Salah satu masalah dalam pemetaan batimetri di perairan gusung terumbu karang adalah sulitnya aksesibilitas kapal survei oleh karena perairannya yang dangkal. Di lain pihak, citra satelit sinar tampak telah umum digunakan untuk pemetaan habitat terumbu karang dan kedalaman perairan. Studi ini bertujuan menghasilkan peta 3D substrat dasar di gusung terumbu karang dari citra Quickbird.Sejumlah 325 titik sampling menjadi acuan dalam penentuan tipe substrat dasar melalui pendekatan indeks kemiripan Bray Curtis.Setelah koreksi atmosferik, metode koreksi kolom air diaplikasikan pada citra dan ditingkatkan akurasinya dengan kombinasi profil geomorfologi. Pendekatan ini telah menghasilkan peta substrat dasar di gusung Karang Lebar dengan akurasi tematik 82%. Sejumlah lebih 5700 titik perum di regresi dengan kanal hijau dan merah untuk mendapatkan model estimasi batimetri dari citra Quickbird berdasarkan tipe substrat. Gabungan model regresi menghasilkan nilai koefisien determinasi=94% dan RMSE=0.4 meter. Interpolasi data gabungan citra batimetri pasir dan data perum menghasilkan model 3D batimetri di Karang Lebar dengan ME=0.4 m dan RMSE=0.9 m. Hasil ini menunjukkan peta batimetri yang dihasilkan belum dapat memenuhi persyaratan navigasi, meskipun demikian masih dapat digunakan untuk keperluan lainnya seperti pengelolaan sumberdaya, pemodelan oseanografi dan lain-lain.Kata kunci: substrat dasar, Quickbird, batimetriABSTRACTOne of the problems when conducting bathymetric mapping in patch reef environments is shallow water condition.The shallowness complicates the surveillance boat to access the location. Apart from this, using visible satellite imagery, ones still can map coral reefs and shallow water depth. This study goal was to produce 3D bottom substrate map from quickbird imagery. About 325 sampling points wereselected to characterize bottom substrate based on the similarity index from Bray Curtis. After theatmospheric correction, a water-column correction method was implemented and then a geomorphologic profilingwas applied to improve the mapâs thematic accuracy. Theapproach has resultedan accuracy 82% for bottom substrate map. A bathymetric estimation model then wasbuilt from a regression analysis to 5700 sounding data and combination of green and red channel value of quickbird. The model has 0.4m RMSE value and 94% for itscoefficient determination The fusion of sand bathymetric image and sounding data results on the 3D bathymetric model of Karang Lebar with ME=0.4 m and RMSE=0.9 m. This result shows that the produced bathymetric map was not fulfilled the navigation requirement, but still potential as an additional information for resource management, oceanographic modeling etc.Keywords: bottom substrate, Quickbird, bathymetry