目的: 开展红锥全基因组选择(genomic selection,GS)研究和优良子代早期评选,对快速选育优良新品种具有重要意义。方法: 以红锥全分布区内226个无性系和覆盖23个半同胞家系的479株子代为试验材料,通过高通量重测序获取基因型分型数据,针对生长性状开展GS研究,采用5折交叉验证法评估5种GS模型和10种SNPs数量对GS预测准确性的影响;基于GS预测模型估计候选群体的基因组估计育种值(genomic estimated breeding value,GEBV),采用布雷金多性状评定法进行优良子代个体的早期综合评选。结果: 训练群体中,胸径性状的变异系数为22.73%,大于树高(17.13%),它们之间呈极显著正相关(r=0.63, P<0.001);树高和胸径在种源间均存在极显著差异(P<0.001)。参考群体和候选群体经重测序分型、数据质控后,每个个体得到790 877个SNPs,这些SNPs较均匀地分布在红锥基因组上。基于基因组最佳无偏估计(genomic best linear unbiased prediction,GBLUP)模型,训练群体树高和胸径的广义遗传力分别为0.52和0.48,不同标记SNPs数量对遗传力估计影响很小。在五种GS模型中,树高GS预测准确性最高的是Bayes B模型(0.21),胸径则是Bayes ridge regression(BRR)模型(0.06);贝叶斯模型预测准确性要优于GBLUP模型,但它们之间差异不显著。对于10种SNPs数量,在0.5~5 K阶段,GS预测准确性先升高,随后达到平台期。树高性状调用Bayes B模型,胸径性状调用BRR模型,对红锥候选群体各性状GEBV使用布雷金多性状综合评定法评选出15株优良子代个体,树高、胸径GEBV均值分别比参考群体均值提高了7.0%和5.2%。这些子代个体具体为4 438、4 468、4 407、4 388、4 052、4 461、4 390、4 389、4 410、4 399、4 460、4 467、4 212、4 044、4 459和4 020,主要来自F5和F29两个家系。结论: 本研究建立了红锥的GS预测模型,并依据候选群体GEBV进行了优良个体的早期评选,为后续红锥优良新品种的快速选育奠定了技术和材料基础。