PA.sre.quant参数用于确定选择伪缺席点时，环境变量与物种出现点之间差异的比例。在SurfaceRangeEnvelop(SRE)模型中，它定义了伪缺席点被选在与物种出现点不同的环境条件下的比例。
当PA.sre.quant=0时，伪缺席点只能被选在完全不同的环境条件下。这意味着伪缺席点位于物种可能性最小的区域，与物种出现点的环境变量几乎完全不同。这样可以减少伪缺席点与出现点的重叠，适用于已经充分采样物种气候生态位的情况，但可能会导致过于乐观的模型评估和预测。
当PA.sre.quant=0.025时，伪缺席点的选择条件更加宽松，允许伪缺席点的环境条件与物种出现点有一定的重叠(2.5%的差异阈值)。这为伪缺席点提供了更多的选择范围，有助于避免在极端环境中选择伪缺席点，从而可能产生更现实的模型预测。
简而言之，较小的PA.sre.quant(例如0)会导致更加严格的伪缺席点选择，而较大的值(例如0.025)则会放宽选择标准，使模型更能反映出实际生态位。
计算单个正样本附近的n(5)个负样本和该正样本的距离，获取其最大值、最小值；对所有正样本依次执行该计算。
如数据正态分布：首先分别计算最大、最小值的算数平均值，剔除与算数平均值偏差超过三倍标准差的差值，即剔除这些正样本而不纳入计算。
如数据非正态分布：首先分别计算最大、最小值的算数平均值，使用四分位数或百分位数检测异常值。
计算其余正样本最大、最小值的均值作为max—min范围；
平均值是基于最小二乘法，考虑将观测值的偏差最小化时的优良推测值。对最大、最小值的计算和组合，实际是对数值变化区间的计算，区间比数值更能反映实际状况。
直接计算最大最小值的调和平均值(调和平均受离群值影响最小)，以两个调和平均值作为disk策略的两个阈值。
前人乃至我们之前的工作中，对伪负样本的使用，实质上是对正样本的逆向使用，将研究区域简单分为：正样本区、负样本区。
实际上可以采集到的数据是：已识别的正样本(对应已识别的正样本区)，已识别的负样本(对应已识别的负样本区)，未识别/无样本(对应未知区域，即未识别的正样本区+未识别的负样本区)。
伪负样本的偏差，在于未知——伪负样本——负样本这一逻辑推理上的偏差。