一、引言

全球气候变暖是当前国际社会所关注的热点问题，而CO₂排放是影响全球变暖的主要因素。为了适应和减少气候变化效应，全球都在积极制定碳减排政策，旨在降低碳排放水平。北极地区具有特殊的地理位置和极寒的气候条件，生态环境脆弱，对温室气体的反应更为敏感。与此同时，北极地区能源资源丰富，战略地位日益突出，环北极国家正加速勘探和开发北极的油气资源，美国、俄罗斯、挪威和加拿大现已开发了众多北极油气田，对北极大气与海洋造成了一定程度的污染，而即将到来的北极航道通航和北极资源大规模开发会使现有问题进一步加剧，北极地区环境问题已成为目前北极资源开发利用必须考虑的问题。在敏感的北极地区，开发利用油气资源与北极的气候和生态环境存在密切联系。国内外各界已经开始思考北极经济发展与生态保护两者之间的关系，日益恶劣的生态环境要求北极国家、域外国家与国际组织共同关心应对北极资源开发中所出现的问题。^[1]近期，为应对气候变化，瑞典银行、美国投资银行摩根大通银行纷纷宣布将停止对北极新油气开发提供资金。^[2][3]对于北极国家，一方面，其经济发展与北极能源资源开发利用关系最为密切；另一方面，各国在对北极地区进行油气开采、加工、运输的各个环节及油气资源消费利用的过程中，都可能有大量的废气和废液排出，对北极环境的影响最为直接。研究北极国家CO₂排放与经济发展、能源消费之间是否存在一定的相关关系，对于从北极最核心区域减少碳排放和减缓气候变暖具有重要意义。当前国内外学者对于能源消费、经济增长与碳排放三者之间关系的研究较为丰富，研究方法涉及向量误差修正模型、Granger因果检验、预测方差分解、自回归分布滞后方法、系统广义矩阵法等，研究范围涉及对印度、土耳其、美国、中国等单个国家分析及对OECD国家、东盟5国、中美6国、欧盟18国等多个国家的比较分析，^{[4][5][6][7][8][9][10][11][12][13][14][15][16]}研究结论也因研究方法、数据选择、研究范围、研究时期等的不同而产生差异。其中自回归分布滞后模型(ARDL)是近年来较新的协整检验方法，被国内外众多学者用来研究能源消费、经济增长和碳排放之间的关系，^[17][18][19]总体来看，当前对于能源消费、经济增长与碳排放的研究方法较为成熟，研究范围广泛，但是聚焦在北极或环北极范围的研究较少。

在此背景下，本文以北极地区为研究对象，选取俄罗斯、加拿大、挪威、丹麦和美国阿拉斯加为样本，基于1985—2018年的面板数据，运用ARDL-ECM模型，探讨其经济增长与碳排放和能源消费与碳排放的关系，以期为北极地区减少碳排放、减缓气候变暖提供借鉴。

二、模型与数据 (一) ARDL模型

自回归分布滞后方法(ARDL)最早由Charemza和Deadman提出，^[20]后由Pesaran、Shin和Smith等完善和推广，^[21]是一种较新的协整检验方法。相比于EG、Johansen检验等传统方法，ARDL模型能确保小样本情况下协整检验的稳健性；对I(1)和I(0)混合的序列均适用；通过线性变换导出的动态的误差修正模型，可反映出短期波动中偏离长期均衡关系的程度；当解释变量是内生变量时，ARDL模型的估计不受影响。

基于ARDL模型的优势，本文以碳排放为因变量，运用该方法分别对经济增长与碳排放、能源消费与碳排放的关系进行分析，建模步骤如下：第一步，单位根检验确定变量单整阶数，主要方法有ADF检验、NP检验和KPSS检验；第二步，根据ARDL模型构建方程(1)和方程(2)进行边界协整检验。

$ \Delta \ln {\rm{C}}{{\rm{O}}_{2t}} = {\alpha _0} + \sum\nolimits_{i = 1}^{p1} {{\alpha _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{q1} {{\alpha _{2i}}} \Delta \ln E{C_{i - 1}} \\ + {\alpha _3}\ln {\rm{C}}{{\rm{O}}_{2t - 1}} + {\alpha _4}\ln E{C_{t - 1}} + {\mu _{1t}} $

(1)

$ \begin{array}{l} \Delta \ln {\rm{C}}{{\rm{O}}_{2t}} = {\beta _0} + \sum\nolimits_{i = 1}^{p2} {{\beta _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{q2} {{\beta _{2i}}} \Delta \ln GD{P_{i - 1}}\\ + {\beta _3}\ln {\rm{C}}{{\rm{O}}_{2t - 1}} + {\beta _4}\ln GD{P_{t - 1}} + {\mu _{2t}} \end{array} $

(2)

$ \begin{array}{l} \Delta \ln GD{P_t} = {\gamma _0} + \sum\nolimits_{i = 1}^{p3} {{\gamma _{1i}}} \Delta \ln GD{P_{t - i}} + \sum\nolimits_{i = 1}^{q3} {{\gamma _{2i}}} \Delta \ln E{C_{i - 1}}\\ + {\gamma _3}\ln GD{P_{t - 1}} + {\gamma _4}\ln E{C_{t - 1}} + {\mu _{3t}} \end{array} $

(3)

式中，μ_1t、μ_2t、μ_3t为白噪声，Δ表示一次差分，p为因变量的滞后阶数，q为自变量的滞后阶数，没有滞后阶时取为0，无滞后阶的解释变量称为静态解释变量，有滞后阶的解释变量称为动态解释变量。最优滞后阶数可以通过标准信息准则(AIC或SIC)确定。对于年度序列数据，Pesaran和Shin建议最大滞后阶数为2。

检验的原假设是两变量之间不存在稳定的长期关系，原假设H₀:α₃=α₄=β₃=β₄=γ₃=γ₄=0，备择假设H₁:α₃≠α₄≠β₃≠β₄≠γ₃≠γ₄≠0。该假设用联合显著的F统计量判断，若F统计量小于下临界值，则接受原假设，认为变量间不存在长期协整关系；若大于上临界值，则拒绝原假设，变量间存在长期协整关系；当介于上下临界值之间时，则需要根据序列的单整阶数进行判断。

确定变量间存在协整关系后，得到长期均衡关系式[如方程(4)—方程(6)所示]可进行第三步，建立误差修正模型[如方程(7)—方程(9)所示]进一步分析。

$ \ln {\rm{C}}{{\rm{O}}_{2t}} = {\alpha _0} + \sum\nolimits_{i = 1}^{p1} {{\alpha _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{q1} {{\alpha _{2i}}} \Delta \ln E{C_{i - 1}} + {\mu _{1t}} $

(4)

$ \ln {\rm{C}}{{\rm{O}}_{2t}} = {\beta _0} + \sum\nolimits_{i = 1}^{{p_2}} {{\beta _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{q2} {{\beta _{2i}}} \Delta \ln GD{P_{i - 1}} + {\mu _{2t}} $

(5)

$ \ln GDP = {\gamma _0} + \sum\nolimits_{i = 1}^{{p_3}} {{\gamma _{1i}}} \Delta \ln GD{P_{t - i}} + \sum\nolimits_{i = 1}^{{q_3}} {{\gamma _{2i}}} \Delta \ln E{C_{i - 1}} + {\mu _{3t}} $

(6)

$ \Delta \ln {\rm{C}}{{\rm{O}}_{2t}} = {\alpha _0} + \sum\nolimits_{i = 1}^{p1} {{\alpha _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{q1} {{\alpha _{2i}}} \Delta \ln E{C_{i - 1}} - {\delta _1}EC{M_{t - 1}} + {\mu _{1t}} $

(7)

$ \Delta \ln {\rm{C}}{{\rm{O}}_{2t}} = {\beta _0} + \sum\nolimits_{i = 1}^{p2} {{\beta _{1i}}} \Delta \ln {\rm{C}}{{\rm{O}}_{2t - i}} + \sum\nolimits_{i = 1}^{{q_2}} {{\beta _{2i}}} \Delta \ln GD{P_{i - 1}} - {\delta _2}EC{M_{t - 1}} + {\mu _{2t}} $

(8)

$ \Delta \ln GDP = {\gamma _0} + \sum\nolimits_{i = 1}^{p3} {{\gamma _{1i}}} \Delta \ln GD{P_{t - i}} + \sum\nolimits_{i = 1}^{q3} {{\gamma _{2i}}} \Delta \ln E{C_{i - 1}} - {\delta _3}EC{M_{t - 1}} + {\mu _{3t}} $

(9)

其中，α、β、γ表示相应变量的长期弹性系数，ECM_t-1是滞后误差修正因子，当t-1时刻lnCO_2t大于长期均衡时，ECM_t-1为正，-δ₁ECM_t-1为负，使ΔlnCO_2t减少，向lnCO_2t均衡趋近。δ₁代表自我修正速度，一般情况下有0＜δ₁＜1。

(二) 数据来源

数据涉及能源消费量、经济产出和CO₂排放量三个指标，以各国家或区域的油气消费使用总量反映能源消费状况，其中能源消费总量是指石油与天然气消费总量，单位为吨油当量，记作EC；以国内生产总值代表经济产出量，单位为亿元，记作GDP；二氧化碳排放量数据为总量数据，单位为千吨，记作CO₂。为消除异方差的影响，对油气消费使用总量、GDP和CO₂数据进行了对数化处理，分别记作lnEC、lnGDP和lnCO₂。其中，GDP与CO₂排放量数据来源于世界银行数据库，油气消费量数据来源于BP数据库。需要说明的是，鉴于美国只有一个阿拉斯加州在北极地区的特殊性，美国的数据只选取阿拉斯加州数据，其GDP和CO₂排放量数据均来源于世界银行数据库，能源消费量数据来源于美国能源署(EIA)。加拿大、丹麦、挪威和美国阿拉斯加的数据选择1985—2018年为样本期，共34个样本数据；俄罗斯选择1992—2018年为样本期，共27个样本数据。

三、实证结果分析 (一) 数据平稳性检验

在协整检验之前，需要首先对变量进行平稳性检验，鉴于研究数据的时间序列范围相对较小，选取适合小样本的NP检验，并辅助以ADF检验进行补充，检验结果见表 1。从表 1可以看出，在10%以内的显著性水平下，北极地区能源消费量、GDP和CO₂排放量的对数序列均为平稳序列或在一阶差分之后平稳，单整阶数均不大于1，满足进行ARDL边界协整检验的条件。

(二) 协整检验

北极地区CO₂排放量与GDP对数序列的时序特征结果如图 1中a列所示，根据序列趋势初步判断俄罗斯和加拿大CO₂排放量与经济增长之间可能存在协整关系。首先基于方程(1)，检验变量之间的协整关系，采用赤池信息量准则(AIC)或施瓦茨贝叶斯准则(SBC)确定最佳滞后期，计算滞后水平变量联合显著性检验的F统计量，判定变量间是否存在长期协整关系。结果显示，除丹麦外，俄罗斯、加拿大、挪威和阿拉斯加四个国家和地区的变量间均存在协整关系。能源消费与CO₂排放量对数序列的时序特征如图 1中b列所示，初步判断加拿大和阿拉斯加能源消费与CO₂排放之间可能存在协整关系。基于方程(2)检验变量之间的协整关系，结果显示，挪威和丹麦的变量间不存在协整关系，俄罗斯、加拿大和阿拉斯加的变量间存在协整关系。GDP与能源消费对数序列的时序特征如图 1中c列所示，初步判断俄罗斯、加拿大和挪威的GDP与能源消费之间可能存在协整关系。基于方程(3)检验变量之间的协整关系，结果显示，五个国家和地区的变量间均存在协整关系。

(三) 长短期影响系数估计及解释

1、CO₂排放量与GDP的ARDL-ECM分析

对俄罗斯、加拿大、挪威和阿拉斯加四个存在协整关系的国家和地区的数据序列建立ARDL模型，根据实际情况确定最大滞后阶。采用AIC准则确定最优滞后阶数，得到俄罗斯、加拿大、挪威和阿拉斯加的最优ARDL模型分别为ARDL(3，2)、ARDL(3，3)、ARDL(1，0)和ARDL(1，4)。估计各地区的GDP和CO₂排放量长期均衡关系，结果如表 2所示，俄罗斯、加拿大和挪威的lnGDP系数显著且为正，表明从长期来看，这三国经济增长会带来CO₂排放量的增加，GDP每增加1%，CO₂排放量分别增加0.111%、0.460%和0.558%；阿拉斯加的lnGDP系数显著且为负，表明从长期来看，经济的增长会导致CO₂排放量下降，GDP每增加1%，CO₂排放量会减少0.757%。

基于长期协整关系估计，建立误差修正模型，分析碳排放与经济增长之间的短期动态关系，结果如表 3所示。俄罗斯和阿拉斯加的误差修正项的系数都显著为负，说明ARDL-ECM模型拟合效果良好。俄罗斯的误差修正系数为-0.767，反映了当短期波动偏离长期均衡时，将以76.7%的调整力度拉回至均衡状态。加拿大误差修正项的系数为0.025，属于正向修正机制，反映了当短期波动偏离长期均衡时，上期的实际产出值低于长期均衡值，因而在下期需要以正修正项2.5%将实际值调整到均衡值。挪威经过多次调整和修正，未能建立误差修正模型，可能与其经济增长和二氧化碳排放间短期动态关系不明显有关，只存在长期均衡关系。阿拉斯加误差修正项的系数为-0.437，在1%的显著性水平下拒绝其不显著的原假设，系数符号为负，反映了当短期波动偏离长期均衡时，将以43.7%的调整力度拉回至均衡状态；除了当期的lnGDP差分项，各变量的系数均显著，D(lnGDP(-1))的系数在1%的显著性水平下为正，说明滞后一期的经济增长会增加CO₂的排放量。

2、CO₂排放量与能源消费量的ARDL-ECM分析

对存在协整关系的俄罗斯、加拿大和阿拉斯加数据序列建立ARDL模型，得到最优ARDL模型分别为：ARDL(3，0)、ARDL(2，3)和ARDL(1，0)。估计各国的能源消费和CO₂排放量长期均衡关系和短期动态关系如表 4所示。俄罗斯lnEC的系数显著为正，表明从长期来看，能源消费会带来CO₂排放量的增加，1%的能源消费增长会带来1.396%的CO₂排放量的增加；误差修正项系数为负，表明短期波动偏离长期均衡时，将会以71.9%的速度回至均衡状态。加拿大lnEC系数显著且为正，表明从长期来看，能源消费会带来CO₂排放量的增加，1%的能源消费增长会带来1.135%的CO₂排放量增加；误差修正项的系数为-0.518，在1%的显著性水平下拒绝其不显著的原假设，表明从短期来看，当短期波动偏离长期均衡时，将以51.8%的调整力度把非均衡状态拉回均衡状态。阿拉斯加lnEC系数显著且为负，表明从长期来看，能源消费会带来CO₂排放量的减少，1%的能源消费会带来0.581%的CO₂排放量的减少；ECM项系数显著为负，并且不小于-1，符合反向修正机制的要求，说明短期冲击导致的偏离将以26.0%的速度恢复到长期均衡水平。

3、GDP与能源消费量的ARDL-ECM分析

根据协整检验结果，对五个国家和地区的数据序列建立ARDL模型，根据实际情况确定最大滞后阶。采用AIC准则确定最优滞后阶数，得到俄罗斯、加拿大、挪威、丹麦和阿拉斯加的最优ARDL模型分别为：ARDL(2，1)、ARDL(2，1)、ARDL(2，1)、ARDL(1，0)和ARDL(1，2)。俄罗斯、加拿大、挪威、丹麦和阿拉斯加的lnEC系数显著且为正(如表 5所示)，表明从长期来看，五个国家和地区油气消费量的增加对经济的增长有促进作用，油气消费每增加1%，GDP分别增加约1.393%、1.475%、4.745%、1.636%和0.990%。其中，俄罗斯的协整关系相较其他四个国家和地区显著性较弱。

关于经济增长与能源消费之间的短期动态关系，经建模和检验，挪威的误差修正模型不显著，只有四个国家和地区的误差修正模型显著，且系数均显著为负。俄罗斯的误差修正项系数为-0.079，反映了当短期波动偏离长期均衡时，将以7.90%的调整力度拉回至均衡状态，D(lnEC)的系数在1%的显著性水平下为正，进一步说明油气消费量的增加会促进经济增长。加拿大的误差修正项的系数为-0.039，说明短期的冲击导致的偏离将以较慢的速度恢复到长期均衡水平，D(lnEC)的系数分别在1%和10%的显著性水平下为正，进一步说明了油气消费使用量增加会促进经济增长。丹麦的误差修正项系数显著为负且不小于-1，短期冲击导致的偏离将以7.10%的速度恢复到长期均衡水平。阿拉斯加的误差修正项系数显著为负，其绝对值为0.253，说明短期冲击导致的偏离将以25.3%的较快速度恢复到长期均衡水平。

四、讨论

基于上述分析结果，北极地区经济增长、能源消费与CO₂排放的长期均衡和短期动态关系如表 6所示，结合各个国家与地区的实际情况进行具体原因分析如下：

对北极国家和地区的碳排放与经济增长、能源消费关系进行分析，以lnCO₂为因变量，以lnGDP为自变量时，除丹麦和阿拉斯加外，其他三国的经济增长对CO₂排放均起到促进作用，其中挪威的弹性系数最大；以lnCO₂为因变量，以lnEC为自变量时，总体协整关系较弱，仅阿拉斯加的能源排放对CO₂排放有抑制作用，加拿大和俄罗斯均表现为正向影响。对五个国家和地区的经济增长和能源消费关系进行分析，发现以lnGDP为因变量时，lnGDP与能源消费对数lnEC均存在协整关系，由lnEC的系数可见，加拿大、挪威和丹麦经济增长对能源消费的依赖性较强，根据系数得到能源消费对经济增长的贡献作用排名，依次是挪威、丹麦、加拿大、俄罗斯和阿拉斯加。

俄罗斯的碳排放与经济增长和能源消费、经济增长与能源消费成正相关关系，这要从俄罗斯经济与产业谈起。苏联解体后，俄罗斯继承了苏联遗留的畸形产业结构，但产业内部结构调整仍比较缓慢，始终未摆脱经济对资源特别是能源产业的依赖，经济增长仍然要依靠原材料尤其是油气资源出口来拉动。^[22]值得注意的是，俄罗斯政府已将北极油气开发视为重中之重，不断加大对北极油气资源的开发，并且拟定新法案为北极投资、开发和北方航道的发展创造良好环境。甚至有俄罗斯官员表示，北极地区将会在未来20年内成为俄罗斯天然气生产的关键驱动力，可能提供俄罗斯到2035年生产的90%的天然气。^[23]因此，可以推测俄罗斯将成为制约北极地区实施减排的国家之一。加之俄罗斯环境保护政策相对较弱，转变经济发展方式，促进经济增长向集约型转变应是其未来的发展方向。俄罗斯政府需要通过实施优化能源结构、提高能源利用效率和改变产业结构等有效措施促进俄罗斯温室气体减排。^[24]

加拿大经济增长和能源消费量对CO₂排放量均具有促进作用，但能源消费相对于俄罗斯作用较弱，这主要跟加拿大相对严格的环境政策和油气生产工业方式有关。加拿大与美国达成有关北极的联合声明禁止北极近海的油气活动，并向多个地区提供了控制海洋污染的设备，为保护北极环境落实严格的安全法规，制订系列规章制度在相关海域严格推行。另外，加拿大出口大量原油，其自身的炼油企业无法提炼油砂等类稠油，^[25]只能大量出口至其他地区炼制，这就造成油气工业只有相对较少的CO₂排放量，但加拿大CO₂排放量可能会随经济增长不断增加。^[26]

挪威经济增长对CO₂排放量有一定的促进作用，但相对俄罗斯和加拿大较低，能源消费与CO₂排放量不存在协整关系。这与挪威提倡的环境保护和石油天然气的高效利用密切相关。挪威石油和天然气产业拥有世界领先的安全环保标准与完善的管理政策，1991年开始征收碳税政策，征税对象包括石油产品和煤炭产品；2005年开始实施碳排放交易体制，到2013年已有超过50%的全国总排放量被包含在内，特别是石油部门，同时受到碳税和排放交易体系的约束。^[27]此外，挪威将开发利用可再生能源和新能源作为解决能源安全问题的重要途径，现已成为世界上利用可再生能源的先锋，挪威的可再生能源利用比例占能源总消耗近60%，^[28]利用电力逐步淘汰近海部门的矿物燃料消耗，将大大减少挪威的CO₂排放量。^[29]同样值得关注的是，挪威将北极地区的油气资源视为国家发展的大好机遇，已经在北极圈建立自主开采油气资源的设备，^[30]未来其能源利用方式也将对北极地区的碳排放产生重要影响。

丹麦的经济增长与CO₂排放量、能源消费与CO₂排放量均不存在协整关系，可以说丹麦成功实现了经济增长与碳排放的基本脱钩，这与丹麦的绿色能源政策密不可分。20世纪下半叶，丹麦利用北海油气田开采石油天然气保证能源供应，进入21世纪，随着温室气体排放和气候变化问题日益严峻，加之2005年之后北海油气田减产，丹麦政府以实现低碳绿色发展为目标开启了第二次能源转型，开发以风能、太阳能为主的可再生能源，通过税收优惠和价格杠杆并用方式，将石油和天然气的收入和主要精力引导至绿色能源上，逐步实现以分布式可再生能源为主、传统化石能源为辅的综合能源服务系统，^[31][32]混合使用液体生物燃料(主要是生物乙醇)、升级的沼气、电力和氢燃料将实现成本效益高的深度脱碳，节省边际CO₂减排成本。^[33]此次能源转型，对于其经济增长与碳排放脱钩有重要意义。

阿拉斯加的经济增长和能源消费对CO₂排放量具有较强的抑制作用，可能与阿拉斯加这些年的油气资源生产降低和经济低迷有关。阿拉斯加石油和天然气资源丰富，油气产业是其支柱产业，但美国的页岩气革命可能在一定程度上降低其对北极油气的争夺与开发，阿拉斯加北极地区原油和天然气开采的扩张将以相对较小的速度提振美国经济。^[34]阿拉斯加需要根据实际情况酌情调整相关政策、改善能源结构，提高能源利用效率应是其关注的重点；根据油气资源富集程度、保障能力和出口需求等调整相应的开发利用政策，从而提高油气资源对经济增长的促进作用也是需要考虑的问题。

五、研究结论与对策建议

基于1985—2018年的数据，对北极五个国家和地区的经济增长、能源消费与CO₂排放之间的长期均衡和短期动态关系进行了实证分析，主要结论如下：

(1) 在能源消费与经济增长方面，挪威、加拿大、俄罗斯、丹麦和阿拉斯加五个国家和地区的能源消费对经济发展的贡献均为正向影响，挪威、丹麦、加拿大、俄罗斯经济增长对能源消费的依赖性依次增强，而阿拉斯加能源消费对经济增长的促进作用较小。

(2) 在碳排放与经济增长方面，北极地区的CO₂排放量与经济发展仍有较大联系，俄罗斯、加拿大、挪威三国的经济增长对CO₂排放量起到促进作用，其中挪威的弹性系数最大，丹麦的经济增长与CO₂排放量基本实现脱钩，阿拉斯加的经济增长对CO₂排放量起到抑制作用，可能与其低迷的经济发展有关。

(3) 在碳排放与能源消费方面，北极地区能源消费与CO₂排放量的协整关系较弱，因此，能源消费不是导致CO₂排放量增加的必然原因，加拿大和俄罗斯的能源消费对CO₂排放量均发挥着促进作用。从北极地区整体来看，北欧国家在环境保护与碳排放约束方面表现较好，为各国提供了优秀的借鉴作用。

北极地区无论在能源还是环境上对全球可持续发展都具有重要意义，基于对北极地区五个国家和地区的能源消费、经济增长和碳排放的关系研究，为了推动北极地区能源和气候保护进程、进而加快全球气候问题的解决，文章在此提出如下建议：

(1) 发挥市场机制作用与北极国家宏观调控相结合。碳排放交易体系是近些年来的国际热词，它将碳排放与市场机制巧妙结合，发挥市场资源配置作用，推动各国减少CO₂排放。目前许多国家也纷纷加入到了碳排放交易当中，共同解决全球气候问题。推行节能减排税收政策是国家宏观调控作用在环保问题上的重要体现。北欧国家在该方面最先展开探索，丹麦从上世纪七八十年代就开始对石油消费进行征税，对风能开发进行补贴，芬兰从20世纪90年代开始推行碳税等。^[27][35]各国可以借鉴北欧经验，运用征税、新能源补贴和价格杠杆相结合的方式，在倒逼能源转型的同时还可以将税金投入到绿色能源开发当中，从能源利用和经济手段两方面入手，改善能源系统的同时，促进国家产业结构的优化和经济发展方式的转型。

(2) 加快能源系统转型，减少对石油、天然气的依赖。首先，北极地区具有丰富的水电、风电、地热能等可再生资源，其中水电分布在北极的各个地区，是电力的主要来源；北冰洋地区和北极地区沿海国家常年风速较高，风能也具有非常巨大的开发潜力。同时，氢能是最理想的绿色能源，氢能发电能够实现储藏和运输，目前冰岛和挪威正在考虑利用风能等可再生能源为全球输送绿色氢能，因此无碳排放生产氢能也是探索发展的方向。^[36]

(3) 加强法律保障，推进北极治理法制化建设。目前各国在北极地区的能源开采和使用与地缘政治紧密挂钩，大国北极博弈日趋激烈，使北极地区风险系数不断升高，也导致了能源开采的无序，加大了对环境和气候的破坏。^[37]因此，在北极地区治理问题上，应该发挥北极理事会等国际性组织的重要作用，建立国际制度，完善相关国际法律条文，加大对不合理开采、无序竞争行为的制裁和限制，填补北极地区治理机制的缺失，减少政策不确定性因素影响，加快推进北极地区治理体系法治化进程。

(4) 开展国际合作，推动北极环境全球化治理进程。目前已经存在多个国家间合作解决北极地区气候变化、生态保护和资源开发等问题，但由于缺乏统一的综合性北极政策，或因组织内部决策机制复杂多样，使利好政策难以优质推行。因此，在国际合作中，统筹各国力量、加快政策实施和多方行动、寻求有效高效合作是问题关键。与此同时，也要注意北极合作的“排他化”问题，避免合作分散，让所有利益攸关方积极参与进来，坚持合作与共赢的原则，尊重各国合理、合法的利益诉求，通过真诚合作实现北极地区的优化治理与多方共赢，^[38]共同致力于北极环境气候与碳排放问题的解决。