen mogelijk en verschuift de analyse van parallelle kaarten met hotspots voor \u00e9\u00e9n enkele stof naar prioriteitsstelling voor meerdere stoffen tegelijk. Een duidelijke bevinding was dat hotspots van vrachten vaak niet samenvielen met op concentratie gebaseerde risicohotspots. Sub-stroomgebieden met een hoge vrachtintensiteit konden lagere risico's in de rivier vertonen wanneer de verdunnings- of attenuatiecapaciteit hoog was, terwijl bovenstroomse systemen met een lagere belasting kritieke concentratiepieken konden ervaren bij een beperkte afvoer. Dit onderscheid is van belang voor het beheer, omdat het prioriteren van bronnen op basis van alleen de vracht kan leiden tot een verkeerde identificatie van de plaatsen waar de ecologische risico's het grootst zijn.\n\nDe synthese over verschillende verontreinigende stoffen onthulde ook duidelijke seizoensgebonden verschuivingen in de dominante risicofactoren. Vanwege de temporele resolutie van de gemodelleerde gegevens werd het nutri\u00ebntenrisico weergegeven als een aanhoudende achtergronddruk, terwijl pesticiden en antibiotica de meeste maandelijkse fluctuaties in het samengestelde risico veroorzaakten. De risico's van pesticiden namen toe tijdens de belangrijkste toepassings- en mobilisatieperiode van het voorjaar tot de vroege zomer, en namen daarna af naarmate de input daalde en de verdunning toenam. Antibioticum-gerelateerde risico's werden prominenter in de winter, wanneer relatief constante emissies samenvielen met een lagere verdunningscapaciteit van de rivier. In plaats van \u00e9\u00e9n enkele jaarlijkse vervuilingspiek ervaart de TGRA gedurende het jaar een opeenvolging van dominante stressoren, wat wijst op de noodzaak van een seizoensgebonden adaptief, risicogestuurd beheer.\n\nMethodologisch presenteerde ik een mondiaal-naar-regionaal workflow voor de beoordeling van rivieren met meerdere verontreinigende stoffen. De mondiale analyse van antibiotica in Hoofdstuk 2 vormde de basis voor de selectie van de dominante sectoren en de bron-tot-rivier logica die in Hoofdstuk 3 werd gebruikt. In bredere zin breidt dit werk de MARINA-modelfamilie uit naar een geharmoniseerde suite voor rivier-reservoirsystemen door compatibele modules voor antibiotica, pesticiden en nutri\u00ebnten te ontwikkelen en door de boekhouding van verontreinigende stoffen te koppelen aan hydrologische informatie en op monitoring gebaseerde evaluatie. Dit verbetert de vergelijkbaarheid tussen groepen verontreinigende stoffen en biedt een robuuste basis voor toekomstig werk aan interacties tussen stoffen, cumulatieve ecologische effecten en op scenario's gebaseerd waterkwaliteitsbeheer.\n\nAlles bij elkaar laten de resultaten zien dat een ge\u00efntegreerde beoordeling van meerdere verontreinigende stoffen relevantere informatie voor besluitvorming oplevert dan gefragmenteerde benaderingen in complexe stroomgebied-reservoirsystemen zoals de TGRA. Door de koppeling van bronherkomst, transport- en lotprocessen, concentratieschatting en risicogestuurde hotspotanalyse, ondersteunt het hier ontwikkelde raamwerk doelgerichtere interventies in de landbouw en het afvalwaterbeheer, en biedt het een overdraagbare methodologische basis voor andere regio's die te maken hebben met soortgelijke uitdagingen van gelijktijdig voorkomende verontreinigende stoffen, seizoensgebonden hydrologische variabiliteit en concurrerende beheerprioriteiten.","summary":"Agriculture is essential for food security, but it also places substantial pressure on the environment through the release of antibiotics, pesticides, and nutrients to soils and water systems. Wastewater treatment plants (WWTPs) are equally indispensable for sanitation and pollution control, yet they remain important sources because conventional treatment does not fully remove nutrients, pharmaceuticals, and other biologically active pollutants. In many watersheds, agricultural runoff and wastewater discharges enter the same river networks, producing overlapping and seasonally shifting pollutant mixtures rather than isolated single-pollutant problems. Still, these pollutant groups are often assessed separately, which limits our ability to understand cumulative pressures, identify risk hotspots, and design coordinated mitigation strategies. To address this gap, in this thesis I extended the MARINA modelling family to create a source-to-river modelling framework for antibiotics, pesticides, and nutrients, and brought their outputs together into a consistent cross-pollutant perspective at the sub-basin scale.\n\nThe Three Gorges Reservoir Area (TGRA) was selected as the study area because it combines intensive agriculture, domestic wastewater inputs, complex topography, and strong hydrological seasonality, resulting in pronounced spatial heterogeneity and temporal variation in pollutant transport and exposure. Building on the MARINA family of models and integrating hydrological information with monitoring data, this thesis moves beyond annual load estimates toward concentration- and risk-oriented assessment at sub-basin and monthly scales. The overall aim of this thesis was to refined the MARINA Multi-pollutant model and apply it to the TGRA to quantify the riverine inputs and associated ecological risks of antibiotics, pesticides, and nutrients, and to integrate these findings into a multi-pollutant framework for assessing compound pressures from both load and concentration perspectives.\n\nThe thesis begins with a global assessment of riverine antibiotic pollution patterns and drivers (Chapter 2), and then develops three models for the TGRA: a monthly MARINA-Antibiotics model for antibiotic fate, concentrations, and antimicrobial resistance (AMR) selection risk (Chapter 3); a crop-specific MARINA-Pesticides model for pesticide fate and ecological risk from cropland to rivers (Chapter 4); and a nutrient source attribution and transport assessment that combines MARINA-Nutrients, NUFER, RUSLE, and monitoring data (Chapter 5). The final chapter integrates these findings to identify multi-pollutant hotspots, compare load-based and risk-based priorities, and discuss implications for integrated management (Chapter 6).\n\nChapter 2 established the global context through a data mining and correlation-based analysis of antibiotics concentrations in livestock manure, WWTPs, and rivers. A global dataset covering 21 antibiotics in 280 rivers across 34 countries enabled comparison of river antibiotic patterns with signatures from livestock and wastewater sources. Sulfamethoxazole and trimethoprim were among the most prominent antibiotics in rivers and closely correlated to WWTP discharge patterns and the typically low removal efficiencies of these compounds during treatment, while livestock manure exhibited distinct tetracycline-related signatures. Together, these results provided the empirical basis for the source structure and for grouping antibiotics by class later used in the TGRA antibiotic modelling and model evaluation.\n\nChapter 3 translated the antibiotics problem into a regional, process-based assessment by extending MARINA-Antibiotics to monthly and sub-basin resolution for the TGRA. The model quantified sources, fate, and concentrations of 30 antibiotics and assessed associated AMR selection risks in 2020. Total antibiotics emissions from human and animal excretion were about 60 tonnes, of which about 13 tonnes entered rivers. Inputs were dominated by point sources, while veterinary sources accounted for most river discharges, underscoring the importance of livestock-related direct discharges in the area. Dry-season concentrations were typically several times higher than wet-season concentrations because dilution was limited. AMR selection risks were concentrated in livestock-dense tributaries, where several antibiotics could simultaneously reach high-risk levels.\n\nChapter 4 focused on pesticide pollution and introduced a crop-specific, monthly MARINA-Pesticides model to quantify pesticide fate and ecological risks from cropland to rivers in the TGRA. The model was applied to 30 pesticides and three transformation products across 12 crops and 45 sub-basins, linking crop-specific application timing to soil residues, river export, and riverine concentrations. In 2020, about 903 tonnes of pesticides were applied to croplands in the TGRA. Most were degraded, some remained in soil, and only a small fraction (7.6 tonnes) was transported to aquatic systems. River exports were dominated by surface runoff, with soil erosion contributing a smaller share. Crop type and season strongly shaped these patterns. Rice, vegetables, and corn together accounted for most riverine pesticide exports and river concentrations peaked in late spring and summer, when application timing coincided with periods of high runoff and erosion. Ecological risks were highest in summer, with chlorpyrifos, imidacloprid, and fenpropathrin identified as the main priority pesticides.\n\nChapter 5 addressed nutrient pollution in the TGRA by combining an improved MARINA-NUFER model with RUSLE for particulate nutrient forms and in-situ monitoring data to quantify nutrient sources, routing, retention, and downstream delivery. The analysis covered dissolved and particulate forms of nitrogen and phosphorus across 45 sub-basins and distinguished local TGRA inputs from external inflows from the Jinsha, Jialing, and Wu rivers. In 2020, land-based sources within the TGRA contributed 121 Gg of TN and 17 Gg of TP to rivers. Agricultural activities were the dominant contributors to dissolved nutrient pollution, although the main sources differed by nutrient form. Fertilizer dominated dissolved inorganic nitrogen inputs, whereas livestock wastewater dominated dissolved phosphorus inputs. Including external inflows substantially increased the total nutrient load entering the TGRA river system, with the Jinsha River as the largest source. During transport to the Three Gorges Dam, the system retained a much larger share of phosphorus than nitrogen. Monitoring data indicated generally phosphorus-limited conditions, with seasonal shifts in TN:TP ratios.\n\nA key strength of this thesis is that antibiotics, pesticides, and nutrients were assessed within the same spatial framework of 45 sub-basins and with a harmonized process logic. This allows direct comparison across pollutant groups and moves the analysis beyond parallel single-pollutant hotspot maps toward multi-pollutant prioritization. One clear finding was that load hotspots often did not coincide with concentration-based risk hotspots. Sub-basins with high load intensity could show lower in-stream risks where dilution or attenuation capacity was high, whereas lower-load headwater systems could experience critical concentration spikes under limited discharge. This distinction matters for management, because prioritizing sources by load alone can misidentify where ecological risks are greatest.\n\nThe cross-pollutant synthesis also revealed clear seasonal shifts in dominant risk drivers. Due to the temporal resolution of the modelled data, nutrient-related risk was represented as persistent background pressure, while pesticides and antibiotics drove most monthly fluctuations in composite risk. Pesticide-related risks expanded during the main application and mobilization period from spring to early summer, then declined as inputs and dilution increased. Antibiotic-related risks became more prominent in winter, when relatively steady emissions coincided with lower river dilution capacity. Rather than a single annual pollution peak, the TGRA experiences a sequence of dominant stressors over the year, pointing to the need for seasonally adaptive, risk-responsive management.\n\nMethodologically, I presented a global-to-regional workflow for multi-pollutant river assessment. The global antibiotics analysis in Chapter 2 informed the selection of dominant sectors and the source-to-river logic used in the TGRA antibiotic model in Chapter 3. More broadly, the work extends the MARINA model family towards a harmonized multi-pollutant suite for river\u2013reservoir systems by developing compatible modules for antibiotics, pesticides, and nutrients, and by coupling pollutant accounting with hydrological information and monitoring-based evaluation. This improves comparability across pollutant groups and provides a robust basis for future work on pollutant interactions, cumulative ecological effects, and scenario-based water quality management.\n\nTaken together, the results show that integrated multi-pollutant assessment provides more decision-relevant information than fragmented pollutant-by-pollutant approaches in complex watershed-reservoir systems such as the TGRA. By linking source attribution, transport and fate processes, concentration estimation, and risk-oriented hotspot analysis, the framework developed here supports more targeted interventions in agriculture and wastewater management, and offers a transferable methodological basis for other regions facing similar challenges of co-occurring pollutants, seasonal hydrological variability, and competing management priorities.","auteur":"Shiyang Li","auteur_slug":"shiyang-li","publicatiedatum":"24 augustus 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/shiyangli?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/193639e4-0066-4557-b5bb-f3d04cd817e1\/optimized","url_epub":"","ordernummer":"19184","isbn":"","doi_nummer":"","naam_universiteit":"Wageningen University","afbeeldingen":16511,"naam_student:":"","binnenwerk":"","universiteit":"Wageningen University","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16509","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=16509"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16509\/revisions"}],"predecessor-version":[{"id":16512,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/16509\/revisions\/16512"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/16510"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=16509"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=16509"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}