Nogueira, MiguelTsui, Cindy2025-11-132025-11-132025-06-252025-06-02http://hdl.handle.net/10400.14/55645Cocoa is a key commodity for both producing and consuming countries, with over 70% of the world’s supply coming from West and Central Africa. Like any other agricultural crop, cocoa yields are highly sensitive to climate change, which can cause vulnerabilities in production. This study analyzes the impact of climate change on cocoa productivity in Ivory Coast, Ghana, Cameroon, and Nigeria, for Barry Callebaut9s cocoa supply chain. By using historical yield data with high-resolution ERA5 climate reanalysis, multiple machine learning models were tested and evaluated for their predictive performance. The best performing model, a Semiparametric Neural Network, was used to forecast cocoa yield up to 2035 using CMIP6 climate projections under three future climate scenarios (SSP1-2.6, SSP2-4.5, and SSP5-8.5). The results showed significant differences in yield trends across regions and how sensitive they are to emissions scenarios. While Cameroon and Nigeria presented stable and increasing yields, Ivory Coast and Ghana faced more interannual variability, especially under the high-emission scenario. Scenario-based simulations of changes in cultivation area showed that production is highly sensitive to land availability, emphasizing the strategic importance of land management. The findings highlight the importance of Barry Callebaut integrating climate projections into supply chain planning. Targeted investments and diversification of their sourcing strategy are recommended to mitigate future climate risks and ensure supply resilience.O cacau é uma commodity essencial para países produtores e consumidores, sendo mais de 70% da oferta global proveniente da África Ocidental e Central. Entretanto, as mudanças climáticas representam uma ameaça significativa à sua produtividade e à estabilidade de sua produção. Este estudo analisa os impactos das mudanças climáticas sobre a produtividade do cacau na Costa do Marfim, Gana, Camarões e Nigéria, com foco na cadeia de suprimentos da Barry Callebaut. Para isso, foram utilizados dados históricos de colheita combinados com dados climáticos provenientes da ERA5. Diferentes modelos preditivos foram testados e avaliados. O modelo com melhor desempenho, uma Rede Neural Semiparamétrica, foi aplicado para projetar a colheita do cacau até 2035, utilizando projeções climáticas do CMIP6, considerando três cenários futuros (SSP1-2.6, SSP2-4.5 e SSP5-8.5). Os resultados indicam diferenças regionais relevantes nas tendências de colheita e na sensibilidade aos cenários de emissão. Enquanto Camarões e Nigéria demonstram tendências estáveis ou em crescimento, a Costa do Marfim e Gana apresentam maior volatilidade, especialmente sob cenários de altas emissões. Simulações baseadas em diferentes cenários de área cultivada mostram que a produção é altamente sensível à extensão da área colhida, evidenciando a importância estratégica da gestão fundiária. As conclusões do estudo reforçam a importância da Barry Callebaut integrar projeções climáticas em seu planejamento estratégico da cadeia de suprimentos. Recomenda-se a diversificação das origens de fornecimento e investimentos direcionados a práticas agrícolas sustentáveis como estratégias para mitigar futuros riscos climáticos e garantir a resiliência da oferta de cacau.engÁfrica Ocidental e CentralCadeia de suprimentos de cacauChocolate industryClimate changeClimate riskCocoa supply chainIndústria do chocolateMachine learningModelos preditivosMudanças climáticasPrevisões de colheitaRisco climáticoWest and Central AfricaYield forecastmaster thesis203972325